Paragraphe 2 : Analyse quantitative de l'effet des
financements reçus sur l'indicateur de développement de la
PME.
Le montant du financement reçu par les PME (Mfin) est
positivement et significativement (au niveau de 0,01) corrélée
avec le chiffre d'affaire mensuel, la rentabilité mensuelle, le fonds de
commerce, les taux de croissance du chiffre d'affaire et du fonds de commerce
constatés un an après le financement. (Tableau N°3)
Tableau N°3 : Corrélations entre MFIN
et les indicateurs de développement de la PME
|
Mfin
|
C MF
|
RMF
|
FDC
|
tCA
|
Trent
|
tFDC
|
|
MFIN Corrélations
de Pearson
Sig. (bilatérale)
N
|
1
100
|
,638** 0,000 100
|
,710** 0,000 100
|
,539** 0,000 100
|
,321** 0,001 100
|
,135 0,180 100
|
,551** 0,000 100
|
**. La corrélation est significative au niveau 0.01
(bilatéral) Source : Résultat analyse de
corrélation bivariée, SPSS18
Analyse de régression linéaire
simple
La variable indépendante retenue, c'est MFIN (Montant
de financement). Les variables dépendantes retenues sont (avec une
variable dépendante par modèle): CAMF (Chiffre d'affaire mensuel
après financement), RMF (Rentabilité mensuelle après
financement), FDC (Fonds de commerce), Cca (Croissance du chiffre d'affaire),
Crent (Croissance de la rentabilité), Cfdc (Croissance FDC).
Les résultats récapitulatifs de ces analyses sont
dans le tableau 4.
Les valeurs de la statistique exacte de Fisher (D) obtenues
pour ces modèles sont significatives ( sauf le modèle 5), ce qui
signifie que l'on a moins de 0,1% de probabilité de commettre une erreur
en affirmant que les dits modèles (sauf le modèle 5) peuvent
mieux prédire les variables dépendantes associées. Les
valeurs R associées aux modèles indiquent que seuls les
modèles 1,2,3 et 6 sont biens ajustés (R>0,5 ).
Les valeurs R2 nous informent que le montant du
financement obtenu il y a un an explique 40,7% (Respectivement 50,3%, 29% et
30,4%) de la variation du chiffre d'affaire mensuel après financement
(Respectivement variation du RMF, FDC, Cfdc).
Concernant le test de Durbin Watson, il n'y a pas de
signification associée, SPSS affiche seulement la valeur de cette
statistique. Rappelons que plus la valeur de cette statistique est proche de 2,
moins il y a de problèmes au niveau de l'indépendance des
erreurs. Avec les valeurs associées à nos modèles, nous
pouvons dire que nous respectons cette prémisse.
Le signe des coefficients A indique le sens de la relation
entre «le montant de financement il y a un an» et chacune des
variables dépendantes de nos modèles significatifs (1, 2,3 et 6).
Ces signes révèlent une relation positive entre le montant de
financement et chacune des variables dépendantes des modèles
explicatifs (1, 2,3 et 6) CAMF, RMF,FDC,Cfdc.
Quant au poids de ces relations, l'on constate que plus la
valeur de t est élevée, plus celle de la probabilité de
signification est petite (0 ,000), les modèles significatifs retenus ont
donc un fort pouvoir prédicteur.
Aucun problème de multicolinéarité ne se
pose car nous avons une seule variable indépendante et la valeur VIF ou
la tolérance est égale à 1 (la valeur normale
recherchée pour cette prémisse).
Par ailleurs, compte tenu des valeurs (faible) de
R2 associées aux modèles, nous avons mené
également une analyse multivariée, laquelle analyse est souvent
utilisée quand on veut estimer un modèle linéaire
général à plusieurs variables endogènes.
Quant à l'analyse multivariée
effectuée, elle confirme également les résultats
des modèles de régression linéaire ci-dessus
présentés. En effet les statistiques exactes (D) issues des tests
d'égalité des variances des erreurs de Levene sont significatives
pour toutes les variables dépendantes sauf la Crent (Croissance de
rentabilité). De même tous les tests multivariés sont
significatifs. Le résultat des tests des effets inter-sujets nous
révèle que le modèle multivarié est très
explicatif pour les variables dépendantes CAMF, RMF, FDC et Cfdc. Les
tableaux présentant les résultats de l'analyse multivariée
sont annexés (ANNEXE4)
Tableau N°4 : Modèles de
régression linéaire simple
|
Modèles
|
1
|
2
|
3
|
4
|
5
|
6
|
|
Variable dépendante
|
CAMF
|
RMF
|
FDC
|
Cca
|
Crent
|
Cfdc
|
|
R
|
0,638
|
0,71
|
0,539
|
0,321
|
0,135
|
0,551
|
|
R-deux
|
0,407
|
0,503
|
0,290
|
0,103
|
0,018
|
0,304
|
|
R-deux Ajusté
|
0,401
|
0,498
|
0,283
|
0,094
|
0,008
|
0,297
|
|
Durbin Watson
|
1,825
|
1,926
|
1,527
|
1,99
|
2,03
|
2,08
|
|
Anova Regression
|
SDC
|
4,227E16
|
7,399E14
|
1,349E16
|
2,320
|
5,683
|
6,134
|
|
Ddl
|
1
|
1
|
1
|
1
|
1
|
1
|
|
MDC
|
4,227E16
|
7,399E14
|
1,349E16
|
2,320
|
5,683
|
6,134
|
|
D
|
67,189
|
99,380
|
40,050
|
11,287
|
1,821
|
42,765
|
|
Sig
|
0,000
|
0,000
|
0,000
|
0,001
|
0,180
|
0,000
|
|
Anova
Résidu
|
SDC
|
6,166E16
|
7,296E14
|
3,301E16
|
20,143
|
305,895
|
14,057
|
|
Ddl
|
98
|
98
|
98
|
98
|
98
|
98
|
|
MDC
|
6,292E14
|
7,445E12
|
3,368E14
|
0,206
|
3,121
|
0,143
|
|
Anova Total
|
SDC
|
1,039E17
|
1,469E15
|
4,649E16
|
22,463
|
311,578
|
20,192
|
|
Ddl
|
99
|
99
|
99
|
99
|
99
|
99
|
|
Coefficients
|
A
|
2,088
(2933146,323)
|
0,276
(163672,041)
|
1,180
(9853242,98 0)
|
1,547E-8
(0,099)
|
2,421E-8
(0,427)
|
2,515E-8
(0,048)
|
|
B
|
0,638
|
0,71
|
0,539
|
0,321
|
1,135
|
0,551
|
|
T
|
8,197
|
9,969
|
6,328
|
3,360
|
1,349
|
6,539
|
|
Sig
|
0,000
|
0,000
|
0,000
|
0,001
|
0,180
|
0,000
|
|
VIF
|
1,000
|
1,000
|
1,000
|
1,000
|
1,000
|
1,000
|
SDC : Somme des carrés,
ddl : degré de liberté, MDC :
Moyenne des carrés, D : la statistique exacte de
Fischer, sig : probabilité de signification
Source: D'après résultats
des modèles de régression linéaire (SPSS18)
Ces résultats confirment que le volume des financements
accordés aux PME/PMI béninoises influent positivement sur leurs
chiffres d'affaire, niveau de rentabilité, niveau du FDC, niveau de
croissance du FDC. D'où l'hypothèse 2 est
confirmée. Cependant, des clarifications seront faites dans la
discussion sur l'influence non significative des financements accordés
aux PMEB sur la croissance de leur rentabilité.
|
|
