4.3 Qualitédu modèle
Il s'agit ici d'évaluer la qualitédu
modèle estiméaprès diagnostic. Cette évaluation se
fera a` travers l'ajustement, le test de significativitéglobale, du
pouvoir prédictif et discriminant du modèle.
4.3.1 Ajustement global du modèle
Ici, le test de Hosmer Lemeshow permet de confronter les deux
hypothèses suivantes :
|
H0 : le mod`ele est bien ajust'e
H1 : le mod`ele n'est pas bien ajust'e
|
Th`eme : Mesures et déterminants de la confiance
des ménages sur la situation économique au Cameroun : Cas de la
ville de Yaoundé.
Dans notre cas, pour ce qui est du modèle
diagnostiqué, ce test est non significatif, avec une p-valeur de 0,7920.
Ainsi l'évidence apportée par l'échantillon ne nous permet
pas de rejeter H0. D'o`u, notre modèle est bien calibré.
Nous pouvons également remarquer qu'il en est de même pour le
modèle avant diagnostic, avec une p-valeur égale a` 0,9.
4.3.2 Significativitéglobale du modèle
Le test utiliséici est celui du khi-deux, dont les
hypothèses sont les suivantes :
|
? ?
?
|
H0 : tous les co'efficients des variables explicatives sont
nuls
H1 : il exite au moins une variable dont le co'efficient est
diff'erent de z'ero.
|
Ici, le test est hautement significatif (p-valeur=0,000)
inférieure a` 1%. Ce qui nous donne assez d'évidence pour rejeter
H0. Par conséquent, parmi nos variables explicatives, il existe au moins
une qui influence significativement le sentiment de confiance des
résidents de la ville de Yaoundésur la situation
économique.
4.3.3 'Evaluation du pouvoir discriminant du
modèle
Les probabilités estimées a` l'issue de la
régression logistique permettent de classer les ménages de la
ville de Yaoundéen »confiants» ou »non confiants»
sur la situation économique. en fonction d'un seuil fixé. La
valeur par défaut est de 5%. En théorie, pour une variable
binaire a` expliquer sur un tel modèle, on démontre que la
probabilitéde »succès» est un estimateur sans biais de
ce seuil. Ainsi, généralement, pour rendre meilleur les pouvoirs
prédictifs des modèles de ce type, on utilise comme seuil, la
probabilitéde »succès» qui est ici la
probabilitéqu'un ménage soit confiant sur sa situation
économique.
De facon pratique ici, un individu sera
considérécomme confiant sur la situation économique si sa
probabilitéestimée par le modèle est supérieure a`
au seuil de 5%. on définit alors la variable byi de la facon
suivante :
? ?
?
byi =
1 si bpi= 0, 5 0 sinon
Th`eme : Mesures et déterminants de La confiance
des ménages sur La situation économique au Cameroun : Cas de La
viLLe de Yaoundé.
A partir de cette statistique, on peut définir le nombre
de prédiction fausses, le taux de bon classement, la
sensibilité3 et la spécificité4.
Après diagnostic, notre modèle présente une
bonne sensibilité(80,25%) et une bonne
spécificité(42,50%), avec un taux de bon classement de 63,93% qui
n'est pas mal. De
plus, la probabilitéd'être confiant sur la
situation économique sachant qu'on a
étéclassécomme tel est 64,71% alors que celle
d'être effectivement non confiant sachant qu'on a
étéclassécomme tel est 62,09%. Par ailleurs,
remarquons que les caractéristiques prédictives
du modèle avant diagnostic ne diffèrent pas trop
de celles après diagnostic. En effet, avant diagnostic, le taux de bon
classement était de 63,67%, la spécificitéétait
respectivement de 80,51% et 41,78%.
Table : Table de classification du modèle après
diagnostic
Source : Sortie STATA a` partir des données ICMY 2010
3sensibilité: capacitéa` affecter un
confiant dans la classe des confiants 4spécificité:
capacitéa` affecter un non confiant dans la classe des non confiants
Th`eme : Mesures et déterminants de La confiance
des ménages sur La situation économique au Cameroun : Cas de La
viLLe de Yaoundé.
| 
