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

4.2. Analyse descriptive multi-variée : Recherche du profil des femmes propriétaires terriennes au Cameroun

L'analyse descriptive bi variée réalisée dans la section précédente a été nécessaire pour décrire le lien entre la variable dépendante (propriétaire terrienne) et les différentes variables explicatives. Elle nous a ainsi permis de voir la relation entre deux variables. Toutefois elle ne permet pas d'analyser, les proximités entre les modalités d'une même variable (étude du profil des individus) et les proximités entre les modalités de variables différentes (étude du profil des variables). Ainsi, l'analyse bi-variée présente donc des insuffisances que nous tenterons de résoudre avec l'analyse factorielle de correspondances multiples(AFCM)

Ainsi, l'un des objectifs, de l'étude est d'établir le profil des femmes propriétaires terriennes. Pour y arriver nous utiliserons l'Analyse Factorielle des Correspondances Multiples (AFCM). Dans un contexte de ressources limitées, ce profilage dégage les caractéristiques détaillées des femmes sur lesquelles devraient être axés en priorité les programmes visant l'amélioration des conditions d'accès des femmes à la propriété foncière.

72

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

ONANA Jean Christophe Master Professionnel en Démographie

4.2.1. Détermination des axes factoriels

À l'issue de l'apurement effectué par le logiciel, la base des données utilisée pour l'analyse descriptive multi variée comporte au total 11 variables actives, avec 34 modalités qui leur sont associées. Ainsi, nous disposons de 23 axes factoriels (obtenus de la différence 3411), dont la somme des valeurs propres est 2,09 (obtenue en faisant l'opération [34-11]/11). D'où la nécessité de ne considérer que les axes principaux, car une représentation du nuage de points dans un espace à 23 dimensions serait impossible. La représentation graphique se fera donc sur deux axes, l'ensemble du nuage des points est projeté sur ces deux axes dits principaux.

L'histogramme des valeurs propres (Cf. graphique 4.11) présente un « coude » à partir du troisième axe. En d'autres termes, ces deux premiers axes ou facteurs sont ceux qui comportent individuellement les plus fortes proportions de la variance du phénomène. Ils expliquent respectivement 14, 39% et 10,64%, faisant un ensemble de 25,03% de la variance totale traduite par les 23 axes factoriels. Cette proportion de la variance totale expliquée étant très faible, une classification mixte sera ensuite mise en oeuvre, en retenant les informations contenues dans tous les axes factoriels. Le profilage est ainsi obtenu par proximité des modalités selon leurs positions dans l'espace à 23 dimensions.

Graphique 4.11. Contribution des axes factoriels à l'explication de l'inertie totale

4.2.1.1 Desription du premier axe factoriel

Source : Exploitations des données du MICS Cameroun 2014

Pour chaque axe, le pourcentage d'inertie théorique moyen expliqué par chaque modalité est de 2,94% (soit 100/34). Seules les modalités dont la contribution est supérieure ou

73

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

ONANA Jean Christophe Master Professionnel en Démographie

égale à cette moyenne sont à considérer pour l'interprétation des axes. Nous prendrons aussi en compte la qualité de la représentation des modalités (à travers les cosinus carrés) et les valeurs tests de ces dernières pour juger de leur position significative sur les axes dans l'optique de bien caractériser nos deux axes.

Le premier axe factoriel (Cf. Tableau 4.2), présente du côté positif, les femmes retrouvées dans les régions du Centre qui résident en milieu urbain, issues des ménages de niveau de vie élevé, qui ont un niveau d'instruction élevé (secondaire et plus) et ont une exposition aux médias élevée. Ces femmes, s'opposent à celles qu'ont retrouvent dans les régions du Nord, et de l'Extrême nord, qui résident en milieu rural, sont issues des ménages de niveau de vie faible, un niveau d'instruction faible (inférieur ou égal au primaire) et qui ont une faible exposition aux médias.

Tableau 4.2..Modalités qui contribuent le plus à la formation du premier axe factoriel

 

Contribution

Variables

Modalités

Positive

Négative

Milieu de résidence

Urbain

7,67

 
 
 

9,96

Niveau de vie

Faible

 

12,86

 

9,81

 

Niveau instruction

Peu ou pas instruite

 

8,34

 

7,87

 

Exposition aux médias

Faible

 

11,10

 

6,54

 

Région

Centre

2,44

 
 

0,09

 
 
 

0,49

 
 

3,99

 
 

2,94

 
 

0,33

 

Source : Exploitations des données du MICS Cameroun 2014

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 y a des temps ou l'on doit dispenser son mépris qu'avec économie à cause du grand nombre de nécessiteux"   Chateaubriand