1.3. Les variables explicatives retenues
Suite à notre analyse factorielle des correspondances
principales, dont l'objectif de départ tenait à la
réduction des variables, nous avons constaté que certaines
d'entre les 18 variables explicatives de départ ne contribuaient pas
assez à l'explication de la solution factorielle. En effet, dans les
sept premières composantes, leurs taux d'inertie se sont
révélés marginaux par rapport à d'autres, ainsi que
nous l'avons présenté dans le tableau représentant la
matrice des composantes.
Sous ce rapport, nous avons procédé à une
sélection des principales variables qui nous semblent, au regard de leur
inertie, prendre en charge assez fortement l'essentiel de l'information
contenue dans notre échantillon de 212 PME. Leur composition, dont le
nombre est passé de 18 à 12, est présentée dans le
tableau qui suit:
Tableau 11: Les variables explicatives retenues apres
l'AFC
|
Code
|
Etiquette
|
Nombre de
modalités
|
|
1
|
sexedir
|
Sexe du dirigeant de l'entreprise
|
2
|
|
2
|
nbenf
|
Nombre d'enfant du dirigeant de l'entreprise
|
2
|
|
3
|
persach
|
Nombre de personnes à charge dans le foyer du dirigeant
d'entreprise
|
3
|
|
4
|
nivrev
|
Niveau de revenu du dirigeant de l'entr.
|
7
|
|
5
|
sectact
|
Secteur d'activité de l'entreprise
|
10
|
|
6
|
valgar
|
Valeur de la garantie proposée
|
8
|
|
7
|
durecoul
|
Durée écoulée entre demande de crédit
et réponse de l'UMECUDEFS
|
4
|
|
8
|
montant
|
Montant du crédit octroyé
|
6
|
|
9
|
democt
|
Montant demandé = montant octroyé ?
|
2
|
|
10
|
difdemre
|
Différence entre nombre de versements demandés
et obtenus
|
5
|
|
11
|
age
|
Age du dirigeant de l'entreprise
|
11
|
|
12
|
duréexis
|
Durée d'existence de l'entreprise
|
4
|
Source : Recherche de Fred Ntoutoume, Crefdes, 2007
II/ Résultats économétriques de la
modélisation par la régression logistique
Dans la mesure où notre étude, dont l'objectif
est la construction d'un modèle de score sensé prédire le
niveau de risque de contrepartie associé à un demandeur de
crédit, implique le recours à une variable endogène
qualitative discrète (Y = {0,1}), nous rappelons qu'un modèle
linéaire n'est pas licite.
En effet, la matrice (X'X) des variables explicatives
(exogènes) n'étant pas inversible, il n'est pas possible
d'estimer les paramètres du modèle de notre étude par la
méthode des moindres carrés ordinaires (MCO). Nous aurons recours
à l'économétrie des variables qualitatives, en particulier
à une méthode d'optimisation appelée la méthode du
maximum de vraisemblance (maximum likelihood).
| 
