From Fossil Fuel Dependence to Solar Transition in Benin: A Socioeconomic and Environmental Impact Assessment benin_solar_transition_dataset.xlsx

1. Ensemble de données principal benin_solar_transition_dataset.xlsx— Un ensemble de données d'enquête transversale auprès des ménages (N = 4 856 ménages répartis dans 312 zones de dénombrement), structuré pour une analyse de différences-en-différences (DiD). Il comprend deux vagues de données (2019 et 2021) avec des variables au niveau du ménage, notamment : les caractéristiques démographiques (taille du ménage, âge, niveau d'instruction, sexe du chef de ménage), les indicateurs économiques (revenu mensuel, dépenses énergétiques, possession d'une entreprise et chiffre d'affaires), les indicateurs d'accès à l'énergie (accès à l'électricité, raccordement au réseau, heures de fourniture, utilisation de kérosène/charbon de bois), les indicateurs de santé (infections respiratoires aiguës chez les enfants, irritations oculaires, maux de tête, dépenses médicales), les variables environnementales (exposition aux PM₂.₅, CO₂ évité, taux de déforestation) et les variables géospatiales (distance aux centrales solaires, rayonnement solaire au niveau communal, densité de population, distance routière, classification urbain/rural). L'ensemble de données comprend également des indicateurs de traitement (proximité basée sur la distance aux projets solaires ≤10 km), des variables de calendrier politique et des termes d'interaction de variables instrumentales (irradiance solaire × indicateur post-politique). 2. Cadre conceptuel Figure-1_Conceptual Framework of Solar Energy Transition Impacts.doc— Un schéma illustrant les trois voies causales par lesquelles la transition énergétique solaire (connectée au réseau et décentralisée) affecte le bien-être des ménages : (i) le canal direct (prix, fiabilité et disponibilité de l'électricité entraînant une réduction des dépenses énergétiques et une utilisation productive de l'électricité) ; (ii) le canal sanitaire (réduction de la pollution de l'air intérieur grâce à la substitution du kérosène/biomasse, affectant les IRA chez les enfants de moins de 5 ans, les irritations oculaires et les maux de tête) ; et (iii) le canal environnemental (réduction des émissions de CO₂, des polluants atmosphériques locaux et préservation des forêts). 3. Effets dynamiques du traitement Figure-2_Event Study Estimates (Dynamic DiD).doc— Graphiques d'étude d'événements montrant des estimations dynamiques de différence-en-différences avec des avances et des retards par rapport à la mise en service du projet solaire, utilisés pour valider l'hypothèse des tendances parallèles et visualiser le calendrier des effets du traitement sur les variables de résultat. 4. Distribution géospatiale Figure-3_Geographic Distribution of Solar Projects in Benin.doc— Une carte montrant la répartition spatiale des projets d'énergie solaire dans les communes du Bénin, superposant les zones de traitement (à moins de 10 km des projets) aux zones de contrôle, avec des contrôles géographiques incluant les réseaux routiers, la densité de population et l'éclairage nocturne. 5. Effets hétérogènes et avantages environnementaux Figure-4_Heterogeneous Effets and Environmental Benefits.doc— Visualisations de l'hétérogénéité de l'effet du traitement à travers les sous-groupes (urbain/rural, quartiles de revenus, sexe du chef de ménage) combinées aux indicateurs de bénéfice environnemental (réduction des PM₂.₅, réduction du CO₂, tendances de la déforestation). 6. Documentation des sources Sources of Tables.doc— Un document de métadonnées complet détaillant la provenance des données pour tous les tableaux et figures, notamment : LSMS-ISA Bénin (INSAE/Banque mondiale) pour les données socio-économiques et sanitaires des ménages ; SBEE (Société d’électricité du Bénin) pour les données opérationnelles sur l’électricité ; ABERME et ESMAP pour le géocodage des projets solaires ; CAMS (Copernicus) pour les données satellitaires PM₂.₅ ; Global Forest Watch pour les indicateurs de déforestation ; et NASA POWER/SolarGIS/Global Solar Atlas pour les données d’irradiance solaire utilisées dans la stratégie des variables instrumentales. 