Projet

Rapport sur l’évaluation de l’efficacité 2020–2025 de la péréquation financière entre la Confédération et les cantons Vérification du système de péréquation financière actuel

Abbildungen_WIBE_4_DFI.xlsx Abb.5.01

Figure 5.03 Pondération de l’indicateur d’âge dans la CCS A-C

Figure 5.03 Pondération de l’indicateur «structure d’âge» dans la CCS A-C

30%

25%

20%

15%

10%

5%

0%

Conclusions

Des tests mathématiques permettent d’examiner si l’utilisation de l’analyse des composantes principales dans la compensation des charges excessives est appropriée. Il ressort de toutes les méthodes employées que l’utilisation de cette analyse dans le cadre de la CCS est contestable. L’on perd trop d’informations lorsque l’on passe de trois variables à une seule, car les indicateurs présentent une corrélation trop faible pour une telle réduction. Cette corrélation a même encore diminué au cours des années.

Eu égard aux réserves formulées sur la méthode en vigueur, il semble judicieux d’en trouver une meilleure pour pondérer les indicateurs dans la compensation des charges excessives. Une étude externe, dont les résultats sont présentés dans le chiffre suivant, a donc été commandée à cet effet.

5.2.3 Évaluation de nouvelles méthodes de pondération dans la compensation des charges excessives

Au printemps 2022, BSS Volkswirtschaftliche Beratung AG (ci-après «BSS») a mené une étude pour évaluer une nouvelle méthode de pondération des indicateurs dans la compensation des charges excessives. Cette méthode a vocation à remplacer l’actuelle analyse des composantes principales. Les conditions suivantes ont été définies:

– les indicateurs en vigueur doivent être considérés comme acquis;

– la méthode devra s’appuyer sur les dépenses nettes effectives;

– les indicateurs étant relativement stables au fil du temps, les pondérations devront également l’être.

Dans le cadre de son étude, BSS a examiné en détail trois méthodes: LASSO / Elastic Net, Best Subset Selection et optimisation quadratique. Le calcul des charges excessives repose sur les dépenses nettes des cantons et de leurs communes, selon la classification fonctionnelle de la statistique financière de l’Administration fédérale des finances (AFF). Le rapport de BSS [2022] présente de manière plus détaillée les trois méthodes et les résultats. Selon l’étude, la méthode «Best Subset Selection» est la plus appropriée des trois. C’est donc sur elle que se fondent les observations ci-après.