|
Prédisposition à adopter le décorticage mécanique et la fortification en fer du sorgho : cas des ménages consommateurs de "dibou" du village Thian, commune de Parakou.( Télécharger le fichier original )par Morest AGOSSADOU Université d'Abomey-Calavi - Ingénieur agro-économiste 2011 |
8. CHAPITRE VII : ANALYSE DES DETERMINANTS DU CONSENTEMENT A PAYER DES MENAGES `'CONSOMMATEURS'' DE DIBOU POUR LE DECORTICAGE MECANIQUE ET LA FORTIFICATION EN FER DU SORGHONous présentons dans ce chapitre les facteurs qui
influencent le consentement à payer des `'chefs cuisine''
prédisposées à décortiquer et fortifier leur sorgho
avant sa mouture. Le consentement à payer, dans le cadre de cette
étude, désigne la valeur (en FCFA) accordée à une
unité de sorgho décortiqué et fortifié. Cette
unité est la « grande boite de tomate » ; c'est
elle qui est la plus utilisée dans le milieu. Elle correspond à
1,85 ( Ce consentement à payer a été recueillie à l'aide de la méthode d'évaluation contingente. Le mode de questionnement utilisé pour cette valorisation est le questionnement ouvert qui a consisté à demander aux `'chefs cuisines'' de proposer volontairement et honnêtement un montant qu'elles pourront payer pour décortiquer et fortifier une boite de tomate de sorgho. Certaines enquêtées se sont prononcées aisément sur la question, mais d'autres pensaient que c'étaient à nous de proposer un prix, quitte à elles de se conformer. Mais avec nos explications, elles ont compris que notre souhait était de fixer un prix qui arrangerait presque tout le monde, et pour ce faire il fallait recueillir le consentement à payer de toutes les enquêtées. Elles se sont donc honnêtement prononcées sur la question. Une fois ces valorisations recueillies, nous avons utilisé un modèle de régression linéaire multiple pour identifier les facteurs qui l'influencent positivement et/ou négativement. La variable de réponse, le consentement à payer des `'chefs cuisine'', est une variable continue et les régresseurs sont une combinaison de variables qualitatives et de variables quantitatives. Les tableaux 9 et 10 présentent respectivement les corrélations entre les variables explicatives et les résultats de l'estimation du modèle de régression linéaire à l'aide du logiciel STATA. Tableau 9 : Matrice de corrélation entre les variables explicatives du modèle de régression linéaire.
De l'analyse de ce tableau, il ressort que parmi les coefficients de corrélation qui sont significatifs à un seuil de 10 %, le plus élevé est 0,2581. Cette valeur du coefficient de corrélation le plus élevé s'est révélé « faible » car inférieur à 0,8 ; la multicolinéarité n'est, de ce fait, pas un sérieux problème (Gujarati, 2004). Mais attention, « de fortes corrélations d'ordre zéro sont une condition nécessaire mais non suffisante pour qu'il existe une multicolinéarité car elle peut exister même si les corrélations d'ordre zéro ou simples sont comparativement faibles (par exemple inférieur à 0,50) » (Gujarati, 2004). Tableau 10 : Résultats de la régression linéaire multiple. Variable de réponse : Consentement à payer.
8.1.1. 7.1. La signification globale, qualité de l'ajustement, variables déterminantes et test de spécification « correcte » du modèle.· La signification globale du modèle La p-value du modèle est sensiblement nulle (inférieure à 1 %) ; cela signifie que l'on prend un risque de se tromper de moins de 1 % en concluant que les variables explicatives sélectionnées apportent une quantité d'information significative au modèle. Le modèle est donc globalement significatif au seuil de 1 %. · La qualité de l'ajustement du modèle Le coefficient de détermination multiple R2 du modèle est égal à 0,183 ; ce qui signifie que 18,3 % des variations du consentement à payer sont expliquées par les régresseurs du modèle. Au plan statistique, ce coefficient de détermination est faible. Toutefois, Gujarati (2004) avait relevé que dans les études en coupe instantanée comprenant plusieurs observations, on obtient généralement un faible R2, en raison de la diversité des unités dans ce type d'études. Une telle valeur du R2 est donc acceptable. · Les variables déterminantes Les variables qui influencent le consentement à payer des `'chefs cuisine'' pour les opérations de décorticage mécanique et de fortification en fer du sorgho sont : l'appartenance de l'enquêtée à la phase pilote du projet (APPP) et la quantité moyenne de sorgho consacrée à la consommation (QUANT). · Spécification « correcte » du modèle. Il s'agit de voir si des variables explicatives pertinentes ont été omises lors de l'estimation du modèle. A cet effet, le test RESET (Regression specification error test) de Ramsey a été utilisé. Les résultats obtenus sont présentés dans le tableau 11. Tableau 11 : Résultats du test RESET de Ramsey.
La probabilité du test est 0,4673. Nous ne pouvons donc pas rejeter l'hypothèse Ho au seuil de 10 %. Nous acceptons alors l'hypothèse qu'il n'y a pas omission de variables importantes dans la spécification du modèle et concluons que le modèle a été bien spécifié. Ceci confirme l'acceptabilité de son coefficient de détermination et par conséquent la bonne qualité de son ajustement. * 10 : Mesure prise au sein du Laboratoire d'analyse des sols de la FSA/UAC |
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
kg10