2.3. Méthodes et techniques utilisées
- La méthode analytique qui va nous permettre
d'analyser et d'expliquer les différentes données qui ont
été récoltées lors des enquêtes ;
- La méthode statistique va nous permettre d'exploiter
les données quantifiées et quantifiables et à les
interpréter après présentation synthétique de ces
données sous forme des tableaux ;
Sur terrain, nous avons utilisé entre autre :
- Des entretiens exploratoires : elles seront faites de
façon structurée avec des personnes impliquées dans la
filière manioc. Ce qui nous permettra d'identifier les informations
à rechercher ou à approfondir sur terrain et de définir
les stratégies de collecte de données ;
- Des interviews structurées : elles seront conduites
de façon systématique, à l'aide d'un questionnaire
adressé respectivement aux producteurs
- Observations directes et entretiens : elles seront faites
tout au long de notre séjour.
Afin de bien visualiser les relations qui existeraient entre
la production du manioc et les variables indépendantes retenues pour
notre étude, il est important de présenter quelques calculs
statistiques descriptives, des tableaux de contingences et le test
chi-carré entre la variable production du manioc et ses variables
indépendantes nous permettant d'analyser les données recueillis
sur terrain à l'aide du questionnaire d'enquête.
25
Statistique descriptive
? Le mode : c'est ma mesure de tendance centrale
la plus simple à évaluer. Il est représenté par la
valeur ou la mobilité la plus fréquente. C'est en fait la valeur
ou la mobilité à la mode et est symbolisé par Mo.
? La moyenne : c'est la mesure de tendance
centrale la plus utilisée et la plus connue. Elle est la somme des
valeurs d'un groupe des données par leur fréquence et
divisé par les nombre des données.
Elle se calcule à partir de la formule ci-après
:
? La médiane : c'est la mesure de
tendance centrale qui divise une série statistique en deux groupes
comportant chacun environ 50% de données. C'est le centre de position.
C'est la
valeur de la donnée du rang si n est impair et si n est
pair, avec n= le nombre
d'observation.
? L'écart type : c'est une mesure de
dispersion des observations autour de la moyenne arithmétique. Plus la
dispersion est importante, plus l'écart-type est grand.
L'écart-type s'obtient par la formule suivante :
? =
? Test de Khi-carré
Dans notre introduction nous avions énoncé le
problème faisant objet de notre étude, ce qui nous amène
à expliquer de manière approfondie dans ce chapitre les parties
suivantes :
? Formulation des hypothèses
Lors de l'étape consistant à formuler le test
d'hypothèse on privilégie selon le principe de Neyman et Pearson
l'une de deux hypothèses suivantes : l'hypothèse nulle
notée par H0 et l'hypothèse alternative H1. L'hypothèse
est nulle est celle qu'on considère comme la plus vraisemblable, elle
sera celle dont le rejet à tort est le plus préjudiciable. Elle
est inintéressante car nous informe peu et a peu
26
d'importance. L'hypothèse alternative est
l'hypothèse d'intérêt lors de la recherche, c'est le
problème que l'on cherche à résoudre. Il n'y a donc pas de
symétrie entre ces deux hypothèses.
Pour plusieurs test de Chi-deux, la formulation des
hypothèses se fait en se référant aux deux types de
fréquences; à savoir les fréquences observées et
les fréquences théoriques. De ce qui précède nos
hypothèses peuvent être posées comme suit :
H0 : Il y a indépendance entre l'évolution de la
production du manioc et les facteurs de production ;
H1 : Il y a dépendance entre l'évolution de la
production du manioc et les facteurs de production.
En considérant ces variables (qualitatives) de notre
étude, nous cherchions à savoir si la connaissance de la
modalité prise par la variable dépendante, ici l'évolution
de la production, pour les ménages producteurs du manioc n'apporte
aucune information concernant le comportement d'une variable
indépendante.
? Le niveau de signification
Lors de la confrontation, disons qu'il y a des erreurs qu'on
peut commettre lors de la prise des décisions. Ces erreurs sont les
suivantes : rejeter à tort l'H0 (erreur de première espèce
ou de type I) ou accepter à tort H0 (erreur de deuxième
espèce ou de type II).
Dans cette logique, nous avons intérêt à
nous prémunir contre la première forme d'erreur; c'est ainsi que
nous allons essayer de construire un seuil de confiance attaché à
H0.
? La distribution du test
Le test de chi-deux est construit sur la loi de chi-deux.
Comme toute loi, elle a une valeur aléatoire qui est la somme de carres
de k variables aléatoires normales centrées-réduites
indépendantes.
k x i i
? u
i ? 1 i
Avec k le degré de liberté de la variable
X2
Cette variable fait ressortir certaines
propriétés telle que : elle prend ses valeurs dans l'intervalle
[0, á [ ; elle a pour moyenne espérée k et pour variance
deux fois sa moyenne espérée 2k et enfin étant
donné que la variance décrit le comportement d'une variable, sa
distribution dépend de son degré de liberté. Ainsi pour de
degré de liberté différent, sa courbe de distribution tend
à s'aplatir vers la
27
gauche tout en maintenant l'aplatissement de droite. A k=30,
sa courbe prend la forme de la loi normale et ainsi elle converge en loi vers
elle; permettant ainsi des approximations.
? Règle de décision
En général la règle de décision
consiste à préciser de combien la moyenne d'échantillon
peut s'écarter de u0 pour un seuil de signification á et une
taille d'échantillon n, pour que H0 et H1 soient respectivement
dépourvues de soutien expérimental. Si H0 est rejeté, on
dit que l'écart entre la moyenne de l'échantillon et u0 est
statistiquement significatif au seuil á, ce qui ne permet pas de
supporter H0. Si H0 est acceptée, l'écart observe n'est pas
significatif et l'on conclut qu'il est impute aux fluctuations
d'échantillonnage; la différence entre la moyenne de
l'échantillon et u0 est non significative (Zihindula, 2012).
Pour notre étude, deux situations peuvent se
présenter :
? Si la X2 calculée >
X2tabulée : on sera conduit à
rejeter l'hypothèse nulle avec une probabilité
d'erreur á. Pour notre travail cela conduira à
dire tout simplement que les données de notre échantillon
plaident pour une dépendance entre l'évolution de la production
et les variables prises en compte.
? Par contre si la X2
calculée < X2tabulée : on sera
alors dans une situation d'admettre que nos
données plaident pour une indépendance entre
l'évolution de la production et les variables prises en compte dabs les
groupements d'Itara.
| 
