Séminaire de QAE

AVRIL 2015
Sminaire de questions approfondies

dconomie
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
La pratique du ski alpin sest dveloppe au cours du XXme et se popularise

travers le monde, si bien que le march des forfaits de ski fait dsormais part
intgrante de lindustrie du tourisme.
Notre travail a pour but de mettre en vidence les facteurs dterminants du prix
des forfaits permettant laccs aux remontes mcaniques des stations de ski.
Nous avons tudi les prix au niveau mondial en collectant des donnes relatives
23 pays situs sur les 5 continents.
Nous nous sommes attachs savoir sil y avait une convergence des prix en
examinant si la LOOP (Law of One Price) tait respecte. Cest dire, si le march
des forfaits de ski tait suffisamment efficient pour que les prix soient les mmes
peu importe le pays et en tenant compte des spcificits du service fourni car
chaque station de ski est diffrente. En effet, nous avons retenu dans notre
analyse les caractristiques lies la topologie des lieux, aux installations de la
station et au type de forfait (nombre de jours, ge et saison).
En outre, cette tude met en lumire la discrimination par les prix qui est
pratique. On observe effectivement que certaines catgories dusagers payent
des tarifs diffrents et ce sur base de leur ge.
II. Revue de la littrature scientifique

Les techniques du prix hdonique taient utilises depuis le travail de Court
(1939) et Grilliches (1961) pour valuer les prix implicites des produits en fonction
de leur diffrentes caractristiques. Cependant, cest le travail de Sherwin Rosen
datant de 1974 qui est considr comme le plus fondamental sur le sujet car il
propose une structure thorique pour la rgression hdonique 1 . Selon leur
hypothse, des biens diffrencis possdent des prix diffrents dans le cadre
dune concurrence parfaite, et donc comme corollaire, des biens ayant des
caractristiques similaires ont le mme prix.2
1 BISHOP, Kelly C. et TIMMINS, Christopher (2011); Hedonic Prices and Implicit Markets: Estimating
Marginal Willingness to Pay for Differentiated Products Without Instrumental Variables

2 ROSEN, Sherwin (1974); Hedonic Price and Implicit Market: Product Differentiation in Pure Competition
; Chicago Journal : Journal of Political Economy
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
and Urban Economics, n22, p. 453-474

5 BARRO, Robert & ROMMER, Paul (1985); Ski-lift pricing, with an application to the labor market
6 BUTSIC, Van ; HANAK, Ellen et VALLETTA, Robert G. (2009) ; Climate Change and Housing Prices:
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.
III. Prsentation du secteur des forfaits 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.
11 http://www.theplaymania.com/skidubai/welcome (Consultation avril 2015)

12 VANAT, Laurent (2014) ; 2014 International Report on Mountain Tourism Overview of the key industry
figures for resorts ; p.8

13 Ibid., p.9
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

17 Ibid., p.11
18 Ibid., p.12
19 Ministere des transports, de lequipement, du tourisme et de la mer - direction du tourisme : Le
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
Lchantillon est constitu de 2260 observations collectes travers le monde

entier. Le nombre de stations de ski par pays varie selon limportance de loffre
disponible dans celui-ci. Le nombre de stations est toujours multiple par pays sauf
en ce qui concerne les pays africains o loffre est bien plus limite.
Lorsque loffre est assez importante, nous avons voulu reprsenter cette
caractristique en collectant des observations aussi bien dans des stations de
grande, moyenne et petite importance.
Nous avons utilis pour collecter les donnes principalement les sites officiels des
diffrentes stations de ski (cf. sources base de donnes p26). Pour les pays de
l'hmisphre nord, nous avons pris en compte les prix de la saison 2014-2015 et
pour ceux de lhmisphre sud, nous avons pris en compte les prix disponibles
pour la saison 2015. Nanmoins pour certains pays de lhmisphre sud, seuls
les prix de 2014 taient disponibles.
Afin de complter nos donnes, nous avons t visiter dautres sites
spcialiss dans loffre des stations de ski (cf. p37). Ceux-ci offrent des
informations prcises dont nous avons besoin pour les caractristiques des
diffrentes stations.
Lensemble des sites utiliss lors de notre collecte sont actualiss et ce en chaque
dbut de saison. Nous navons pas tenu compte des promotions comme celles
lies aux prventes de forfaits quelques mois avant louverture de la saison.
La quantit dobservations obtenue atteint le nombre de 2260 cause de notre
volont prendre en compte les diffrents prix selon lge (adulte, enfant, senior)
et la priode de lanne (saison basse et haute). Cette manire de structurer les
prix tant typiquement celle utilise par les stations de ski et ce presque partout
dans le monde.
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
A. Description et analyse gnrale
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.
B. Description par continent
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.
VI. Rsultats des rgressions
A. Analyse conomtrique gnrale:
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.
Les rgresseurs concernant le dnivel, les installations de ski (Nombre de pistes

et nombre de remontes mcaniques) ainsi que ceux lis aux caractristiques du
forfait (Nombre de jours, tarif enfant, tarif senior et priode de la saison) sont
statistiquement significatifs un niveau de 1%.
En revanche, certains rgresseurs des variables binaires associes aux pays ne
sont pas significatifs (Allemagne, Argentine, Chili, Core du Sud, Espagne, Lesotho,
Roumanie et USA). Un test de Wald sur les coefficients des pays met nanmoins
en vidence que ceux-ci ne sont pas gaux zro.
Les coefficients des variables enfant, senior et saison basse sont comme nous
lattendions ngatifs, ce qui signifie que le prix est plus faible lorsque ces variables
sont diffrentes de 0. La variable enfant tant celle qui impacte le plus le prix total
(-48.37%). Cela signifie donc que les enfants et sniors payent moins chers que
les adultes et que skier en saison basse lest galement par rapport la saison
haute. Il y a donc discrimination par les prix.
Ce qui semble plus surprenant est leffet ngatif du nombre de remontes

mcaniques sur le prix total. On peut lexpliquer par leffet dconomie dchelle
que peuvent rencontrer les grosses stations de skis. Celles-ci peuvent alors en
profiter et offrir des forfaits des prix plus comptitifs. Ce qui donc impacte bien
ngativement le prix total.
A linverse, le coefficient de la variable nombre de jours a un impact fort positif sur

le prix du forfait (+28,46%).
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 3me rgression affine les rsultats quant aux diffrentes remontes

mcaniques. Le R2 ajust augmente encore, atteignant 86,99%. Notre intuition
selon laquelle lorsque la station prsente des amnagements particulirement
adapts pour les dbutants, les forfaits sont moins chers est l encore vrifie.
En effet, les rgresseurs pour le nombre de tlskis et le nombre de tapis ont des
coefficients ngatifs (significatifs des niveaux de respectivement 1% et 5%). Or
ceux-ci sont particulirement indiqus pour les usagers de faible niveau.
De plus, ces types dinstallations en grand nombre tmoignent de limportance
des stations de ski qui, comme nous lavions prcdemment dit, peuvent profiter
dconomies dchelle et offrir des forfaits plus comptitifs. Le nombre de tlskis
a un impact ngatif de 10% et celui de tapis de 6%.
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.
Comparaison entre les pays

Les coefficients des variables binaires des pays ne sont jamais tous significatifs.
Cependant, on observe que lorsque que lon dtaille les installations, les niveaux
de pistes et les dures de forfaits, ces coefficients sont plus nombreux tre
significatifs et des niveaux plus levs. La progression est assez claire dans les
rgressions de 1 4. Dans la quatrime, 16 des 22 rgresseurs pays sont
significatifs sans compter lintercept qui comprend la France.
On peut ds lors sur baser de cette 4me rgression afin de comparer ces 16 pays
par rapport la France pour le prix total HTVA en US dollar. Suivant le coefficient
de la variable binaire associ aux diffrents pays, un classement est possible afin
de placer les pays des plus bons marchs au plus chers.
Classem ent des pays des m oins chers au plus chers :
Pays Bulgarie Rp. Tchque Afrique du Sud Pologne
Coefficient -44.68% -43.88% -39.03% -34.28%
X100
Pays Lesotho Japon Allemagne France
Coefficient -29.31% -8.79% -8.32% 0.00%
X100
Pays Suisse Italie Autriche Canada
Coefficient +8.33% +8.91% +14.54% +20.61%
X100
Pays Core du Sud Andorre Nouvelle- Usa
Zlande
Coefficient +24.52% +37.96% +40.71% +48.32%
X100
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.
Indicateur de Skewness et de Kurtosis

