Section I : APPROCHE METHODOLOGIQUE
I.1 : Méthode
I.1.1 : Méthode statistique
Afin de traiter et d'analyser nos résultats nous avons
recouru à la technique statistique à l'aide du progiciel SPSS et
Excel qui nous ont permis de calculer les fréquences, pourcentage et
d'encoder le protocole d'enquête exprimant les différentes
opinions de nos enquêtés.
I.1.2 : Méthode analytique
La méthode analytique a été
utilisée dans ce travail car elle nous a permis d'analyse des nombreuses
données qui ont été recueillies grâce au
questionnaire et aux entretiens avec certains responsables et dirigeants.
I.1.3 : Méthode d'analyse et décision
d'investissement et de financement
Cette approche a comme objet d'étudier les techniques
d'évaluation de la rentabilité des projets d'investissement
à travers les critères de choix suivants : la valeur actuelle
nette, le délai de récupération des capitaux investis,
l'indice de profitabilité et le taux de rentabilité interne.
L'approche financière nous a permis de calculer, les
délais de récupération des capitaux investis, les valeurs
actuelles nettes, les indices de profitabilité, et donc toutes les
grandeurs utilisées dans notre travail.
58
I.2 : Technique
La technique du questionnaire nous a permis de récolter
les données auprès de notre population cible (investisseurs dans
le secteur d'entreprise). Le questionnaire a été
présenté sous forme écrite à notre
échantillon. Il se présente sous forme de thème en vue de
saisir les différents aspects entourant l'investissement.
Notre questionnaire comprend trois types de questions :
- Les questions fermées pour lesquelles
l'enquêté répond par oui ou non ;
- Les questions ouvertes pour lesquelles l'enquêté a
la possibilité de donner son point de
vue ;
- Les questions mixtes pour lesquelles l'enquêté
choisit l'occurrence correspondant à son
choix.
I.3 : Population et échantillon
L'univers de notre étude concerne les investisseurs
dans le secteur des entreprises. Etant donné l'impossibilité
matérielle d'atteindre tous les investisseurs concernés de la
ville, nous avons été contraint de travailler avec un
échantillon empirique ayant investi dans des entreprises et qui ont
voulu répondre à notre questionnaire. Cet échantillon est
regroupé selon:
- L'état civil ;
- Le sexe ;
- L'âge ;
- Le secteur ;
- La localisation des maisons.
Tableau n°03 : Etat civil de nos
répondants
Etat civil f %
Marié 15 78,9
Célibataire 4 21,1
59
Total 19 100,0
Source : Nos enquêtes
Notre échantillon comprend majoritairement des
mariés (78,9%)
Cela étant, le tableau n°4 présente la
répartition des répondants selon leur genre. Tableau
N°04 : Genre des répondants
|
Sexes
|
f
|
%
|
|
Masculin
|
15
|
78,9
|
|
Féminin
|
4
|
21,1
|
|
Total
|
19
|
100,0
|
Source : Nos enquêtes
La majorité des enquêtés sont des hommes
(78,9%). La présence féminine est insignifiante (21,1%) Selon
leur âge, les répondants sont groupés de la manière
suivante dans le tableau n°5
Tableau N°05 : Age des répondants
|
Ages
|
f
|
%
|
|
Entre 20 et 50 ans
|
17
|
89,5
|
|
Plus de 50 ans
|
2
|
10,5
|
|
Total
|
19
|
100,0
|
Source : Nos enquêtes
Comme le montre ce tableau 89,5% de nos répondants ont
l'âge situé entre 20 ans et 50 ans.
Les secteurs dans lesquels interviennent les opérateurs
économiques se présentent comme suit dans
le tableau n°6.
Tableau N°06 : Secteur dans lequel interviennent nos
répondants
|
Secteurs
|
f
|
%
|
|
Hôtellerie
|
4
|
21,1
|
|
Nganda
|
4
|
21,1
|
|
Petite industrie
|
4
|
21,1
|
|
Pétrolier
|
3
|
15,8
|
|
Commerce générale
|
4
|
21,1
|
|
Total
|
19
|
100,0
|
62 J. TSHIMPANGA, Statistique
Inférentielle, cours inédit, 2ième
année de graduat, FSEG, ULPGL/Goma, 2011-2012, p.98-101
60
Source : Nos enquêtes
Au regard de ce tableau, nous constatons que ces cinq secteurs
ont le même pourcentage soit 21,1% exception fait au secteur
pétrolier qui présente 15,8%.
La localisation des maisons par commune se présente comme
suit dans le tableau n°7. Tableau N°07 : Localisation des
stations de nos répondants
|
Localisation de la maison
|
f
|
%
|
|
Commune de Goma
|
10
|
52,6
|
|
Commune de Karisimbi
|
9
|
47,4
|
|
Total
|
19
|
100,0
|
Source : Nos enquêtes
Dans le but de représenter toute la ville de Goma, dans
notre échantillon, nous sommes entrés en contact avec 10
personnes qui investissent dans la commune de Goma soit 52,6% des secteurs
enquêtés et 9 personnes qui investissent dans la commune de
KARISIMBI soit 34,8%.
