7-1-2-Définition et description statistique des
variables
utilisées dans les modèles avec les signes
attendus
QANTOTi1 est la quantité
totale en kg de riz consommée dans le ménage i au cours
de l'année 2005 (toute catégories de riz confondues). Il s'agit
d'une variable continue introduite dans les modèles sous forme
logarithmique.
QANTOTi2 et
QANTOTi3 sont respectivement la quantité totale de riz
local et de riz importé en kg consommée par le ménage
i au cours de l'année 2005. Il s'agit des variables continues
incluses respectivement dans les modèles hédoniques sous forme
logarithmique. D'après la théorie économique relative aux
biens normaux, toute augmentation de la demande est le résultat d'une
diminution du prix du bien offert. On espère ainsi un signe
négatif pour le coefficient de ces variables.
DISPOi est la période de
l'année au cours de laquelle le riz est disponible sur le marché
(période de récolte DISPO1, période de non
récolte DISPO2 et toute l'année DISPO3).
DISPO1 est une variable muette prenant la valeur 1
pour une disponibilité du riz en saison pluvieuse assimilée
à la période de pré-récolte et la valeur 0 si non.
Durant la saison pluvieuse correspondant à la période de
production du riz, il est supposé une faible disponibilité du riz
sur le marché ; ce qui peut expliquer une hausse de prix du riz. Nous
escomptons donc un signe négatif pour le coefficient de la variable
DISPO1.
DISPO2, est aussi une variable muette qui prend la
valeur 1 pour la saison sèche ou période post-récolte et 0
si non. Pour cette variable, nous espérons un signe positif
puisque c'est au cours de la saison sèche que se fait la récolte
(période de récolte ou de post-récolte) et par
conséquent, le riz serait disponible sur le marché à bas
prix.
DISPO3 correspond à une disponibilité du
riz durant toute l'année. Dans le modèle (B) cette variable est
considérée comme variable de référence ou de
base.
ATRIBni représente
une série de variables explicatives relatives aux différents
attributs du riz tels que : la texture (ATRIB1), l'absence de corps
étrangers (ATRIB2), la blancheur (ATRIB3), le taux de
brisure (ATRIB4), la cohésion des grains après cuisson
(ATRIB5), le goût (ATRIB6), l'arôme
(ATRIB7) et la capacité de gonflement (ATRIB8).
ATRIB1 : cette variable muette correspond à la
texture du riz. Elle prend la valeur 1 pour une texture tendre et 0 pour une
texture dure. D'après les résultats de la phase exploratoire,
plus le riz est dur moins il est apprécié par les consommateurs.
Pour cela, il est
supposé que ATRIB1 ait un effet réducteur
sur le prix du riz. Un signe négatif est donc espéré pour
le coefficient de cette variable.
ATRIB2 : cette variable dichotomique prend la valeur 1 en cas
d'absence de corps étrangers et 0 si non. La propreté du riz
faisant partir des critères de compétitivité du riz sur le
marché (Adégbola et Sodjinou, 2003), nous supposons que les riz
dépourvus de corps étrangers seront plus compétitifs sur
le marché et seront vendus plus chers. Ainsi, cette variable est
supposée avoir une relation positive avec l'aptitude des consommateurs
à payer ce type de riz.
ATRIB3 : cette variable binaire prend la valeur 1
pour le riz de couleur blanche et 0 sinon. Nous pensons que le riz de couleur
blanche est plus attractif qu'un riz de toute autre couleur. Il sera donc vendu
beaucoup plus cher que les autres. Cette variable est supposée avoir une
relation positive avec l'aptitude des consommateurs à payer cher un type
de riz ayant cette caractéristique.
ATRIB4 : il s'agit également d'une variable
binaire prenant la valeur 1 pour le riz vendu brisé et 0 sinon. Cette
variable peut influencer positivement ou négativement la
détermination des consommateurs étant donné qu'on peut
retrouver parmi eux certains préférant le riz brisé pour
la préparation des types de repas donnés et d'autres ne
préférant que les riz entiers.
ATRIB5 : cette variable prend la valeur 1 pour un
type de riz collant après cuisson et 0 dans le cas contraire. Elle peut
influencer positivement ou négativement l'aptitude du consommateur
à payer cher le riz ayant cette caractéristique, laquelle
aptitude pouvant varier selon les mets qu'il aimerait préparer.