Lindicateur de Skweness est pour nos 4 premires rgressions toujours gale 0,
cela signifie donc que la distribution des rsidus est parfaitement symtrique et
donc conforme une distribution normale.
Lindicateur de Kurtosis quant lui nest pas gal 3 comme dans une
distribution normale, il est ici infrieur. Cela signifie que les queues des
distributions des rsidus sont plus lgres ce qui sinterprte comme labsence
probable de valeurs aberrantes parmi les rsidus.
De ce fait nos rsidus ne suivent pas une distribution normale mais sen approche
par leur parfaite symtrie. On peut galement observer que les queues
deviennent plus lgres lorsque les rgressions contiennent plus dinformations
dtailles.
On peut voir dans le tableau 38 les rsultats complets des indicateurs et les
histogrammes des rsidus sont repris dans les annexes dans les graphiques de 1
4.
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.
Nous obtenons un R2 ajust de 0.746 et un SER de 0.39 ce qui est nettement

moins bon que ceux obtenus lors de la 1re rgression mais cela est
principalement du labsence des 22 variables binaires des pays. En outre, les
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.
La 7me rgression poursuit la progression vers les caractristiques dtailles en

incluant les diffrents types de remontes mcaniques plutt que leur nombre
total.
Le R2 ajust augmente encore et atteint maintenant 0.77 et le SER diminue
0.37.
Les indicateurs de qualit sont maintenant tombs en-dessous des 2000. Cela
signifie que notre rgression augmente en prcision.
Les types des remontes mcaniques ont ici un impact plus ngatif que dans la
rgression 3 mme si cela reste le tapis et les remontes mcaniques diverses
qui ont limpact le plus nfaste.
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.
Indicateur de Skewness et de Kurtosis

Lindicateur de Skweness est pour nos 4 dernires rgressions aussi gale 0,
cela signifie donc que la distribution des rsidus est parfaitement symtrique et
donc conforme une distribution normale.
Lindicateur de Kurtosis quant lui est diffrent de 3, et nest donc pas conforme
une distribution normale. Il est ici infrieur et gale 0. Cela signifie que les
queues des distributions des rsidus sont plus lgres ce qui sinterprte
comme labsence probable de valeurs aberrantes parmi les rsidus.
De ce fait nos rsidus ne suivent pas une distribution normale mais sen approche
par leur parfaite symtrie. On peut galement observer que les queues
deviennent plus lgres lorsque les rgressions contiennent plus dinformations
dtailles.
On peut voir dans le tableau 38 les rsultats complets des indicateurs de Kurtosis
et de Skweness et les histogrammes des rsidus sont repris dans les annexes
dans les graphiques de 5 8.
D. Discussions des rsultats conomtriques
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
ALESSANDRINI, S. (2013) ; Quality of Ski Resorts and Competition

Between the Emilian Apennines and Altipiani Trentini. An Estimate of the
Hedonic Price. ; Review of Economic Analysis
BARRO, R. & ROMMER, P. (1985) Ski-lift pricing, with an application to the
labor market
BISHOP, Kelly C. et TIMMINS, Christopher (2011); Hedonic Prices and
Implicit Markets: Estimating Marginal Willingness to Pay for Differentiated
Products Without Instrumental Variables
BUTSIC, V. ; HANAK, E. et VALLETTA, R. (2009) ; Climate Change and
Housing Prices: Hedonic Estimates for Ski Resorts in Western North
America ; Federal Reserve Bank of San Francisco
CAN, A. (1992); Specification and estimation of hedonic housing price
models ; Regional Science and Urban Economics, n22
FALK, M. (2006); A hedonic price model for ski lift tickets ; Austrian
institute of Economic Research
FALK, M. (2011); International Price Differences in Ski Lift Tickets ;
Austrian institute of Economic Research
GOODMAN, A. (1976); Hedonic prices, price indices and housing markets ;
Centre for Metropolitan Planning and Research and Department of Political
Economy - The Johns Hopkins University, Baltimore, Maryland
Ministre franais des transports, de lquipement, du tourisme et de la
mer - direction du tourisme : Le positionnement de loffre franaise de
sport dhiver note de synthse ; Fvrier 2005
PAWLOWSKI, T. (2011); Hedonic Prices for Ski-Lift Passes in Europe ; The
Empirical Economics Letters
ROSEN, S. (1974); Hedonic Price and Implicit Market: Product
Differentiation in Pure Competition ; Chicago Journal : Journal of Political
Economy
VANAT, L. (2011) 2011 International Report on Mountain Tourism
Overview of the key industry figures for resorts
24
B. Sources pour la base de donnes
1. Asie
a) Chine
Yabuli http://www.travelchinaguide.com/attraction/heilongjiang/harbin/yabuli
(consultation mars 2015)
Beijing Huaibei http://www.hbski.com/

Beijing Nanshan http://www.nanshanski.com/

Xiling www.xiling.cn/
Alshan http://www.chinahighlights.com/alshan/attraction/alshan-ski-resort
Beidahu http://www.chinahighlights.com/changchun/attraction/beidahu-ski-resort
Wanlong http://www.chinaskitours.com/wanlong
Badaling http://www.tour-beijing.com/ski/beijing_badaling_ski_resort.php
Jundushan www.bjski.com.cn/
Lianhuashan http://www.tour-beijing.com/ski/beijing_lianhuashan_ski_resort.php
Qiaobo www.qbski.com
Shijinglong www.nsski.cn/
Yuyang www.tour-beijing.com/ski/beijing_yuyang_ski_resort.php
Yunfoshan http://www.chinahighlights.com/beijing/attraction/yunfoshan-ski-resort.htm
Erlongshan Longzhu http://www.chinahighlights.com/harbin/attraction/erlongshan-ski-resort.htm

Changbaishan http://www.chinahighlights.com/changchun/attraction/changbaishan-ski-resort.htm
25
Duolemeidi http://www.chinaskitours.com/duolemeidi.html
b) Core du Sud
Bearstown http://asiaenglish.visitkorea.or.kr/
Jisan http://asiaenglish.visitkorea.or.kr/
Muju http://asiaenglish.visitkorea.or.kr/
Yongpyong http://asiaenglish.visitkorea.or.kr/
c) Japon
Asahidake http://www.snowjapan.com/
Furano http://www.snowjapan.com/
Hakkoda http://www.snowjapan.com/
Happo-One http://www.snowjapan.com/
Kagura http://www.snowjapan.com/
Kamui http://www.snowjapan.com/
Kiroro http://www.snowjapan.com/
Niseko Moiwa http://www.snowjapan.com/

Naeba http://www.snowjapan.com/
Nozawa Onsen http://www.snowjapan.com/

Rusutsu http://www.snowjapan.com/
Sapporo Kokusai http://www.snowjapan.com/

Sapporo Teine http://www.snowjapan.com/

26
Zao Onsen http://www.snowjapan.com/
Ishiuchi-Maruyama http://www.snowjapan.com/
Adatara Kogen http://www.snowjapan.com/

Ajigasawa http://www.snowjapan.com/
Kokusetsu Ashibetsu http://www.snowjapan.com/

Biwako Valley http://www.snowjapan.com/

Cupid Valley http://www.snowjapan.com/

Geihoku Kokusai http://www.snowjapan.com/

Inawashiro http://www.snowjapan.com/
Kawaba http://www.snowjapan.com/
Shizukuishi http://www.snowjapan.com/
Utopia Saioto http://www.snowjapan.com/

Numajiri http://www.snowjapan.com/
Kijimadaira http://www.snowjapan.com/
Dynaland http://www.snowjapan.com/
Togakushi http://www.snowjapan.com/
2. Europe
a) Allemagne
Winklmoosam www.winklmoosalm.de
27
BRAUNECK - WEGSCHEID www.brauneck-bergbahn.de
GARMISCH CLASSIC-SKIGEBIET www.zugspitze.de/de/winter/skigebiet/garmisch-classic
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
Saint Anton am Arlberg www.stantonamarlberg.com/en
STYRIE
Ramsau am dachstein www.ramsau.com/en
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
Bansko http://www.banskoski.com/en/
Pamporovo http://www.bulgariaski.com/pamporovo/skipackages.shtml
e) Espagne
Alto Campoo http://www.altocampoo.com/inicio
Manzaneda http://www.manzaneda.com
Sierra Nevada http://en.sierranevada.es
f) France
La Clusaz- Manigod http://laclusaz.com
Chamonix http://www.chamonix.com
29
Les portes du Mont Blanc http://www.lesportesdumontblanc.fr/fr/
La Pierre St Martin http://www.lapierrestmartin.com/fr/
g) Italie
Abetone http://www.abetone.com/
Arabba http://www.skiarabba.com/
Bardonecchia http://www.bardonecchiaski.com/
Bormio http://www.bormioski.eu/
Canazei http://www.skicanazei.com/
Cavalese http://www.visittrentino.it/
Claviere http://www.claviere.it/
Cortina http://www.dolomitisuperski.com/en/cortina
Courmayeur http://www.courmayeur-montblanc.com/tariffe_giornalieri
La Thuile http://www.lathuile.it/
Livigno http://www.skipasslivigno.com/
Macugnaga http://www.neveitalia.it/ski/macugnaga/
Santa Caterina http://www.santacaterina.it/

Sellata http://www.skisellata.it/
Torgnon http://www.cervinia.it/
30
Valgrisenche http://www.neveitalia.it/ski/valgrisenche/
Villaggio Palumbo http://www.dovesciare.it/

