Memoire Online - Profil de pauvreté en république de Guinée : une approche multidimensionnelle

L'élève Ingénieur de Statistique Informatique Appliquée à l'Institut d'Études et de Formation en Statistique Appliquée et en Gestion et Évaluation de Projets (INEF-SAGEP) est tenu en quatrième année de rédiger et de soutenir publiquement un mémoire sanctionnant la fin de sa formation. Ce mémoire a pour but l'initiation du futur ingénieur statisticien à la recherche. C'est une occasion pour l'étudiant de mettre en pratique les connaissances acquises au cours de son cycle scolaire.

C'est pour répondre à cette exigence académique que nous avons opté sur le thème « Profil de pauvreté en République de Guinée : une approche multidimensionnelle ». L'objectif de cette étude est d'analyser à partir des données de l'ELEP 2007 la pauvreté selon une approche multidimensionnelle. Cette étude va contribuer non seulement à enrichir la connaissance sur la pauvreté, mais aussi, à orienter utilement les politiques de lutte contre la pauvreté dans le ciblage des groupes vulnérables.

Mes études ont été rendues possibles grâce au soutien financier de mes parents. Qu'ils trouvent ici l'expression de mes remerciements. Mes remerciements vont également à Monsieur DIA Aboubacar qui a mis à ma disposition les données et toutes les informations indispensables à sa compréhension.

Ce mémoire est une initiation à la recherche, de ce fait nous sommes entièrement réceptifs et ouverts à toutes les critiques et suggestions émanant de la part des membres du jury et pouvant l'améliorer.

Résumé

L'étude de la pauvreté en République de Guinée s'est toujours appuyée sur l'approche dite monétaire dans l'analyse de la pauvreté utilisant le revenu ou dépense comme le seul indicateur du bien-être. Pour approcher le phénomène de la pauvreté, l'Institut National de la Statistique n'utilise que les dépenses de consommation. Celle-ci est, cependant, limitée. Elle ne prend pas en compte, certaines dimensions du bien-être (éducation, santé, eau potable, nutrition, habitat, assainissement, énergie, communication, bien d'équipements et de confort, etc.).

Notre travail de recherche se base sur les données fournies par l'Enquête Légère d'Évaluation de la Pauvreté de l'année 2007. Cette enquête réalisée par l'Institut National de la Statistique de Guinée porte sur un échantillon de 7552 ménages.

À l'aide de la classification ascendante hiérarchique, nous avons pu classer les ménages selon leurs conditions de vie en deux groupes (les pauvres et les non pauvres) homogènes de telle sorte que les ménages d'un même groupe se ressemblent le plus possible, et ceux appartenant à deux groupes différents soient très différenciés. Les pauvres représentent 71,1 % de la population des ménages enquêtés et les non pauvres 28,9 %.

L'analyse discriminante nous a permis d'identifier les déterminants ou facteurs de la pauvreté des deux groupes constitués. 0n constate que la pauvreté est un phénomène essentiellement rural. Les plus touchés sont les chefs de ménages qui sont des indépendants agricoles ou non agricoles, ceux qui n'ont aucun niveau d'instruction et ceux qui résident dans les régions administratives de N'Zérékoré, Kankan, Faranah, Labé et Kindia. Les moins pauvres demeurent dans la capitale Conakry.

Pauvreté multidimensionnelle, Classification ascendante hiérarchique, Analyse discriminante, Profil de pauvreté, Guinée.

Je dédie ce travail qui est le couronnement de quatre longues et laborieuses années d'études à mes adorables parents pour tous les efforts consentis pour mon éducation. Qu'ils trouvent ici le sentiment d'une tâche bien accomplie.

Au terme de ce travail, je remercie tout d'abord Dieu le Clément et le Miséricordieux.

IL m'est agréable d'adresser mes plus vifs remerciements à mon Directeur de mémoire Monsieur Ndiappe NDIAYE pour avoir accepté de me diriger. Sa disponibilité, sa rigueur scientifique et ses encouragements m'ont disposé à réaliser ce mémoire dans de bonnes conditions.

Je remercie également tout le personnel enseignant de l'INEFSAGEP, pour son dévouement et la qualité des enseignements qu'il nous a donné durant toute notre formation.

Ma reconnaissance va ensuite à l'endroit de tous les étudiants de l'Institut pour leur sollicitude permanente. Ils ont toujours su manifester un esprit de camaraderie et de partage.

Enfin, je tiens à remercier respectivement tous ceux qui m'ont aidé, soutenu, et encouragé pour la réalisation de ce modeste travail.

3.2 Résultat de l'analyse de relation entre la variable dépendante et les variables

3.3.1.6 Choix du meilleur ou des modèles entre l'analyse factorielle discriminante et

Tableau 01 : Liste des variables utilisées par domaine dans la classification ascendante

Tableau 03 : Récapitulatif des critères pour le choix de la meilleure classification

Tableau 05 : Résultats des tests et intensité des liens entre la variable dépendante

Tableau 08 : logarithme népérien du déterminant de la matrice de variance covariance pour

Tableau 09 : Valeur propre et coefficient de corrélation canonique associé à la fonction linéaire

Tableau 21 : Comparaison entre les modèles issus de l'analyse factorielle discriminante et celle

Graphique 01 : Répartition (%) des ménages selon leurs caractéristiques Graphique 02 : Profils des groupes constitués

INEFSAPEP Institut d'Études et de Formation en Statistique Appliquée et en Gestion et Évaluation de Projets

Introduction

La République de Guinée a été dotée d'importantes potentialités agricoles et minières par la nature qui constituent des atouts majeurs pour son développement économique et social. La pluviométrie, le climat et la végétation sont propices à l'agriculture, l'élevage et la pêche. Cette abondance des ressources, notamment minières, lui vaut l'appellation de « scandale géologique ». La Guinée est le premier pays mondial pour ses réserves prouvées de bauxite, le deuxième derrière l'Australie pour la production. Cependant, au fil des ans ce pays, lourdement endetté, ne fait que s'appauvrir au point où le gouvernement milite activement, depuis quelques années, pour bénéficier de l'initiative de la Banque Mondiale en faveur des pays pauvres très endettés (initiative PPTE).

Un profil de pauvreté sert à caractériser les principales manifestations de la pauvreté. Il met en évidence comment le phénomène varie d'une région à l'autre, d'un groupe particulier de population à l'autre, d'un secteur d'activité à l'autre, d'un milieu à l'autre. En outre, le profil permet d'apprécier l'évolution du phénomène de pauvreté pour différents segments de la population afin d'identifier ceux pour lesquels une attention particulière mérite d'être accordée.

La réduction de la pauvreté est devenue de nos jours un objectif prioritaire des politiques publiques des pays en développement. À cet égard, l'analyse de la pauvreté constitue à la fois une préoccupation majeure et un défi, autant pour les gouvernements que pour leurs partenaires au développement. En effet, réunis en Septembre 2000, lors du sommet du millénaire pour le développement, les dirigeants des États membres de l'Organisation des Nations Unies (ONU) adoptaient la « Déclaration du Millénaire » dans laquelle ils se fixaient d'ici à l'horizon 2015, huit objectifs de développement. Le premier de ces huit objectifs s'intéresse justement, comme notre étude, à la pauvreté. Il vise en effet à réduire de moitié l'extrême pauvreté et la faim dans le monde d'ici à l'horizon 2015.

Face aux multiples défis qui s'imposent au pays, les autorités guinéennes ont adopté une attitude volontariste pour lutter contre la pauvreté. La volonté des autorités guinéennes de lutter contre la pauvreté connait depuis 2002 un début de concrétisation par l'élaboration, avec l'appui des divers partenaires, d'un Document de Stratégie de Réduction de la Pauvreté (DSRP) qui est appelé à terme à devenir le seul cadre de référence pour les interventions.

La littérature sur la pauvreté montre que les travaux récents accordent plus d'importance à l'approche multidimensionnelle de la pauvreté. La pauvreté ne doit pas être définie comme une insuffisance de ressources. Il est nécessaire, voire même indispensable de comprendre les multiples aspects qui se cachent derrière le phénomène de pauvreté, afin de proposer des politiques pertinentes pour doter les individus de moyens essentiels pour sortir de la pauvreté.

Le présent document, qui est le résultat de notre travail de recherche est divisé en trois chapitres. Le premier chapitre présente le cadre de l'étude. Nous faisons ici dans un premier temps une présentation de la Guinée, et ensuite faire une revue de littérature sur la pauvreté ; le deuxième chapitre fait état de la méthodologie utilisée et le troisième chapitre présente les principaux résultats, ainsi que leurs interprétations. Nous conclurons par quelques recommandations pour diminuer la pauvreté en Guinée.

