Situation alimentaire et vulnérabilité des ménages de la commune de Ouake.

CHAPITRE VII : DETERMINANTS DE LA CAPACITE DE COUVERTURE CEREALIERE DES MENAGES

7.1. Présentation et analyse des résultats de la régression

La régression linéaire multiple est celle qui est utilisée pour déterminer les facteurs susceptibles d'influer la capacité de couverture céréalière des ménages étudiés. L'estimation des coefficients de ces facteurs a été faite grâce à la méthode des moindres carrés ordinaires (MCO). La validité de ces coefficients estimés est fonction de la qualité du modèle et celle du pouvoir de prédiction.

7.1.1. Qualité, pouvoir de prédiction et variables déterminantes

+ Qualité du modèle

Le résultat de la qualité du modèle est consigné dans le tableau 7.1a

Tableau 7.1a : Qualité du modèle

ANOVA								Model
Sum of Square			df	Mean Square	F	Sig	1
Régression		1,079E7	17	634516,760	130,838	,000
		88781,504	183	4849,626
		1,167E7	200

Source : Résultats enquêtes, 2010

Le tableau d'analyse de variance et le test F de Fisher associé indique que le modèle est globalement très significatif ; Fcalc = 130,838 avec une probabilité critique (p-value) très nettement en deçà du seuil de 5 % couramment utilisé dans la pratique. Le ratio de vraisemblance s'est révélé significatif à 1/1000 après le test de Ficher. Par conséquent, le modèle est globalement significatif à 1/1000. Les résultats du modèle (les signes des coefficients notamment) peuvent être valablement pris en compte. La variation des variables indépendantes explique celle de la variable dépendante de manière acceptable.

+ Pouvoir de prédiction

Le tableau 7.1b ci-dessous présente le résultat du pouvoir de prédiction

Tableau 7.1b : Pouvoir de prédiction

Model Summary						Model
R		R Square	Adjusted R Square	Std Error of the estimate	1
0,961		0,924	0,917 (91,7%)	69,63925

Source : Résultats enquêtes, 2010

Situation alimentaire et vulnérabilité des ménages de la commune de Ouaké

Les estimations du modèle de régression ont donné un R² ajusté élevé (91,7%), donc le modèle est globalement significatif et explique à plus de 90% des variations du taux de couverture céréalier ; on peut, à partir du modèle, faire des prévisions sur la modalité de la variable dépendante connaissant celles des variables indépendantes.