Zum Zeri http://www.zumzeri.net/

Lavarone http://www.lavaroneski.it/
Madonna di Campiglio http://www.campigliodolomiti.it/
h) Pologne
Biaka Tatrzaska http://bialkatatrzanska.pl/
Szczyrk http://skrzyczne.cos.pl/
Szklarska Porba http://www.sudetylift.com.pl/

i) Rpublique tchque
Bedrichov http://www.skijizerky.cz/cz/zima/skiarena/ski-areal-bedrichov/
Benecko http://www.benecko.info/
Bil http://www.skibila.cz/
Destn http://www.skicentrumdestne.cz/
Lipno http://zima.lipnoservis.cz/
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/
Jasna http://www.jasna.sk/
Mlynky http://www.skimlynky.sk/
l) Suisse
Les 4 valles www.4vallees.ch
Adelboden Frutigen Lenk www.adelboden-lenk.ch
Bellwald www.bellwald.ch
Davos Klosters www.davos.ch
Portes du soleil en.portesdusoleil.com
Scuol www.engadin.com/ferienorte/engadin-scuol
Sorenberg www.soerenberg.ch
3. Ocanie
a) Australie
NOUVELLE-GALLES DU SUD
Charlotte Pass www.charlottepass.com.au
32
Perisher www.perisher.com.au
Selwyn Snowfield www.selwynsnow.com.au
Thredbo www.thredbo.com.au
VICTORIA
Falls Creek www.fallscreek.com.au
Mount Baw Baw mountbawbaw.com.au
Mount Hotham www.mthotham.com.au
Mount Buller www.mtbuller.com.au/Winter
b) Nouvelle Zlande
LE DU NORD
Turoa et Whakapapa www.mtruapehu.com
Tukino www.tukino.co.nz
ILE DU SUD
Broken River silverstripe.brokenriver.co.nz
33
Mount Olympus www.mtolympus.co.nz
Porters www.skiporters.co.nz
Mount Hutt www.nzski.com/mountain.jsp?site=mthutt
Mount Lyford www.mtlyford.co.nz
QUEENSTOWN
The Remarkables www.nzski.com
Coronet Peak www.nzski.com
Ben Lomond www.skibenlomond.co.nz
WANAK
Cardrona www.cardrona.com
Treble cone www.treblecone.com
MACKENZIE
Ohau www.ohau.co.nz
Mount Dobson www.mtdobson.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/
Lake Louise https://www.skilouise.com
Big White http://www.bigwhite.com/
Mont Saint Sauveur http://www.montsaintsauveur.com
b) Etats-Unis
Attitash http://www.attitash.com
Big Powderhorn http://www.bigpowderhorn.net
Park City http://www.parkcitymountain.com/
Stowe Mountain Resort http://www.stoweonestore.com
Sun Valley - Bald Mountain https://www.sunvalley.com
35
Sugarloaf http://www.sugarloaf.com
6. Amrique du Sud
a) Argentine
Las Leas https://www.laslenas.com
Perito Moreno http://www.cerro-peritomoreno.com
Los Penitentes http://www.lospenitentes.com
b) Chili
Portillo http://www.skiportillo.com/
Valle Nevado http://www.vallenevado.com
El Colorado http://www.elcolorado.cl
c) Autres sites spcialiss

www.bergfex.fr
www.skiresort.info
www.skiinfo.fr
snow.co.nz
36
www.mountainwatch.com
https://www.j2ski.com/
http://www.igluski.com/
http://ski-resorts.findthebest.com/
http://www.ifyouski.com/
http://www.onthesnow.com/
37
IX. Annexes
A. Description des variables retenues
Tableau 1 : variables retenues

Explications
Prix HTVA en $ Nous avons converti les prix hors TVA en dollar US en
utilisant le taux de change annuel moyen de 2014
Prix HTVA en $ PPA Un taux de conversion en parit de pouvoir dachat
t appliqu
Prix moyen/ jour Le Prix HTVA en $ divis par le nombre de jour du
forfait
Prix moyen ppa/jour
Nombre de jours Dure du forfait
Nombre de remontes
mcaniques
Nombre de tlphriques
Nombre de tlsiges
Nombre de tlskis
Nombre de tapis
Nombre d'autres
installations
Longueur des pistes (km)
Nombre de pistes
Nombre de pistes noires
Nombre de pistes rouges
Nombre de pistes bleues
Nombre de pistes vertes
Nombre de canons
Domaine skiable (km2) Superficie du domaine skiable
Dnivel (m)
Enneigement annuel
moyen (cm)
Nombre de snowparks
Capacit (skieurs/heure) Capacit des remontes mcaniques
Longueur de la piste la
plus longue (km)
Nombre de jours Dure du forfait
Forfait de 2 jours Variable binaire
Forfait de 3 jours idem
Enfant 1 si forfait enfant sinon 0
Senior 1 si forfait senior sinon 0
Basse saison 1 si forfait pris en basse saison sinon 0
38
B. Taux de change utiliss
Tableau 2 : taux de change

Units Taux de change officiel Facteur de conversion PPA, PIB
de (units de devises locales (units de devises locales par
devises par $ US, moyenne pour $ international) 2013
2014)
Afrique du 10,85 5,17
Sud
Argentine 8,08 2,66*
Australie 1,11 1,52
Bulgarie 1.472204**** 0,70
Brsil 2,35 1,61
Canada 1,11 1,25
Chili 570,35 354,91
Chine 6,14 3,52
Core du 1 052,96 860,22
Sud
Eurozone 0,752** ------
- Allemagne ------ 0,79
- Andorre ------ 1,24***
- Autriche ------ 0,84
- Espagne ------ 0,68
- France ------ 0,85
- Italie ------ 0,76
- Slovaquie ------ 0,51
Japon 105,94 104,09
Lesotho 10,85 4,22
Nouvelle- 1,21 1,47
Zlande
Pologne 3.154625**** 1,82
Rpublique 20,76 13,39
tchque
Roumanie 3,35 1,66
Sude 6,86 8,81
Suisse 0,92 1,38
*2011**source: Federal reserve ***source: estadistica.ad
****source: http://www.ozforex.com.au/forex-tools/historical-rate-tools/yearly-
average-rates
39
C. Statistiques descriptives
1. Echantillon global
Tableau 3 : statistiques descriptives de lchantillon global

Variable Nombre Moyenne Ecart-type Min Max
d'obs.
Prix total (USD) 2260 135.0483 99.44663 0 693
log(Prix total) 2243 4.637527 0.7811289 2.244882 6.54103
Prix moyen/jour 2260 39.37362 18.32801 0 112
log(Prix moyen/jour) 2243 3.573786 0.4771846 1.948639 4.718499
Nombre de jours 2260 3.527876 1.99171 1 7
Enfant 2260 0.3530973 0.4780384 0 1
Senior 2260 0.25 0.4331085 0 1
Basse saison 2260 0.2880531 0.4529562 0 1
Nombre de remontes 2260 23.08938 30.58729 1 200
mcaniques
Nombre de tlphriques 2260 2.595575 4.119741 0 20
Nombre de tlsiges 2260 10.11106 13.31834 0 78
Nombre de tlskis 2260 8.480973 13.58517 0 86
Nombre de tapis 2260 1.50708 3.652992 0 24
Nombre d'installations 2260 0.6274336 1.486593 0 9
diverses
Capacit (skieurs/heure) 2174 29574.66 42277.62 830 275411
Nombre de canons 1915 167.0465 265.3177 0 1100
Nombre de snowparks 2215 1.534989 1.850442 0 11
Longueur de pistes totale 2202 78.47611 111.5349 0.4 650
(km)
Longueur de la piste la plus 2070 5.477505 3.489323 0.2 20
longue
Nombre de pistes 2260 43.21858 48.71426 2 285
Nombre de pistes noires 2260 5.674958 8.128514 0 42
Nombre de pistes rouges 2260 16.0857 19.18288 0 118
Nombre de pistes bleues 2260 17.14786 21.01129 0 122
Nombre de pistes vertes 2260 4.884451 8.507579 0 56
Surface domaine skiable 1993 15.12508 58.48328 0.023 400
(km2)
Dnivel(m) 2259 885.8473 513.6441 20 2233
Enneigement cumul 2099 332.2033 307.5788 5 2084
annuel (cm)
40
2. Par continent
a) Europe
Tableau 4 : statistiques descriptives de lEurope

d'obs.
Prix total (USD) 1444 127.3647 81.96599 10.5973 436.9565
log(Prix total) 1444 4.607233 0.7402558 2.3606 6.079834
Prix moyen/jour 1444 35.20951 14.04484 7.019127 95.52238
Nombre de jours 1444 3.725069 1.974167 1 7
Enfant 1444 0.3725762 0.4836581 0 1
Senior 1444 0.2222992 0.4159352 0 1
Basse saison 1444 0.3698061 0.4829193 0 1
mcaniques
Nombre de tlpheriques 1444 3.854571 4.654334 0 20
Nombre de tlskis 1444 11.2126 16.08789 0 86
Nombre de tapis 1444 1.908587 4.416464 0 24
diverses
Nombre de canons 1273 217.4211 302.8366 0 1100
(km)
Longueur de la piste la 1374 5.962846 3.423105 0.600285 20
plus longue
Nombre de pistes 1444 45.9072 54.18233 2 285
(km2)
Dnivel(m) 1444 1075.345 510.0094 110 2233
Enneigement cumul 1407 305.9299 231.7766 25.4 1149
annuel (cm)
41
b) Amrique du Nord
Tableau 5 : statistiques descriptives de lAmrique du Nord

