Tableau n° 3.12 :
Comparaison des moyennes.
|
Observation Calculer Récapituler
|
|
Observations
|
|
Inclus
|
Exclu(s)
|
Total
|
|
N
|
Pourcentage
|
N
|
Pourcentage
|
N
|
Pourcentage
|
|
Avis des membres pour remboursement
|
313
|
99,4%
|
2
|
0,6%
|
315
|
100,0%
|
|
Montant prime d'assurance à souscrire
|
315
|
100,0%
|
0
|
0,0%
|
315
|
100,0%
|
Source : Traitement des données primaires
Le pourcentage des observations exclus n'est pas nul, cela vient
du fait que les opinions sont recueillies en séquences
parallèles. En effet, plus de 99% des observations sont inclus dans le
champ de notre investigation, ce qui conduit à un intervalle de
confiance significative, d'où il est possible de travailler dans cette
perspective.
|
Tableau de bord
|
|
Avis des membres pour remboursement
|
Montant prime d'assurance à
souscrire
|
|
Moyenne
|
,65
|
9,3905
|
|
N
|
315
|
315
|
|
Ecart-type
|
,483
|
7,98226
|
Source : Traitement des données primaires
Par rapport au tableau de bord, en comparant les avis de
remboursement et les montants de prime d'assurances à souscrire, on note
que 65% des membres ont donné un avis favorable à la constitution
d'une assurance à partir d'une réserve mathématique
minimale de 9$.
Quant à la corrélation entre les deux variables,
remarquons que le test de Charles Spearman peut nous indiquer les rangs
corrélé pour chacune et pour l'ensemble du couplage. On peut
présenter les résultats de cette manière :
Tableau n° 3.13 :
corrélation des variables
|
Corrélations
|
|
Avis des membres pour remboursement
|
Montant prime d'assurance à souscrire
|
|
Rho de Spearman
|
Avis des membres pour remboursement
|
Coefficient de corrélation
|
1,000
|
-,156**
|
|
Sig. (bilatérale)
|
.
|
,006
|
|
N
|
313
|
313
|
|
Montant prime d'assurance à souscrire
|
Coefficient de corrélation
|
-,156**
|
1,000
|
|
Sig. (bilatérale)
|
,006
|
.
|
|
N
|
313
|
315
|
|
**. La corrélation est significative au
niveau 0,01 (bilatéral).
|
Le tableau montre que la corrélation existant est
négative.En effet, plus les montants à souscrire dans le micro
assurance est faible (et plus la micro assurance est faible), les avis de
remboursement ne sont pas favorables. En d'autres termes, si les
bénéficiaires ne constituent pas des réserves en termes
d'assurance en micro assurance, moins la capacité de remboursement est
significative. Si au cours de nos investigations nous trouvons chaque fois, que
la micro assurance est importante, on constate cette fois-ci, que plus
l'assurance micro crédit, est faible, plus la capacité de
remboursement est faible. Les allégations du modèle final de
régression logistique nous permettront de mieux vérifier ce
constat.
D.Comparaison entre nombre de crédits et
assurance crédits
Ce croisement nous permet de comprendre la nature de
crédit et l'assurance crédits.Sur ce point il faut montrer
comment la relation entre les deux variables se comporte. Ainsi, suivant, les
résultats de la base de données primaires, nous pouvons avoir les
appréciations suivantes :
| 
