WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

à‰tat et analyse du revenu global et des dépenses de consommation en produits alimentaires de base (riz, maà¯s, sorgho, manioc doux, igname et patate douce) dans les exploitations agricoles de la commune de Jean-Rabel.

( Télécharger le fichier original )
par Jean Ribert FRANCOIS
Université d'Etat d'Haiti - Ingénieur-Agronome 2015
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

5.8.4. Modèles économétriques

Dans cette section, nous présentons les modèles de consommation des produits alimentaires de base dans les exploitations agricoles de la commune de Jean-Rabel. Nous tenons à montrer la relation qui existe entre la consommation du produit et d'autres facteurs comme son prix, le prix des biens substituts, le prix des biens complémentaires et les revenus de différentes sources. Un modèle est fait par produit et par type d'exploitations agricoles étant donné certaines variations qui peuvent être observées d'un type à l'autre. Ainsi, 54 modèles sont construits.

5.8.4.1. Résultats, analyse et interprétation de la consommation de riz dans les différents types d'exploitations agricoles

Le tableau qui suit présente les résultats des modèles de régression de la consommation de riz dans les divers types d'exploitations agricoles. Les interprétations de ces résultats se font ceteris paribus dans tous les tableaux. Les résultats indiquent que cette consommation est expliquée au niveau du type I à 16.8 % par des variables telles que : le prix du riz, le prix du maïs, le prix du sorgho, le prix du haricot, le revenu de l'élevage, le revenu des activités extra-agricoles et celui des transferts. Cependant, seule la variable prix sorgho est significative selon le test de Student puisque le t calculé (4.121) est supérieur au t tabulaire (2.39). Au niveau du type II, ces mêmes variables expliquent la consommation du riz à 96.6% avec le prix du riz comme seule variable significative. Au niveau du type III, 68.1% de la consommation de riz est expliquée par ces variables avec seulement le prix du riz comme variable significative. Les variables expliquent la consommation de riz à 98.2% au niveau du type IV avec le prix du riz, le prix du maïs et celui du sorgho comme étant significatives. Au niveau du type V, 61.1% de la consommation de riz est expliquée par les variables explicatives ; le prix du riz est la seule variable significative. Au niveau du type VI, les variables indépendantes expliquent le modèle à 67.8 % avec le prix du riz comme étant significatif. Au niveau du type VII, la consommation de riz est expliquée à 74.3% par ces variables et le revenu des activités extra-agricoles et celui des transferts en sont les variables significatives. 96.8% du modèle du type VIII est expliqué par les variables indépendantes avec le prix du maïs comme seule variable significative. Au niveau du type IX, la consommation de riz est expliquée à 98.4% par les variables mentionnées ; le prix du riz en est la variable significative (voir tableau 20).

Suivant les informations précédentes, pour tous les modèles de consommation de riz, nous rejetons l'hypothèse nulle en concluant que la contribution d'au moins une des variables indépendantes à l'explication de la variable dépendante est statistiquement assez importante pour croire son influence sur la consommation de riz dans tous les types d'exploitations agricoles.

Les tests de Fisher confirment que les modèles sont globalement bien spécifiés puisque les valeurs de F calculées sont toutes supérieures aux valeurs de F tabulaires au seuil de 5%. Donc, l'hypothèse selon laquelle les paramètres des modèles de régression ne sont pas tous nuls et que R2 (coefficient de détermination) diffère significativement de zéro est acceptée. Ainsi, la variation de la consommation de riz dans chaque type d'exploitations agricoles est attribuable à au moins l'une des variables explicatives.

Les résultats des tests de Shapiro-Wilk (W) sont tous significatifs au seuil de 5%. Les valeurs de probabilité calculées sont toutes supérieures aux valeurs tabulaires, ce qui confirme l'hypothèse selon laquelle les résidus sont normalement distribués. Les résultats des tests de White (LM) confirment enfin l'hypothèse d'homoscédasticité des erreurs. Les valeurs calculées sont toutes inférieures à celles tabulaires au seuil de significativité de 5%.