d'obs.
Prix total (USD) 111 171.1783 130.2935 21.49549 693
log(Prix total) 111 4.880576 0.7369155 3.067843 6.54103
Prix moyen/jour 111 59.56107 20.77355 21.49549 112
Nombre de jours 111 2.945946 1.910915 1 7
Enfant 111 0.3333333 0.4735424 0 1
Senior 111 0.3333333 0.4735424 0 1
Basse saison 111 0.027027 0.1628976 0 1
mcaniques
Nombre de tlskis 111 1.513514 1.524735 0 5
Nombre de tapis 111 0.972973 1.224444 0 3
diverses
Nombre de canons 72 149.625 249.9756 0 1041
Longueur de pistes totale 111 73.80811 40.44769 10 139
(km)
longue
Nombre de pistes 111 96.13514 47.64766 26 161
Nombre de pistes noires 111 14.1577 9.629258 1.6 31
Nombre de pistes rouges 111 19.6777 11.30404 4.95 39
Nombre de pistes bleues 111 40.14405 22.11729 9 68.44
Nombre de pistes vertes 111 20.18378 9.602391 3 36.25
(km2)
Dnivel(m) 111 645.7384 312.6613 182 1036.32
Enneigement cumul 111 565.3114 249.3816 155 914.4
annuel (cm)
42
c) Amrique du Sud
Tableau 6 : statistiques descriptives de lAmrique du Sud

d'obs.
Prix total (USD) 100 110.5312 76.52728 14.73369 347.2067
log(Prix total) 100 4.441933 0.7710254 2.690137 5.84992
Prix moyen/jour 100 33.94051 14.02001 12.80021 84
Nombre de jours 100 3.46 2.166876 1 7
Enfant 100 0.28 0.4512609 0 1
Senior 100 0.28 0.4512609 0 1
Basse saison 100 0.49 0.5024184 0 1
mcaniques
Nombre de tlskis 100 5.54 3.063041 3 15
Nombre de tapis 100 0.14 0.3487351 0 1
diverses
Nombre de canons 56 7.5 13.10794 0 30
(km)
Longueur de la piste la plus 70 5.937143 1.926036 1 7
longue
Nombre de pistes 100 24.72 21.48059 7 101
Nombre de pistes noires 100 5.7924 4.292294 1 10.1
Nombre de pistes rouges 100 6.5622 5.980463 1 25.25
Nombre de pistes bleues 100 7.7904 6.637995 4 30.3
Nombre de pistes vertes 100 4.575 7.904386 1 35.35
Surface domaine skiable 64 18.67188 27.88881 3 70.8
(km2)
Dnivel(m) 100 978.78 273.6694 714 1316
Enneigement cumul 22 349.6727 370.2886 76.2 830
annuel (cm)
43
d) Afrique
Tableau 7 : statistiques descriptives de lAfrique

d'obs.
Prix total (USD) 20 70.6682 27.58594 22.11982 116.129
log(Prix total) 20 4.16937 0.4590735 3.096474 4.754702
Prix moyen/jour 20 20.87119 6.931165 11.58657 36.86636
Nombre de jours 20 3.85 1.980829 1 7
Enfant 20 0.35 0.4893605 0 1
Senior 20 0 0 0 0
Basse saison 20 0 0 0 0
mcaniques
Nombre de tlphriques 20 0 0 0 0
Nombre de tlskis 20 1 0 1 1
Nombre de tapis 20 1.4 0.9403247 0 2
Nombre d'installations 20 0 0 0 0
diverses
Capacit (skieurs/heure) 0
Nombre de canons 20 11.6 15.0452 2 34
Longueur de pistes totale 20 1.42 0.188065 1.3 1.7
(km)
Longueur de la piste la plus 20 1 0 1 1
longue
Nombre de pistes 20 2.3 0.4701623 2 3
Nombre de pistes noires 20 0 0 0 0
Nombre de pistes bleues 20 1 0 1 1
Nombre de pistes vertes 20 1 0 1 1
Surface domaine skiable 20 0.2261 0.3182999 0.023 0.7
(km2)
Dnivel(m) 20 288.2 11.2839 281 305
Enneigement cumul 20 36 9.403247 30 50
annuel (cm)
44
e) Asie
Tableau 8 : statistiques descriptives de lAsie

d'obs.
Prix total (USD) 158 55.23628 36.17238 9.439305 223.7115
log(Prix total) 158 3.84511 0.5644059 2.244882 5.410357
Prix moyen/jour 158 34.24065 11.64913 9.439305 86.31922
Nombre de jours 158 1.696203 1.132659 1 7
Enfant 158 0.2721519 0.4464828 0 1
Senior 158 0.2658228 0.443175 0 1
Basse saison 158 0 0 0 0
mcaniques
Nombre de tlskis 158 0.9113924 1.374841 0 6
Nombre de tapis 158 0.5063291 0.8650823 0 4
diverses
Nombre de canons 82 11.28049 10.79698 0 57
(km)
longue
Nombre de pistes 158 19.18354 9.806302 2 41
(km2)
Dnivel(m) 157 632.3503 270.0056 20 1225
annuel (cm)
45
f) Ocanie
Tableau 9 : statistiques descriptives de lOcanie

d'obs.
Prix total (USD) 427 189.9295 131.0235 0 636.036
log(Prix total) 410 5.054334 0.7302626 2.51743 6.455255
Prix moyen/jour 427 52.24606 23.23864 0 104.5045
Nombre de jours 427 3.690867 1.911906 1 7
Enfant 427 0.3395785 0.4741217 0 1
Senior 427 0.3208431 0.4673482 0 1
Basse saison 427 0.1522248 0.3596601 0 1
mcaniques
Nombre de tlskis 427 4.894614 4.662873 0 24
Nombre de tapis 427 0.9836066 1.501865 0 7
diverses
Nombre de canons 412 74.67718 84.75512 0 240
(km)
longue
Nombre de pistes 427 35.51288 26.90745 6 122
(km2)
Dnivel(m) 427 406.8689 197.0215 85 722
annuel (cm)
46
3. Par pays
a) Afrique du Sud
Tableau 10 : statistiques descriptives de lAfrique du Sud

Nombre Moyenne Ecart- Min. Max.
d'obs. type
Prix HTVA en $ 14 65.53654 26.28946 22.11982 109.6774
Prix HTVA en 14 137.538 55.17227 46.42167 230.1741
$ PPA
Prix moyen/ jour 14 18.44556 5.642405 11.58657 31.3364
Prix moyen 14 38.71071 11.84141 24.31611 65.76402
ppa/jour
Nombre de jours 14 4 2.075498 1 7
Nombre de 14 3 0 3 3
remontes
mcaniques
tlphriques
tlsiges
tlskis
Nombre de tapis 14 2 0 2 2
Nombre d'autres 14 0 0 0 0
installations
Longueur des 14 1.3 0 1.3 1.3
pistes (km)
Nombre de pistes 14 2 0 2 2
noires
rouges
bleues
vertes
canons
Domaine skiable 14 0.023 0 0.023 0.023
(km2)
Dnivel (m) 14 281 0 281 281
Enneigement 14 30 0 30 30
annuel moyen
snowparks
Capacit 0
47
(skieurs/heure)
Longueur de la 14 1 0 1 1
piste la plus
longue
b) Allemagne
Tableau 11 : statistiques descriptives de lAllemagne

d'obs. type
Prix HTVA en $ 59 104.6414 70.31759 17.4625 328.4359
Prix HTVA en 59 98.40163 67.38048 15.82278 312.6582
$ PPA
Prix moyen/ 59 31.40659 10.34204 15.01775 54.85012
jour
Prix moyen 59 29.38767 9.971649 13.60759 52.21519
ppa/jour
Nombre de 59 3.355932 1.864022 1 7
jours
Nombre de 59 15.01695 1.726982 13 17
remontes
mcaniques
Nombre de 59 2.118644 1.145979 1 4
tlphriques
Nombre de 59 6.033898 2.477249 4 9
tlsiges
Nombre de 59 6.389831 3.969787 2 11
tlskis
Nombre de 59 2.254237 2.201827 0 5
tapis
Nombre 59 0.4745763 0.8581442 0 2
d'autres
installations
Longueur des 59 39.49153 4.403654 34 44
pistes (km)
Nombre de 59 19.28814 1.287216 17 20
pistes
Nombre de 59 5.687119 3.318126 2.4 9.6
pistes noires
Nombre de 59 10.59695 1.700041 9 12.8
pistes rouges
Nombre de 59 3.004068 1.494412 1.4 4.8
pistes bleues
pistes vertes
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
Tableau 12 : statistiques descriptives de lAndorre

d'obs. type
Prix HTVA en $ 34 81.63606 46.83722 19.55328 211.8899
Prix HTVA en 34 87.54151 50.22537 20.96774 227.2177
$ PPA
Prix moyen/ 34 43.73409 9.630207 28.58855 62.865
jour
Prix moyen 34 25.92861 5.390394 17.33871 36.29032
ppa/jour
Nombre de 34 3.411765 1.777258 1 7
jours
Nombre de 34 34.82353 26.47637 13 66
remontes
mcaniques
Nombre de 34 1.647059 1.998217 0 4
tlphriques
Nombre de 34 13.88235 11.9893 4 28
tlsiges
Nombre de 34 16.94118 14.48707 5 34
tlskis
Nombre de 34 0.5882353 0.4995542 0 1
tapis
Nombre 34 2.941176 2.497771 0 5
d'autres
installations
Longueur des 34 104.1176 89.91975 30 210
pistes (km)
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
Tableau 13 : statistiques descriptives de lArgentine

