A. Méthodes de collectes des données
Il est presque inutile qu'un travail scientifique ne soit pas
fondé sur les méthodes et techniques de recherche, il est donc
souhaitable de choisir un certain nombre des méthodes et de techniques
pouvant aider le chercheur à bien mener sa démarche, aussi nous
sommes obligés de déterminer les méthodes ainsi que les
techniques jugées importantes sans laquelle nous seront incapables
d'élaborer notre travail. Ainsi dans le cadre de notre étude,
nous avons adopté :
§ La méthode d'observation :
Cette méthode nous a aidés à exprimer
les faits liés au passé des institutions de microfinance à
travers l'entrepreneuriat.
B. Méthodes d'analyse et traitement des
données a. Statistique descriptive
Cette méthode est utilisée dans la recherche
pour analyser et interpréter les données collectées, elle
permet de tirer des conclusions objectives et fiables à partir des
observations faites, Avec les donnes collectées, faire le modèle
économétrique en utilisant la régression linéaire
pour comprendre comment les variables explicatives impactent la variable
expliquée. Elle nous a permis d'identifier les déterminantes
microfinances et l'entrepreneuriat des entrepreneures sous examen par
l'estimation des paramètres de notre modèle linéaire
générale. Elle nous a permis également, de faire une
analyse d'un modèle économétrique représentant une
relation linéaire entre une variable dépendante (Yt) et dix
variables explicatives (Xt), avec des coefficients de régression
estimés pour quantifier cette relation. Notre modèle à des
fins d'estimation se présente comme suit : Yt = f30 + f31Xt + f32Xt +
f33Xt +f34Xt+135Xt +f36Xt + f37Xt+ f38Xt+f39Xt + f310Xt + et
Ce modèle économétrique
présenté ci-haut exprime comme une régression
linéaire multiple, où Yt est la variable dépendante et Xt
représente dix variables explicatives (X1, X2, X3, X4, X5, X6, X7, X8,
X9 et X10). f31, f32,f33, f34, f35, f36, f37, f38, f39 et f310 sont les
coefficients de régression qui mesurent la relation entre les variables
explicatives et la variable dépendante, Et est le terme d'erreur, qui
capture toutes les autres influences non modélisées ou non
mesurées sur la variable dépendante.
Plus précisément, le modèle suppose
qu'il existe une relation linéaire entre les variables explicatives et
la variable dépendante. Les coefficients de régression (f31, f32
... f310) représentent le changement moyen dans la variable
dépendante lorsque les variables explicatives augmentent d'une
unité, toutes choses égales par ailleurs. Par exemple, si f32 est
positif, cela signifie qu'une augmentation d'une unité dans la variable
explicative X2 est associée à une augmentation de la variable
dépendante Yt.
Le terme d'erreur (åt) capture les variations
résiduelles de la variable dépendante qui ne sont pas
expliquées par les variables explicatives incluses dans le
modèle. Ces variations
" 31 "
peuvent être dues à des facteurs non
mesurés, des erreurs de mesure ou des phénomènes
aléatoires.
Pour estimer les coefficients de régression et
évaluer la signification statistique de ces relations, des techniques
d'estimation telles que la méthode des moindres carrés ordinaires
seront utilisées dans ce travail.
Cette estimation permet de trouver les valeurs des
coefficients de régression qui minimisent la somme des écarts
entre les valeurs observées de la variable dépendante et les
valeurs prédites par le modèle.
Pour interpréter les résultats du
modèle, associées à chaque coefficient de
régression pour évaluer leur significativité statistique
l'utilisation d'autres diagnostics, comme
:
§ Les intervalles de confiance ;
§ Les tests de spécification ;
§ L'analyse de résidus.
Ces tests de significativité sont recommandés
pour évaluer la qualité d'ajustement du modèle et la
validité des hypothèses. Modèle de régression
linéaire multiple. Pour généraliser ce modèle
linéaire nous allons utiliser l'approche matricielle
???? = f31 + f32??21 + f33??31+...+ ????????1 + åt ??2 =
f31 + f32??22 + f33??32+...+ f3?? ????2 + åt ???? = f31 + f32??2n +
f33??3n+...+ f3t ????n + åt
|
Soit, sous forme matricielle :
|
|
????
|
?? ?????? ?????? ??????
|
????
|
|
????
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
????
|
=
|
???????? ?????? ??????
|
|
??2
|
+
|
??2
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
.
|
|
????
|
|
????210 ????10 .... ..........????10
|
|
????0
|
|
??n
|
| 