I.4 : Tests destinés à un échantillon
(test du chi deux)
Parmi ces tests, on retient quelques techniques d'ajustement
qui permettent à comparer à tout point de vue une distribution
observée et une distribution théorique donnée. On envisage
successivement deux tests. L'un, tout à fait classique, est dû
à K. PEARSON et basé sur les distributions chi deux
(?2)62. Nous insistons ici sur cette dernière qui
nous servira de tester la significativité de nos résultats.
S'il y a un outil statistique qui est utilisé
très fréquemment, et même parfois d'une façon
abusive, c'est bien le test du ?2. Dans tous les cas, sur la base
d'une certaine hypothèse que l'on veut vérifier, on compare les
effectifs observés que l'on désigné fo
(fréquences obtenues par échantillonnage relativement
à une ou plusieurs variables) qui ont été
classifiés selon certaines catégories, avec les effectifs
théoriques (ft) espérées selon l'hypothèse
en question. Dans le cadre de cette comparaison, on est amené à
définir une statistique qui suit une distribution ?2 avec un
nombre déterminé de degrés de liberté.
L'une des difficultés majeures que l'on rencontre
lorsqu'on veut utiliser une méthode statistique consiste à
satisfaire les conditions ou hypothèses de base exigées pour que
cette méthode puisse être appliquée. Ainsi, en
inférence paramétrique classique, on suppose que l'on
connaît la nature de la distribution de la population (et que seuls ses
paramètres sont inconnus). La question
61
qui se pose à présent est celle de savoir dans
quelle mesure une hypothèse sur la nature de la population est
vérifiée, et dans quelle mesure on peut accepter qu'il existe un
écart entre cette hypothèse et la situation réelle. On
tire un échantillon de la population, et l'on se demande alors si l'on
peut accepter ou non que l'échantillon obtenu provienne d'une population
avec telle distribution spécifiée. Le test du 2 permet
de vérifier s'il y a une différence significative entre les
effectifs observés expérimentalement et les effectifs
théoriques que l'on aurait obtenus si la distribution de la population
était bien la distribution spécifiée ; autrement dit, ce
test permet de vérifier la qualité de l'ajustement d'une
distribution théorique particulière à une distribution
expérimentale.
Les étapes utilisées pour construire un test
d'hypothèses dans le cas d'un test d'ajustement consistent à
vouloir vérifier si la distribution de la variable étudiée
dans une population correspond ou non à telle distribution
spécifiée. A cette fin, on tire un échantillon de taille n
dans la population, et on procède aux étapes suivantes.
1. Les hypothèses
Z obs = ?ft
i = i
1
( fo - ft
i i
H0 : la distribution de la population est la distribution
spécifiée f(x ,O), O pouvant être connu
ou inconnu ; fo = fi
H1 : la distribution de la population n'est pas la distribution
spécifiée f(x ,O), fo ~ fi
2. La formule
La formule générale du calcul d'un Chi deux
indiquée dans le cas d'un échantillon se présente de la
manière ci-après :
2
k
Cette quantité est à comparer à une
valeur critique de la distribution échantillonnée de
?2 lue dans la table de Chi deux en fonction d'un nombre de
degrés de liberté (dl) et d'un niveau de signification.
Le grand problème du test ?2 d'ajustement
est la détermination des effectifs théoriques et du nombre de
degrés de liberté qui varient d'une situation à
l'autre.
Lorsque l'hypothèse nulle est vraie, cette
quantité peut être considérée comme une
valeur observée d'une variable aléatoire ayant
approximativement une distribution ?2 à k-1
degrés de liberté. Cette propriété
résulte notamment du fait que chacun des k effectifs
observés foi peut être
Source : Nos enquêtes
62
considéré comme une valeur d'une variable
binomiale, donc asymptotiquement normale et de moyenne npi. Ces k
variables sont liées par une relation linéaire :
La valeur est nulle lorsque les effectifs observés sont
tous égaux aux effectifs
attendus, c'est-à-dire lorsqu'il y a concordance
absolue entre la distribution observée et la distribution
théorique. D'autre part ; cette valeur est d'autant plus grande que les
écarts entre les effectifs observés et attendus sont plus grands.
On rejettera donc l'hypothèse nulle lorsque la valeur observée
est trop grande, c'est-à-dire lorsque :
Le test étant toujours unilatéral. Ce
test est connu sous le nom de test ?2 d'ajustement
avec nombre de degrés de liberté égale
à (k - 1), k = nombre de lignes ou de colonnes dans le tableau des
données.
| 