d'obs. type
Prix HTVA en $ 86 121.452 76.74944 17.92079 347.2067
Prix HTVA en 86 368.9218 233.1336 54.43609 1054.673
$ PPA
Prix moyen/ 86 32.39306 11.9583 12.80021 65.52104
jour
Prix moyen 86 98.39695 36.32446 38.88185 199.0263
ppa/jour
Nombre de 86 3.860465 2.075985 1 7
jours
Nombre de 86 7.930233 3.016779 5 14
remontes
mcaniques
tlphriques
Nombre de 86 2.604651 2.377735 0 7
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
Tableau 14 : statistiques descriptives de lAustralie

d'obs. type
Prix HTVA en $ 207 233.5466 138.4785 30.63063 636.036
Prix HTVA en 207 207.3894 122.9689 27.2 564.8
$ PPA
Prix moyen/ 207 60.31363 22.26494 18.01802 104.5045
jour
Prix moyen 207 53.5585 19.77127 16 92.8
ppa/jour
Nombre de 207 4.028986 2.004638 1 7
jours
Nombre de 207 14.26087 10.32715 5 47
remontes
mcaniques
Nombre de 207 0.1014493 0.3026546 0 1
tlphriques
Nombre de 207 6.289855 4.039014 0 14
tlsiges
Nombre de 207 6.405797 5.408512 3 24
tlskis
Nombre de 207 1.115942 1.71121 0 7
tapis
Nombre 207 0.3478261 0.6112081 0 2
d'autres
installations
Longueur des 192 47.1875 24.71632 10 80
pistes (km)
Nombre de 207 47.50725 30.83291 15 122
pistes
Nombre de 207 2.304348 3.473776 0 9
pistes noires
Nombre de 207 8.623188 9.000164 0 26
pistes rouges
Nombre de 207 24.04348 16.96064 7 55
pistes bleues
Nombre de 207 12.53623 12.51397 4 56
pistes vertes
Nombre de 207 113.2029 90.97491 2 240
canons
Domaine 207 3.141884 3.190414 0.35 12.45
skiable (km2)
Dnivel (m) 207 350.971 195.4802 105 672
Enneigement 207 195.1014 85.70192 99 483
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
Tableau 15 : statistiques descriptives de lAutriche

d'obs. type
Prix HTVA en $ 263 83.25872 46.29027 0 207.5656
Prix HTVA en 263 131.7966 73.27639 0 328.5714
$ PPA
Prix moyen/ 263 39.81729 12.27698 17.50772 65.82015
jour
Prix moyen 263 35.64829 10.99154 15.6746 58.92857
ppa/jour
Nombre de 263 3.885932 1.952272 1 7
jours
Nombre de 263 38.55513 29.24162 10 97
remontes
mcaniques
Nombre de 263 5.802281 5.626993 0 16
tlphriques
Nombre de 263 17.21673 16.11702 3 50
tlsiges
Nombre de 263 13.3384 9.850579 2 34
tlskis
Nombre de 263 1.878327 2.541342 0 8
tapis
Nombre 263 0.3193916 0.9270554 0 3
d'autres
installations
Longueur des 263 137.0859 114.0206 19 340
pistes (km)
Nombre de 263 51.92395 35.8499 13 125
pistes
Nombre de 263 7.209125 6.230771 1 20
pistes noires
Nombre de 263 26.22814 16.39963 5 53
pistes rouges
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
Tableau 16 : statistiques descriptives de la Bulgarie

d'obs. type
Prix HTVA en $ 48 84.56708 49.80627 18.33985 220.7574
Prix HTVA en 48 177.8571 104.75 38.57143 464.2857
$ PPA
Prix moyen/ 48 21.94977 8.317224 8.4421 37.358
jour
Prix moyen 48 46.16362 17.49236 17.755 78.571
ppa/jour
Nombre de 48 4.083333 1.955171 1 7
jours
Nombre de 48 13.83333 1.927774 10 16
remontes
mcaniques
Nombre de 48 1.666667 0.7532436 0 2
tlphriques
Nombre de 48 5.333333 1.71766 4 8
tlsiges
Nombre de 48 5.583333 1.723842 3 7
tlskis
Nombre de 48 0.5833333 0.4982238 0 1
tapis
Nombre 48 0.6666667 0.8588298 0 2
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
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
Tableau 17 : statistiques descriptives du Canada

d'obs. type
Prix HTVA en $ 36 108.5716 71.44267 21.49549 324.3243
Prix HTVA en 36 96.41156 63.44109 19.088 288
$ PPA
Prix moyen/ 36 48.42157 16.37444 21.49549 80.18018
jour
Prix moyen 36 42.99835 14.5405 19.088 71.2
ppa/jour
Nombre de 36 2.416667 1.679711 1 6
jours
Nombre de 36 10.41667 4.045279 3 16
remontes
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
Tableau 18 : statistiques descriptives du Chili

Nombr Moyenne Ecart- Min. Max.
e type
d'obs.
Prix HTVA en $ 14 43.44627 21.18321 14.73369 84
Prix HTVA en 14 36.58928 39.06528 0.053534 94.7097
$ PPA 7 9
Prix moyen/ 14 43.44627 21.18321 14.73369 84
jour
Prix moyen 14 36.58928 39.06528 0.053534 94.7097
ppa/jour 7 9
jours
Nombre de 14 16.71429 2.462912 14 19
remontes
mcaniques
Nombre de 14 0.142857 0.363136 0 1
tlphriques 1 5
Nombre de 14 4.428571 0.513552 4 5
tlsiges 6
Nombre de 14 12.14286 2.905092 9 15
tlskis
tapis
Nombre 14 0 0 0 0
d'autres
installations
Longueur des 14 33.57143 17.03261 15 50
pistes (km)
Nombre de 14 56.57143 40.82178 17 101
pistes
Nombre de 14 7.731429 2.49299 5 10.1
pistes noires
Nombre de 14 13.23 11.65238 1 25.25
pistes rouges
Nombre de 14 18.57429 10.81207 8 30.3
pistes bleues
Nombre de 14 17.03571 16.46441 3 35.35
pistes vertes
Nombre de 0
canons
Domaine 8 9.725 0.509201 8.9 10
skiable (km2) 2
Dnivel (m) 14 829.2857 68.22522 762 903
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
Tableau 19 : statistiques descriptives de la Chine

d'obs. type
Prix HTVA en $ 17 42.56725 17.48961 17.10098 86.31922
Prix HTVA en 17 130.4412 69.98593 28.23529 321.1765
$ PPA
Prix moyen/ 17 42.56725 17.48961 17.100 86.319
jour
Prix moyen 17 74.25084 30.50745 29.829 150.56
ppa/jour
jours
Nombre de 17 6.294118 3.312188 1 12
remontes
mcaniques
Nombre de 17 0.4117647 0.7122871 0 2
tlphriques
Nombre de 17 2.294118 1.961017 0 7
tlsiges
Nombre de 17 2.352941 2.206274 0 6
tlskis
Nombre de 17 0.9411765 1.144038 0 4
tapis
Nombre 17 0 0 0 0
d'autres
installations
Longueur des 14 9.5 10.15086 0.4 30
pistes (km)
Nombre de 17 10.29412 7.808367 2 33
pistes
Nombre de 17 2.117647 2.027386 0 8
pistes noires
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
Tableau 20 : statistiques descriptives de la Core du Sud

d'obs. type
Prix HTVA en $ 6 49.38459 13.99645 28.49111 68.37866
Prix HTVA en 6 60.44965 17.13248 34.8748 83.69952
$ PPA
Prix moyen/ 6 49.38459 13.99645 28.491 68.378
jour
Prix moyen 6 60.44965 17.13248 34.874 83.699
ppa/jour
Nombre de 6 1 0 1 1
jours
Nombre de 6 11.5 5.958188 3 17
remontes
mcaniques
Nombre de 6 0.5 0.5477226 0 1
tlphriques
Nombre de 6 10.33333 4.802777 3 15
tlsiges
Nombre de 6 0 0 0 0
tlskis
Nombre de 6 0 0 0 0
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
Tableau 21 : statistiques descriptives de lEspagne

d'obs. type
Prix HTVA en $ 60 77.05372 53.21222 9.024592 205.3095
Prix HTVA en 60 150.674 104.0534 17.64706 401.4706
$ PPA
Prix moyen/ jour 60 38.12482 12.2287 12.63215 59.8365
Prix moyen 60 42.16433 13.5244 13.97059 66.17647
ppa/jour
Nombre de jours 60 3.466667 2.062306 1 7
Nombre de 60 25.36667 10.39714 6 32
remontes
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
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
Tableau 22 : statistiques descriptives des Etats-Unis

