SECTION 3 : INCIDENCE
DE MICROCREDITS SUR L'ACTIVITE ET SUR LE BIEN ETRE
3.1. Analyse du Capital
Sur les cinquante personnes enquêtées, 96% ont
vus leurs revenus croître à la suite des recettes
générées par les activités financées par les
microcrédits. Le tableau n°14 donne un aperçu de l'incidence
des microcrédits sur les revenus des enquêtés.
Tableau 15 : Variations des niveaux des
capitaux.
|
Capital
|
Nombre
|
Proportion
|
|
Augmentation
|
48
|
96%
|
|
Constant
|
2
|
4%
|
|
Diminution
|
0
|
0%
|
|
Totale
|
50
|
100%
|
Source : enquête de
l'Auteur.
Les variations des niveaux des capitaux se présentent dans
un diagramme comme suit :
Diagramme N°3 : Variations des niveaux des
capitaux
Source : Tiré du Tableau
N°15
3 .2 Analyse
corrélative des variables d'intérêts
L'analyse exploratoire des interactions existant entre les
variables d'intérêt nous permet d'isoler par groupe, les
différents bénéficiaires de crédits de
l'institution, en vue de détecter les éventuels effets de ces
crédits en tenant compte de catégories. La construction d'un
tableau croisé et un test de significativité se basant sur la
statistique de Khi-deux seront utiles à cet effet.
Le tableau croisé sera utilisé pour la
détermination des effectifs.
Le coefficient de corrélation tetrachorique sera
d'usage en vue de déterminer la significativité ou non de la
liaison entre caractères ou attributs (variables
d'intérêts). D'abord, neuf relations seront testées et
commentées en vue. Et ensuite, trois relations ad hoc seront
estimées. La statistique de khi-deux servira de test d'évaluation
et le logiciel Eviews, d'outils d'investigations statistiques.
Tableau 16. Les Observations
|
Observation
|
Sexe
|
Activité
|
Age
|
Niv_étude
|
Etat_civ
|
Aff_rev
|
Niv_rev
|
Niv_epa
|
Scolar
|
Alima
|
Santé
|
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
|
2
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
|
3
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
4
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
5
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
6
|
1
|
1
|
0
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
7
|
0
|
1
|
0
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
8
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
9
|
1
|
0
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
10
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
11
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
0
|
|
12
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
0
|
1
|
1
|
0
|
|
13
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
0
|
|
14
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
|
15
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
16
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
|
17
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
0
|
1
|
1
|
|
18
|
1
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
19
|
0
|
1
|
0
|
0
|
0
|
1
|
1
|
1
|
1
|
0
|
0
|
|
20
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
21
|
1
|
0
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
|
22
|
1
|
1
|
0
|
1
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
|
23
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
0
|
0
|
0
|
|
24
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
0
|
|
25
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
26
|
0
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
|
27
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
0
|
1
|
|
28
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
29
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
1
|
1
|
1
|
1
|
|
30
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
31
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
0
|
0
|
1
|
1
|
|
32
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
0
|
0
|
|
33
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
|
34
|
1
|
1
|
1
|
1
|
1
|
1
|
0
|
0
|
1
|
1
|
1
|
|
35
|
0
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
|
36
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
|
37
|
1
|
1
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
1
|
|
38
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
|
39
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
0
|
1
|
0
|
|
40
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
1
|
0
|
|
41
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
0
|
0
|
0
|
|
42
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
|
43
|
1
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
0
|
0
|
|
44
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
0
|
1
|
1
|
|
45
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
0
|
1
|
1
|
|
46
|
0
|
1
|
1
|
1
|
1
|
0
|
1
|
0
|
0
|
1
|
1
|
|
47
|
0
|
1
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
0
|
|
48
|
0
|
1
|
0
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
|
49
|
0
|
1
|
1
|
1
|
0
|
0
|
1
|
1
|
1
|
0
|
0
|
|
50
|
1
|
0
|
1
|
1
|
1
|
1
|
1
|
1
|
0
|
1
|
1
|
Source : Enquête de
l'Auteur
Légende du Tableau
- Observation : chaque numéro représente
l'individu ayant fait l'objet d'enquête.
- Sexe : le chiffre 1 représente le sexe
féminin et le chiffre 0 représente le sexe masculin.
- Age : le chiffre 1 c'est si l'individu a plus de quarante
ans et 0 sinon.
- Niv_étude : le chiffre 1 représente un
niveau d'étude secondaire ou universitaire,0 représente un niveau
d'étude primaire ou si l'individu n'a jamais étudié.
- Etat_civ : le chiffre 1 c'est si l'individu est
marié et 0 sinon.
- Aff_rev : le chiffre 1 c'est si le revenu est totalement
affecté à l'activité et 0 sinon.
- Niv_rev : le chiffre 1 représente une hausse et 0
sinon.
- Niv_epar :le chiffre 1 représente une hausse et 0
sinon.
- Scolar : le chiffre 1 représente une
amélioration quantitative et /ou qualitative des conditions et 0
sinon.
- Alima : le chiffre 1 représente une
amélioration quantitative et /ou qualitative des conditions et 0
sinon.
- Santé : le chiffre 1 représente une
amélioration quantitative et /ou qualitative des conditions et 0
sinon
3.2 .1 Analyse de la
relation Sexe et Age
a) Détermination des effectifs
La proportion des femmes ayant obtenu les crédits
à plus de 40 ans est de 44% , et les hommes ayant obtenu les
crédits à plus de 40 ans est de 22% . Les femmes ayant
obtenus les crédits à moins de 40 ans représentent 18%,
les hommes de moins de 40 ans représentent de 16%.
b) Calcul du coefficient de corrélation de
caractère
Illustration Eviews N°1 : Test de
significativité entre Sexe-Age
|
Tabulation of SEXE and AGE
|
|
|
Date: 06/21/11 Time: 14:36
|
|
|
Sample: 1 50
|
|
|
|
Included observations: 50
|
|
|
Tabulation Summary
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Categories
|
|
|
SEXE
|
2
|
|
|
AGE
|
2
|
|
|
Product of Categories
|
4
|
|
|
|
|
|
|
Measures of Association
|
Value
|
|
|
Phi Coefficient
|
0.133953
|
|
|
Cramer's V
|
0.133953
|
|
|
Contingency Coefficient
|
0.132767
|
|
|
|
|
|
|
Test Statistics
|
df
|
Value Prob
|
|
Pearson X2
|
1
|
0.897167 0.3435
|
|
Likelihood Ratio G2
|
1
|
0.888331 0.3459
|
|
|
|
|
|
|
|
|
|
|
|
AGE
|
|
Count
|
|
0
|
1 Total
|
|
0
|
8
|
11 19
|
|
SEXE
|
1
|
9
|
22 31
|
|
Total
|
17
|
33 50
|
|
|
|
|
|
|
|
|
Pour ce cas, il est question de savoir si le sexe influence
des personnes âgées(ou moins âgées) à
solliciter des crédits ou pas.
- Spécification des hypothèses
H0 : indépendance des caractères
H1 : dépendance des caractères
- Règle de décision
Rejeter H0 si la probabilité-critique (p-value) est
inférieure à 0,05.
- Décision
La statistique de khi-carré à 1 degré de
liberté vaut : 0,897167 et sa probabilité critique au seuil
de signification de 5% est : 0,3435. Par conséquent on est
amené à accepter H0.
Cela étant, nous pouvons confirmer que le sexe
n'influence pas les individus âgés ou moins âgés
à solliciter un crédit.
| 