Les études sur la pauvreté en République de Guinée se réfèrent toujours à l'approche unidimensionnelle (monétaire) d'analyse de la pauvreté utilisant le revenu (dépense) comme le seul indicateur du bien-être. Celle-ci est, cependant, limitée. Elle ne prend pas en compte, certaines dimensions du bien-être (éducation, santé, eau potable, nutrition, habitat, assainissement, énergie, communication, bien d'équipements et de confort), absence de relation et l'exclusion (extrême pauvreté).

La question essentielle peut être posée en ces termes : pourquoi certains individus privés de ressources monétaires ne sont-ils pas démunis dans d'autres dimensions ? Selon l'économiste Amartya SEN, la pauvreté est avant tout une privation des capacités élémentaires même si « cette définition ne vise en aucune manière à nier l'évidence : un revenu faible constitue bien une des causes essentielles de la pauvreté, pour la raison, au moins que l'absence des ressources est la principale source de privation d'un individu ». (SEN, 2000).

Cette approche ne fait pas l'unanimité parmi les économistes comme étant le seul cadre d'analyse de la pauvreté. En effet, un consensus s'est dégagé, depuis quelques années prouvant que la pauvreté est un phénomène multidimensionnel. Certains indicateurs sociaux apportent une information qui n'est pas reflétée par l'approche monétaire d'évaluation de la pauvreté.

En République de Guinée, de nombreuses sources d'informations sont disponibles, notamment les deux grandes enquêtes sur la pauvreté l'EIBC (94/95) et l'EIBEP (2002/2003). Si ces études, nous ont permis d'avoir une idée sur les manifestations et les facteurs de la pauvreté au niveau national, elles n'ont pas permis d'apprécier l'impact des différentes politiques sur la pauvreté.

Bien que la politique de lutte contre la pauvreté basée sur le revenu domine les autres, elle est limitée en ce sens que, l'accroissement du revenu des ménages pauvres n'est pas la meilleure façon d'accroitre la satisfaction des besoins de base.

Vu que la pauvreté est multiforme et recouvre diverses dimensions, l'on se pose les questions suivantes de savoir comment cerner et mettre en place des politiques efficaces de lutte contre ce phénomène.

Pour répondre à toutes ces questions, il nous faut des analyses approfondies. Dès lors, une étude de la pauvreté par l'approche multidimensionnelle s'avère nécessaire, car elle est plus large et plus riche que l'approche monétaire qui ne serait basée que sur un seul indicateur et favorise des politiques ciblées. Cependant, l'adoption d'une approche multidimensionnelle nécessite naturellement l'utilisation de plusieurs données individuelles sur plusieurs dimensions du bien-être.

Dans notre étude en particulier, nous utiliserons comme technique d'analyse la classification multiple qui servira à classer les ménages, en prenant pour variables celles relatives aux conditions de vie des ménages c'est-à-dire celles qui sont signe de pauvreté et l'analyse discriminante pour dresser le profil de pauvreté.

De façon globale, l'étude cherche à analyser la pauvreté en République de Guinée selon une approche multidimensionnelle. Cette étude va contribuer non seulement à enrichir la connaissance sur la pauvreté, mais aussi, à orienter utilement les politiques de lutte contre la pauvreté dans le ciblage des groupes vulnérables.

CHAPITRE 1 : CADRE DE L'ÉTUDE

1.1 Présentation générale de la République de Guinée

La République de Guinée est un pays côtier situé en Afrique de l'Ouest (7⁰30 de latitude Nord et 15⁰ de longitude Ouest). Couvrant une superficie de 245.857 km². Elle est limitée à l'Ouest par l'Océan Atlantique, au Nord-Ouest par la République de Guinée Bissau, au Nord par le Sénégal et la République du Mali, au Nord-Est par le Mali, à l'Est par la Côte d'Ivoire et au Sud par le Libéria et la Sierra Léone.

Sur le plan administratif, la Guinée compte sept régions administratives : Boké, Faranah, Kankan, Kindia, Labé, Mamou, N'Zérékoré. Les régions sont subdivisées en préfectures (33 au total). Ces préfectures sont subdivisées en 303 sous-préfectures dont le découpage correspond à celui des 304 communes rurales (CR) et des 38 communes urbaines (CU). En milieu rural, les CR sont des regroupements de districts comportant des villages alors que, en milieu urbain, les CU sont des regroupements de quartiers comportant des secteurs.

La ville de Conakry, la Capitale, jouit d'un statut particulier. Elle est divisée en 5 communes (Dixinn, Kaloum, Matam, Matoto et Ratoma).

Du point de vue géo-écologique, la Guinée est divisée en quatre régions naturelles: la Basse Guinée qui correspond à la zone côtière du pays, la Moyenne Guinée qui est une zone montagneuse comprenant le massif du Fouta Djalon, la Haute Guinée qui est une zone de savanes au nord du pays et la Guinée Forestière qui est une zone de forêt au sud-est du pays. De nombreux fleuves, tels que le Niger, le Sénégal, la Gambie ainsi que leurs principaux affluents trouvent leur source en Guinée. Le massif du Fouta Djalon offre un potentiel de production électrique important. En plus de son potentiel hydrographique, la Guinée renferme d'importantes richesses minières telles que la bauxite (il en est le deuxième pays producteur), le fer, l'or, le diamant, le cobalt et l'uranium.

Le climat du pays est globalement de type tropical à deux saisons : la saison des pluies et la saison sèche. La durée de ces deux saisons varie en fonction des régions climatiques : il existe quatre régions climatiques distinctes en Guinée. L'Ouest, au bord de l'Atlantique, est très humide. Le climat est plus tempéré au Centre (deux saisons égales, pluies de mai à novembre). Au Nord-Est, le climat est tropical sec avec des pluies plus faibles, des températures élevées sauf de décembre à février lorsque le vent souffle (20 °C contre 40 °C). Le Sud-Est de la Guinée est de subéquatorial avec une longue saison des pluies (8 à 10 mois) et des températures moyennes de 24 °C à 28 °C.

L'environnement en Guinée semble être préservé grâce à la faible densité de population et l'industrialisation limitée. Les principales menaces sont la déforestation, la pollution issue de l'exploitation minière, l'absence de traitement des eaux usées, auxquelles on peut ajouter le braconnage de la faune sauvage.

Selon les données du deuxième Recensement Général de la Population et de l'Habitat

(RGPH), la Guinée avait une population résidente de 7.156.406 habitants en 1996 dont

51,1 % de femme et 48,9 % d'hommes. Elle est estimée en 2007 à 9,68 millions (ELEP 2007) dont 51,9 % de femmes et 48,1 % d'hommes avec un rapport de masculinité de 92,5 soit moins de 93 hommes pour 100 femmes. La densité est estimée à 39 habitants au kilomètre carré. Une personne sur deux a moins de 15 ans et 4,5 % seulement des individus sont âgés de 65 ans ou plus. La population guinéenne est caractérisée par une extrême jeunesse. Le taux brut de natalité (TBN) est de 38,4 pour 1000 et l'indice synthétique de fécondité (ISF) de 5,7 enfants par femme. Le taux brut de mortalité (TBM) est estimé à 14,2 pour 1000.

L'espérance de vie à la naissance est de 54 ans. L'âge médian à la première union est de 16 ans pour les femmes et de 26 ans pour les hommes. La population croît à un rythme rapide de

3,1 % par an. La majeure partie de la population vit en milieu rural (69,3 %) et la capitale Conakry abrite près de 58 % de la population urbaine et près de 18 % de la population totale.

En ce qui concerne les mouvements migratoires (internes et internationaux), très peu d'informations sont disponibles en dehors des résultats de l'enquête sur la migration et l'urbanisation en Guinée réalisée en 1993. Cependant, le pays a connu d'intenses mouvements de population ces dernières années. Sur le plan intérieur, l'exode en direction des zones minières et des centres urbains, particulièrement Conakry, s'est intensifié. Il faut également noter que les attaques rebelles de septembre 2000 le long des frontières avec le Libéria et la Sierra Léone ont occasionné des déplacements importants de population vers l'intérieur du pays. Quant à la migration internationale, elle s'est aussi accrue. Ce qui retient l'attention à ce niveau, c'est surtout l'afflux de milliers de réfugiés Sierra-Léonais, Libériens et Ivoiriens d'une part et d'autre part le retour massif de Guinéens qui résidaient dans les pays voisins où des conflits armés ont éclaté.

En matière de scolarisation, des progrès ont été accomplis, le taux brut de scolarisation se situe à 78,3 % en 2010 et celui des filles à 70,1 %. Le taux d'alphabétisation est de 34,5 % (ELEP 2007).

