WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Situation de la production de café en côte d'ivoire: cas du département d'Aboisso, état des lieux et perspectives

( Télécharger le fichier original )
par André Hughes Georges KOUA
Ecole Supérieure d'Agronomie (ESA) - Ingénieur Agronome, option agroéconomie 2007
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

2.2. Spécification du modèle LOGIT

Afin d'expliquer la décision du paysan d'investir dans sa plantation, on suppose que l'individu est placé face à deux choix exclusifs représentés par une utilité aléatoire (U1 pour le choix d'investir et Uo pour le choix de ne pas investir).

Considérons une variable qualitative dépendante Y. Les deux modalités qu'elle peut prendre sont par convention codifiées 0 et 1 c'est-à-dire :

Y= 1 si le paysan a investi et

Y= 0 si non (Cf Annexes 3).

Pour la spécification de la variable Y, un seuil d'investissement a été fixé, au dessus duquel le paysans est considéré comme ayant investi. On a donc considérer qu'un paysan investi (Y=1) s'il pratique au moins deux (2) des opérations suivantes :

--au moins deux (2) désherbage par an ;

--rénovation d'au moins un (1) ha ;

--emploi de produits phytosanitaire sur au moins un (1) ha, avec respect des doses prescrites.

La forme générale de la régression est présentée comme suit :

avec ai ? 0

Où : Y représente la variable expliquée dichotomique ;

ai représente les coefficients estimés et dont le signe indique le sens de corrélation entre la variable explicative et la variable expliquée,

Xi représente les variables explicatives

å représente les termes d'erreurs.

Plusieurs méthodes permettent d'estimer les paramètres du modèle LOGIT : la méthode du Maximum de Vraisemblance, la Méthode de BERKSON et la méthode du CHI-2 maximum.

La méthode du Maximum de vraisemblance que nous utiliseront présente 3 caractéristiques à savoir que :

-ses propriétés asymptotiques sont très intéressantes, notamment pour le LOGIT et le PROBIT;

-l'estimateur du Maximum de vraisemblance s'il existe est unique (GOURIEROUX, 1989) ;

-elle est l'une des méthodes les plus employées.

2.3. Calcules des quasi élasticités

En analyse économique, l'intérêt principal réside plus dans les effets et moins dans les valeurs des coefficients estimés (C

RAMER, 1991). Ces effets sont généralement exprimés en terme d'élasticité. Pour toute paire de variables W et V reliées par une causalité, on a l'élasticité sous la forme

Il s'interprète comme le pourcentage de variation de W consécutif à une variation de 1% de V.

Dans le cadre de notre modèle LOGIT, la variable dépendante étant une probabilité, CRAMER (op.cit.) recommande l'utilisation de la quasi élasticité.

Cette quasi élasticité se définit comme suit :

et dans le cas présent on a :

Avec P(X) la probabilité d'investir dans la production de café,

Q(X)=1 - P(X) la probabilité de ne pas investir et

â le coefficient estimé de la variable significative.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il existe une chose plus puissante que toutes les armées du monde, c'est une idée dont l'heure est venue"   Victor Hugo