Contribution du Bois Energie aux moyens d'existence durables des ménages riverains de la Réserve de Biosphère de la Pendjari

précédent sommaire suivant

3-4-4- Test des hypothèses 4

3-4-4,1-Test de l'hypothèse 4-1

L'hypothèse 4-1 vise à déterminer les facteurs socio-économiques, culturels qui pourraient expliquer la dépendance des ménages vis-à-vis du bois énergie. Il s'agit de trouver les déterminants de la dépendance. Au sens du Petit Robert, le terme déterminant renvoie à ce qui peut amener, inciter, pousser à poser volontairement un acte. Dans l'optique de déterminer ces facteurs qui poussent les ménages à exploiter ou non le bois énergie, les outils d'analyse les plus appropriés sont ceux de la régression. Il se pose un problème de choix de modèle de régression. En effet, n'importe quel modèle de régression ne peut être utilisé pour n'importe quelle régression (Maddala, 1983 ; Gourieroux, 1989; Pindyck et Rubinfeld, 1991; Doucouré, 2001). C'est d'abord la nature continue et/ou discontinue des variables qui déterminent le choix du modèle de régression.

> Choix du modèle

Selon Maddala (1983), Gourieroux (1989) et Doucouré (2001), les modèles usuels de régression (moindres carrés ordinaires, régression linéaire, doubles log etc.) sont indiqués lorsqu'il s'agit de variables continues. Dans le cas des variables discontinues, ces modèles de régression ne peuvent être utilisés. En effet, l'approximation linéaire est peu adaptée au problème car les nuages de points sont difficilement approchables par une seule courbe pouvant donner l'équation de régression. Il a donc fallu élaborer des modèles de régression à variables qualitatives. Il s'agit du Probit, du Logit, du Tobit etc.

Nous avons eu recours au revenu relatif (le rapport du revenu issu de l'exploitation du bois énergie sur le revenu total) pour mesurer le degré de dépendance vis-à-vis du bois énergie. Cette variable dépendante, étant un rapport compris dans l'intervalle [0, 1], est limitée. L'estimation par les méthodes des moindres carrées ordinaires (MCO) n'est pas applicable dans ce cas. Car, pour cette analyse des déterminants de la dépendance des ménages du bois énergie, il est important de tenir compte de la nature censurée de la variable dépendante. En effet ici, la variable à expliquer est continue, mais n'est observable que sur un certain intervalle. Ce type de modélisation fait appel à la fois aux concepts développés dans le cadre de la régression linéaire puisque la variable est continue mais également à ceux utilisés dans les modèles à variables qualitatives, la variable n'étant observable que sur un intervalle. Nous avons donc eu recours à un modèle économétrique à variable dépendante limitée, à savoir le modèle Tobit censuré (TOBIN, 1958). L'estimation du modèle Tobit est

basée sur la notion de maximum de vraisemblance et l'analyse des résultats de ce modèle porte essentiellement sur :

· La qualité du modèle

La qualité du modèle est attribuée par le seuil de significativité de la valeur du khi- deux ou le ratio de vraisemblance (LR) ou encore par le log du maximum de vraisemblance. A un seuil donné (1%, 5% ou 10%), le modèle est globalement significatif lorsque la valeur du LR est supérieure à celle du khi-deux au même degré de liberté. Le modèle est bon lorsque la probabilité du LR est inférieure à un des seuils ou bien lorsque la valeur du khi- deux donnée par le modèle est inférieure à celle de la table de khi-deux à un des seuils ci- dessus cités.

· Le pouvoir de prédiction du modèle

Le pouvoir de prédiction du modèle est donné par le pseudo-R, équivalent au R ajusté pour les modèles de régression linéaires. Il donne la concordance entre les probabilités calculées et les fréquences des réponses observées.

· Les signes et leur signification

Les signes des coefficients sont importants. Ils indiquent si la variation associée influence la probabilité à la hausse ou à la baisse. Autrement dit, ces signes indiquent dans quel sens la variation de la variable explicative influence la variation de la variable expliquée. A chaque signe des coefficients est associée une significativité qui revêt une grande importance. Elle est donnée par une probabilité qui indique dans quel intervalle de confiance on peut compter sur le signe. Cet intervalle peut être de 90%, 95% ou de 99% selon que la probabilité associée au signe est respectivement inférieure à 10%, 5% ou 1%.

