2.7.
Méthodes d'analyse des données
2.7.1.
Analyse descriptive
Elle a consisté à ranger les données de
base dans Excel et à effectuer des calculs statistiques
élémentaires tels que la composition socio-économique et
démographique de l'échantillon, les taux d'adoption des
techniques CES/DRS et les taux d'engagement des ménages dans la gestion
du parc à travers les critères d'évaluation retenus.
Les données de l'enquête ont permis de faire des
observations sur les différents villages et sur les populations de ces
villages.
2.7.2.
Analyse économétrique
? Modèle théorique d'analyse :
Théorie des choix discrets
La théorie des choix offre un cadre opératoire
adéquat pour analyser la stratégie des agents économiques
(Mugalla, 2000) cité par Ouédraogo et al. (2006). Un
choix peut s'avérer difficile a effectuer ; mais quelque soit sa
nature, on suppose qu'un individu qui a des choix à faire va presque
toujours adopter la même démarche : il va évaluer les
différentes possibilités qui s'offrent à lui en se basant
sur des critères et choisir celle qui lui paraît la plus
adéquate.
Les critères de décision peuvent être
divers mais lorsqu'ils sont logiques (oui/non), il existe alors une
théorie mathématique qui propose des modèles permettant de
prédire le comportement d'un individu confronté à un
choix. Cette théorie est la théorie des modèles de choix
discrets (Ben-Akiva et Lerman, 1985 ; Ben-Akiva et Bierlaine, 1999)
cité par Antille (2000).
? Modèle empirique d'analyse
Pour cette étude, on a utilisé un logit simple
pour étudier la prédisposition des ménages riverains
à s'engager dans un programme de conservation du parc. Yelkouni (2004) a
utilisé un logit simple pour analyser les déterminants de la
participation des ménages riverains à l'entretien de la
forêt classée de Tiogo. Dans son exemple, il avait une variable
à deux modalités possibles : les participants et les non
participants.
Owubah et al. (2001) ont utilisé un logit
simple pour étudier la prédisposition des ménages à
s'engager dans un programme d'aménagement durable des forêts au
Ghana. Ils avaient 3 critères d'évaluation à savoir la
conservation des forêts naturelles, les plantations forestières et
la préservation des plantes indigènes à usages multiples.
· Formulation et spécification du
modèle
La formulation du modèle logit est relativement simple
(Owubah et al. 2001 ;) :
Soit y la variable dépendante prenant les valeurs
respectives 0 et 1. On associe à chaque modalité sa
probabilité de réalisation.
1 avec pi
yi =
0 avec 1-pi
L'espérance mathématique de
yi est E (yi) = pi.
On relie pi à la fonction de
répartition de la loi logistique.
Soit z une variable aléatoire. z est une variable
aléatoire logistique si :
La fonction de répartition de la loi logistique
est :
A partir de là, le modèle logit dit:
avec  le vecteur des variables explicatives et  le vecteur des coefficients de la régression.
· Variables utilisés dans le
modèle
#172; Variables dépendantes
Elles sont au nombre de quatre à savoir la
participation à la surveillance du parc, la plantation privée
d'arbres, l'investissement pour l'adoption des techniques CES/DRS et la
participation à la délimitation du parc. Pour résoudre le
problème de multicolinéarité qui rendrait les
résultats mitigés, on a procédé à un test de
multicolinéarité entres les variables dépendantes. Selon
Chatterjee et Price (1991) cités par Bassolé (2004) une valeur du
facteur d'inflation de la variance (VIF) supérieure à 10, soit
une tolérance inférieure à 0,1 est synonyme d'existence de
multicolinéarité.
Les résultats obtenus (tableau 1) montrent que les
corrélations sont très faibles et toutes les valeurs du VIF sont
inférieures à 10. Il n'existe donc pas de
multicolinéarité entres les variables testées.
L'application d'un logit simple pour chaque variable dépendante peut se
faire.
Tableau 1 :
Statistiques de multicolinéarité entre les variables
dépendantes.
|
|
|
|
|
|
Statistiques
|
investissement
|
surveillance
|
délimitation
|
plantation
|
|
R²
|
0,051
|
0,213
|
0,207
|
0,167
|
|
Tolérance
|
0,949
|
0,787
|
0,793
|
0,833
|
|
VIF
|
1,054
|
1,270
|
1,261
|
1,200
|
Les équations des variables dépendantes sont
résumées dans le tableau 2 ci dessous.