7. Statistiques descriptives (Tableau 1) Table-1_Summary Statistics.doc— Statistiques descriptives comparant les ménages traités (N=1 504) et les ménages témoins (N=3 352). Les principaux résultats montrent que les ménages traités ont des dépenses énergétiques plus faibles (10 200 contre 14 200 CFA/mois), un meilleur accès à l’électricité (44,8 % contre 38,7 %), plus d’heures d’électricité quotidiennes (6,8 contre 5,8), une dépendance au kérosène plus faible (23,6 % contre 32,1 %), une exposition aux PM₂.₅ plus faible (24,6 contre 27,8 µg/m³) et un temps d’étude des enfants plus élevé (2,1 contre 1,6 heure). 8. Estimations de l'impact socio-économique (Tableau 2) Table-2_Socioeconomic Impacts of Solar Energy Access.docLe tableau A présente des estimations par la méthode des moindres carrés ordinaires (OLS) montrant que la proximité d'un projet solaire réduit les dépenses énergétiques mensuelles de 4 216 CFA (30 %), augmente la durée quotidienne d'électricité de 2,41 heures, accroît l'adoption de l'électricité par les entreprises de 8,2 points de pourcentage, augmente le chiffre d'affaires des entreprises de 15 800 CFA et prolonge les heures d'étude des enfants le soir de 0,72 heure. Le tableau B présente des estimations par variables instrumentales (instrument : irradiance solaire × calendrier de la politique, F de première étape = 18,42) avec des résultats plus importants : -5 840 CFA d'économies d'énergie, +3,18 heures d'électricité, +10,8 points de pourcentage d'adoption par les entreprises, +21 400 CFA de chiffre d'affaires et +0,94 heure d'étude. 9. Estimations de l’impact sur la santé (tableau 3) Table-3_Health Impacts of Solar Energy Access.doc— Les estimations de DiD montrent que l'accès à l'énergie solaire réduit les infections respiratoires aiguës chez les enfants de moins de 5 ans de 4,1 points de pourcentage, l'incidence des irritations oculaires de 3,8 points de pourcentage, l'incidence des maux de tête de 2,9 points de pourcentage et les dépenses médicales liées à la pollution de 3 200 francs CFA par mois. 10. Estimations des impacts environnementaux (Tableau 4) Table-4_Environmental Impacts of Solar Energy Access.doc— Les estimations au niveau communal indiquent que les projets solaires réduisent la concentration de PM₂.₅ de 2,12 µg/m³ et évitent 18 420 tonnes de CO₂ par an ; l'effet de la déforestation (-0,003 pp) est statistiquement non significatif. 11. Effets hétérogènes du traitement (Tableau 5) Table-5_Heterogeneous Treatment Effects.doc— Les analyses de sous-groupes révèlent des réductions plus importantes des dépenses énergétiques en milieu rural (-38,6 %) qu'en milieu urbain (-28,4 %), parmi le quartile le plus pauvre (-42,1 %) qu'au sein du quartile le plus riche (-24,6 %), et dans les ménages dirigés par une femme (-38,9 %) qu'au sein de ceux dirigés par un homme (-32,4 %). Les gains de revenus des entreprises et les améliorations de la santé suivent des schémas de distribution similaires, favorisant les groupes défavorisés. 12. Robustesse : Rayons alternatifs (Tableau A1) Table-A1_Alternative Treatment Radius Definitions.doc— Des tests de sensibilité utilisant des rayons de traitement de 5 km, 10 km et 15 km ont été réalisés sur la dépense énergétique et les résultats relatifs à l'IRA. Les résultats demeurent significatifs pour toutes les spécifications, avec des effets plus marqués pour les rayons les plus petits (-5 680 CFA à 5 km contre -3 540 CFA à 15 km), confirmant ainsi la robustesse des résultats face à la définition géographique du traitement. 13. Robustesse : Tests placebo (Tableau A2) Table-A2_Placebo Tests.doc— Trois exercices de falsification — dates falsifiées (avec un délai de 2 ans), emplacements falsifiés (communes aléatoires non solaires) et permutation aléatoire (1 000 tirages) — ne donnant aucun coefficient statistiquement significatif, soutenant ainsi l'interprétation causale des principales estimations DiD. Note méthodologique : L’analyse utilise une méthode de différence-en-différences avec des effets fixes de commune et de temps, des erreurs standard robustes regroupées au niveau de la commune et une stratégie de variables instrumentales tirant parti de l’irradiance solaire exogène en interaction avec le calendrier politique pour traiter l’endogénéité potentielle dans le placement des projets solaires.