B-Source des données
Cette étude est réalisée dans la commune
de Bantè située dans le département des collines. Les
données utilisées dans le cadre de cette étude sont
essentiellement d'origine primaire. La collecte des données est faite en
trois étapes: La première est celle de la recherche documentaire
et a permis de collecter les informations sur la production de cajou au Benin
en général et dans le département des Collines en
particulier et également sur l'agriculture contractuel. La seconde est
celle de la collecte des informations auprès des producteurs de cajou.
Enfin dans la troisième partie nous avons effectué une
enquête de terrain à l'aide d'un questionnaire produit grâce
aux informations recueillies lors des phases précédentes.
1- Techniques de collecte des données
Cette partie a été faite en trois étapes
à savoir: l'entretien, l'enquête de terrain et
l'échantillonnage.
l Entretien
Les entretiens avec des personnes ressources au CARDER, au
MAEP et à l'INSAE nous ont permis de mieux cerner les contours de notre
question de recherche, ce qui nous a facilité l'élaboration du
questionnaire de recherche. Ils nous ont également permis d'approfondir
nos connaissances sur notre thème (comprendre les réalités
du terrain et les contraintes hors cadre d'étude).
l Enquête de terrain
La commune de Bantè est divisée en neuf (09)
arrondissements. Compte tenu du temps très limité et surtout des
difficultés financières, trois arrondissements ont
été sélectionnés en fonction de leur
capacité à produire la noix de cajou. Ainsi, les arrondissements
de Bantè centre, de Pira et d'Akpassi ont été retenus dans
le cadre de notre étude.
Réalisé et soutenu par KOTCHEKPE K.
Crépin & ADJIMOTI T. William Page 16
Participation des producteurs de cajou aux contrats de
pré-collecte dans la commune de Bantè.
l Echantillon
Concernant la taille de l'échantillon, nous avons
retenu une taille de 150 pour notre échantillon à raison de
soixante (60) producteurs dans l'arrondissement de Bantè centre, et
quarante-cinq (45) dans chacun des deux autres arrondissements à savoir
Pira et Akpassi. Puisque nous ne disposons pas d'une liste exhaustive des
producteurs, la technique de <<snowball>> a
été choisie. Elle a consistée tout d'abord à
identifier quelques producteurs dont on connait bien et ensuite obtenir
d'autres répondants avec l'aide des précédents.
2- Méthode d'analyse
Dans le but d'atteindre les objectifs fixés pour la
présente étude et de tester les hypothèses posées,
plusieurs outils et méthodes d'analyse des données ont
été utilisés. Les données recueillies à
l'aide de l'enquête de terrain ont été codifiées
puis saisies dans le logiciel EXCEL 2010 et le traitement des textes a
été réalisé avec le logiciel Word 2010. En fin, les
hypothèses de l'étude ont été testées
à l'aide du logiciel STATA 13. Pour analyser les objectifs,
différentes méthodes ont été utilisées. Nous
avons utilisé la statistique descriptive pour décrire les
caractéristiques socio démographiques et économiques des
répondants puis également examiner les différents types de
contrat de pré-collecte à savoir écrit ou verbal.
Pour le deuxième objectif, nous avons utilisé un
modèle logit (binaire) étant donné que la décision
est la participation des producteurs de cajou aux contrats de
pré-collecte. Cette décision de participation est dichotomique en
ce sens que le producteur peut décider de participer ou non aux contrats
de pré-collecte. La variable expliquée est alors la
décision de participer aux contrats qui prendra la valeur 1si oui et 0
si non. Le modèle peut être présenté par
l'équation suivante :
P(Yi) =
Par conséquent, la probabilité qu'un producteur
ne s'engager pas dans ce contrat devient donc :
P (Non-participation) = 1 - P(Yi) =
Avec P(Yi) la probabilité pour un producteur de cajou
de s'engager dans ce contrat, e la fonction exponentielle, Yi la variable
expliquée qui prendra la valeur 1 si le producteur
Réalisé et soutenu par KOTCHEKPE K.
Crépin & ADJIMOTI T. William Page 17
Participation des producteurs de cajou aux contrats de
pré-collecte dans la commune de Bantè.
s'engage et 0 si non, Xi représente les variables
explicatives, â le vecteur des paramètres à estimer et
á la constante.