Tableau 2 :
Formes fonctionnelles théoriques des variables
dépendantes
|
Variables exogènes
Variables dépendantes
|
const
|
sexe
|
âge
|
mlt
|
nfr
|
dist
|
inst
|
tm
|
stc
|
as
|
nham
|
nfam
|
crédit
|
npj
|
Vélo
|
|
Délimitation
|
 10
|
 11
|
 12
|
 13
|
 14
|
 15
|
 16
|
 17
|
|
|
|
|
|
|
|
|
Plantation
|
 20
|
 21
|
 22
|
 23
|
 24
|
 25
|
 26
|
 27
|
 28
|
 29
|
|
|
|
|
|
|
Investissement
|
 30
|
 31
|
 32
|
 33
|
 34
|
 35
|
 36
|
|
 37
|
|
 38
|
 39
|
 310
|
|
|
|
Surveillance
|
 40
|
 41
|
 42
|
 43
|
 44
|
 45
|
 46
|
|
|
 47
|
 48
|
|
|
 49
|
 410
|
Avec  = les paramètres à estimer.
 = 0 à 7 et i = 1 pour la délimitation,
 = 0 à 9 et i = 2 pour la plantation
 = 0 à 10 et i = 3 pour l'investissement
 = 0 à 10 et i = 4 pour la surveillance
Chacune des quatre variables dépendantes a deux (2)
modalités possibles : elle prend la valeur 1 si elle est
observée dans un ménage et 0 si non.
#172; Variables indépendantes et leurs effets
théoriques
L'engagement des populations riveraines est mesuré par
les quatre composantes de gestion durable des forêts que sont les
variables dépendantes. Les principales variables exogènes
à utiliser dans le modèle sont :
La taille du ménage (tm) : c'est
le nombre de personnes permanentes vivant
dans le ménage. On suppose que les familles nombreuses
sont plus disposées à participer aux travaux d'aménagement
de la forêt. On s'attend donc à ce que cette variable influence
positivement la plantation individuelle d'arbres et la délimitation du
parc.
Le nombre d'hommes actifs (nham) et de femmes actives
(nfam) : c'est le
nombre d'hommes et de femmes en âge de travailler dans
le ménage. On estime que s'il y'a un nombre élevé de
personnes actives dans le ménage, il aura tendance à s'engager
dans la conservation de la forêt.
La proximité du parc (dist) :
elle est codée sous forme binaire (0 ; 1). Elle prend
la valeur 1 si le ménage se situe dans les villages de
la zone tampon du parc et 0 si non. Selon Compaoré (1997), la
proximité des ménages de la forêt classée de Ziga
n'est pas une variable déterministe de l'explication des fondements de
dégradation de cette forêt. On s'attend donc à ce que les
ménages situés dans la zone tampon s'engagent davantage dans la
conservation du parc. On estime qu'ils sont les bénéficiaires
directs des retombées positives d'une bonne gestion du parc.
L'activité secondaire (as) : elle
prend la valeur 1 si le chef de ménage est
un maraîcher et 0 si non. L'activité secondaire
peut influencer négativement la décision de participer à
la surveillance. Par contre, elle peut influencer positivement la plantation
privée d'arbres. Selon Yelkouni (2004), le maraîchage
réduit la participation des ménages à l'entretien de la
forêt classée de Tiogo. On s'attend donc à ce que les
maraîchers plantent davantage d'arbres. On suppose qu'ils participeront
moins à la surveillance.
L'âge (age): il est codé sous
forme binaire pour mieux appréhender son effet sur
l'engagement. L'âge prend la valeur 1 si le chef de
ménage a un âge strictement supérieur à 45 ans et 0
si non. Selon la FAO (2003), plus on vieillit, moins on s'investit dans
l'entretien de la forêt. On s'attend donc à ce que l'âge
influence négativement la probabilité d'engagement.
La superficie totale des champs du ménage
(stc) : elle a été prise en compte pour
apprécier son effet sur l'engagement des ménages riverains. On
suppose qu'elle aura un impact positif sur la plantation d'arbres et
l'investissement. En général, ce sont les autochtones qui ont de
grandes surfaces culturales. Ils auront donc tendance à planter des
arbres pour confirmer leurs droits de propriété sur les
terres.
