Proposition d'une méthode d'évaluation du capital humain : cas de la filière riz pour le district de Mandoto et de Betafo

5.3.2 Estimation des modèles

(1) Rappel sur le modèle de Mincer

Le modèle de Mincer traduit le fait que l'investissement en capital humain accroît la productivité des individus, se répercutant ainsi sur le salaire^69(*). En évitant les problèmes théoriques liés à la question de salaire, nous nous sommes heurtés à des problèmes sur la mesure de la productivité (rendement à l'hectare) car à cause de nos contraintes relatives aux données, nous n'avons pas pu construire une fonction de production. Nous supposons alors que nos mesures du capital humain soient en relation directe avec la productivité.

Reprenant le modèle de Mincer, nous prenons les LOG de ces indices comme variables à expliquer. Nous tentons d'expliquer ces variables par les investissements potentiels en capital humain. Comme nous avons pu extraire trois dimensions, nous estimons trois principaux modèles avec des variantes selon les investissements en capital humain retenus. Se basant sur la formulation du modèle de Mincer, les coefficients expriment de combien en moyenne, une année d'étude, une année d'expérience, la participation à une formation, ... accroît le capital humain si celui-ci est évalué en stock par des scores. Les facteurs exprimés sous forme de variables Dummy (dichotomique 1 - 0) tiennent compte des effets de groupe.

(2) Culture scientifique

(a) Qualités des modèles

Le premier modèle explique le score en culture scientifique par trois facteurs :

- une constante

- les années d'instruction et

- les années d'expérience en gestion de riziculture

La capacité de ce modèle à expliquer le niveau de culture scientifique est très faible. En effet, si nous considérons le nombre de facteurs explicatifs, ce modèle n'explique que moins de dix pour cent de la variabilité de ce score (tableau 24, colonne 3).

Le deuxième modèle tient compte du nombre de formations suivies. Le résultat est encourageant car la capacité du modèle à expliquer le score en culture scientifique est multipliée par quatre^70(*) ; ce qui témoigne de l'importance du rôle que joue la formation, donc l'orientation de l'éducation, sur l'acquisition du capital humain.

Le troisième modèle, quant à lui, intègre en plus les effets de l'appartenance aux groupes de gens qui discutent souvent des meilleures pratiques rizicoles. Cette dernière information améliore la capacité du modèle à expliquer le score de 4,6%^71(*).

Le dernier modèle intègre les effets de l'adhésion à une association paysanne et de l'âge. Ces deux informations améliorent à leur tour le pouvoir explicatif du modèle de 3,5%^72(*) par rapport au troisième modèle.

Tableau 24. Capacités des modèles à expliquer les scores en culture scientifique

* ⁶⁹ Voir Annexe 1

* ⁷⁰ R² passe de 0,1257 à 0,4444

* ⁷¹ En termes de R² ajusté, la nouvelle information améliore le modèle à concurrence de 4,6% (0,4005 à 0,4469).

* ⁷² R² ajusté passe de 0,4469 à 0,4814