La pêche sur dispositif de concentration de poissons (DCP) à Anse d'Hainault : contribution au revenu des marins pecheurs et marge des distributeurs

3.3.6 Dépouillement des données

Le but de cette étape a été de présenter les données sous une forme synthétique et plus claire afin de les utiliser efficacement. Le dépouillement a été fait à l'aide d'une grille, en fonction de nos objectifs spécifiques.

3.3.7 Modèle Mathématique

En vue de réaliser les analyses, nous avons collecté toute une série de données, pour l'estimation des indicateurs, des calculs de corrélation ont été faits dont les critères de base correspondent à la méthode des moindres carrés ordinaires (MCO). Nous nous proposons de déterminer s'il y a une sorte de liaison entre le nombre de formation des pêcheurs(x₁) et les prises (y₁), le nombre de formations des pêcheurs (x₂) et le rendement (y₂) avec le temps. Selon BOURBONNAIS (2003) la statistique appelée coefficient de corrélation linéaire simple précise l'intensité de liaison entre deux variables.

Il est déterminé par cette formule :

Ce coefficient est compris entre -1 et 1. Un signe négatif indique que y varie en sens inverse de x et plus le coefficient est proche de 0, plus les deux variables sont linéairement indépendantes. Ce coefficient est notamment calculé par la fonction COEFFICIENT.CORRELATION d'Excel.

J'ai noté ce coefficient r. Dans la mesure où il mesure le lien linéaire qui unit deux variables seulement, le coefficient de corrélation ne peut résumer la qualité d'une régression multiple. Toutefois, il a dans ce cadre son utilité : mesuré pour chaque paire de variables explicatives, il alimente la matrice des corrélations. Par conséquent, il permet de repérer les variables superflues. Plus le coefficient est proche de 1, meilleure est la corrélation .Plus précisément, c'est le nombre d'observations n, ou plutôt le nombre de degrés de liberté (n - 2 pour une régression simple), qui détermine une valeur limite, pour un niveau de risque d'erreur donné, et il existe pour cela des tables du r. Elles sont rarement reprises dans les manuels de statistiques. En revanche, on peut construire une statistique avec r et la comparer avec un t de Student :

Règle de décision 

Si t*>t^a/2_n-2 valeur lue dans la table de student au seuil de á=0.05 (5%) à n-2 degré de liberté, HO est rejeté, le coefficient de corrélation est donc significativement différent de zéro. Dans le cas contraire, l'hypothèse d'un coefficient de corrélation nul est acceptée.