L'état sanitaire se caractérise, entre autres, par un quotient de mortalité infanto juvénile

de 163 %o (EDS 2005), un taux de mortalité infantile de 91 %o, un taux de mortalité maternelle de 980 décès pour 100.000 naissances vivantes et des taux de malnutrition des enfants de moins de 5 ans assez importants. Selon les données de l'enquête nutritionnelle (SMART 2012), plus du tiers (34,5 %) des enfants de moins de 5 ans souffrent de retard de croissance, 5 % d'émaciation et 12 % d'insuffisance pondérale.

L'agriculture reste la principale activité de la population. Elle se pratique de manière traditionnelle : pluviale, itinérante et sur brûlis. Les cultures principales étant le riz, le manioc, la banane plantain, la patate douce, le fonio, le maïs, l'ananas et la mangue. Il n'en demeure pas moins, par exemple, que la grande partie du riz consommé est importée (faible compétitivité de la production locale).

L'activité économique est largement dominée en guinée par le secteur primaire qui emploie environ 69 % des actifs occupés et qui procurent de faibles revenus. La population active, c'est-à-dire celle en âge de travailler (individus dont l'âge varie entre 15-64 ans), elle représente 50,5 % de la population. Les résultats de l'ELEP montrent également que 77,5 %

sont occupées. Selon l'ELEP 2007, le taux de chômage entre 2002 et 2007 est passé de 10,2% à 15% à Conakry et de 6,7% à 3,2% dans les autres villes. Globalement, le sous-emploi concerne 9,1 % de la population active en 2007 contre 11,8% en 2002. Les femmes sont beaucoup plus touchées par le phénomène de sousemploi que les hommes, avec 7,5 % pour les hommes et 10,5 % pour les femmes correspondant à un rapport de féminité de 1,4 en 2007.

Malgré ses importantes potentialités agricoles et minières, la Guinée demeure un pays pauvre confronté à une situation économique difficile et régulièrement secoué par des tensions sociopolitiques. Sur le plan économique, depuis 1984, la Guinée s'est engagée dans un processus de transition d'une économie planifiée vers une économie de marché. Son économie est dominée par le secteur rural et le secteur minier qui contribuent respectivement pour 18 % et 19 % au PIB. Le secteur rural assure l'emploi et les moyens de subsistance à la majorité de la population.

En 2010, tous les indicateurs macroéconomiques indiquent que le pays est dans une situation difficile. Le taux de croissance de l'économie est calculé à 1,9 % insuffisant pour faire reculer la ligne de pauvreté. Le taux d'inflation de 20,8 % prévu pour 2010 est élevé et, de toute évidence, il contribue à éroder sérieusement le pouvoir d'achat des populations. Selon les résultats de l'Enquête Légère pour l'Évaluation de la Pauvreté (ELEP-2007), l'incidence de la pauvreté qui était de 49,2 %, en 2002 a atteint 53 % en 2007 et serait de 58 % en 2010.

En outre, le poids de la dette continue de peser sur les maigres ressources publiques. En effet, le stock de la dette extérieure de la Guinée s'élève à fin 2010 à 3 milliards de dollars pour un service moyen d'environ 175 millions dollars. Cette situation est aujourd'hui très préoccupante, car elle empêche le financement des secteurs essentiels à la réduction de la pauvreté. La dette représente 67 % du PIB pour un ratio du service de la dette sur les recettes fiscales 2010 de 31,95 %. Il apparaît donc très clairement que la dette rend très difficile l'intervention de l'État dans le financement budgétaire de ses programmes de lutte contre la pauvreté.

L'impact de la crise financière et économique mondiale est perceptible sur les recettes budgétaires. En effet, au cours des huit premiers mois de 2009, les recettes budgétaires provenant du secteur minier ont baissé fortement au rythme de 3 % en moyenne par mois contre une hausse d'environ 16 % par mois au cours de la même période en 2008. À ce

rythme, l'atteinte du point d'achèvement de l'Initiative Pays Pauvre Très Endettés (IPPTE) sera une tâche difficile pour le pays si la tendance n'est pas rapidement inversée.

1.2 Revue de la littérature

1.2.1 Les approches conceptuelles de la pauvreté

Il existe trois principales écoles de pensée sur la mesure de la pauvreté : l'école welfariste, l'école des besoins de base et l'école des capacités. Ces trois écoles semblent être d'accord sur le point suivant (Asselin et Dauphin, 2000) : est considéré comme pauvre toute personne qui n'atteint pas un minimum de satisfaction raisonnable d'une « chose ». Ce qui les distingue, c'est la nature et le niveau de ce minimum.

1.2.1.1 L'école welfariste

L'approche utilitariste d'inspiration néo-classique est basée sur le concept de bien-être économique. Il se base sur le principe selon lequel chaque individu satisfait son bien-être selon ses préférences. Ces derniers varient selon les caractéristiques individuelles, les besoins, les capacités et le temps.

Selon cette approche, un individu est considéré comme pauvre s'il ne parvient pas à atteindre un niveau de bien-être économique considéré comme un minimum raisonnable selon les standards de la société où il vit.

En effet, l'évaluation du bien-être individuel se base sur l'ordre des préférences révélées par ses choix libres. Par exemple, une personne a pu être considérée comme pauvre en se basant sur la consommation totale, alors qu'il pourrait être en mesure à des non pauvres vu sa capacité de travail. Ceci est expliqué par le choix de cet individu qui choisit de travailler et dépenser peu pour, par exemple, le bénéfice de plus de loisirs.

La liberté de choix engendre une hétérogénéité des préférences, qui ne sont pas directement observables, ce qui limite leur utilisation pratique pour mesurer la pauvreté. En effet, l'utilisation du bien-être économique se heurte à deux problèmes majeurs.

Le premier est lié à l'observation des préférences révélées. En fait, la catégorisation des individus en pauvres et riches n'est pas liée, seulement, à ses caractéristiques sociodémographiques et ses conditions de vie. Mais, il faut se référer au niveau d'utilité

procurée par un individu, s'il est inférieur ou non à un certain niveau d'utilité critique selon sa perception. Pour cela, il faut disposer de toutes les informations sur les préférences de chaque individu, mais leur collecte est difficile à réaliser. Ce qui rend l'approche utilitariste peu pratique.

Le deuxième problème porte sur la mesurer de « bonheur physique » ou le plaisir provenant du choix de consommateur. En fait, la comparaison d'utilité entre les individus devient difficile vu que les préférences sont hétérogènes et que les caractéristiques personnelles, les besoins et les capacités sont divers. De même, les ménages se diffèrent selon la taille et la composition et les prix varient dans le temps et l'espace. Pour cela, la comparaison du bien-être n'a pas de sens.

Entre autres, cette approche considère comme pauvre une personne qu'on n'a pas satisfait ses besoins, même s'il est matériellement aisé, comme il peut considérer une personne comme non pauvre, car il est content et satisfait de son niveau économique, même s'il est privé de certains attributs.

Dans la pratique, vu que l'utilité est un état procuré par une personne suite à la consommation de biens ou de services, les économistes utilitaristes prennent comme mesure de bien-être le revenu ou les dépenses des ménages. En fait, un ménage qui n'atteint pas un niveau de revenu acceptable selon les standards de sa société, est considéré comme pauvre. Donc, la faiblesse du revenu est un critère d'identification de la pauvreté.

Néanmoins, il est à rappeler que la pauvreté en se basant sur la consommation ou le revenu ne prend pas en compte le bien-être procuré des biens publics et des biens non marchands, tels que la sécurité, la liberté, la paix et la santé. Ces derniers sont difficiles à préciser en pratique. Selon cette approche, les politiques de réduction de la pauvreté sont axées sur l'augmentation du revenu. Par conséquent, les forces du marché sont supposées amener aux pauvres les fruits de la croissance économique, alors que la taxation, les services sociaux et les autres interventions de l'État ne sont favorables qu'à la répartition des fruits de la croissance économique.

À côté de l'approche utilitariste, il existe l'école non utilitariste qui définit le bien-être selon une autre logique.

1.2.1.2 L'école non welfariste

Selon l'approche non utilitariste, le niveau de bien-être se présente selon les normes et les valeurs de chaque société, indépendamment des perceptions de chaque individu. Contrairement à l'approche utilitariste qui utilise un indicateur agrégé (le revenu ou l'utilité) pour analyser les niveaux de vie, l'approche non utilitariste utilise les multiples dimensions du bien-être.

On distingue deux principaux types d'approches non utilitaristes : l'approche basée sur les capacités et l'approche basée sur les besoins essentiels.

Les capacités représentent les différentes combinaisons de « fonctionnements » qu'un individu ou un ménage peut réaliser. Ces capacités sont définies comme étant une combinaison fonctionnelle du savoir-être et du savoir-faire que chaque personne doit l'atteindre et qui lui permet d'avoir un type de vie bien déterminé. À cet effet, l'individu doit être adéquatement nourri, avoir une éducation, être en bonne santé, être adéquatement logé, prendre part à la vie communautaire, apparaitre en public sans avoir honte, etc.