ATRIB6 : il s'agit ici du goût du riz tel
qu'apprécié par le consommateur. Cette variable prend la valeur 1
lorsque le consommateur l'apprécie de bon et 0 dans le cas contraire. Le
bon goût faisant partie de la bonne qualité, un coefficient
positif est donc espéré pour cette variable dans le modèle
hédonique.
ATRIB7 : cet attribut correspond à
l'arôme du riz consommé c'est-à-dire la présence ou
non de parfum. Il prendra la valeur 1 pour les riz parfumés et 0 sinon.
Les statistiques ayant montré que les riz parfumés sont plus
chers que le non parfumé, il s'ensuit que la présence de parfum
est un déterminant d'un riz de bonne qualité. L'hypothèse
est donc que ATRIB7 détermine positivement l'aptitude des
consommateurs à payer cher un type de riz ayant cette
caractéristique.
ATRIB8 : cet attribut correspond à la
capacité de gonflement du riz. Il prend la valeur 1 pour les riz
à bonne capacité de gonflement et 0 sinon. Lorsqu'on
considère la capacité de gonflement comme critère de
qualité du riz, on pourrait s'attendre à une corrélation
positive entre cette variable et la volonté des consommateurs à
payer cher pour bénéficier les avantages de cet attribut.
CASODri :
représente une série de caractéristiques
socio-économiques du ménage telles que : revenu net (net
income) du ménage i au cours de l'année 2005
(CASOD1), la taille du ménage (CASOD2) et le sexe du
chef de ménage (CASOD3).
CASOD1: représente le revenu net du
ménage durant l'année 2005. Il s'agit d'une variable continue
mesurée en FCFA qui prend en compte toutes les sources de revenu du
ménage. Ce revenu est le résultat de la différence entre
le revenu brut du ménage et les dépenses effectuées au
cours de la même période. Elle est incluse dans les modèles
(A) et (B) sous forme logarithmique. Plusieurs études ont montré
que plus le revenu de ménage augmente, plus le ménage sera
disposé à dépenser dans l'achat des biens consommables et
plus il sera disposé à consommer les produits de bonne
qualité. Aussi sera-t-il disposé à payer les biens
supérieurs. En conséquence on espère un signe positif pour
le coefficient de cette variable dans les deux modèles.
CASOD2 : Cette variable continue indique le nombre de
personnes vivant dans le ménage. Elle est introduite dans les
modèles sous forme logarithmique. Il est prouvé que plus la
taille du ménage est élevée, moins sera le revenu par
membre du ménage et moins il sera apte à payer quantitativement
et qualitativement. Nous espérons donc une relation négative
entre cette variable et la quantité de riz consommée
(modèle A) d'une part et le prix d'achat du riz (modèle
hédonique B et C) d'autre part.
CASOD3 : il s'agit du sexe du chef de ménage.
Cette variable prend la valeur 1 lorsque le chef de ménage est un homme
et 0 lorsqu'il s'agit d'une femme. Dans le modèle (A) cette variable
peut être corrélée positivement ou négativement avec
la quantité de riz consommée. Par contre dans le modèle (B
ou C), on suppose que les femmes sont enclines à payer le riz moins cher
comparativement aux hommes. Ces derniers sont présumés moins
compétents dans le marchandage des prix des produits alimentaires de
même que dans la différenciation des produits alimentaires de
qualité, comparativement aux femmes. Par conséquent, nous
escomptons un signe négatif pour le coefficient de cette variable.
CASOD4 : correspond au niveau d'instruction du chef
de ménage. Cette variable prend la valeur 1 lorsque le chef de
ménage a reçu une éducation formelle et 0 sinon.
L'hypothèse est que les chefs de ménage ayant reçu une
éducation formelle achètent les riz de bonne qualité. Ils
sont donc supposés être capables d'acheter le riz plus cher que
ceux n'ayant reçu aucune éducation formelle. Dans les
modèles hédoniques nous espérons alors un signe positif
pour le coefficient de cette variable.
Avant la spécification du modèle, il convient de
faire une analyse de corrélation entre les variables
indépendantes qui sont incluses dans le modèle. En effet, la
multicolinéarité a plusieurs conséquences dont par
exemple, l'obtention des coefficients imprécis et instables. Cette
instabilité peut même conduire à des signes pervers. Pour
réduire ces effets, les variables ont été
sélectionnées de manières à avoir des variables peu
corrélées (Annexe 7).
| 
