Conclusion générale
Au terme de ce travail nous pouvons dire que la
présente classification en catégories socio-économiques
est peu différente de celles de 1971 et 1984/85. Elle a la
particularité de distinguer entre les deux milieux urbain et rural.
Cette distinction est à sa place puisque les disparités sociales
en terme de caractéristiques socio-économiques entre les deux
milieux sont assez importantes.
Le milieu rural est caractérisé par un taux
très élevé des inactifs ou ayant comme activité
économique principale l'agriculture. Le milieu urbain est
caractérisé par un niveau de vie élevé que celui en
milieu rural. Les individus qui résident en milieu urbain ont plus de
chance de trouver un travail. Les ruraux quant à eux trouvent des
difficultés de trouver un travail permanent qui génère un
revenu stable et périodique. Ils contentent d'exploiter leurs terres et
devront cependant dépendre des aléas climatiques.
En comparant les deux classifications en C.S.E des deux
milieux, on constate que certaines catégories socio-économiques
sont communes telles que la catégorie des commerçants et la
catégorie des agriculteurs. De plus, on remarque que d'autres
catégories socio-économiques existent en milieu urbain et non en
milieu rural telles que les catégories des cadres moyens administratifs
et des cadres supérieurs administratifs.
Le présent travail a mis l'accent sur deux
méthodes de classifications à savoir la classification ascendante
hiérarchique et une variante des méthodes des nuées
dynamiques qui porte le non de "k-means". La première méthode est
très simple à réaliser. Il suffit de sélectionner
les variables ou les critères de classification puis choisir une
méthode d'agrégation des classes ainsi qu'une mesure de
proximité entre les individus à classifier. La méthode
hiérarchique a l'inconvénient d'utiliser toutes les ressources de
l'ordinateur à cause du nombre d'opérations à effectuer.
La deuxième méthode dépend fortement du nombre de classes
choisies au préalable et aussi du tirage des premiers centres à
partir de l'échantillon initial.
Pour réduire le nombre d'opérations que
nécessite une classification automatique, on s'est basé sur une
stratégie fréquemment utilisée. Celle-ci consiste à
utiliser la complémentarité entre les analyses factorielles et
les méthodes de classifications. L'analyse factorielle permet de
remplacer les variables initiales par les axes factoriels. Ainsi la
classification s'opère-t-elle sur les coordonnés des individus
sur les premiers axes factoriels.
Cette stratégie résout le problème de
saturation de la mémoire. Les calculs deviennent simple et efficace. Les
facteurs sont donc considérés comme des variables quantitatives
et par suite la méthode de "Ward" ou la méthode du moment
centré d'ordre 2 sera approprié.
| 