d'obs. type
Prix HTVA en $ 75 201.2296 141.4177 38 693
Prix HTVA en $ PPA 75 203.6272 143.9839 38 693
Prix moyen/ jour 75 64.90803 20.62331 33 112
Prix moyen 75 65.25055 20.37552 33 112
ppa/jour
Nombre de jours 75 3.2 1.972788 1 7
Nombre de 75 14.44 3.499961 10 19
remontes
mcaniques
Nombre de 75 0.2 0.5694948 0 2
tlphriques
Nombre de 75 12.04 2.924454 9 16
tlsiges
Nombre de tlskis 75 1.28 0.9235654 0 3
Nombre de tapis 75 0.84 1.356067 0 3
installations
Longueur des 75 74.36 39.48029 10 106
pistes (km)
Nombre de pistes 75 104.12 46.62326 33 161
Nombre de pistes 75 16.6078 10.13801 1.6 31
noires
Nombre de pistes 75 19.4238 13.00525 4.95 39
rouges
Nombre de pistes 75 43.146 18.97372 11.55 68.44
bleues
Nombre de pistes 75 22.064 8.344927 11.55 34
vertes
Nombre de canons 51 47.05882 130.1583 0 400
Domaine skiable 75 5.9784 4.997812 1.02 13.36
(km2)
Dnivel (m) 75 703.8128 294.2357 182 1036.32
Enneigement 75 634.008 213.6608 304.8 914.4
annuel moyen
Nombre de 75 3.12 1.185042 0 5
snowparks
Capacit 75 20853 7639.983 10800 31000
(skieurs/heure)
Longueur de la 72 5.008333 1.625306 2 7
piste la plus longue
62
n) France
Tableau 23 : statistiques descriptives de la France

d'obs. type
Prix HTVA en $ 72 83.38347 44.73794 18.04918 205.3095
Prix HTVA en 72 130.4412 69.98593 28.23529 321.1765
$ PPA
Prix moyen/ 72 39.54736 9.066339 25.98614 63.8256
jour
Prix moyen 72 34.99008 8.02157 22.9916 56.47059
ppa/jour
Nombre de 72 3.875 2.06198 1 7
jours
Nombre de 72 44.25 17.93474 11 65
remontes
mcaniques
Nombre de 72 7.583333 8.226974 0 20
tlphriques
Nombre de 72 20.45833 10.40035 5 31
tlsiges
Nombre de 72 19.75 7.604206 4 29
tlskis
Nombre de 72 0.8333333 0.9929328 0 2
tapis
Nombre 72 0.2916667 0.4577194 0 1
d'autres
installations
Longueur des 51 99.94118 37.98126 25 132
pistes (km)
Nombre de 72 77.08333 26.1096 24 106
pistes
Nombre de 72 8.583333 4.577194 1 15
pistes noires
Nombre de 72 29.16667 9.869572 7 40
pistes rouges
Nombre de 72 26.20833 10.22829 9 36
pistes bleues
Nombre de 72 13.125 3.094463 7 16
pistes vertes
Nombre de 21 130 0 130 130
canons
Domaine 21 30.8 0 30.8 30.8
skiable (km2)
Dnivel (m) 72 1432.458 595.0452 626 2233
Enneigement 51 515.9188 151.4851 342.9 670.56
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
Tableau 24 : statistiques descriptives de lItalie

d'obs. type
Prix HTVA en $ 420 143.616 81.3057 14.6267 353.7002
Prix HTVA en 420 142.1131 80.45512 14.47368 350
$ PPA
Prix moyen/ 420 39.17218 11.2531 12.41053 65.1553
jour
Prix moyen 420 39.12639 10.61935 12.2807 64.47369
ppa/jour
Nombre de 420 3.771429 2.048375 1 7
jours
Nombre de 420 17.6881 10.95272 3 45
remontes
mcaniques
Nombre de 420 3.195238 2.095563 0 7
tlphriques
Nombre de 420 9.169048 7.125034 1 26
tlsiges
Nombre de 420 3 2.480473 0 11
tlskis
Nombre de 420 1.4 2.429335 0 12
tapis
Nombre 420 0.9238095 1.443909 0 4
d'autres
installations
Longueur des 420 66.33429 46.33431 4 150
pistes (km)
Nombre de 420 30.38095 19.68008 2 83
pistes
Nombre de 420 5.116667 7.921043 0 42
pistes noires
Nombre de 420 15.17381 15.986 0 118
pistes rouges
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
Tableau 25 : statistiques descriptives du Japon

d'obs. type
Prix HTVA en $ 135 57.09172 38.25999 9.439305 223.7115
Prix HTVA en 135 57.66021 38.63837 9.532888 225.9295
$ PPA
Prix moyen/ 135 32.51906 9.649364 9.439305 51.91618
jour
Prix moyen 135 32.84393 9.747642 9.532888 52.43089
ppa/jour
Nombre de 135 1.814815 1.185643 1 7
jours
Nombre de 135 15.7037 11.09933 1 41
remontes
mcaniques
Nombre de 135 1.688889 1.641198 0 4
tlphriques
Nombre de 135 12.80741 10.09839 0 37
tlsiges
Nombre de 135 0.7703704 1.145665 0 5
tlskis
Nombre de 135 0.4740741 0.8270576 0 3
tapis
Nombre 135 0.1407407 0.3490491 0 1
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
Tableau 26 : statistiques descriptives du Lesotho

d'obs. type
Prix HTVA en $ 6 82.64209 29.13764 36.86636 116.129
Prix HTVA en 6 212.4803 74.9155 94.78673 298.5782
$ PPA
Prix moyen/ jour 6 26.53098 6.698237 19.35484 36.86636
Prix moyen 6 68.21353 17.22177 49.76303 94.78673
ppa/jour
Nombre de jours 6 3.5 1.870829 1 6
Nombre de 6 4 0 4 4
remontes
mcaniques
Nombre de 6 0 0 0 0
tlphriques
Nombre de 6 3 0 3 3
tlsiges
Nombre de 6 1 0 1 1
tlskis
installations
Longueur des 6 1.7 0 1.7 1.7
pistes (km)
noires
rouges
bleues
vertes
Nombre de 6 34 0 34 34
canons
Domaine skiable 6 0.7 0 0.7 0.7
(km2)
Dnivel (m) 6 305 0 305 305
Enneigement 6 50 0 50 50
annuel moyen
Nombre de 6 1 0 1 1
67
snowparks
Capacit 0
(skieurs/heure)
Longueur de la 6 1 0 1 1
piste la plus
longue
r) Nouvelle-Zlande
Tableau 27 : statistiques descriptives de la Nouvelle-Zlande

d'obs. type
Prix HTVA en $ 220 148.8898 108.929 0 451.2397
Prix HTVA en $ PPA 220 121.3843 89.44736 0 371.4286
Prix moyen/ jour 220 44.65522 21.55862 0 87.6033
Prix moyen 220 36.4642 17.8931 0 72.10884
ppa/jour
Nombre de jours 220 3.372727 1.766554 1 7
Nombre de 220 6.377273 5.454539 2 28
remontes
mcaniques
Nombre de 220 0 0 0 0
tlphriques
Nombre de 220 2.045455 2.797214 0 12
tlsiges
Nombre de tlskis 220 3.472727 3.253966 0 14
Nombre de tapis 220 0.8590909 1.265329 0 4
installations
Longueur des 220 27.39545 43.33898 3 200
pistes (km)
Nombre de pistes 220 24.22727 15.81725 6 80
noires
Nombre de pistes 220 7.668182 4.652675 1 21
rouges
Nombre de pistes 220 11.41364 7.701438 3 39
bleues
Nombre de pistes 220 5.145455 4.508412 1 20
vertes
Nombre de canons 205 35.77561 55.57082 0 204
Domaine skiable 220 3.205545 2.423159 0.16 10.5
(km2)
Dnivel (m) 220 459.4636 183.9336 85 722
Enneigement 199 96.53769 79.60234 5 278
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
Tableau 28 : statistiques descriptives de la Pologne

d'obs. type
Prix HTVA en $ 85 66.71064 31.75354 14.89876 156.2785
Prix HTVA en 85 115.6303 55.03874 25.82417 270.8791
$ PPA
Prix moyen/ 85 18.20755 4.72084 8.151297 30.11452
jour
Prix moyen 85 31.55933 8.182681 14.12873 52.1978
ppa/jour
Nombre de 85 3.964706 2.026298 1 7
jours
Nombre de 85 14.58824 3.796283 8 19
remontes
mcaniques
tlphriques
Nombre de 85 4.976471 2.01173 3 7
tlsiges
Nombre de 85 9.282353 4.095909 5 15
tlskis
tapis
Nombre 85 0.3294118 0.472789 0 1
d'autres
installations
Longueur des 85 22.24706 12.53747 13 40
pistes (km)
Nombre de 85 12.08235 5.922539 5 18
pistes
Nombre de 85 3.305882 1.718412 1 5
pistes noires
Nombre de 85 0.8588235 1.092757 0 3
pistes rouges
Nombre de 85 5.6 4.427189 0 10
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
Tableau 29 : statistiques descriptives de la Rpublique tchque

d'obs. type
Prix HTVA en $ 116 51.59541 31.99642 10.5973 160.8863
Prix HTVA en 116 79.99408 49.60759 16.43017 249.4399
$ PPA
Prix moyen/ 116 16.30923 4.28378 9.312781 29.86513
jour
Prix moyen 116 25.28601 6.641618 14.43864 46.30321
ppa/jour
Nombre de 116 3.206897 1.796215 1 7
jours
Nombre de 116 8.327586 2.781229 6 13
remontes
mcaniques
Nombre de 116 0 0 0 0
tlphriques
Nombre de 116 1.568966 1.136158 0 3
tlsiges
Nombre de 116 3 2.563964 0 7
tlskis
Nombre de 116 2.034483 3.126134 0 8
tapis
Nombre 116 1.724138 1.767269 0 4
d'autres
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
Tableau 30 : statistiques descriptives de la Roumanie

