Memoire Online - Microfinance et lutte contre la pauvreté: une étude des microcrédits octroyés par le réseau mc² de la Menoua

La détermination des paramètres du modèle nous donne les résultats suivants : à la première étape nous avons Prob>F = 0,00000 qui est inférieur au seuil de 1%. Par ailleurs la statistique de Fisher F (4 ; 50) = 12,6593 supérieur à _Flu à ce seuil. Ceci nous permet de conclure que ce modèle est globalement significatif à 1%. Toutefois, nous avons un R² de l'ordre de 0,6534 et un R² ajusté de 0,6018, ceci suggère que les variables retenues expliquent à 65 ,34% les variations de la pauvreté. La variable estimée à la première équation viendra ainsi remplacer la variable pauvreté à la deuxième étape. A cette étape le modèle est globalement significatif au seuil de 5% pour un R² de l'ordre de 0.2573 (voir tableau 14).

D'après les résultats des tableaux 15 et 16 en annexes, on constate que les variables TypLoge, NivInst, LogPauvreté, LogAge et LogMntCrédit suivent une loi normale car la valeur calculée de JB est inférieure à 5,99 pour chacune d'elles à l'exception de Genre, LogDepMens, ImpMicro et CapEpar dont la valeur de JB est supérieur à 5,99. De façon globale les valeurs calculées de Jarque-Bera au niveau de chaque étape sont inférieures à 5.99 (voir figures 13 et 15 en annexes), et dans ce cas on peut conclure que ces équations suivent une loi normale.

En générale, les données en coupe instantanée ou transversale ne soufrent pas tellement d'hétéroscédasticité comme c'est le cas avec les données en coupe chronologique ou temporelle. D'après ce test dont les résultats sont concentrés dans les tableaux 18 et 20 en annexes, on a : étape 1 ; Prob>F = 0,8553 supérieur à 5% ; étape 2 on a Prob>F =0,9809 > également au seuil de 5%. On accepte ainsi H0 et on conclut qu'il y a absence d'hétéroscédasticité.

Les tableaux 13 et 14 nous montrent que nous avons des Durbin-Watson de l'ordre de 2,06 et 1,96 qui sont sensiblement égales à 2 pour chacune des deux étapes respectivement. Cela nous amène à rejeter H1 c'est-à-dire qu'il y a absence d'auto corrélation des résidus.

5.4. Evaluation de l'impact du microcrédit sur le niveau de pauvreté à partir du réseau mc2 de la Menoua

Le tableau 13 ci-dessous nous permet de faire une analyse sur le comportement de nos variables.

Tableau 13: Estimation de la première équation LogRédPauvreté =f( toutes les variables exogènes du système) et détermination niveau de pauvreté estimé.

Variable	Coefficient	Std. Error t-Statistic	Prob.
TYPLOGE	-0.075550	0.082997 -0.910263	0.3673

NIVINST	0.444224	0.139664 3.180658	*** 0.0026
LOGDEPMENS	0.449615	0.088678 5.070212	0.0000^***
LOGAGE	-0.560099	0.425081 -1.317628	0.1940
IMPMICRO	0.694518	0.201678 3.443695	0.0012^***
GENRE	-0.280448	0.197690 -1.418623	0.1626
CAPEPAR	-0.010123	0.171452 -0.059040	0.9532
C	4.855632	1.886141 2.574374	0.0133
R-squared	0.653433	Mean dependent var	9.211027
Adjusted R-squared	0.601816	S.D. dependent var	0.873815
S.E. of regression	0.551393	Akaike info criterion	1.780985
Sum squared resid	14.28960	Schwarz criterion	2.072961
Log likelihood	-40.97709	F-statistic	12.65939
Durbin-Watson stat	2.061261	Prob (F-statistic)	0.000000

Les résultats du tableau ci-dessus nous font remarquer que le R² est de l'ordre de 0,6534, ce qui signifie qu'il existe une forte relation entre la variable endogène et les variables exogènes. Parmi ces variables exogènes, seuls le niveau d'instruction, les dépenses

mensuelles et l'impact du microcrédit ont une relation positive et significative (au seuil de 1%) avec la pauvreté. Ceci nous amène à conclure que toue variation positive d'une de ces variables entrainera une variation positive du revenu moyen, d'où une amélioration des conditions de vie et d'où une réduction de la pauvreté. Ce résultat rejoint les résultats de Smahi (2010), qui a montré sur une étude faite en Algérie que le niveau d'instruction influençait positivement la pauvreté subjective. Par ailleurs, les variables type de logement, âge, genre et capacité à épargner ont des coefficients négatifs, et influencent par là négativement le bien être, mais avec une significativité moindre.

Tableau 14: Estimation de la deuxième équation LogMntCrédit en remplaçant LogRédPauvreté par LogRédPauvreté estimé.

Variable	Coefficient	Std. Error t-Statistic	Prob.
LOGREDPAUV_ESTI
ME	0.767578	0.311011 2.468011	0.0171^**
LOGDEPMENS	0.098980	0.138618 0.714054	0.4786
LOGAGE	0.262042	0.672120 0.389874	0.6983
IMPMICRO	0.222297	0.338672 0.656378	0.5147
CAPEPAR	0.250130	0.283484 0.882342	0.3819
C	3.417936	4.047521 0.844452	0.4025
R-squared	0.257299	Mean dependent var	13.39022
Adjusted R-squared	0.181513	S.D. dependent var	1.025164
S.E. of regression	0.927468	Akaike info criterion	2.789953
Sum squared resid	42.14968	Schwarz criterion	3.008935
Log likelihood	-70.72370	F-statistic	3.395074
Durbin-Watson stat	1.960201	Prob(F-statistic)	0.010338

Dans cette équation, le coefficient de détermination R² est de l'ordre de 25,73%. Seul le niveau de pauvreté estimé est significatif au seuil de 5% et influence positivement le montant du microcrédit comme la plus déterminante variable (coefficient 0,7675). Ceci traduit le fait qu'une variation d'un point du niveau de revenu entrainerait une variation positive de

0,76 point du montant du microcrédit. Les autres variables explicatives telles que la dépense mensuelle, l'âge, l'impact du microcrédit et la capacité à épargner influencent elles aussi positivement le montant du crédit, mais avec une significativité moindre. Au regard des résultats de ce tableau, nous pouvons sans doute de nous tromper affirmer notre hypothèse selon laquelle les microcrédits octroyés permettent aux populations bénéficiaires d'améliorer leurs conditions de vie, ceci à travers l'amélioration de l'alimentation, de l'accès à l'eau, à l'électricité et la scolarisation des enfants.

Microfinance et lutte contre la pauvreté: une étude des microcrédits octroyés par le réseau mc² de la Menoua

5.3. Tests

5.4. Evaluation de l'impact du microcrédit sur le niveau de pauvreté à partir du réseau mc2 de la Menoua