Cette condition est suffisante pour ne pas considérer une personne comme pauvre. En effet, la « chose » manquante n'est ni l'utilité ni la satisfaction des besoins de base, mais des habilités ou capacités humaines.

L'école des capacités considère ainsi, comme pauvre, une personne qui n'a pas les capacités d'atteindre un certain sous-ensemble de fonctionnements. Selon cette approche, la réalisation des résultats n'est pas importante. En effet, on ne considère pas comme pauvre une personne qui ne choisit pas d'atteindre certains fonctionnements tant qu'il peut les atteindre s'il veut.

Cette distinction entre les résultats et la capacité de les atteindre montre bien la diversité des préférences dans la détermination des choix de fonctionnements.

Il s'avère alors qu'en se basant sur cette approche, les stratégies de réduction de la pauvreté cherchent à favoriser le renforcement des capacités des pauvres.

Cette approche de Sen (1985) met l'accent sur la nécessité de pouvoir satisfaire certains besoins fondamentaux qui sont nécessaires à l'atteinte d'une certaine qualité de vie. Les

principaux besoins de base pris en compte sont : éducation, santé, hygiène, assainissement, eau potable, habitat, accès aux infrastructures de base, etc.

La mesure de bien-être, dans ce cas, consiste en une agrégation des fonctionnements de base multidimensionnelle.

La détermination des besoins de base, jugés essentiels pour mener une vie décente, dépend des caractéristiques des individus et des sociétés dans lesquelles ils vivent. Elles sont généralement définies en termes de moyens plutôt que des résultats. Ainsi, la satisfaction des besoins de base est un élément important pour juger qu'une personne a obtenu des fonctionnements.

Selon P.Streeten (1981), les besoins de base sont nécessaires pour prévenir la mauvaise santé, la sous-alimentation et l'insécurité sociale. Par exemple, une personne non pauvre doit avoir accès aux services sociaux, comme l'éducation et la santé, mais il n'est pas nécessaire d'être en bonne santé et bien éduquée.

Toutefois, l'approche des besoins essentiels se heurte à un problème de détermination de la liste des besoins. En fait, cette liste n'est pas limitée d'un nombre précis des domaines, et il n'y a pas de consensus sur ce que devrait être cette liste.

Un autre problème concerne le niveau minimum qui devrait être requis, au niveau des besoins de chaque domaine, pour ne pas être considéré comme pauvre.

Il en résulte que les politiques réductrices de pauvreté qui caractérisent cette approche reposent sur la satisfaction des besoins essentiels comme l'amélioration de logement, l'éducation des enfants, l'éradication des maladies, la réduction de la malnutrition, etc.

1.2.2 Travaux empiriques sur la pauvreté multidimensionnelle

De nombreuses études s'intéressent à l'analyse de la pauvreté multidimensionnelle. En général, elles mettent un accent particulier sur les conditions de vie : accès aux services sociaux de base, biens durables des ménages, etc.

Sabina ,A. et Maria, E.S.,(2010), de l'Oxford Poverty and Human Development Initiative (OPHI) de l'Université d'Oxford et le Bureau du Rapport sur le Développement humain du Programme des Nations Unies pour le Développement (PNUD) ont lancé une nouvelle mesure de la pauvreté présentant un tableau « multidimensionnel » des personnes vivant dans

la pauvreté qui selon ses créateurs pourrait contribuer à cibler les ressources de développement de manière plus efficace. L'IPM a remplacé l'indice de pauvreté humaine, qui figurait dans les rapports sur le développement humain depuis 1997.

La mesure de la pauvreté est le plus souvent basée sur un seul indicateur essentiel, le revenu (par exemple le seuil de pauvreté : 1,25 $ par jour). Cette approche de la pauvreté ne fournit qu'une image partielle de celle-ci, les auteurs ont travaillé à partir de dix indicateurs de la pauvreté à la fois, d'où son caractère « multidimensionnel » :

le sol de l'habitat (si le sol est couvert par de la boue, du sable ou du fumier) ;

le combustible utilisé pour cuisiner (si c'est du bois, du charbon de bois ou de la

les biens mobiliers (si pas plus d'un bien parmi : radio, télévision, téléphone, vélo,

Le travail statistique couvre 104 pays en développement (37 de l'Afrique subsaharienne, 24 d'Europe/Communauté des États indépendants , 18 d'Amérique latine/Caraïbes, 11 du monde arabe, 9 de l'Asie orientale/Pacifique et 5 d'Asie du Sud), peuplés par 5,2 milliards d'habitants en 2007 (soit 78 % de la population mondiale). Parmi eux : 1 milliard 659 millions d'humains sont considérés par l'indice de pauvreté multidimensionnel comme étant pauvres, soit les plus pauvres des pauvres du monde.

Si les pays d'Afrique subsaharienne sont très nombreux dans le bas du classement (27 % des pauvres de la planète au sens du MPI), l'Asie du Sud concentre 51 % des pauvres du Monde (pour 29,5 % de la population des pays en développement). La répartition des pauvres se fait comme suit :

Europe et Communauté des États indépendants : 12,2 millions (3 % de la population) ; Amérique latine et Caraïbes : 51 millions (10,4 % de la population) ;

Monde arabe : 38,9 millions (17,9 % de la population) ; Asie du Sud : 843,8 millions (54,7 % de la population) ; Afrique subsaharienne : 458 millions (64,5 % de la population).

Pour la Guinée, l'IMP est de 0,505, la proportion de la population atteinte de pauvreté multidimensionnelle est de 82,4 % soit 7.900.000 individus.

L'indice de pauvreté multidimensionnel se rajoute donc aux autres outils de mesure des inégalités utilisés par l'ONU pour répondre aux objectifs du millénaire : le produit intérieur brut par habitant (PIB/hab.), l'indice de développement humain (IDH) et l'indice de pauvreté humaine (IPH).

Des indicateurs composites ont été construits pour le Sénégal, le Cameroun, la Tunisie, le Togo, la Cote d'Ivoire, le Maroc (Ki et al. 2005, Foko et al. 2007, Ayadi et al. 2007, Lawson et al. 2007, Sylla et al. 2005, Toumani, A. et Fouzia, E., 2009). La pauvreté se relève plus marquée avec une approche multidimensionnelle qu'avec une approche monétaire. La corrélation des résultats est positive, mais imparfaite tandis que les deux approches définissent deux ensembles différents de ménages pauvres.

CHAPITRE 2 : MÉTHODOLOGIE DE L'ÉTUDE

Dans le cadre de cette étude, et compte tenu à la fois de l'objectif qui lui est assigné et des limites inhérentes à l'approche monétaire de la pauvreté, nous adoptons l'approche multidimensionnelle.

Nous avons un ensemble de variables décrivant les modalités que peuvent prendre les indicateurs des conditions de vie du ménage, tels que le type de logement, le mode d'éclairage, la possession d'un actif, l'accès à la santé, à l'éducation, à l'eau potable, etc. Le problème que l'on veut résoudre est comment analyser au cas au cas toutes les variables et de tirer une conclusion quelconque de cette analyse.

C'est pourquoi il est préférable de classer les individus par groupe. Le nombre de groupes n'est pas défini à priori, mais puisque les individus appartenant à un même groupe doivent se ressembler le plus possible et les individus n'appartenant pas dans le même groupe soient très différenciés. La méthode la plus appropriée est la classification multiple, car elle a l'avantage de détecter non seulement le groupe des personnes jugées pauvres, mais aussi d'autres classes se retrouvant dans la société.

Les groupes étant constitués, nous utilisons l'analyse discriminante pour caractériser les ménages de sorte que, connaissant les caractéristiques d'un individu ou ménage donné, il soit possible de les classer soit dans la catégorie des pauvres, des moyens ou des nantis.

2.1 Sources des données

Les données proviennent de l'enquête légère sur l'évaluation de la pauvreté de l'année 2007, seconde enquête du genre réalisé par l'Institut National de la Statistique (INS) dans le cadre du suivi de la Stratégie de Réduction de la Pauvreté (SRP) et des Objectifs du Millénaire pour le Développement (OMD) après l'Enquête sur le Questionnaire des Indicateurs de Base du Bien-être (QUIBB), de 2002.

L'Enquête Légère sur l'Évaluation de la Pauvreté (ELEP ou QUIBB) fait partie de la dernière génération d'enquêtes auprès des ménages développées par la Banque Mondiale, en collaboration avec le PNUD, l'UNICEF et le BIT.