> Forme Générale du modèle

De façon générale, on peut considérer que la dépendance des ménages vis-à-vis du bois énergie dépend des caractéristiques du chef ménage et de celles de son ménage (l'âge du chef ménage, son sexe, son niveau de prospérité, son niveau d'instruction, la taille du ménage, le revenu du ménage net du revenu issu de l'exploitation du bois énergie, l'appartenance à une organisation de gestion de la RBP).

Le modèle théorique peut s'écrire :

Y= f (Age, Sexe, Nivinst, Nivprosp, Taille, Membgest, RevhorsBE, Repas) ;

Y : la variable dépendante correspond à la dépendance par rapport au bois énergie ;

Age : l'âge du chef ménage. La force physique se détériorant avec l'âge, plus le chef ménage est âgé, moins il exploitera le BE car l'exploitation du BE nécessite beaucoup d'efforts physiques. On pourrait donc s'attendre à ce que les chefs ménage âgés dépendent moins du BE que les jeunes ;

Sexe : le sexe du chef ménage. Cette variable peut influencer la dépendance vis-à-vis du BE. En effet, en Afrique, la tâche de la collecte de bois de feu revient aux femmes et aux enfants. On s'attend à ce que les chefs ménage femmes exploitent plus le bois énergie que les hommes vu qu'elles ont plus recours à cette ressource pour les besoins domestiques mais aussi pour le revenu que cela leur procure ;

Nivprosp : variable mesurant le niveau de prospérité. Le bois énergie est une ressource gratuite, contrairement aux autres combustibles qui ne le sont pas. L'hypothèse ici est que ce sont les ménages pauvres, disposant de peu de revenu, qui exploitent le plus cette ressource. Ce sont eux donc qui dépendront le plus de cette ressource ;

Nivinst : variable mesurant les niveaux d'instruction. Les individus instruits sont supposés être mieux informés sur les conséquences de la dégradation de l'environnement suite à l'exploitation du BE. De plus ils connaissent l'intérêt de préserver la RBP. On peut donc s'attendre à ce qu'ils exploitent moins le BE et par ricochet qu'ils en dépendent moins ;

RevhoBE: il s'agit du revenu du ménage non compris le revenu issu de l'exploitation du bois énergie. On s'attend à ce que plus le ménage a un revenu hors bois énergie faible, plus il dépend du revenu issu du BE pour pouvoir assurer ses dépenses de consommation ;

Taille : la taille du ménage. Les besoins en énergie domestique sont influencés par la taille du ménage. Elle peut donc avoir un impact sur la dépendance vis-à-vis du BE car plus le ménage est grand, plus la quantité de repas est importante et plus il faut utiliser de combustible. Ainsi la taille du ménage sera positivement corrélée avec la dépendance par rapport au BE ;

Membgest: appartenance à une organisation de gestion. L'hypothèse sous-jacente est que les ménages dont le chef est membre d'une organisation de gestion auront plus de facilité à exploiter le bois énergie que ceux dont les chefs n'en sont pas membres ;

Repas : cette variable désigne le nombre de repas manqués. Cette variable a été retenue parce que nous nous attendons à ce que plus le nombre de repas manqué n'est élevé, (donc plus le ménage est pauvre), plus le ménage dépendra du bois énergie.

Les données collectées, leur nature, leur code, leurs modalités et leurs signes probables sont résumés dans le Tableau II.

Tableau II : Noms, types, codes, modalités et signes attendus des coefficients des variables explicatives du modèle Tobit

Source : Enquêtes terrain juillet-octobre 2007

3-4-4,2- Test de l'hypothèse 4-2

L'hypothèse à tester ici est

H_o : Le niveau de participation des H₁ : Le niveau de participation

ménages aux actions de gestion telles que VS des ménages aux actions de gestion telles

faites par le CENAGREF ne dépend pas que faites par le CENAGREF dépend de

de leur niveau de prospérité leur niveau de prospérité

Les deux variables en jeu sont des variables ordinales : le niveau de participation avec trois modalités (forte participation, participation moyenne, faible participation) et le niveau

de prospérité avec cinq modalités (comme présentées dans le Tableau II-). L'outil d'analyse appropriée lorsqu'on s'intéresse à une relation bivariée entre deux variables ordinales est le test d'indépendance de Chi-deux (X²) de Pearson. La lecture de la valeur de X² nous permettra de rejeter l'hypothèse Ho si cette valeur est significative ou de l'accepter si la valeur ne l'est pas.

Le Tableau III- qui suit nous donne une vue synoptique des outils d'analyse en fonction des hypothèses à tester.

Tableau III : Outils d'analyse en fonction des hypothèses à tester

Source : Enquêtes terrain juillet-octobre 2007