WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Femmes et accessibilité à  la propriété foncière au Cameroun.


par Jean-Christophe ONANA
Institut de Formation et Recherche Démographiques - Master 2 professionnel en Démographie 2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

3.3. Distribution des variables d'analyse dans la base

Afin d'observer la répartition des femmes suivant les différentes variables susmentionnées, une tabulation (tri à plat) de celles-ci a été réalisée à travers le tableau suivant Tableau 3.4. Tri à plat des variables d'analyse

Variables

Modalités

effectifs proportion(%)

Région de résidence

//

9861

100

Milieu de résidence

Urbain

5251

53,2

 

Rural

4610

46,8

 

Total

9861

100,0

Niveau de vie

Faible

3365

34,1

54

ONANA Jean Christophe Master Professionnel en Démographie

 

Femmes et accessibilité à la propriété foncière au Cameroun

2018/2019

Moyen

1902

19,3

Elevé

4594

46,6

Total

9861

100,0

 

peu ou pas instruite

5052

51,2

Niveau

instruction femme secondaire et plus

4809

48,8

 

Total

9861

100,0

 

Faible

2933

29,7

 

Moyen

941

9,5

 

Exposition

médias Elevé

5987

60,7

 

Total

9861

100,0

 

Marié

5704

57,8

Statut matrimonial

Veuf/Div/Sep

la femme

de

1067

10,8

 
 
 
 

Célibataire

3083

31,3

 

Total

9853

100,0

 

Inactive

5400

54,8

 

Indépendante

2910

29,5

Statut d'activité

de la femme

 
 
 

Salariées

1551

15,7

 

Total

9861

100,0

 

Oui

1652

16,8

 

Accès

au crédit Non

8205

83,2

 

Total

9861

100

 

Oui

3465

35,1

Membre

association tontine Non

6396

64,9

 

Total

9861

100,0

 

moins de 25 ans

4090

41,5

 

Age 25 ans et plus

5771

58,5

 

Total

9861

100,0

Source : Exploitations des données du MICS Cameroun 2014

Afin de vérifier les hypothèses spécifiques et de confronter notre schéma d'analyse aux données empiriques, nous procéderons à des analyses suivant deux volets : un volet descriptif et un volet explicatif. Le choix des méthodes d'analyse pour chacun des volets est guidé d'une part par les principaux objectifs assignés à l'étude, et d'autre part par la nature de variable dépendante qui peut être soit quantitative soit qualitative.

55

ONANA Jean Christophe Master Professionnel en Démographie

Femmes et accessibilité à la propriété foncière au Cameroun 2018/2019

ONANA Jean Christophe Master Professionnel en Démographie

3.4.1. Méthodes d'analyses descriptives

Elle est faite à deux niveaux : au niveau bi-varié et multi-varié. 3.4.1.1. Analyse bi-variée

Au niveau bi-varié, il s'agit de vérifier les interrelations ou l'association entre la variable dépendante et chacune des variables indépendantes. Compte tenu de la nature des variables (catégorielles), on fera recours au tableau de contingence suivie d'un test de khi-deux pour évaluer l'association entre les variables. Pour cela nous fixons un seuil de significativité de 1%. On conclura qu'il y a association entre deux variables, lorsque la probabilité associée à la statistique de khi-deux est inférieur au seuil fixé, sinon on dit qu'elles sont indépendantes.

Par ailleurs, la significativité de la probabilité associée au khi deux ne traduit que l'existence d'une association entre les deux variables, et non une mesure de sa force. Étant donné que cette association est influencée par l'effectif total. Dans le cadre de ce travail, le V de Cramer sera utilisé pour évaluer la force de l'association. Il s'agit d'une mesure imitant le coefficient de corrélation, ayant une valeur maximale absolue égale à 1 pour une association parfaite et une valeur égale à 0 pour une absence d'association.

Néanmoins, une association entre deux variables ne suffit pas pour cerner une réalité sociale. En effet, une association significative entre deux variables peut être réelle ou fallacieuse. Pour cette raison, il faut faire recours à l'analyse multi variée pour approfondir 3.4.1.2. Analyse multi-variée

Vu les objectifs poursuivis et la nature des variables mobilisées, la partie multi-variée de l'analyse descriptive se fera à travers une AFCM suivie d'une classification mixte. Il s'agit des méthodes d'analyse qui permettent d'étudier en même temps les associations non seulement entre les variables indépendantes et la variable d'étude, mais également les interdépendances entre l'ensemble des variables indépendantes.

Les deux principaux avantages de l'AFCM sont la synthèse de l'information par la définition des dimensions principales ou axes principaux et la possibilité de représentation graphique sur un plan (à deux dimensions) des points-caractères ou des points-individus, pour une visualisation et une lecture plus simplifiées. La classification mixte permettra alors de compléter les résultats de l'AFCM. Elle aura pour finalité de regrouper les individus dans des classes suggérées par les données et non pas définis a priori. À partir du calcul des distances entre individus (eu égard aux modalités prises par les variables intégrées dans l'analyse), un

56

ONANA Jean Christophe Master Professionnel en Démographie

Femmes et accessibilité à la propriété foncière au Cameroun 2018/2019

nombre optimal de classes sera défini sur la base d'un critère de maximisation des distances interclasses et de minimisation des distances intra-classes. La méthode conduit ainsi à construire des classes contrastées entre elles, eu égard aux variables sélectionnées pour l'analyse. Ces deux méthodes combinées permettront d'analyser de façon visuelle, les proximités entre les modalités de toutes les variables d'étude. Ces proximités permettront de les grouper et de dégager le profil des femmes qui ont accès à la terre ou non, selon certaines caractéristiques contextuelles, socioculturelles, socio-économiques et sociodémographiques.

? Justification du choix de la méthode

Les deux méthodes précitées ont été choisies pour le profilage des individus de cette étude, du fait de la nature de la variable dépendante, qui est catégorielle. Elles permettent de constituer deux catégories contenant les deux modalités de la variable dépendante, à savoir la catégorie des femmes ayant accès au foncier et la catégorie de celles qui n'en ont pas.

Cependant, le profilage des individus ne suffit pas pour déterminer les facteurs sous-jacents à l'accès à la terre. Pour ce faire, une analyse explicative sera mise en oeuvre, au cours de laquelle il sera question d'essayer d'expliquer comment les femmes ont accès à la terre.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Il faut répondre au mal par la rectitude, au bien par le bien."   Confucius