III.3 ANALYSE DE LA CORRELATION LINEAIRE
Tableau N°11 : matrice de corrélation
linéaire pour RSE et ACCFIN
|
Dimensions
|
RSE
|
SOET
|
ECO
|
BES
|
ENV
|
LEG
|
ACCFIN
|
ENEXT
|
SF
|
VOPR
|
COPR
|
|
RSE
|
1
|
|
|
|
|
|
|
|
|
|
|
|
SOET
|
,562**
|
1
|
|
|
|
|
|
|
|
|
|
|
ECO
|
,661**
|
,302**
|
1
|
|
|
|
|
|
|
|
|
|
BES
|
,707**
|
,155**
|
,328**
|
1
|
|
|
|
|
|
|
|
|
ENV
|
,657**
|
,370**
|
,167**
|
,449**
|
1
|
|
|
|
|
|
|
|
LEG
|
,484**
|
,029
|
,182**
|
,140*
|
,114
|
1
|
|
|
|
|
|
|
ACCFIN
|
-,025
|
-,103
|
-,346**
|
,170**
|
,077
|
,117*
|
1
|
|
|
|
|
|
ENEXT
|
-,102
|
,022
|
-,427**
|
-,065
|
,092
|
,112
|
,688**
|
1
|
|
|
|
|
SF
|
,217**
|
-,032
|
-,010
|
,186**
|
,336**
|
,191**
|
,525**
|
,163**
|
1
|
|
|
|
VOPR
|
-,016
|
,062
|
-,291**
|
,180**
|
,062
|
-,057
|
,623**
|
,326**
|
,226**
|
1
|
|
|
COPR
|
-,126*
|
-,261**
|
-,027
|
,089
|
-,281**
|
,016
|
,369**
|
,005
|
-,154**
|
-,127*
|
1
|
Source : nos traitements dans SPSS
V.20
Tel que nous l'avons déjà mentionné
précédemment, le coefficient de corrélation ne fonctionne
que pour des variables métriques. Il ressort de ce tableau que certaines
dimensions sont significatives au seuil de 10%, d'autre à 5% et
certaines d'autres ne sont pas significatives, tel est le cas du modèle
RSE - ACCFIN à titre d'exemple. Ainsi nous constatons qu'il y a
corrélation entre les dimensions. Les dimensions de la RSE sont
corrélées positivement entre elle ce qui implique qu'elles
peuvent s'expliquer mutuellement tandis que celles de l'accès au
financement sont aussi corrélées positivement entre elle,
exception faite à la dimension du comportement du propriétaire/
dirigeant qui, quant à elle est corrélée
négativement à elle-même. Il s'en suit que certaines
dimensions des deux variables
~ 44 ~
ne sont corrélées positivement entre elle, ce qui
nous donne une idée sur le sort de notre deuxième
hypothèse.
III.4. L'ANALYSE DE REGRESSION
Afin de pouvoir décider sur la relation entre la
variable indépendante (RSE) et la variable dépendante
(accès au financement) par les PME de la Ville de Bukavu, nous avons
effectué la régression linéaire simple.
Tableau N°12 : Le résumé du
modèle économétrique
|
Variables
|
ACCFIN
|
Statistiques
|
|
Bêta
|
T
|
Sign
|
R2
|
R2 Ajusté
|
Valeur F
|
Sign
|
|
RSE
|
-,025
|
-,412
|
,681
|
,001
|
-,003
|
,169
|
,681
|
Source : Traitement des données dans
SPSS
Il ressort de ce tableau que l'impact de la RSE sur
l'accès au financement est négatif avec la valeur du bêta
négative de 0,025. En effet, la RSE n'explique pas
l'accès au financement par les PME de la Ville de Bukavu. Ceci
s'explique aussi par le résultat de Student calculé qui est
inférieur au Student théorique et aussi par la non
significativité du modèle RSE-ACCFIN soit 0,681 qui est
supérieur à 0,05.
Il s'observe en plus que la ACCFIN ne dépend pas de la
RSE dans la ville de Bukavu, avec un pouvoir explicatif négatif soit de
0,3% et la statique de Fischer inferieur à Fischer théorique mais
aussi un coefficient de significativité global du model obtenu de 0,681
qui est supérieur à 0,05.
Avec les résultats du tableau ci-haut nous affirmons
notre hypothèse selon laquelle il existe une influence de la RSE sur
l'accès au financement tout en précisant que la RSE influence
négativement sur l'accès au Financement par le PME de la Ville de
Bukavu.
" 45 "
|
|