d'obs. type
Prix HTVA en $ 12 63.28358 27.13091 23.8806 116.4179
Prix HTVA en 12 127.7108 54.75213 48.19277 234.9398
$ PPA
Prix moyen/ 12 40.02488 24.34977 14.92537 95.52238
jour
Prix moyen 12 80.77309 49.1396 30.12048 192.7711
ppa/jour
Nombre de 12 2 1.206045 1 4
jours
Nombre de 12 9.5 2.393172 5 11
remontes
mcaniques
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
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
Tableau 31 : statistiques descriptives de la Slovaquie

d'obs. type
Prix HTVA en $ 76 96.97489 55.57978 14.6267 263.2806
Prix HTVA en 76 27.6169 9.675756 7.019127 49.1989
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
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
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
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
Tableau 32 : statistiques descriptives de la Suisse

d'obs. type
Prix HTVA en $ 199 154.5167 88.21278 25 436.9565
Prix HTVA en 199 104.6719 59.15747 16.66667 291.3044
$ PPA
Prix moyen/ jour 199 42.06604 14.48847 19.02174 82.6087
Prix moyen 199 28.47233 9.51204 12.68116 55.07246
ppa/jour
Nombre de jours 199 3.834171 1.927378 1 7
Nombre de 199 69.88945 71.4699 5 200
remontes
mcaniques
Nombre de 199 8.055276 5.499491 1 18
tlphriques
Nombre de 199 23.77387 28.56985 2 78
tlsiges
Nombre de 199 32.04523 31.24363 2 86
tlskis
Nombre de tapis 199 6.015075 9.517914 0 24
installations
Longueur des 199 277.8794 226.6757 35 650
pistes (km)
Nombre de pistes 199 108.4171 100.1625 13 285
Nombre de pistes 199 15.60302 14.65351 1 39
noires
Nombre de pistes 199 44.26633 34.82763 7 100
rouges
Nombre de pistes 199 41.26633 43.98857 4 122
bleues
Nombre de pistes 199 7.386935 12.48175 0 31
vertes
Nombre de 187 350.6096 407.636 5 1074
canons
Domaine skiable 199 85.41146 163.1252 0.33 400
(km2)
Dnivel (m) 199 1492.819 353.8605 847 1970
Enneigement 199 279.0653 77.52752 163 401
annuel moyen
Nombre de 199 3.884422 3.887523 1 11
snowparks
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
4. Rpartition des donnes par pays
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
Total 2,260 100
D. Matrice des corrlations

(pages suivantes)
75
76
77
E. Rgressions statistiques
a) Rgressions 1 4
Tableau 36 : Rgressions 1 4
Rgression 1 Rgression 2 Rgression 3 Rgression 4
Variable dpendante: log(Prix HTVA USD)

3.418079*** 3.440858*** 3.500986*** 3.611242***
Intercept (0.0438502) (0.044494) (0.0467432) (0.0382394)
0.0027201***
- - -
Nombre de pistes (0.000386)
-0.0013921 -0.002834** -0.0016544

-
Nombre de pistes noires (0.001236) (0.0012773) (0.0010145)
0.0041469*** 0.0038465*** 0.00309***

-
Nombre de pistes rouges (0.0009354) (0.0009047) (0.0008038)
0.0039077*** 0.0041987*** 0.0056879***

-
Nombre de pistes bleues (0.0007764) (0.0008233) (0.0006613)
-0.0027616** 0.0001792 -0.0007296

-
Nombre de pistes vertes (0.0012678) (0.0013874) (0.0011108)
0.0003104*** 0.0003153*** 0.0002364*** 0.000212***
Dnivel(m) (0.0000216) (0.0000212) (0.0000249) ( 0.0000209)
Enneigement cumul sur la

- - - -
saison (cm)
-0.0030575*** -0.0030464***
Nombre de remontes - -
mcaniques (0.0005687) (0.0005855)
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)
Nombre de tapis - - -0.0062592** -0.007617***
78
(0.0025346) (0.0017996)
-0.0064244 0.0042476
- -
Nombre d'installations diverses (0.0060511) (0.0065125)
Capacit (skieurs/heure) - - - -
0.2846176*** 0.2850123*** 0.2841938***

-
Nombre de jours (0.0034269) (0.0034161) (0.0033819)
0.6017143***
- - -
Forfait de 2 jours (0.0181053)
0.9766963***
- - -
1.249846 ***
- - -
1.416397***
- - -
1.574557***
- - -
1.66543***
- - -
-0.4836593*** -0.4789133*** -0.480091*** -0.478362 ***
Enfant (0.0136545) (0.0136503) (0.0134138) (0.0115793)
-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)
-0.305911*** -0.3297601*** -0.354196*** -0.3902781***
Afrique du Sud (0.0722018) (0.072583) (0.0741477) (0.0529111)
-0.0613467 -0.08915* -0.0401056 -0.0832039**
Allemagne (0.0448026) (0.0456847) (0.0494143) (0.0374391)
79
0.4169738*** 0.4583755*** 0.3795915***
0.4819165***
(0.0464971) (0.0471376) (0.0392749)
Andorre (0.0504556)
-0.006266 -0.0173794 0.0230511 0.0001627
Argentine (0.0561523) (0.0580998) (0.0581154) (0.0488919)
0.7759702*** 0.7836756*** 0.7343395*** 0.6917117***
Australie (0.0439372) (0.0452218) (0.048226) (0.0389362)
0.2009647*** 0.1368448*** 0.1409628*** 0.1453989***
Autriche (0.0366357) (0.0389035) (0.0409294) (0.0340796)
-0.4138595*** -0.4431141*** -0.4125078*** -0.4468239***
Bulgarie (0.0484476) (0.0487127) (0.0535662) (0.042632)
0.2633182*** 0.2916343*** 0.2208286*** 0.2060499***
Canada (0.0626449) (0.0628939) (0.0654888) (0.0494683)
-0.1549707 -0.1013765 -0.0783281 0.0976076
Chili (0.1363415) (0.137257) (0.1375238) (0.1353194)
-0.1466573* -0.1606324 -0.1937223* -0.0145576
Chine (0.1089068) (0.1090239) (0.1098873) (0.1084615)
0.1292393 0.1137776 0.0520452 0.2452003***
Core du Sud (0.0781843) (0.0794673) (0.0820128) (0.0774473)
0.0550852 0.024998 -0.0598336 -0.0358846
Espagne (0.0491528) (0.0510248) (0.0544514) (0.044767)
0.1654345*** 0.1080398*** 0.0993437** 0.0891905***
Italie (0.0364052) (0.0384677) (0.0428568) (0.034205)
-0.0708611* -0.0816567* -0.1571701*** -0.0878985**
Japon (0.0430898) (0.043753) (0.0471418) (0.0365121)
-0.1556775 -0.1785119** -0.2216126*** -0.2931181***
Lesotho (0.0831198) (0.0836006) (0.084393) (0.0719586)
0.5212326*** 0.4967967*** 0.4755729*** 0.4070839***
Nouvelle-Zlande (0.0409988) (0.0419363) (0.0447376) (0.035163)
Pologne -0.30267*** -0.3144213*** -0.2991221*** -0.3427888***
80
(0.0459326) (0.0474215) (0.0463129) ( 0.0348071)
-0.3262449*** -0.3613749*** -0.376327*** -0.4387874***
Rpublique tchque (0.045499) (0.0461969) (0.0490444) (0.0430939)
0.0632494 0.0377683 0.0393009 0.0347672
Roumanie (0.1028911) (0.1023974) (0.1035024) (0.134493)
0.0481845 0.0090085 0.0657789 -0.0399707
Slovaquie (0.0510468) (0.0516609) (0.0663535) (0.0591542)
0.0810691** 0.0376532 0.1291738*** 0.0832425**
Suisse (0.0392057) (0.040401) (0.0456992) (0.0362724)
0.5220047 0.6095841*** 0.5161676*** 0.4832171***
USA (0.0507644) (0.0511492) (0.0565464) (0.0441408)
F-statistique 504.32 458,50 426,99 564.39
R2 ajust 0.86548502 0.86645206 0.86993008 0.90634253
SER 0.28645 0.28541 0.28167 0.23902
Akaike info criterion 786.3844 773.1654 717.9392 -13.486
Schwarz criterion 957.8381 961.7645 929.3988 226.5492
Nb. Observations 2242 2242 2242 2242
Variable significative a 1% (***), 5% (**) ou 10% (*)
81
Tableau n37 : Rg. 5 8 Rgression 5 Rgression 6 Rgression 7 Rgression 8
Variable dpendante: log(Prix HTVA USD)

3.59227*** 3.600054*** 3.613022*** 3.707737***
Intercept (0.0281418) (0.027979) (0.0274855) (0.0253887)
0.0064612***
- - -
Nombres de pistes (0.0003703)
-0.0083645*** -0.0087955*** -0.0076042***

