III.3.4. Tests de validité statistique du
modèle élaboré et inférences
Ces tests nous permettent d'une part de vérifier si les
variables de la dernière estimation du modèle Logit ne sont plus
soumises au problème de la spécification de
significativité globale et d'appréciation de la qualité de
l'ajustement fait ci-dessus.
III.3.5. Test de
globalité et de qualité de spécification du
modèle
Le modèle (modèle prévisionnel) qui n'a
pas encore subit le test se présente de la manière
suivante :
CROC = - 2.319114636 -0.4093142808*MONGAR +
1.999703955*RATING
Le montant de la garantie influence négativement
l'octroi de crédit tandis que le rating influence l'octroi de
crédit positivement à travers ce modèle. Ainsi, passons
maintenant au test de globalité du modèle pour voir si ce
modèle est significatif ou pas.
III.3.5. 1. Test de
globalité
Pour faire ce test on doit utiliser la loi de Fisher qui nous
oblige d'utiliser le coefficient de détermination en vue de calculer F.
Disons cependant que comme nous sommes dans un modèle Logit ce
coefficient n'est pas interprétable, d'où nous sommes
obligés de recourir à une statistique appelée le
pseudo-R2donné par : R2 = 0.268121
représente le pseudo-coefficient de déterminant du modèle,
de Macc Fadden R-squared. Nous allons procéder au calcul F en le
comparant de F tabulaire vérifier les hypothèses
suivantes :
- Ho : R =0 le modèle n'est pas significatif
- H1 : R ?0 le modèle est significatif
Fcal 
Fcal
-(0.26812150)2__×76
- 2-57.319234426
1 - (0.26812150)2 1
Fcal = 57.319234426 après tout calcul et Fth(2, 74,
0.05)=3,15.
Comme Fcal est supérieur à Fth nous rejetons
notre Ho ce qui est synonyme d'une significativité globale du
modèle. En admettant une probabilité de nous tromper de 5%, nos
deux variables explicatives (Montant de la garantie et rating) en fin
retenues, expliquent à 27% la probabilité de l'octroi de
crédit aux ménages emprunteurs au sein de la coopérative
d'épargne et de crédit de Bukavu/Nyawera. Ainsi notre
modèle prend la forme définitive suivante :
CROC = - 2.319114636 - 0.4093142808*MONGAR +
1.999703955*RATING
Le paramètre avec le coefficient positif influence
positivement la probabilité de l'octroi de crédit et le
paramètre munis de coefficients négatifs l'influence
négativement l'octroi de crédit. Ce qui nous pousse à
affirmer que la probabilité de l'octroi de crédit diminueavec le
montant de la garantie lorsque le montant de la garantie de l'emprunteur ne
parvient pas à couvrir le montant de crédit sollicité afin
de réduire tous les risques que peuvent connaitre l'emprunteur en lui
octroyant un crédit, ce qui nous poussent à dire que notre
hypothèse de départ est rejetée. Nous nous attendions
à un signe positif dans la probabilité de l'octroi de
crédit pour ce qui concerne la variableindépendante montant de la
garantie mais par contre la probabilité de l'octroi de crédit
augmente avec le rating lorsque l'emprunteur n'a pas réalisé
aucun retard dans ses remboursements des créditsoctroyés
antérieurement par la mutuelle d'épargne et de crédit de
Bukavu/Nyawera. En ce qui concerne notre hypothèse de départ que
nous avons présumé qu'elle aurait un signe positif, nous venons
de confirmer cette hypothèse à travers le modèle que nous
avons adopté.
La probabilité de l'octroi de crédit
p, son estimation du modèle produit l'équation suivante :
Log =-- 2.319114636 - 0.4093142808*MONGAR + 1.999703955*RATING
(équation1)
La probabilité de l'octroi de crédit
est représentée par l'équation
suivante :
P =  (équation 2)
Pour arriver à prédire la probabilité de
l'octroi de crédit dans ces équations, il faut tout simplement
connaitre la caractéristique du ménage emprunteur et les
appliquer dans ces équations.
| 
