Travail des enfants de 5-14 ans et rendement scolaire au Cameroun

4.1.2. Interprétations des résultats de l'AFD

L'analyse factorielle discriminante a été effectuée à l'aide du logiciel XLSTAT. Les résultats sont consignés dans les tableaux et graphiques de l'annexe B.

Tout d'abord, le test unidimensionnel de l'égalité des moyennes des groupes de Fisher et celui du Lambda de Wilks illustrés au tableau B3 en annexe nous révèlent que les moyennes des variables exogènes^52(*) sont significativement différentes dans les deux groupes. En outre, l'examen du test de Fisher nous montre que les variables « âge », « volume horaire hebdomadaire de travail de travail » et « nombre d'enfants de moins de cinq ans dans le ménage » sont les plus discriminantes. De plus, d'après le test du Lambda de Wilks, seule la variable « âge » semble avoir une influence.

Le tableau B4 en annexe fournit les valeurs propres et le pourcentage de variance correspondant. On peut voir que la variabilité est entièrement représentée par le premier facteur. Il n'y a ici qu'un facteur, ce qui n'est pas surprenant : en effet, le nombre maximum de facteurs non nuls vaut , lorsque , où ( = 8800) est le nombre d'observations, ( = 6) le nombre de variables explicatives et ( = 2) le nombre de groupes.

La figure B1 et le tableau B4 en annexe présentent de quelle façon les six variables initiales sont corrélées avec le facteur obtenu. On peut voir que l'âge semble être la variable la plus discriminante, ensuite vient le volume horaire de travail. Sur cet axe, les variables « âge », « volume horaire de travail », « milieu-urbain », « sexe-fille » et « nombre de jours école » s'opposent aux variables « nombre enfants de moins de cinq ans dans le ménage » « milieu-rural » et « sexe-garçon ». Le premier groupe caractérise les variables favorisant la réussite et le second groupe les variables entrainant l'échec.

Sur la figure B2 en annexe sont affichés les individus sur l'axe factoriel. Ce graphique permet de confirmer que les individus sont bien discriminés sur l'axe factoriel obtenu à partir des variables explicatives initiales. Le graphique étant bien orthonormé, on peut constater que c'est le premier axe qui discrimine le mieux les deux groupes. Les barycentres des deux groupes sont affichés.

Quelques tests statistiques présentés dans le tableau B5 en annexe (le test de Box et Lambda de Wilks) font montre d'un modèle statistiquement valide.

Il ressort de cette analyse factorielle discriminante que le rendement scolaire peut s'expliquer par les variables « âge », « volume horaire de travail », « nombre d'enfants de moins de cinq ans dans le ménage », « nombre de jours d'école », « sexe » et « milieu de résidence ». En particulier l'âge, le volume horaire de travail et le nombre d'enfants de moins de cinq ans dans le ménage sont les plus discriminantes. En outre, l'âge, le volume horaire de travail agissent positivement sur le rendement scolaire tandis que le nombre d'enfants de moins de 5 ans joue un rôle négatif sur le rendement scolaire. Il apparaît donc que le travail infantile mesuré ici par le « volume horaire hebdomadaire de travail » et « le nombre de jours d'école » participe à la discrimination des groupes d'enfants « succès » et « échec ». Il en découle que le rendement scolaire est lié au travail infantile. De plus ce dernier semble avoir un effet positif sur le rendement scolaire.

En somme, l'approche descriptive indique que le travail des enfants semble être lié positivement avec le rendement scolaire. Pour tester la significativité de ce résultat, nous utiliserons un modèle économétrique.

* ⁵² Il s'agit du volume hebdomadaire de travail, du nombre d'enfants de moins de 5 ans dans le ménage, de l'âge, et du nombre de jours d'école.