Cette enquête a porté sur un échantillon initial de 7.612 ménages tirés selon un sondage stratifié à deux degrés en milieu rural et trois degrés en milieu urbain au niveau de chaque région administrative et de la zone spéciale de Conakry. La base de sondage issue du RGPH

de 1996 a servi pour le tirage des Villes et des ZD. Pour le tirage des ménages, les organisateurs ont eu recours aux listings des ménages établis lors du dénombrement des unités primaires de sondage sélectionnées pour l'EIBEP 2002/2003.

La taille de l'échantillon pour le milieu rural tiré au premier degré du tirage est de 179 zones de dénombrement correspondant à 3.580 ménages échantillons au second degré. La taille de l'échantillon pour le milieu urbain tiré au deuxième degré du tirage est de 336 zones de dénombrement correspondant à 4.032 ménages échantillons au troisième degré.

Au total, la taille de l'échantillon porte sur 515 zones de dénombrement correspondant à 7.612 ménages. Toutefois, il convient de remarquer que sur les 7.612 ménages tirés, un effectif de 5816 (76,4 %) ont été enquêtés, 319 (4,2 %) ont été remplacés pour cause de refus, 1417 (18,6 %) ont été remplacé parce que les ménages n'ont pas été trouvés et 60 ont répondus partiellement et de ce fait les données de ces 60 ménages ont été éliminées des fichiers. De ce fait, 7552 ménages ont été effectivement enquêtés, soit un taux de couverture de 99,2 %.

L'unité statistique est le ménage ordinaire, défini comme un ensemble composé d'une ou de plusieurs personnes (unité socio-économique), ayant un lien de sang, de mariage ou non, vivant dans un ou plusieurs logements de la même concession (cet ensemble de logements constituant une unité d'habitation), mettant en commun tout ou partie de leurs ressources, pour subvenir aux dépenses courantes, prenant le plus souvent leurs repas en commun, et reconnaissant l'autorité d'une seule personne appelée chef de ménage (ou personne de référence).

2.2 Présentation de la base des données et traitement des données

La base de données fournit est en format SPSS. Les fichiers d'étude sont : le fichier des ménages (7.552 ménages et 143 variables) et le fichier des biens durables possédés par le ménage (37.739 individus et 9 variables).

Le fichier des biens durables possédés par le ménage a été agrégé en fonction des variables « numéro » et « identifiant » du ménage ; ces deux variables sont présentent dans tous les fichiers de la base de données. Nous avons fait une fusion (ajout de variables) entre les deux fichiers afin d'obtenir un seul. Ce dernier nous a servi comme fichier de travail. Le traitement des données a été effectué grâce au logiciel SPSS.

2.3 Méthodes d'analyse utilisées

Pour procéder à l'analyse des données de notre étude, nous avons fait recours à trois méthodes.

Dans un premier temps, une classification ascendante hiérarchique a permis de dresser une typologie des ménages selon leurs caractéristiques.

Dans un second temps, une analyse bivariée a été utilisée. On étudiera à l'aide du test de Khi-deux et de l'Anova à un facteur la liaison entre la variable dépendante et les différentes variables indépendantes ou explicatives. Si une variable n'est pas liée avec la variable dépendante, on l'élimine de l'étude.

Enfin, une analyse discriminante a été réalisée afin d'identifier les variables discriminant la variable dépendante en tant que variable nominale admettant comme modalités le nombre de groupes constitués et décrivant l'appartenance des individus (ménages) aux groupes identifiés à l'issu de la CAH.

2.3.1 Principe de la classification ascendante hiérarchique (CAH)

La classification hiérarchique constitue depuis longtemps une forme de classification très populaire. Elle a l'avantage d'être interprétable visuellement à l'aide des graphes ou dendrogramme. Elle est utilisée dans différents domaines : la taxinomie, la biologie, les réseaux de télécommunications, le marketing, etc.

C'est une méthode de classification qui consiste à fusionner deux objets (ou individus) au sens d'une mesure de proximité de sorte que deux objets groupés à une étape le restent jusqu'au terme du processus de classification. Il s'agit ici, à partir des éléments terminaux, de former de petites classes ne comportant que des individus les plus semblables, et on continue le processus jusqu'à l'obtention d'une seule classe formée de tous les éléments.

Avant de lancer une quelconque classification, il faut respecter au préalable les étapes suivantes :

Étape 1 : Il faut sélectionner les individus à classer ou les variables qui serviront pour critère de classification.

Étape 2 : On choisit une distance ou un indice d'écart entre paires d'individus. La distance généralement utilisée dans les algorithmes de classification hiérarchique est le carré de la distance euclidienne.

Étape 3 : On choisit une règle de calcul pour les distances entre classes.

Étape 4 : On détermine un critère d'agrégation des individus dans les classes.

Pour rappel la méthode de Ward (la plus populaire) est un critère d'agrégation, elle consiste à choisir à chaque étape le regroupement de classes tel que l'augmentation de l'inertie intra-classe, utilisée comme indice de niveau, soit minimum.

2.3.2 Principe de l'analyse discriminante

L'analyse discriminante (AD) encore appelée analyse de profil permet de construire un modèle de prévision de groupe d'affectation basé sur les caractéristiques observées de chaque individu. C'est une méthode utilisée notamment par les banques pour le scoring, en assurance, en médecine, en archéologie, en biologie, etc.

On dispose d'individus issus de deux ou plusieurs populations connues, lesquels ont été mesurés par rapport aux variables indépendantes métriques X1, X2,.....Xp. Le principe de l'analyse discriminante est d'identifier une combinaison linéaire de variables indépendantes permettant de mieux séparer ou dissocier les populations à travers un tableau des données.

? Préciser les variables les plus explicatives de l'appartenance des individus à des groupes ;

? Identifier la combinaison linéaire des variables explicatives qui affecte, avec le plus précision, les individus à ces groupes ;

? Déterminer l'importance respective des variables explicatives dans l'affectation des individus ;

? Faire des prévisions sur l'appartenance à l'un des groupes d'un nouvel individu que l'on vient de mesurer par rapport aux mêmes variables indépendantes.

Pour rappel : toutes les variables indépendantes doivent être quantitatives et ne pas être corrélées entre elles. La variable dépendante doit être une variable nominale dichotomique ou multichotomique.

La procédure génère une fonction discriminante (ou, pour plus de deux groupes, un ensemble de fonctions discriminantes) basée sur les combinaisons linéaires des variables explicatives qui donnent la meilleure discrimination entre groupes.

Les fonctions sont générées à partir d'un échantillon d'observation pour lesquelles le groupe d'affectation est connu. Les fonctions peuvent alors être appliquées aux nouvelles observations avec des mesures de variables explicatives, mais de groupe d'affectation inconnu.

2.4 Variables de l'étude

2.4.1 Variables utilisées pour la classification ascendante hiérarchique

Pour l'analyse de la classification ascendante hiérarchique, on va utiliser les variables relatives aux caractéristiques des ménages, celles qui sont signe de pauvreté.

Dans le cadre de cette étude qui s'attache à analyser la pauvreté multidimensionnelle, ce processus s'articule tout d'abord autour du choix de neuf (9) dimensions ou domaines dans lesquels il sera analysé les privations dont souffrent les individus. Le choix de ces domaines tient aussi à deux raisons : la disponibilité des informations contenues dans la base de données et la pertinence de l'ensemble de ces domaines du point de vue de l'analyse des conditions de vie des ménages.

Presque la totalité de ces dimensions figure parmi les huit objectifs de la déclaration du millénaire et celui de l'objectif général de la stratégie de réduction de la pauvreté qui sont la réduction significative et durable de la pauvreté en Guinée, à travers l'augmentation des revenus et l'amélioration de l'état de bien-être des populations, notamment des plus pauvres.

Tableau 01 : Liste des variables utilisées par domaine dans la classification ascendante hiérarchique

Éducation

Accès à l'éducation

Temps pour aller à l'école Primaire (moins de 30 minutes)

Distance école Primaire (moins de

1kilomètre)

Temps pour aller à l'école Secondaire

(moins de 30 minutes)

Distance école Secondaire (moins de 1kilomètre)

Énergie

Accès à l'électricité

Oui accès à l'électricité

Combustible principal utilisé pour faire la

cuisine

Bois

Charbon de bois

Source principale d'éclairage

Électricité/Secteur

Lampe tempête (Pétrole)

Bougie

Torche

Santé

Accès à la santé

Temps pour aller à l'établissement sanitaire/service de santé (moins de 30 minutes)

Distance établissement

sanitaire/service de santé (moins de 1kilomètre)

Communication

Télévision

Radio

Téléphone

Accès au transport public

Temps pour aller au transport public: arrêt de bus, taxi, etc. (moins de 30 minutes)

Distance transport public: arrêt de bus,

taxi, etc. (moins de 1kilomètre) Accès à la route praticable

Temps pour aller à la route praticable (moins de 30 minutes)

Distance route praticable (moins de 1kilomètre)

Eau potable

Source eau potable

Robinet du ménage

Robinet du voisin

Forage

Puits aménagés

Puits non aménagés

Eau de surface

Accès à l'eau potable

Temps pour aller à la source d'eau

potable (moins de 30 minutes)

Distance source d'eau potable (moins

de 1 km)

Assainissement

Type de toilettes utilisé

Chasse d'eau avec fosse septique

Latrines couvertes

Latrines non couvertes

Nature

Principal mode d'évacuation des ordures

ménagères

Ramassage Privé

Poubelle publique

Incinération

Enfouissement

Nature

Principal mode d'évacuation des eaux usées

Canal à ciel ouvert

Trou creusé dans la cour

Dans la rue/la nature

On va utiliser les informations relatives aux variables indépendantes qui sont les variables sociodémographiques, socio-économiques et du capital humain des chefs de ménages pour le étudier le profil de pauvreté.

