III.2. QUALITE DE PREDICTION DU MODELE
Après avoir estimé un modèle binaire, il
est très important de déterminer le pourcentage de
prédiction de ce modèle. Dans le cas qui nous concerne, ce
pourcentage nous permet de savoir la précision à terme de
pourcentage d'estimer la chance qu'a un individu de s'insérer dans le
secteur public dans la ville de Goma.
63
Tableau n°22 : résultats de la qualité de
prédiction de notre modèle
|
Expectation-Prediction Evaluation for Binary Specification
|
|
Equation: UNTITLED
|
|
Date: 07/17/19 Time: 16:33
|
|
Success cutoff: C = 0.5
|
|
Estimated Equation
|
Constant Probability
|
|
Dep=0
|
Dep=1
|
Total
|
Dep=0
|
Dep=1
|
Total
|
|
|
P(Dep=1)<= C
|
55
|
32
|
87
|
75
|
75
|
150
|
|
P(Dep=1)>C
|
20
|
43
|
63
|
0
|
0
|
0
|
|
Total
|
75
|
75
|
150
|
75
|
75
|
150
|
|
Correct
|
55
|
43
|
98
|
75
|
0
|
75
|
|
% Correct
|
73.33
|
57.33
|
65.33
|
100.00
|
0.00
|
50.00
|
|
% Incorrect
|
26.67
|
42.67
|
34.67
|
0.00
|
100.00
|
50.00
|
|
Total Gain*
|
-26.67
|
57.33
|
15.33
|
|
|
|
|
Percent Gain**
|
NA
|
57.33
|
30.67
|
|
|
|
Source : nos estimations à partir du
logiciel EVIEWS.
Au vu des résultats du tableau ci-dessus, nous
constatons que : toute prévision de la probabilité qu'un individu
s'insère dans le secteur public dans la ville de Goma, compte tenu de
ses caractéristiques à rapport avec la connaissance, le sexe, le
niveau d'étude, la religion, le test, le statut matrimonial et
l'origine, est correcte à 50% et incorrecte à 50%. C'est qui veut
dire que notre modèle est à peu près bon pour effectuer
les prévisions.
Le choix de la méthode de régression logistique
binaire se justifie par :
? Les objectifs, entre autres, connaitre ce qui
détermine l'insertion des jeunes dans le secteur public à Goma.
;
? La nature de la variable dépendante (dichotomique
binaire). Dichotomique c'est-à-dire 0 et 1. La modalité 0
signifie que le jeune est inséré dans l'entreprise Publique et la
modalité 1 les jeunes est inséré dans le Régie
Financière ;
? La nature nominale des variables explicatives.
C'est-à-dire que les variables explicatives ne sont pas classées
ou reprises suivant l'ordre d'importance, aucune variable n'es plus importante
que l'autre ;
64
? Ce modèle présente l'avantage de ne pas exiger
de contrainte quant à la normalité des distributions de
variables. En effet, la régression logistique binaire donne toujours des
probabilités situées entre 0 et 1 et elle ne fait pas une
restriction des variables indépendantes sur la base de
l'hypothèse de la normalité (peu réaliste), (Metela Shumb
Cyprien, 2013 ; Ghewy P., 2010 ; Stafford et Bodson, 2006).
L'analyse de la régression logistique binaire nous a
permis d'identifier les facteurs qui déterminent l'insertion des jeunes
dans le secteur Public à Goma. Toutes fois, l'on notera que
l'interprétation des résultats de la régression logistique
binaire n'est pas aisée.
| 
