2-1 Variable dépendante
La variable endogène de ce modèle traduit
l'utilité AM du bien b bois (sous la
forme d'un meuble) pour le consommateur sur le marché gabonais
cg. Elle représente la satisfaction que procurent les
attributs intrinsèques du bien meuble aux consommateurs. Cette variable
est conforme à Lancaster (1966), pour ce dernier, ce sont les attributs
du bien qui procurent une utilité.
Nous notons cette variable U (cg,b)
2-2 Variables indépendantes
Les variables exogènes sont composées des
attributs du bien bois sous forme de meuble et / ou des caractéristiques
des consommateurs. Les attributs jouent un rôle crucial dans le choix des
consommateurs.
Nous notons cette variable DPA (cg,b), elle
est une fonction linéaire des attributs et / ou des
caractéristiques des consommateurs. Les biens présents sur le
marché ont des attributs intrinsèques qui sont valorisés
ou pas par les consommateurs. Sur la base de ces attributs, les consommateurs,
en fonction de leurs préférences qui sont
hétérogènes, vont soient sélectionner des produits
(Restle, 1961) ou éliminer (Tversky, 1972 a, b).
DPA (cg,b) = áXcg + uZb
Avec X désigne les attributs du
produit bois (meuble) et Z l'ensemble des
caractéristiques des consommateurs.
Ainsi, les consommateurs ont des préférences que
les producteurs doivent prendre en compte pour que la stratégie
différenciation du produit bois soit efficace et rentable. A ce propos,
Rainelli (1997) dit qu'il « ne suffit pas pour un producteur de
différencier son produit par rapport à ceux des concurrents, mais
encore faut-il que les consommateurs perçoivent ces différences
et les valorisent ».
37
DIFFERENCIATION PAR ATTRIBUTS DANS LA
CEMAC
AchatMeuble est une variable
dépendante qualitative dichotomique qui prend la valeur 0 si
l'enquête achète en un meuble dans l'année et la valeur 1
si l'enquêté achète plusieurs meubles. Ainsi donc, nous
aurons à choisir entre un modèle Logit et Probit. En effet, pour
la variable expliquée, les modèles dichotomiques Logit et Probit
admettent, non pas un codage quantitatif associé à la
réalisation d'un évènement (comme dans le cas de la
spécification linéaire), mais la probabilité d'apparition
de cet évènement, conditionnellement aux variables
exogènes (Hurlin, 2003).
Pour faire le choix entre le Logit et Probit, nous allons
effectuer un test de normalité. Le teste de normalité d'une
distribution revient à chercher et/ou savoir si cette distribution
correspond aux critères de normalité. Le test de normalité
est fondé sur la notion de coefficient d'asymétrie «
Skewness » et d'aplatissement « Kurtois », il permet de
vérifier la normalité d'une distribution statistique
(Bourbonnais, 1998). Les hypothèses associées au test sont
construites comme suit :
H0 : les résidus sont normalement distribués si
la probabilité associée est supérieure au
á=0,001
H1 : les résidus ne sont pas normalement
distribués si la probabilité associée est
inférieure au seuil á=0,001. Ainsi, les résultats test
sont présentés dans ce tableau suivant :
Tableau des résultats du test de
normalité des résidus (Skewness/Kurtosis tests for
Normality)
Variable | Obs Pr(Skewness) Pr(Kurtosis) chi2(2) Prob>chi2
myResiduals| 2.3e+03 0.0000 0.0000 3482.57 0.0000
Source : nos calculs dans Stata 12.0
38
DIFFERENCIATION PAR ATTRIBUTS DANS LA
CEMAC
Nous constatons que les données ne sont pas normalement
distribuées étant donné que la probabilité
associée au test de normalité des résidus
(Prob>chi2=0,000) est inférieure au seuil de 0,01. Ce qui, de ce
fait, nous pousse à prendre alternative H1 et rejeter ainsi
l'hypothèse H0. Ainsi, une régression logistique sera donc
appliquée pour notre modèle.
| 