Les variables « Femme », « Union libre/Concubinage », « Secondaire 2 », « Employeur », « Autres employés », « Boké » et « Urbain » ont été éliminées de l'analyse discriminante pour des problèmes de redondance ou de très faibles effectifs.

2.5 Transformation des variables

La nature des variables n'étant pas la même, ceci pose un problème au niveau de l'analyse désirée. Pour résoudre ce problème, on transforme les variables quantitatives qui sont les variables d'accès aux infrastructures de base (santé, éducation, marché de produits alimentaires, transport public, eau potable et route praticable) en variables qualitatives, admettant comme modalités (moins de 30 minutes et plus de 30 minutes pour le temps mis ; moins d'un kilomètre et plus de 1 kilomètre pour la distance à parcourir).

Cette transformation a été faite grâce à la fonction « Calculer » offerte par SPSS.

Toutes les modalités des variables nominales ou catégorielles ont été transformées en variables binaires ou muettes et codées de la manière suivante : (0) absence de la modalité et (1) présence de modalité.

Pour éviter le problème de redondance, pour chaque variable le nombre de variables binaires crées est égal au nombre de modalités de la variable moins un.

Par exemple pour le sexe du chef de ménage, nous avons construit une seule variable binaire notée "Homme chef ménage" codée avec 1si le chef de ménage est homme et 0 sinon.

Pour la variable « Temps pour aller à l'école primaire (moins de 30 minutes) », elle est codée avec 1 si le ménage fait moins de 30 minutes et 0 sinon.

Toutes les transformations des variables ont été faites avec le logiciel SPSS, qui est notre logiciel de travail.

Toutes les modalités des variables qui ont des effectifs très faibles ont été éliminées des analyses.

CHAPITRE 3 : PRÉSENTATION ET INTERPRÉTATION DES RÉSULTATS

Dans ce chapitre, après avoir présenté les résultats de notre analyse nous procédons ensuite à leurs interprétations.

3.1 Résultats de la classification ascendante hiérarchique

À partir de la classification ascendante hiérarchique, nous allons chercher à avoir la meilleure classification, puis faire une description des groupes constitués et essayer de les baptiser. Pour atteindre ces objectifs, nous avons utilisé pour la CAH, la « méthode de Ward » comme méthode d'agrégation, le « carré de la distance euclidienne » comme distance et types de données « binaires » comme mesure de variables sur notre logiciel de travail SPSS.

3.1.1 Choix du nombre optimal de groupes

Pour avoir la meilleure classification, nous avons fait des simulations à 2, 3, 4 et 5 groupes. L'exploitation du dendrogramme de la classification hiérarchique s'avère très difficile parce que le nombre d'individus est très grand. Pour remédier à ce problème, on crée une variable multichotomique dont les modalités sont les classes ou groupes pour chaque partition.

Nous utiliserons une méthode moins empirique et plus scientifique pour avoir le nombre optimal de groupes (évaluation de la qualité de la partition).

y' Apprécier le nombre de variables qui sont significatives au seuil de 0,05 pour chaque partition ;

y' Apprécier l'IQV (si les groupes sont homogènes et bien équilibrés) pour chaque partition.

L'analyse de variance à un facteur (Anova) nous a permis d'avoir le nombre de variables significatives et les corrélations (Eta²).

L'indice de variation qualitative est une mesure qui permet de déterminer le niveau d'homogénéité ou d'hétérogénéité d'une variable nominale ou continue.

? Si IQV< 0,5 on est dans une situation d'homogénéité parfaite. Dans ce cas, on dit que la dispersion est presque nulle ;

? Si IQV> 0,5 on est dans une situation d'hétérogénéité presque parfaite. Dans ce cas, on dit que la dispersion est totale.

Tableau 03 : Récapitulatif des critères pour le choix de la meilleure classification

Au vu des résultats, la partition du groupage à deux est la seule partition à posséder toutes les variables qui sont significatives, mais aussi, elle a les Eta carré les plus élevés, la partition du groupage à quatre a les groupes les plus homogènes et les plus équilibrés.

De ce constat, la meilleure classification est la partition du groupage à deux.

L'analyse discriminante, nous a permis aussi d'avoir la meilleure classification à l'aide du pourcentage des observations originales classées correctement par les fonctions linéaires de Fisher (voir annexe tableau A1).

Le groupement à deux a le plus grand pourcentage des observations originales classées correctement soit 90,3 %.

Ces deux méthodes, nous poussent à retenir le groupement à deux dans le cadre de notre étude.

Pour rappel, si la signification (alpha) est inférieur à 0,05, on dit alors que la variable concernée à un pouvoir discriminant. C'est-à-dire la variable à des moyennes ou proportions significativement différentes entre les groupes constitués.

Toutes les variables retenues pour le classement des ménages dans le groupage à deux selon leurs caractéristiques ont des pouvoirs discriminants (tous les alpha sont inférieurs à 0,05 signifiant ainsi, qu'elles peuvent être retenues pour différentier les ménages entre eux) (voir annexe, tableau A2).

3.1.2 Récapitulatif des classements des ménages Tableau 04 : Récapitulatif des classements

	Méthode de Ward
	1	2	Total
Propriétaire	0,808	0,470	0,710
Copropriétaire familial	0,093	0,127	0,103
Location	0,067	0,312	0,138
Logé gratuitement	0,027	0,062	0,037
Maison individuelle	0,363	0,458	0,391
Appartement	0,175	0,348	0,225
Chambre/studio	0,030	0,102	0,051
Case	0,289	0,001	0,206
Case et maison	0,076	0,004	0,055
Plusieurs maisons	0,067	0,084	0,072
Ciment	0,431	0,852	0,553
Carreau	0,010	0,133	0,046
Terre battue	0,558	0,008	0,399
Béton/Ciment	0,011	0,047	0,022
Tôle ondulée	0,645	0,930	0,728
Chaume/Paille	0,340	0,003	0,243
Briques Ciment	0,070	0,764	0,271
Briques Terre cuite	0,217	0,192	0,210
Terre stabilisée	0,030	0,003	0,022
Briques Terre/Banco	0,667	0,027	0,482
Robinet du ménage	0,016	0,393	0,125
Robinet du voisin	0,049	0,418	0,156
Forage	0,546	0,055	0,404
Puits aménagés	0,092	0,075	0,087
Puits non aménagés	0,139	0,041	0,111
Eau de surface	0,144	0,004	0,103
Chasse d'eau avec fosse septique	0,003	0,098	0,030
Latrines couvertes	0,230	0,649	0,351
Latrines non couvertes	0,566	0,202	0,460
Nature	0,191	0,014	0,140
Oui accès à l'électricité	0,050	0,950	0,310
Bois	0,889	0,266	0,709
Charbon de bois	0,091	0,696	0,266
Électricité/Secteur	0,021	0,880	0,270
Lampe tempête (Pétrole)	0,599	0,041	0,438
Bougie	0,141	0,067	0,120
Torche	0,166	0,003	0,119
Ramassage Privé	0,009	0,227	0,072

Possession de moutons, chèvres et d'autres animaux de taille moyenne par le ménage

Temps pour aller au transport public: arrêt de bus, taxi, etc. (moins de 30 minutes)

Temps pour aller à l'établissement sanitaire/service de santé (moins de 30 minutes)

3.1.3.1 Caractéristiques des ménages du Groupe 1

Le groupe 1 représente 71,1 % de notre échantillon soit un effectif de 5366 ménages enquêtés. Dans ce groupe 80,8 % des ménages sont propriétaires de leurs logements. Nous notons une précarité des principaux matériaux du logement. En effet, 55,8 % des ménages ont la terre battue comme matériel du sol, les toits sont en tôles ondulées (64,5 %) et 66,7 % des maisons sont construites en brique de terre ou banco. Leur principal mode d'approvisionnement en eau de boisson est le forage (54,6 %). Les ménages ont pour type de lieux d'aisance les latrines non couvertes (près de 6 ménages sur dix). Les ménages utilisent le bois comme source d'énergie pour la cuisine (88,9 %) et comme source d'éclairage du logement la lampe tempête (59,9 %).