Explication des variables
AGE: l'âge sera mesure au nombre
d'année, elle détermine l'habilité du producteur à
s'engager aux contrats de pré-collecte. On suppose que les jeunes n'ont
pas encore un champ d'anacardier et aussi n'ayant pas assez de charge
ménagère donc, n'auront pas à s'engager dans des contrats
de pré-collecte. Le signe attendu est donc positif.
SEX: les différences du genre sont
souvent expliquées par l'accès inégal aux ressources et
opportunités (FAO, 2010). La participation à d'autres
activités est souvent associée à l'approche genre dans nos
sociétés traditionnelle. Le signe attendu ici est
indéterminé, il peut être positif comme négatif
selon le contexte.
EDUC: selon Rahman (2013), l'éducation
en tant que capitale social ouvre beaucoup plus d'opportunité. Elle
permet d'analyser les situations afin d'optimiser le revenu. Le signe
espéré ici est indéterminé. Il peut être
positif ou négatif selon que le répondant soit instruit ou
non.
TMENA: la taille du ménage joue
également un grand rôle dans la participation du producteur aux
contrats de pré-collecte. Plus le nombre de personne vivant dans le
ménage est élevé, plus les besoins du ménage
augmentent et ainsi le producteur sera contraint de s'engager aux contrats de
pré-collecte. Le signe attendu est donc positif.
SUPEMB: la superficie emblavée
représente la taille de l'exploitation de l'anacardier. Cela aura un
effet positif sur la participation des producteurs aux contrats de
pré-collecte car plus la taille de l'exploitation est
élevé, plus le producteurs aura besoin des moyens pour
l'entretien du champ. Le signe espéré est donc positif.
CREDIT: Gordon et Craig (2001) ont
identifiés l'accès au crédit comme un problème
majeur pour le financement des activités notamment dans les pays en
développement. Selon Reardon
Réalisé et soutenu par KOTCHEKPE K.
Crépin & ADJIMOTI T. William Page 18
Participation des producteurs de cajou aux contrats de
pré-collecte dans la commune de Bantè.
et al (1998), l'accès limite au crédit
peut toutefois pousser des producteurs de cajou à s'engager dans des
contrats de pré-collecte. Le signe attendu est
indéterminé, il peut être positif comme négatif.
ASSOC: l'appartenance à une
association de producteur peut ouvrir des opportunités (accès au
crédit, information sur les marchés et autres) et permettre au
producteur d'être à l'aise dans son secteur agricole. Le signe
attendu est indéterminé, il peut être positif comme
négatif. APROD: elle représente l'âge de
l'anacardier et est mesurée en année. Elle peut contraindre le
producteur à contracter de l'argent avant la récolte de la noix
de cajou. Le signe attendu est positif.
Notre modèle prend donc la forme suivante:
Vi = á + â1AGE + â2SEX +
â3EDUC + â4TMENA + â5SUPEMB + â6CREDIT + â7ASSOC
+ â8APROD + uj, avec uj~ N (0, 1), j
= 1...n
Réalisé et soutenu par KOTCHEKPE K.
Crépin & ADJIMOTI T. William Page 19
Participation des producteurs de cajou aux contrats de
pré-collecte dans la commune de Bantè.
CHAPITRE II : Analyse de la participation au
contrat de pré-collecte des producteurs de cajou
La garantie exigée et le taux d'intérêt
élevé ont chassé les pauvres du système bancaire
classique. A cet effet, un crédit informel est développé
entre les producteurs de cajou et les structures non financières pour
assurer le financement des producteurs de cajou. Ce chapitre est
organisé en deux sections. La première aborde l'implication de
contrat de pré-collecte dans la production agricole puis la seconde
aborde le choix du contrat de pré-collecte et l'accès au
microcrédit.
Section 1 : Implication de contrat de
pré-collecte dans la production agricole
Cette partie abordée, présente les
résultats obtenus dans le cadre de cette recherche. Dans un premier
temps, nous analyserons les caractéristiques socio démographiques
et économiques des producteurs. Ensuite, nous examinerons les
différents types de contrats de pré-collecte et enfin, la
dernière partie concernera la présentation et l'analyse issu du
modèle de régression pour le second objectif.
| 
