1.2. Estimation et test du modèle
Dans cette section, il s'agira de présenter la
démarche méthodologique de la modélisation et les
principaux résultats aboutis selon la théorie de l'intention
planifiée.
1.2.1. Rappel des hypothèses et spécification
des variables et groupes de variables
Suivant la théorie de l'intention planifiée,
trois hypothèses ont été formulées au départ
pour comprendre l'intention entrepreneuriale chez la femme burkinabé, il
s'agit de :
H1 : Les facteurs démographiques et l'environnement
social agissent positivement sur les croyances des femmes.
H2 : Les croyances agissent à leur tour sur les
attitudes, les normes subjectives et le contrôle perçu chez la
femme.
H3 : l'attitude, les normes subjectives et le contrôle
perçu ont un impact positif sur l'intention de la femme de créer
une entreprise.
Pour tester ces hypothèses, deux approches ont
été utilisés : l'approche classique consistant en une
estimation équation par équation et l'approche les
équations structurelles à variables latentes.
1.2.2. L'approche classique
Dans l'approche classique, les liens entre chaque variable
dépendante et les variables explicatives sont estimés
indépendamment des liens avec les autres variables dépendantes.
Le modèle du comportement planifié identifié six groupes
de variables dépendantes : les croyances, l'attitude, les normes
subjectives, le contrôle perçu, l'intention d'entreprendre et la
création d'entreprise.
Le modèle estimé s'écrit :
y=X*/3+E (1)
Où y désigne le vecteurs des
n-observations yi sur la variable dépendante, X
la matrice des p variables explicatives, /3 le vecteur
de paramètres à estimer et E le terme d'erreur. Sous les
hypothèses de Gauss-Markov, l'estimateur des moindres carrés
ordinaires de l'équation (1) est le meilleur estimateur linéaire
et sans biais. Les tests statistiques qui sont utilisés sont celui de
Fisher pour la significativité conjointe et celui de Student pour la
significativité individuelle des paramètres. L'estimateur des
moindres carrés ordinaires sera utilisé pour les équations
où la variable dépendante y est continue.
Dans le cas où la variable dépendante y
dichotomique l'estimateur linéaire n'est pas adapté. Il
s'agit ici de la variable « création d'entreprise » prenant la
valeur 1 si la femme a créé une
21
Essai empirique sur les déterminants de
l'entrepreneuriat féminin à Ouagadougou
entreprise et 0 dans le cas contraire. Dans ce cas le
modèle (1) est remplacé par :
??(yi = 1) = F(??i'??) (2)
Où ??(yi = 1) désigne la
probabilité que la femme crée son entreprise, ??i le
vecteur des variables explicatives, et F désigne la fonction de
répartition de la loi du terme d'erreur. Pour estimer les
paramètres ?? de l'équation (2), deux
spécifications de F, conduisant à des résultats
proches selon la taille de l'échantillon, sont couramment
utilisées. La première spécification, le modèle
probit, suppose que F est la fonction de répartition
de la loi normale centrée réduite :
???? '??
(3)
1 ??2
2dt
??(yi= 1) = F(??i'??) = ?
v2????
-8
La deuxième spécification, correspondant au
modèle logit, suppose que F est la fonction de
répartition de la loi logistique:
??????'??
??(yi = 1) = F(??i'??) = 1 + ??????'?? (4)
Pour estimer les paramètres des modèles (3) et
(4), on utilise l'estimateur du maximum de vraisemblance. Pour mesurer
l'adéquation du modèle, le R-carré de McFadden et le test
de Wald permettra de juger de la signification conjointe des
paramètres.
Les résultats de ces estimations et tests seront
présentés dans le chapitre suivant.
| 