Sexe (sexe) : c'est une variable binaire
prenant la valeur 1 si le chef de
ménage est un homme et 0 si non. On se dit que les
hommes s'engagent plus que les femmes d'autant plus que le pouvoir de
décision revient généralement à l'homme.
Militant d'une association de gestion
forestière (mlt) : c'est aussi une variable
binaire prenant la valeur 1 si le chef de ménage est
membre d'une CVGT ou d'un club « Ga mo wignan » et 0 si
non. On s'attend à ce que les membres de groupement de gestion
forestière s'engagent davantage dans la conservation du parc. On se dit
que le militantisme constitue déjà une forme d'engagement.
Le niveau d'instruction (inst) : c'est
le nombre d'années passées dans un
centre d'alphabétisation. Selon Samboré (2001),
l'instruction joue un grand rôle dans la réussite des
activités de conservation des forêts. On suppose alors que si un
individu est instruit, il s'engagera davantage dans les programmes de
conservation de la forêt.
Le prêt reçu (credit):
c'est l'argent contracté par le ménage pour ses travaux de
production les cinq dernières années
précédent l'enquête. On suppose que le crédit
favorise l'investissement dans les techniques CES/DRS.
La présence de vélo (velo):
c'est une variable binaire qui prend la valeur 1 si le
ménage possède un vélo et 0 si non. Le
vélo sert à effectuer des déplacements et peut donc
favoriser la participation à la surveillance de la forêt.
Le nombre de formations reçues
(nfr) : il s'agit des séances de sensibilisations
suivies par le ménage. Plus un ménage participe
aux séances de sensibilisation, plus il prendra conscience des
conséquences des pertes des forêts et s'engagera davantage dans
leur conservation.
Le nombre de préparations de repas par jour
dans le ménage (npj) : cette variable a été
prise en compte pour voir l'effet nutritionnel sur l'engagement dans la
surveillance. On s'attend à ce qu'il influence positivement la
participation à la surveillance.
Pour éviter les problèmes posés par
d'éventuelles multicolinéarités, les coefficients de
corrélation entre les variables indépendantes ont
été vérifiés. Les résultats obtenus avec
XLSTAT version 2006 montrent que les corrélations sont
généralement faibles et ne présentent aucune menace
à la validité du modèle et des résultats empiriques
obtenus. Les variables à utiliser dans les estimations sont
résumées dans le tableau 3 ci-dessous.
Tableau 3: Récapitulatif des variables
à utiliser dans le modèle
|
symbole dans l'équation
|
nom et description des variables
|
type de variable
|
|
surveillance
|
la participation du ménage à la surveillance du
parc
|
dépendante
|
|
délimitation
|
la participation du ménage aux travaux de renforcement des
limites du parc
|
dépendante
|
|
plantation
|
la plantation individuelle d'arbres par le ménage
|
dépendante
|
|
investissement
|
l'investissement du ménage consacré à
l'adoption des techniques CES/DRS
|
dépendante
|
|
nfr
|
nombre de séances de sensibilisation suivie
|
continue
|
|
credit
|
accès au crédit (prêt reçu)
|
continue
|
|
tm
|
taille du ménage (nombre de personnes)
|
continue
|
|
nham
|
nombre d'hommes actifs dans le ménage (15à70ans)
|
continue
|
|
nfam
|
nombre de femmes actives dans le ménage
|
|
|
inst
|
niveau d'éducation chef du ménage (nombre
d'année passé à l'école)
|
continue
|
|
age
|
age chef du ménage (année révolue)
|
binaire (1 si age > 45 ans)
|
|
sexe
|
sexe chef du ménage
|
binaire (1=homme)
|
|
as
|
activité secondaire du ménage
|
binaire (1 si jardin, 0 si non)
|
|
mlt
|
membre d'une association
|
binaire (1=oui)
|
|
stc
|
superficie totale des champs du ménage
|
continue
|
|
velo
|
présence de vélo dans le ménage
|
binaire (1=oui)
|
|
npj
|
nombre de préparation de repas par jour
|
continu
|
|
dist
|
distance séparant le village et la forêt
|
binaire (1 si proche)
|
| 
