Contribution des nouvelles technologies de soja au bien-etre des ménages agricoles cas de la plaine de Ruzizi

III.2. Analyse économétrique

Cette section présente les résultats des données traitées dans SPSS v20.

Estimations du modèle de dépense des ménages agricoles
Modèle				Coefficients non standardisés		Coefficients standardisés		t		Sig.	Statistiques de colinéarité
				A	Erreur standard	Bêta					Tolérance		VIF
	(Constante)			10,451	,943			11,084		,000
	Type de variété utilisée			,294	,136	,225		2,168		,033	,844		1,185
	Superficie de champs de soja			,114	,086	,139		1,328		,188	,836		1,196
	Superficie totale des champs emblavée			-,010	,068	-,014		-,143		,886	,913		1,096
	Genre			,164	,097	,166		1,692		,094	,941		1,063
	Taille de ménage			-,063	,195	-,054		-,321		,749	,317		3,158
	Expérience en culture de soja			-,170	,088	-,191		-1,944		,050	,943		1,061
	Niveau d'éducation			,237	,214	,123		1,112		,269	,745		1,342
	Age du chef de ménage			,077	,324	,041		,238		,813	,313		3,193
a. Variable dépendante : DEP
Changement dans les statistiques									Durbin-Watson
Variation de R-deux		Variation de F	ddl1		ddl2		Sig. Variation de F
,532		0,057	9		105		,018		1,778

Source : nos calculs dans SPSS V.20

Le critère VIF nous renseigne sur la détection de la multi colinéarité sur les variables. En effet, toute variable qui présente la valeur VIF supérieure à 10 signifie qu'elle présente le problème de la multi colinéarité d'où on élimine cette variable du modèle et on estime à nouveau le modèle. Ainsi, nos variables présentent les valeurs inférieures à 10, donc il y a absence de la multi colinéarité. En outre le nombre (1,778) trouvé pour le test de Durbin-Watson montre qu'il y a absence d'autocorrélation entre les variables.

De ce qui suit, nous réalisons que le coefficient de détermination de ce modèle R², nous donne des informations nécessaires pour juger si le modèle est globalement bon ou pas ou de la manière dont les variables explicatives intégrées dans le modèle influencent la variable dépendante, pour notre cas, il est de 53,2%. Avec ce pourcentage, nous concluons que le modèle trouvé est globalement bon.

Les résultats trouvés dans le logiciel SPSS vr20 nous montrent que sur huit variables retenues des ménages producteurs de soja de la plaine de la Ruzizi (Katogota, Lubarika et Luvungi), seulement trois sont significatives au seuil de 5 et 10 %. Il s'agit du type de variété utilisée et la superficie de champs de soja et le genre su chef de ménage.

La variable type de variété utilisée et l'expérience en culture de soja sont statistiquement significative au seuil de 5% et influence positivement la variable dépendante. Ceci signifie que, plus son rendement augmente plus les dépenses augmentent également suite aux charges supplémentaires d'adoption de nouvelle technologie. La variable l'expérience du producteur en culture de soja est liée positivement aux dépenses de ménage agricole, c'est-à-dire plus le producteur de soja à une ancienneté en culture moins est les dépenses au sein du ménage. La variable genre influence positivement la variable expliquée, elle est significative au seuil de 10%. Elle signifie que la façon dont le ménage dépense dépend du sexe du chef de ménage. Néanmoins, les variables recette totale, superficie totale de champs cultivés, taille de ménages, expérience en culture de soja et âge du chef de ménage ne sont pas significatives.

Par ailleurs, le logarithme de nombre népérien a été utilisé pour rendre le modèle plus acceptable et pour diminuer le risque d'avoir les valeurs aberrantes. Ainsi nous avons introduit le logarithme pour les variables dépenses de ménage et la recette totale mais la variable recette totale n'a pas été significative.

Le modèle retenu :LogDEP = 10,451 - 0,294TVU + 0,164GER- 0, 170 EXP+ _i