4.2. Construction du modèle d'analyse
Soient les 98 bénéficiaires de capitalisation
animale indicés i=1,...,98 et les huit (08) variables
explicatives identifiées, TCRi
la variable expliquée pour l'individu i, Xi =
(Xi, XL, ... , X?) le
vecteur des variables exogènes pour l'individu i. Soit pi
la probabilité de survenue de
l'évènement « croissance positive ou stable du
troupeau », conditionnellement aux variables
exogènes et pour le ième individu.
0(46) représente la valeur de la fonction de
répartition de
la loi normale centrée réduite N (0, 1) au point
Xif3. Le modèle Probit s'écrit alors
:
Pi= P (TCRi= 1/Xi) = 0(Xi6)
-z2
=> pi = f X~ dzrr e 2 dz
bpi E [1, 98]
Le modèle d'analyse a alors la forme fonctionnelle
suivante :
pi = a+11XI?? + yXi2
+6Xi??
+9Xi??+oxi??+12xi??+nXi??
+pXi??+ei
=> pi = a + 11AGEi + yEDUCi + 6SECT_ACTi +
9SEXEi + BAGEPROi
+ 12CIBLSPEi + irETHNIESi + pSUPZPi +
ei
Avec a la constante ; 11,y, 9, B, 12, n et p les
coefficients ; ei le terme d'erreur
AGE; = Age du bénéficiaire i
EDUC; = Niveau d'éducation du
bénéficiaire i
SECT ACT; = Secteur d'activités du
bénéficiaire i
_
SEXE; = Sexe du bénéficiaire i
AGEPRO; = Age du projet dont l'individu i est
bénéficiaire
CIBLSPE; = Type de ciblage utilisé par le
projet dont l'individu i est bénéficiaire
ETHNIES; = Groupe ethnique dont le
bénéficiaire i est issu
SUPZP; = Superficie de la zone pastorale de la
région dont le bénéficiaire i est issu
Tout au long de nos analyses, le seuil de signification retenu
est celui de 10%, soit 0,10.
L'introduction des données relatives aux variables
ci-dessus explicitées dans Eviews a donné
les résultats suivants :
43
Tableau 8 : Résultats du modèle
1
|
Variables
|
Coefficients
|
Probabilités
|
|
AGE
|
0.007548
|
0.5145
|
|
AGEPRO
|
-0.015372
|
0.3835
|
|
CIBLSPE
|
0.368876
|
0.3365
|
|
EDUC
|
1.117802*
|
0.0743
|
|
ETHNIES
|
0.693193*
|
0.0861
|
|
SECT_ACT01
|
0.001136
|
0.9975
|
|
SEXE
|
-0.655161*
|
0.0572
|
|
SUPZP
|
-5.28E-08
|
0.9887
|
|
Constante
|
0.319636
|
0.7681
|
|
*
|
Statistique du rapport des
vraisemblances (LR)
|
0.101345
|
*=significatif au seuil de 10%
Source : Estimation sur Eviews.
Le modèle théorique donne des résultats
non exploitables en termes d'analyses. En effet, la probabilité
rattachée au Likelihood Ratio (LR) est de 0,101345 (supérieure au
seuil de 10%). Cependant, ce modèle peut être
amélioré en enlevant progressivement les variables ayant les
p-values les plus élevées. Sur la base de cette procédure,
ce sont les variables SECT_ACT01 et SUPZP qui sont dans ce cas de figure avec
des probabilités rattachées respectives de 0,99 et 0,98.
Nous obtenons alors le modèle ci-dessous :
Tableau 9 : Résultats du modèle
2
|
Variables
|
Coefficients
|
Probabilités
|
|
AGE
|
0.007602
|
0.4873
|
|
AGEPRO
|
-0.015368
|
0.3763
|
|
CIBLSPE
|
0.368409
|
0.3349
|
|
EDUC
|
1.117593*
|
0.0708
|
|
ETHNIES
|
0.693883*
|
0.0801
|
|
SEXE
|
-0.653469**
|
0.0426
|
|
Constante
|
0.312743
|
0.7430
|
|
*
**
|
Statistique du rapport des
vraisemblances (LR) **
|
0.038248
|
*=significatif au seuil de 10% **=significatif au seuil de 5%
Source : Estimations sur Eviews.
Comme escompté, les résultats du deuxième
modèle sont plus intéressants que ceux du
précédent. La probabilité rattachée au Likelihood
Ratio (LR) est de 0,0038, ce qui est inférieur
44
au seuil de 10%. Ce modèle est alors exploitable. La
suite de notre analyse repose sur l'équation suivante :
pi = a+ 1,118 EDUCi - 0, 653 SEXEi+ 0, 693 ETHNIESi +
ei
| 
