3.4.2. Méthodes d'analyse explicative :
modèle logistique binomiale
Le choix de cette méthode est guidé par les
objectifs poursuivis et la nature de la variable dépendante
(Rwengé, 2018). Puisque celle-ci est qualitative et dichotomique, la
régression logistique binomiale est appropriée comme
méthode d'analyse explicative multi variée dans le cadre de notre
étude.
3.4.2.1. Description du modèle de
régression logistique binomiale
L'utilisation du modèle logistique binomial comme
modèle de base de notre étude, est guidée par le fait que
notre objectif est de mesurer l'impact relatif net qui revient à chaque
variable explicative. Elle permet d'estimer la chance relative pour femme de
posséder un lopin de terre. Elle obéit aux principes de base
suivants :
> Si P désigne la probabilité que
l'événement étudié (posséder un lopin de
terre) se réalise, le complémentaire de P, 1-P est la
probabilité de la non réalisation de l'événement
(le fait pour une femme de ne pas en posséder) ;
> Étant donné P et 1-P, le modèle de
régression logistique se présente comme suit : L = log [P/ (1-P)]
où L, est la variable dépendante. On a la forme linéaire
de L qui se présente
57
ONANA Jean Christophe Master Professionnel en
Démographie
Femmes et accessibilité à la
propriété foncière au Cameroun 2018/2019
ainsi: L = b0 + b1X1+ b2X2 + ... + bpXp où X1, X2, ...,
Xp sont les variables indépendantes (ou variables explicatives) et b0,
b1, b2,..., bp les coefficients de régression du modèle. A cette
forme de L est associée une forme non linéaire de la
probabilité P se présentant comme suit : P= 1/ [1+exp (-L)].
> La régression logistique utilise la
méthode du maximum de vraisemblances pour estimer les paramètres
du modèle. Puisque ce modèle est non linéaire, ces
paramètres sont estimés par itération. Cette
méthode est essentiellement probabiliste. Elle fournit des coefficients
de régression « bi » à partir desquels on calcule les
rapports de cote (odds ratio).
> Pour mieux interpréter les résultats, nous
nous intéresserons aux rapports de cote(RC). c'est le rapport de la cote
de l'événement dans le groupe traité divisé par la
cote de l'événement dans le groupe contrôle. La cote ("
odds ") est égale à c = r / (1 - r) où r est la
fréquence de l'événement. Ainsi une cote est le rapport du
nombre de femmes possédant un lopin de terre (r) divisé par le
nombre de femmes ne possédant pas un lopin de terrain (1-r). Par
exemple, une cote de 0,25 correspond au rapport 2/8 et signifie que pour 2
femmes possédant un lopin de terre, 8 ne le possèdent pas
(0,25=2/8=r/ (1r)).
> Ainsi, un rapport de cote plus grand que 1 (RC >1)
indique qu'il y a une plus grande probabilité que la femme
possède un lopin de terre. Dans ce cas, on peut distinguer deux
possibilités :
1. Si 1< RC < 2, on prendra RC-1 et
l'interprétation sera en pourcentage : le ménage a (RC-1) % plus
de chance de posséder un lopin de terre
2. Si 2 = RC on prendra RC-1 et l'interprétation sera
: le ménage a (RC-1) fois plus de chance de posséder un lopin de
terre.
> Un rapport de cote inférieur à 1 indique
une faible probabilité de posséder un lopin de terre. Dans ce cas
on prendra : le ménage a (1-RC) % moins de chance de posséder un
lopin de terre.
>
58
La probabilité de Khi2 associée au modèle
permet de se prononcer sur l'adéquation par rapport aux données
utilisées, c'est-à-dire la capacité des facteurs
introduits dans le modèle à expliquer le phénomène
étudié. Le Pseudo R2 permet d'estimer la part (en
pourcentage) de la variance de la variable dépendante expliquée
par le modèle. Le seuil choisi dans la présente étude est
de 5%.
Femmes et accessibilité à la
propriété foncière au Cameroun 2018/2019
| 
