CHAPITRE 5 :
PRESENTATION DES RESULTATS ET DISCUSSIONS.
I. Analyse de la connaissance de la technologie.
L'analyse des déterminants de la connaissance de la
technologie agronomique se fera, comme dit précédemment par le
biais d'un modèle à choix discret, notamment un modèle
probit.En effet, le modèle probit nous permettra de modéliser la
probabilité Pi de la connaissance de la technologie
agronomique et l'influence des variables explicatives sur cette
probabilité.De là, nous postulons à la
spécification suivante :
known= â +çi*Idatcha +?i*
Fon +ëi*hhsize +äi*benform
+èi*formriz +ìi*massac
+îi*sexe +ái*primaire +
ñi*univ +Ôi*aucniv
Ùi*Eggon + åi.
Les résultats de l'estimation de cette équation
sont présentés dans le tableau C1 (en ANNEXE C). Mais pour
pouvoir interpréter ce tableau, un certain nombre d'hypothèses
sous-jacentes permettant sa validation doivent être
vérifiées. Ils s'agissent notamment du :
- Test de significativité globale du
modèle.
Il s'agit ici de tester l'hypothèse selon laquelle tous
les coefficients des variables explicatives sont nuls. Ainsi l'examen du
tableau C1 nous donne de bonne raison de rejeter cette hypothèse au
seuil de 1% (car p-value=0.00). Donc il existe au moins une variable pour
laquelle le coefficient estimé est statistiquement différent de
zéro.
- Test d'ajustement global du
modèle.
Nous utilisons ici le test de hosmer-lemshown pour
évaluer la qualité de l'ajustement du modèle. Ainsi il
s'agit de tester :
H0 : le modèle s'ajuste bien aux
données.
Au regard de l'évidence apportée par
l'échantillon au seuil de signification de 1%, nous avons de bonnes
raisons de croire que le modèle s'ajuste bien aux données (car
p-value=0,4402 tableau en ANNEXE C).
- Pouvoir prédictif du modèle de
connaissance.
Au regard du tableau ci-dessous,non remarque que le taux de
bon classement qui représente le pouvoir prédictif du
modèle est de 69,16%. De façon spécifique, ce pouvoir est
de 62,12% chez les riziculteurs adoptants et de 72,05% chez les non
adoptants.
Tableau 16 : Récapitulatif du pouvoir
prédictif du modèle de connaissance
Source : Enquête Africarice/SNRA.
- Pouvoir discriminant du modèle de
connaissance.
L'analyse du pouvoir discriminant du modèle est faite
à partir de la courbe de ROC. Ainsi l'analyse de cette courbe nous
montre que l'aire en dessous de la courbe =74, 72% (Graphique C4 en ANNEXE4).
Ce qui nous laisse croire à une bonne qualité de la
discrimination. A tout prendre, nous pouvons conclure que notre modèle
est bon et qu'il serait judicieux de passer à l'interprétation
des coefficients
- Interprétation des coefficients du
modèle.
Contrairement au modèle de régression
linéaire, la sensibilité de la variation d'une variable
explicative dans une régression logistique ne peut être connue par
l'estimation des paramètres du modèle. En effet, Les valeurs des
coefficients des modèles ne sont pas directement interprétables,
car seuls les signes des coefficients indiquent si la variable agit
positivement ou négativement sur la probabilité Pi
(Bourbonnais, 2009). Ainsi le calcul des effets marginaux nous permettra
de cerner au mieux cette sensibilité. Comme on peut le remarquer dans
le tableau C1, parmi les variables introduites dans le modèle, seules
quatre ont des effets sur la variation de la probabilité
estimée. Ils s'agissent notamment du niveau secondaire, l'ethnie Fon, le
fait de bénéficier d'une formation en riziculture et le niveau
primaire. De là le tableau C5, présentant les effets marginaux
des variables introduites dans le modèle indique que le fait
d'être de l'ethnie Fon diminue la probabilité de la connaissance
de la technologie de 33,9% points de pourcentage comparativement à
celles des riziculteurs ayant reçu une formation en riziculture et
celles des riziculteurs ayant un niveau secondaire. De même, le fait
d'avoir un niveau secondaire et avoir reçu une formation en riziculture
augmente respectivement la probabilité de connaissance de la technologie
de 34,56 et 23,83 de point de pourcentage.Cela peut s'expliquer par le fait que
la plupart des centres de recherches qui oeuvrent dans la recherche et le
développement à l'instar d'Africarice, reçoivent aussi des
contributions venant des paysans(riziculteurs) qui en contrepartie
bénéficient des formations dans le cadre de renforcement de
capacité. Dans ces programmes de formation, un certain nombre de
découvertes sont mis à leurs portées des producteurs, dans
le but unique de promouvoir la riziculture afin de limiter les importations et
être autosuffisant en riz à l'avenir De même le
résultat relatif au niveau secondaire ne semble pas être
surprenant. En effet les riziculteurs ayant un niveau d'instruction secondaire
sont capable de lire les étiquètes et respecter les consignes en
rapport avec l'utilisation. Donc ses acquis pourrait être une motivation
de connaissance de la technologie et de vouloir aussi se former.
| 
