Déterminants de l'octroi de crédit dans les coopératives d'épargne et de crédit. Cas de la Mecrebu/Nyawera de 2014 à 2015.

III.4. La prédiction du modèle

Le but de ce test est de juger la qualité de l'ajustement, c'est-à-dire l'adéquation du modèle aux données disponibles (Hurlin, 2003). Il s'agit de savoir si le modèle spécifié est un bon outil de prédiction de l'octroi de crédit ou non.

Ci-dessous le tableau de prédiction de l'octroi de crédit :

Tableau N° 22 : Tableau de prédiction de l'octroi de crédit

Dependent Variable: CROC
Method: ML - Binary Logit
Date: 07/11/16 Time: 16:37
Sample: 1 76
Included observations: 76
Prediction Evaluation (success cutoff C = 0.5)
	Estimated Equation			Constant Probability
	Dep=0	Dep=1	Total	Dep=0	Dep=1	Total
P(Dep=1)<=C	13	3	16	0	0	0
P(Dep=1)>C	6	54	60	19	57	76
Total	19	57	76	19	57	76
Correct	13	54	67	0	57	57
% Correct	68.42	94.74	88.16	0.00	100.00	75.00
% Incorrect	31.58	5.26	11.84	100.00	0.00	25.00
Total Gain*	68.42	-5.26	13.16
Percent Gain**	68.42	NA	52.63
	Estimated Equation			Constant Probability
	Dep=0	Dep=1	Total	Dep=0	Dep=1	Total
E(# of Dep=0)	12.87	6.13	19.00	4.75	14.25	19.00
E(# of Dep=1)	6.13	50.87	57.00	14.25	42.75	57.00
Total	19.00	57.00	76.00	19.00	57.00	76.00
Correct	12.87	50.87	63.73	4.75	42.75	47.50
% Correct	67.72	89.24	83.86	25.00	75.00	62.50
% Incorrect	32.28	10.76	16.14	75.00	25.00	37.50
Total Gain*	42.72	14.24	21.36
Percent Gain**	56.96	56.96	56.96

Source : traitement à partir du Logiciel Eviews 3.1

Les résultats du test de prédiction montrent que ce modèle prédit un bon pouvoir de prédiction qui correctement prédit les données à 88,16% des cas si le point de coupure est fixé à 0,5 et à un pourcentage incorrect de 11,84%. Ce qui veut dire que l'octroi de crédit dans les ménages prédit correctement un pourcentage de 94.74% et 68,42%aux ménages non bénéficiaire de crédit. Ce qui nous permet de dire que ce modèle est un bon outil de prédiction du fait que 88,16% supérieur à 50%. Tout de même, la probabilité constante de prédiction prouve que le modèle est correcte 75% et incorrecte à 25%.

III.5. Analyse et discussion des résultats

Les résultats obtenus par cette recherche permettent de passer à l'analyse des variables retenues après avoir utilisé une multitude des tests. Pour parler de ces résultats, sur quatorze variables indépendantes (Etat civil, âge, genre, taille de ménage, profession, revenu, financement propre, projet financé, rating, cycle, niveau d'éducation, échéance de remboursement, montant de la garantie et type de la garantie) après croisement de tableau en appliquant un test de significativité de chi2, nous sommes aboutis aux conclusions suivantes : seules 4 variables ont été retenues à partir de test de chi2. Parmi ces variables deux variables indépendantes étaient qualifiées très significatives (rating à 99.56%et type de garantie à 99.14%) et une était qualifiée peu significative (genre à 90.06%) et en fin une autre variable indépendante était qualifiée significative (Montant de la garantie à 98.74%). Nous ne pouvons pas conclure sur base de ce test de chi2 car nous cherchions seulement la relation existante entre la variable expliquée et les variables explicatives, mais plutôt comme nous avons choisi un modèle économétrique (Logit) c'est grâce à ce modèle que nous présenterons le résultat de cette recherche et arriver à conclure. Ce modèle n'a pas été choisi au hasard, nous avonsau départ procédépar choisir entre deux modèles (Probi et Logit) économétriques qui ont nécessité une analyse afin de faire un choix du modèle qui est recommandé pour cette recherche. En parcourant l'ouvrage d'Alain Jacquot (2010) qui parle du : « modèle économétrique logit et probit »nous avons compris qu'à travers le graphique du test de normalité, nous pouvons parvenir à faire un choixdu modèle selon que deux différentes hypothèses sont émises ; Ho : X suit une loi normale ; H1 : X ne suit pas une loi normale.

Une fois la loi n'est pas normale on adopte le modèle logit pour dire que l'hypothèse de recherche est rejetée. En parcourant le long de cette recherche, nous avons appliquédiffèrenttest tel que : test de normalité (qui nous a permis de choisir le modèle logistique), la matrice de corrélation des variables qui consiste à examiner les relations unies variées entre la variable dépendante et les variables indépendantes et de déceler l'existence de problème de multi colinéarité entre les variables indépendantes, l'estimation du modèle qui permet d'éliminer les variables indépendantes qui ne sont pas significative au seuil de 5% et nous avons appliqué le test de globalité pour nous permettre de tester la significativité globale du modèle.Le test de prédiction du modèlequant à luimontrecomment le modèle prédit correctement ou incorrectement les données.

Après que toutes les variables indépendantes(quatorze variables) de cette recherche aient passé dans différent test(Chi Carré, test de normalité, test de globalité, estimation du modèle et test de prédiction de modèle) certaines variables indépendantes de notre champs d'étude ont été éliminées (soit douze variables indépendantes). Nous voici, rester avec deux variables indépendantes (Montant de la garantie et rating) sur base auquel nous allons présenter et discuter le résultat de cette étude.

III.5.1. Octroi de crédit et montant de la garantie.

La régression logistique que nous avons appliqué dans cette recherche, indique,en ce qui concerne la variable indépendante« montant de la garantie », qu'elle possède une probabilité négative parmi les facteurs qui influencent les décisions de l'octroi de crédit dans la mutuelle d'épargne et de crédit de Bukavu/Nyawera, ce qui nous a écarté de l'hypothèse que nous avons formulé pour cette variable dans le deuxième chapitre formulée comme suit : la probabilité d'octroi de crédit serait positive si le montant de la garantie est élevé par rapport au crédit sollicité. En jetant un oeil sur le travail empirique pour cette variable, nous avons pu aboutir à un résultat qui s'éloigne de celui de BAHIZIRE.Dans son travail, la variable indépendante « montant de la garantie(MONGARANT) » c'est une variable quantitative dont l'hypothèse formulée est plus la valeur du bien donné comme garantie est élevée, plus le risque de défaut de remboursement serait faible, au finish cette variable indépendante a été éliminée et n'a pas été parmi les variable qui influence le défaut de remboursement.

Cette variable pour notre cas n'a pas été éliminée cas son seuil ne dépasse pas 5% (Seuil choisi par cette étude)dans une estimation du modèle logit mais ce ne qu'au niveau de l'affirmation de l'hypothèse formuléepour cette variable que son hypothèse a été rejetée. Le montant de la garantie joue un grand rôle dans l'octroi de crédit car pour arriver à octroyer le crédit à un membre au sein de la MECREBU/NYAWERA, l'agent de crédit doit d'abord se rassurer sur le type de garantie que l'emprunteur accorde, à part cela pour arriver à déterminer la valeur de cette garantie, l'agent de crédit dans une COOPEC doit faire une descente sur terrain en fin de donner la valeur à la garantieexprimée en dollars, pour voir si la garantie peut êtreacceptée ou rejetée par l'agent de crédit.