Dans ce groupe, 89,7 % des ménages utilisent la nature pour se débarrasser des ordures ménagères et 93,6 % utilisent la rue ou la nature pour évacuer les eaux usées.

Concernant l'accès à certaines infrastructures de bases, 92,4 % des ménages font moins de 30 minutes pour se rendre à la source d'eau potable la plus proche et 88,3 % font moins d'un kilomètre pour l'atteindre. Pour aller au marché de produits alimentaires le plus proche, 55,8 % des ménages font moins de 30 minutes pour s'y rendre. Pour aller au transport public (arrêt bus, taxi, etc.) le plus proche, 63,4 % des ménages font moins de 30 minutes pour s'y rendre et 52,5 % parcourent moins d'un kilomètre pour l'atteindre. Pour se rendre à l'école primaire la plus proche, 82,4 % des ménages font moins de 30 minutes et 71,5 % parcourent moins d'un kilomètre pour l'atteindre. Pour se rendre à l'établissement sanitaire ou service de santé le plus proche 55,1 % des ménages font moins de 30 minutes. Pour aller à la route praticable la plus proche, 79,4 % des ménages font moins de 30 minutes et 74 % parcourent moins d'un kilomètre pour l'atteindre.

Dans ce groupe, l'accès à l'électricité est inexistant. On note également ici une rareté d'appareil d'équipement. Par contre, les ménages de ce groupe possèdent des biens tels que : un lit (89,7 %), des terres agricoles (61,7 %).

Au vu des caractéristiques des ménages du groupe 1, caractéristiques liées aux mauvaises conditions de vie (une précarité des principaux matériaux du logement, une rareté d'appareil d'équipement, pas accès à l'électricité, utilisation du bois comme source d'énergie pour la cuisine et comme source d'éclairage du logement la lampe tempête, faible accès à l'école

secondaire, à la santé, utilisation de la nature et de la rue pour évacuer les ordures ménagères et les eaux usées, etc.) on peut assimiler le groupe 1 comme étant celui des ménages pauvres.

Le groupe 2 représente 28,9 % de notre échantillon soit un effectif de 2186 ménages enquêtés. Les matériaux d'habitat sont en matériaux définitifs. Les murs des maisons sont en brique-ciment (76,4 %), le sol est en ciment (85,2 %) et le toit est en tôle ondulée (93 %)

Leur principal mode d'approvisionnement en eau de boisson est le robinet du ménage ou du voisin (81,1 %). Il est à noter que 64,9 % des ménages utilisent des latrines couvertes.

Les ménages utilisent le charbon de bois (69,6 %) comme source d'énergie pour la cuisine et comme source d'éclairage du logement l'électricité du secteur (88 %). Les ménages utilisent la nature pour se débarrasser des ordures ménagères (54,6 %) et utilisent la rue ou la nature pour évacuer les eaux usées (74,3 %).

Concernant l'accès à certaines infrastructures de bases, dans ce groupe 98,4 % des ménages font moins de 30 minutes pour se rendre à la source d'eau potable la plus proche et 98,6 % font moins d'un kilomètre pour l'atteindre. Pour aller au marché de produits alimentaires le plus proche, 78,1 % des ménages font moins de 30 minutes et 73,4 % font moins d'un kilomètre pour l'atteindre. Pour se rendre au transport public (arrêt bus, taxi, etc.) le plus proche, 89,7 % des ménages font moins de 30 minutes et 87,9 % parcourent moins d'un kilomètre pour s'y rendre. Pour aller à l'école primaire la plus proche, 90,9 % des ménages font moins de 30 minutes et 90,6 % parcourent moins d'un kilomètre pour l'atteindre. Pour aller à l'école secondaire la plus proche, 71,2 % des ménages font moins de 30 minutes et 65,6 % parcourent moins d'un kilomètre pour l'atteindre. Pour se rendre à l'établissement sanitaire ou service de santé le plus proche 78,3 % des ménages font moins de 30 minutes et 74,6 % parcourent moins d'un kilomètre pour l'atteindre. Pour aller à la route praticable la plus proche, 97,5 % des ménages font moins de 30 minutes et 94,7 % parcourent moins d'un kilomètre pour l'atteindre.

Dans ce groupe, les ménages ont accès à l'électricité (95 %). Contrairement au groupe 1, on note ici la présence d'équipement de grande valeur dans ce groupe, 60,9 % possèdent un téléviseur, 69,9 % possèdent un téléphone, 60,1 % possèdent un poste radio ou cassette ou un lecteur CD, 97,9 % possèdent un lit, 61,5 % possèdent une armoire ou bibliothèque, 51,8 % possèdent un fauteuil ou canapé.

Au vu des caractéristiques du groupe 2, on peut dire que les ménages de ce groupe ont un niveau de vie élevé (les matériaux d'habitat sont en matériaux définitifs, accès à l'électricité, présence d'appareil d'équipement de grande valeur, l'accès aux infrastructures de base, etc.) on peut assimiler le groupe 2 comme étant celui des ménages non pauvres(les nantis).

3.2 Résultat de l'analyse de relation entre la variable dépendante et les variables indépendantes

Nous nommerons communément la variable dépendante le « niveau de vie » pour des problèmes de commodités.

Avant d'analyser nos données au moyen de l'analyse discriminante, il est nécessaire de procéder à des analyses bivariées pour voir s'il existe une relation entre la variable « niveau de vie » des ménages et les variables indépendantes qui sont les variables sociodémographiques, socio-économiques des chefs de ménages et du capital humain, c'est-à-dire si elles partagent quelque chose, la variation de l'une influence la variation de l'autre.

Les analyses bivariées ont pour objet de mettre en évidence les relations éventuelles qui existent entre deux variables analysées simultanément. Le test d'association (ou d'indépendance) consiste à éprouver l'existence d'une liaison entre deux variables. Les techniques utilisées diffèrent selon que les variables sont qualitatives nominales, ordinales ou quantitatives.

Le test de Khi-deux est appliqué si on veut étudier la relation entre la variable dépendante et une variable nominale. Si le test de Khi-deux permet de dire oui ou non deux variables nominales sont liées, ce même Khi-deux ne permet pas de donner directement l'intensité du lien. Pour cela, il faudra alors recourir à des coefficients qui dépendent du Khi-deux et permettront de mesurer cette intensité.

y' Le Phi de Guilford sera calculé dans un tableau où il ya deux lignes et deux colonnes. y' Le V de Cramer sera calculé dans un tableau quelconque où le nombre de lignes est différent du nombre de colonnes.

Le coefficient Eta carré issu de la décomposition de la variance (Anova à un facteur) sera calculé pour mesurer le lien qui existe entre la variable dépendante et une variable continue.

Peut-on dire qu'il existe une relation entre la variable dépendante et chacune des variables indépendantes ou explicatives?

y' H0 : il n'existe pas de lien entre la variable dépendante et chacune des variables explicatives ;

y' H1 : il existe un lien significatif entre la variable dépendante et les variables

Tableau 05 : Résultats des tests et intensité des liens entre la variable dépendante (le niveau de vie) et les variables indépendantes

Nous observons que tous les tests sont significatifs au seuil de 0,05 sauf pour le test de la variable « sexe du chef de ménage » ce qui nous pousse à rejeter l'hypothèse nulle H0 et accepter l'hypothèse alternative H1 selon laquelle toutes les variables indépendantes (excepté le sexe du chef de ménage) sont liées au niveau de vie.

La variable « sexe du chef de ménage » a un alpha supérieur à 0,05 soit (0,308), donc elle n'est pas liée avec la variable dépendante. Cette variable ne sera pas utilisée dans l'analyse discriminante. Par contre, toutes les autres variables seront utilisées dans l'analyse de profil.

Le coefficient V de Cramer a une valeur approximativement possible entre 0 et 0,7. Le coefficient Phi de Guilford a une valeur possible entre 0 et 1.

Nous remarquons que la variable « région d'habitation » est la plus liée avec le niveau de vie, suivie du « Milieu de résidence du chef de ménage », du « Groupe socio-économique du chef de ménage », du « niveau d'instruction du chef de ménage » et du « statut matrimonial du chef de ménage ».

Par contre, les variables « Age du chef de ménage » et « Taille du ménage » ont des liens très faibles avec la variable dépendante.

Seulement 0,7 % des variations de la taille du ménage sont expliquées par le niveau de vie des ménages et 0,2 % des variations de l'âge du chef de ménage sont expliquées par le niveau de vie des ménages.