Les signes des variables significatives sont tous conformes à la théorie économique. On observe le signe positif du prix du sorgho au niveau de l'équation du type I, ce qui indique que le sorgho est substituable au riz. Toutes choses étant égales par ailleurs, une augmentation de 1% dans le prix du sorgho conduit à une augmentation de 3.2% dans la consommation de riz. Cette dernière diminue avec son prix au niveau des types II, III, IV, V, VI et IX. L'impact du prix est beaucoup plus important au niveau du type II où une augmentation de 1% dans le prix du riz diminue la consommation de 2.83%. Outre le prix du riz, la consommation de riz au niveau du type IV est influencée négativement par le prix du maïs et celui du sorgho. Toute augmentation dans les sources de revenu des activités extra-agricoles et les transferts font augmenter la consommation de riz au niveau du type VII. Enfin, au niveau du type VIII, l'augmentation du prix du maïs fait baisser la consommation de riz.

Tableau 20. Résultats des modèles de régression pour le riz par type d'exploitations

 

Types d'exploitations agricoles

I

II

III

IV

V

VI

VII

VIII

IX

Constante

a0

0,939

21,170

14,917

-4,573

7,791

-3,136

6,657

6,148

22,442

Variables indépendantes

PR

-2,007

-2,829*

-1,513*

-0,702*

-1,58*

-1,484*

-0,625

-0,009

-0,77*

PM

5,413

-0,884

0,004

2,679*

0,345

2,322

-2,375

0,64*

-0,024

PS

3,205*

-0,030

2,128

0,990*

0,397

0,423

1,658

0,021

-0,184

PH

-1,914

-1,875

-0,587

0,912

-0,717

-1,035

-4,008

-0,035

-0,245

RE

0,472

-0,079

0,016

0,003

-0,009

0,055

-0,010

0,006

-0,007

RAE

-0,723

-0,159

0,147

0,025

0,008

0,113

0,470*

0,007

0,036

RT

-0,043

-0,030

0,042

0,007

-0,003

0,139

0,437*

-0,010

-0,022

Statistiques calculées

R2

0,168

0,926

0,681

0,982

0,611

0,678

0,743

0,968

0,984

a0

0,031

4,429

0,952

-1,769

1,778

-0,444

0,612

8,353

10,267

t1

-1,572

33,991

10,625

3,513

8,006

6,613

-1,117

-0,105

3,371

t2

1,560

-1,597

-0,019

6,237

0,455

1,706

-1,782

4,503

-0,069

t3

4.121

-0,255

1,759

2,659

1,603

1,373

-1,176

0,886

-0,796

t4

-0,354

-1,301

-0,984

1,352

0,983

1,254

1,933

-0,309

2,639

t5

1,976

-1,197

0,550

0,320

-0,209

1,279

-0,338

1,697

-0,882

t6

-1,657

-1,177

1,118

1,365

0,120

0,690

2,510

1,443

1,119

t7

-0,106

-1,120

1,526

0,798

-0,027

0,690

3,616

-1,381

-1,975

F

2,950

146,690

16,271

629,864

11,410

8,944

12,629

71,170

94,365

LM

0.656

0.737

1.224

1.833

1.483

0.784

2.805

1.526

0.751

W

0,984

0,975

0,973

0,984

0,976

0,983

0,961

0,981

0,943

Valeurs tabulairespar type d'exploi-tations agricoles

N

124

103

70

98

67

43

40

28

21

t

2.39

2.39

2.423

2.39

2.423

2.457

2.457

2.528

2.65

F

2.17

2.17

2.17

2.17

2.25

2.34

2.34

2.6

2.92

W

0.947

0.947

0.947

0.947

0.947

0.943

0.940

0.924

0.908

X2

(v=6 ; á=0.05) = 12.59

á

5%

PR : Prix riz ; PM : Prix maïs ; PS : Prix sorgho ; PH : Prix haricot ;

RE : Revenu de l'élevage ; RAE : Revenu activités extra-agricoles ; RT : Revenu transfert ;

* Significatif au seuil de 5% ;

LM : Statistique de White pour la vérification de l'hétéroscédasticité des erreurs ;

W : Probabilité de Shapiro-Wilk pour vérifier la normalité des erreurs

N : Nombre d'observation

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Je voudrais vivre pour étudier, non pas étudier pour vivre"   Francis Bacon