-
Nombre de pistes noires (0.0014628) (0.0015394) (0.0013428)
0.0026896*** 0.0013886 0.0009275

-
Nombre de pistes rouges (0.0009595) (0.0009315) (0.0008343)
0.0122907*** 0.0123255*** 0.0131809***

-
Nombre de pistes bleues (0.0008878) (0.0009204) (0.0007569)
0.0046338*** 0.0118943*** 0.0115977***

-
Nombre de pistes vertes (0.0017636) (0.0020268) (0.0017292)
0.0001851*** 0.0002036*** 0.0001435*** 0.0001348***
Dnivel(m) (0.0000206) (0.0000213) (0.000022) (0.0000202)
0.0008503*** 0.0021022*** 0.0012161*** 0.0010615***
Longueur totale de pistes (km) (0.0002312) (0.0002156) (0.0002332) (0.0001909)
-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***
- - -
1.005083***
- - -
1.303428***
- - -
1.464833***
- - -
1.603879***
- - -
1.704778***
- - -
-0.4742103*** -0.4724116*** -0.4752958*** -0.4784512***
Enfant (0.0192913) (0.0188713) (0.0183571) (0.0169147)
-0.1372799*** -0.1422126*** -0.1533598*** -0.1619106***
Senior (0.0215066) (0.0211001) (0.0207608) (0.0180054)
-0.1924916*** -0.1914358*** -0.1825203*** -0.1796098***
Basse saison (0.0190498) (0.0189297) (0.0185506) (0.0170049)
F-statistique 774.58 621.75 488.88 467.66
R2 ajust 0 74610261 0 .7582332 0.76997577 0.81257893
SER 0.39146 0.38199 0.3726 0.33633
Akaike info criterion 2110.28 2006.344 1901.579 1459.195
Schwarz criterion 2161.48 2074.611 1992.602 1578.662
Nb. Observations 2184 2184 2184 2184
Variable significative a 1% (***), 5% (**) ou 10% (*)
83
F. Test statistiques
1. Skweness et Kurtosis
Tableau n38 : Normalit des rsidus
Normalit des rsidus
Rgression1 rgression2 Rgression3 Rgression4
Skewness 0.0000 0,0000 0,0000 0.0000
Kurtosis 0.0085 0.0094 0.0004 0.0000
Normalit non non non non

Justification Queues Queues Queues Queues
trop lgres trop lgres trop lgres trop lgres
Rgression5 Rgression 6 Rgression7 Rgression8
Skewness 0.0000 0,0000 0,0000 0.0000
Kurtosis 0.000 0.0000 0.0000 0.0000
Normalit non non non non

Justification Queues Queues Queues Queues
trop lgres trop lgres trop lgres trop lgres
2. Histogrammes des rsidus

a) 1 re rgression
Graphique n1 : histogramme des rsidus rgression1
84
b) 2 me rgression
c) 3 me rgression
Graphique n3 histogramme des rsidus rgression3
85
d) 4 me rgression
e) 5 me rgression
86
f) 6 me rgression
Graphique n6 : histogramme des rsidus rgression 6
g) 7 me rgression
87
h) 8 me rgression
Graphique n8 : histogramme des rsidus rgression 8
3. Test dhtroskdasticit
Tableau n39 : Test dhtroskdasticit

ffdfezgfg
Test d'htroskdasticit
Rgression1 Rgression2 Rgression3 Rgression4
chi^2(1) 7.58 9.46 7.32 92.33
P-value 0.0059 0.0021 0.0068 0
Hypothse d'homognit rejet*** rejet*** rejet*** rejet***
Rgression5 Rgression6 Rgression7 Rgression8
chi^2(1) 7.58 9.46 7.32 92.33
P-value 0.0059 0.0021 0.0068 0
Hypothse d'homognit rejet*** rejet*** rejet*** rejet***
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.
ution of the Asia &

Pacific
Various
0%
er of ski resorts 18%
Alps
wide (2119 36%
s): More than

rd of all ski re-
America
e located in the 22%
Eastern Western
Europe & Europe
Central Asia 12%
12%
Graphique n9 : Rpartition du nombre de stations de ski dans le monde (2119

ution of the stations)
Asia &
Pacific Various
0%
er of lifts 14%
Alps
wide (26934 America 40%
15%
The number of
phasizes the
of the Alps in
bution
ustry. of the Eastern America
Western
Europe & Western
er of major re- Europe
Central Asia
13%
Europe
worldwide (47 4%
15% 16%
s): There are a

number of major
worldwide5.
han 80% of themMarket share of worldwide skier visitsAlps
ated in the Alps. 83%
The relative importance of the major destinations is showed in the

pie chart below. Clearly, the Alps are the biggest ski destination in
the world, capturing 45% of skier visits. The second biggest destina-
tion is Asia
arts, Eastern Europe and Central America
have (mostly as East. accounting for 21% of skier
North America),
been abbreviated
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
national rates of participation9. The figure is currently estimated to

be at 115 million and seems to be growing over the long term10. Alt-
hough some countries have no ski areas (in some instances only ski
domes), they have skiers who ski abroad. For example, this is the
esorts and infrastructure
case with the Netherlands, which accounts for more than 1 million
outbound skiers.
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%
s): More than 16%

rd of all ski re-
America Figure 4: distribution of skiers by region of origin
re located in the 22%
Graphique n12 : Rpartition des skieurs en fonction de leurs rgions d'origines
Eastern Western
Europe
en 2014
This chart,
Europe &
comparing to skier visits, clearly shows the regions that
Central Asia 12%
12%
are exporters of skiers and those that are recipients. The Alps is the
most internationally visited ski destination, attracting most of the
inbound skier travel. Even though it hosts 45% of skier visits, it only
produces 17% of the skiers. No other region has such a high propor-
tion of foreign visitors. Typically for America, its share of worldwide
skier visits roughly matches its share of skiers.
Asia &
bution of the Pacific Various
0%
er of lifts 14%
Alps
wide (26934 America 40%
International
15% skiers flows
The number of
Laurent Vanat
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.
Graphique n13: Rpartition du nombre de remontes mcaniques dans le

- 12 -
April 2014
monde (26 934 remontes au total)

arts, Eastern Europe and Central Asia have been abbreviated as East.
Source : VANAT, Laurent (2014) ; 2014 International Report on Mountain Tourism

April 2014
Overview of the key industry figures for resorts p. 8-12
90

Séminaire de QAE

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Séminaire de QAE

Uploaded by

Copyright:

Available Formats

AVRIL 2015

Sminaire de questions approfondies

La pratique du ski alpin sest dveloppe au cours du XXme et se popularise

II. Revue de la littrature scientifique

Marginal Willingness to Pay for Differentiated Products Without Instrumental Variables

; Chicago Journal : Journal of Political Economy

and Urban Economics, n22, p. 453-474

III. Prsentation du secteur des forfaits de ski

11 http://www.theplaymania.com/skidubai/welcome (Consultation avril 2015)

figures for resorts ; p.8

figures for resorts ; p.10

figures for resorts ; p.20

Lchantillon est constitu de 2260 observations collectes travers le monde

A. Description et analyse gnrale

B. Description par continent

VI. Rsultats des rgressions

A. Analyse conomtrique gnrale:

Les rgresseurs concernant le dnivel, les installations de ski (Nombre de pistes

Ce qui semble plus surprenant est leffet ngatif du nombre de remontes

A linverse, le coefficient de la variable nombre de jours a un impact fort positif sur

La 3me rgression affine les rsultats quant aux diffrentes remontes

Comparaison entre les pays

Indicateur de Skewness et de Kurtosis

Nous obtenons un R2 ajust de 0.746 et un SER de 0.39 ce qui est nettement

La 7me rgression poursuit la progression vers les caractristiques dtailles en

Indicateur de Skewness et de Kurtosis

D. Discussions des rsultats conomtriques

ALESSANDRINI, S. (2013) ; Quality of Ski Resorts and Competition

Beijing Huaibei http://www.hbski.com/

Beijing Nanshan http://www.nanshanski.com/

Erlongshan Longzhu http://www.chinahighlights.com/harbin/attraction/erlongshan-ski-resort.htm

(consultation mars 2015)

Niseko Moiwa http://www.snowjapan.com/

Nozawa Onsen http://www.snowjapan.com/

Sapporo Kokusai http://www.snowjapan.com/

Sapporo Teine http://www.snowjapan.com/

Adatara Kogen http://www.snowjapan.com/

Kokusetsu Ashibetsu http://www.snowjapan.com/

Biwako Valley http://www.snowjapan.com/

Cupid Valley http://www.snowjapan.com/

Geihoku Kokusai http://www.snowjapan.com/

Utopia Saioto http://www.snowjapan.com/

(consultation mars 2015)

(consultation mars 2015)

GARMISCH CLASSIC-SKIGEBIET www.zugspitze.de/de/winter/skigebiet/garmisch-classic

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

Saint Anton am Arlberg www.stantonamarlberg.com/en

(consultation mars 2015)

Ramsau am dachstein www.ramsau.com/en

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)

Sierra Nevada http://en.sierranevada.es

(consultation mars 2015)

(consultation mars 2015)

(consultation mars 2015)