Couplage microfinance et micro assurance pour l’optimisation de la gestion du risque des crédits à Bukavu.

b. Modèle économétrique

Pour analyser les résultats du couplage microfinance, micro assurance, nous allons partir d'un modèle économétrique structuré autour de deux catégories de variables, en l'occurrence la variable endogène et les variables exogènes (ou variable dépendante et les variables indépendantes).

v Variables d'études et outils d'analyses

Deux catégories de variables sont distinguées dans cette partie. D'une part, la variable expliquée ou endogène et d'autre part les variables explicatives ou exogènes.

La variable expliquée ou dépendante (endogène) est la difficulté de remboursement des prêts accordés par les IMF. Cette variable est qualitative située autour de plusieurs autres variables telles qu'elles seront développées dans leslignes suivantes. Dès lors qu'il y aura utilisation de modèle de maximum de vraisemblance tel que le modèles Logit, Probit, ou Tobit ; cette variable est dichotomique qui prendre les valeurs des événements relatives à la difficulté de remboursement par lesbénéficiaires. Ainsi, elle prend la valeur 0 lorsque l'avis des bénéficiaires sur le remboursement est « non » et la valeur 1 lorsque ces derniers répondent par un avis favorable c'est-à-dire l'avis est « oui ».

Du côté des variables explicatives ou indépendantes (exogènes), la variable principale de l'étude est le « le profil des clients » ou du bénéficiaire. Dix autres variables sont ajoutées au modèle, afin de contrôler le terme d'erreur (facteur non pris en compte). Il s'agit de la multi bancarisation, de l'ancienneté, de la diversification des produits, du renouvellement de crédit, du montant du dernier crédit, de l'échéance, du taux d'intérêts, du consentement à souscrire à la micro assurance, du montant de micro assurance à souscrire et de l'assurance crédits.

Ainsi, notre premier modèle peut s'écrire sous forme d'expression mathématique ci-après :

le profil des membres, la multi bancarisation, de l'ancienneté, de la diversification des produits, du renouvellement de crédit, du montant du dernier crédit, de l'échéance, du taux d'intérêts, du consentement à souscrire à la micro assurance, du montant de micro assurance à souscrire et de l'assurance crédits).

251624448

Comme effets attendus, nous escomptons que profil des cleints ou du bénéficiaires, la multi bancarisation, l'ancienneté, la diversification des produits, le renouvellement de crédit, le montant du dernier crédit, le consentement à souscrire à la micro assurance, ont un effet positif sur les avis de remboursement des bénéficiaires ; et l'échéance, le taux d'intérêts, le montant de micro assurance à souscrire et de l'assurance crédits, ont un effet négatif sur les avis de remboursement des crédits.

Pour mener cette analyse, nous ferons recours aux techniques statistiques et économétriques appropriée.

Ainsi, l'analyse multi variée à travers la matrice de corrélation entre variables nous permettra de faire ressortir les liens existants entre elles. Afin de juger la pertinence de ces liaisons, nous ferons recours au test de signification des coefficients de corrélations. En effet, le test de signification du coefficient de corrélation (, avec

Le coefficient de corrélation dans la population) se fait en calculant la statistique où sont respectivement le coefficient de corrélation estimé dans l'échantillon et n la taille de l'échantillon. On rejette (BUGLEAR, 2001)^57(*).

Quant aux résultats économétriques, l'impact des variables explicatives sera estimé à travers une régression logistique à travers le modèle Logitétant donné que notre variable est dichotomique.

Les résultats de tous ces tests nous serons fournis par les analyses sur base du logiciel SPSS (version 20.00).

Le tableau suivant résume notre variable de l'étude :

* ⁵⁷J.BUGLEAR, Status Means Business: A Guide to Business Statistics, Elsevier Butterworth-Heinemann, Linacre House, Jordan Hill, Oxford,2001,pp28.