3.3 Profil de Pauvreté

L'analyse de profil de la pauvreté des ménages est faite dans l'objectif de voir les caractéristiques des ménages qui expliquent leur état de pauvreté. L'idée est de caractériser ces ménages à travers des facteurs comme le groupe socio-économique du chef de ménage, son niveau d'instruction, son statut matrimonial, son milieu de résidence, son âge, sa région d'habitation et la taille du ménage.

3.3.1 Résultats de l'analyse discriminante

Dans notre étude, l'échantillon porte sur 7552 ménages. Dans notre exemple il n'y a pas de données manquantes, toutes les unités ont été utilisées pour faire l'analyse discriminante. Pour rappel toutes les analyses multidimensionnelles ne tolèrent pas les données manquantes, dans de telles conditions, deux options nous est offertes, soit corriger les données manquantes, soit les exclure de l'analyse.

3.3.1.1 Vérification de l'existence de différence entre les deux groupes

L'étude des profils des deux groupes à partir du graphique 02 montre qu'il ya des différences notables entre scores moyens sur les variables.

La significativité de ces différences peut être davantage mise en évidence grâce aux tests de

Fisher et au lambda de Wilks réalisés dans le cadre de l'analyse discriminante.

y' Si la valeur de alpha est supérieure à 0,05, nous devons accepter l'hypothèse nulle et

y' Si la valeur de alpha est inférieure ou égale à 0,05, on rejette l'hypothèse nulle et

	Lambda de Wilks	Fisher	ddl1	ddl2	Signification (á)
Âge chef du ménage	0,998	12,574	1	7550	0,000
Taille du ménage	0,993	51,225	1	7550	0,000
Salarié public	0,954	366,513	1	7550	0,000
Salarié privé	0,958	331,030	1	7550	0,000
Indépendant agricole	0,757	2418,149	1	7550	0,000
Indépendant non agricole	0,971	222,406	1	7550	0,000
Sans emploi	0,979	164,477	1	7550	0,000
Célibataire	0,992	61,192	1	7550	0,000
Marié monogame	0,989	84,208	1	7550	0,000
Marié polygame	0,984	124,166	1	7550	0,000
Divorcé/Séparé	1,000	0,084	1	7550	0,772
Veuf (ve)	1,000	0,011	1	7550	0,918
Aucun niveau d'instruction	0,928	589,733	1	7550	0,000
Primaire	1,000	2,739	1	7550	0,098
Secondaire 1	0,997	22,696	1	7550	0,000
Technique professionnelle	0,977	181,418	1	7550	0,000
Supérieur	0,946	431,416	1	7550	0,000
Rural	0,662	3856,593	1	7550	0,000
Conakry	0,558	5979,317	1	7550	0,000
Faranah	0,969	241,101	1	7550	0,000
Kankan	0,957	336,970	1	7550	0,000
Kindia	0,999	4,704	1	7550	0,030
Labé	0,995	37,956	1	7550	0,000
Mamou	1,000	0,473	1	7550	0,491
N'Zérékoré	0,926	606,704	1	7550	0,000

Le tableau 06 présente les résultats d'analyse de variance univarisée pour chacune des variables indépendantes. Ces analyses vérifient s'il existe des différences entre les moyennes des groupes sur chacune des variables prises isolément.

La comparaison des moyennes des groupes par le biais du test de Fisher et le lambda de Wilks montre que pour un niveau de signification de 0,05 les moyennes des groupes diffèrent pour toutes les variables sauf pour les quatre variables « Divorcé/Séparé », « Veuf », « Primaire » et « Mamou ».

Les variables « Divorcé/Séparé », « Veuf », « Primaire » et « Mamou ».n'ont aucun effet discriminant sur le niveau de vie, puisque leurs seuils de signification sont supérieurs au seuil minimal de 0,05.

La valeur du lambda de Wilks univarié varie entre 0 (pouvoir discriminant absolu) et 1 (pouvoir discriminant nul). La valeur 1 signifie l'égalité des moyennes pour l'ensemble des groupes. Une valeur quasi nulle signifie des différences fortes entre les groupes.

Les lambdas associés à ces quatre variables sont très élevés puisque chacune d'elle a un lambda égal à 1.

3.3.1.2 Vérification de la validité de l'étude

On estime la validité d'une analyse discriminante à partir des trois indicateurs ci-dessous :

La statistique M de Box, basée sur le logarithme népérien du déterminant de chaque matrice de variance-covariance, permet de construire un test multivarié pour la comparaison des matrices de variance-covariance. Ce test permet de vérifier le postulat d'homogénéité des matrices de variance-covariance entre les deux groupes Le test de Box qui est un test global, permet de dire si oui ou non les matrices de covariances sont égales dans les différents groupes.

V' H0 : les matrices de covariances sont identiques dans les deux groupes. V' H1 : les matrices de covariances sont différentes dans les deux groupes.

y' Si alpha < 0,05 cela signifie qu'il est possible d'utiliser les variables que nous avons

pour construire le modèle. Il ya au moins une variable qui a un pouvoir discriminant. y' Si alpha > 0,05 cela signifie que l'analyse n'est pas valide. Il est alors recommandé de

Ce test a permis en effet de rejeter au seuil de 0,05 l'hypothèse nulle d'égalité des matrices des covariances, puisque le Fisher est de 318,519 et le niveau de signification est de 0,000. Le test M de box confirme que l'on ne peut pas accepter l'hypothèse H0 : les matrices de covariances sont identiques pour les deux groupes (le test est significatif au niveau de signification de 0.05). Donc, nous pouvons continuer l'analyse discriminante.

Source : Calcul de l'auteur sur les données de l'ELEP 2007 sous SPSS Teste l'hypothèse nulle d'égalité de matrices de covariance des populations.

Les valeurs apparaissant dans la colonne « Log Déterminant » correspondent à des mesures de dispersion pour chacun des groupes des matrices de variance-covariance.

Tableau 08 : logarithme népérien du déterminant de la matrice de variance covariance pour chaque groupe du niveau de vie

Les rangs et logarithmes naturels des déterminants imprimés sont ceux des matrices de covariance du groupe.

Les valeurs du logarithme des déterminants des matrices de variance-covariance relatives à chacun des groupes dans l'espace des variables explicatives font apparaitre le groupe des pauvres avec l'espace présentant le plus de variabilité relativement aux variables explicatives retenues. Tandis que le groupe des non pauvres apparait comme le plus homogène par rapport aux variables explicatives.

Puisque la variable à expliquer admet deux modalités, l'analyse discriminante a fourni une seule fonction discriminante. Le nombre de dimensions est le plus petit du nombre de groupes

moins 1. La valeur propre de la fonction discriminante est égale à 1,689. Le pourcentage de la variance totale expliqué par la fonction discriminante est de 100 %.

On appelle corrélation canonique la corrélation entre la fonction discriminante et la variable dépendante. Le coefficient de corrélation canonique (qui doit être naturellement le plus proche de 1) est de 0,793 pour la fonction discriminante canonique. Plus elle est proche de 1, meilleur est le modèle.

Tableau 09 : Valeur propre et coefficient de corrélation canonique associé à la fonction linéaire discriminante

Source : Calcul de l'auteur sur les données de l'ELEP 2007 sous SPSS a. Les 1 premières fonctions discriminantes canoniques ont été utilisées pour l'analyse.

La corrélation canonique élevée au carré s'interprète comme le pourcentage de la variable dépendante expliqué globalement par le modèle. Dans notre cas, les variables explicatives arrivent à expliquer 62,9 % (0,793²) de la variance de la variable dépendante, ce qui trouve que la fonction discriminante se dote d'un pouvoir explicatif fort.

La statistique associée au lambda de Wilks suit une distribution du Khi-deux à 15 degrés de libertés sous l'hypothèse nulle d'égalité des moyennes des deux groupes pour les quinze variables introduites dans le modèle.

Le lambda de wilks de la fonction discriminante est égal 0,372. Plus la valeur du Lambda de Wilks est proche de 0 meilleur est le modèle.

Le test du lambda de wilks est significatif au seuil de 0,05 pour la fonction discriminante. Ce qui veut dire que les scores moyens des deux groupes d'après la fonction linéaire discriminante diffèrent significativement.

3.3.1.3 Choix des variables les plus discriminantes

Dans un objectif de ne retenir dans la fonction discriminante que les facteurs les plus pertinents, la méthode discriminante pas à pas a été utilisée. La méthode pas à pas progressive (stepwise) permet d'obtenir un modèle performant évitant les variables qui n'apportent que peu d'information au modèle et en même temps elle pallie certains problèmes de redondance et de multicolinéarité.

Le tableau 11 nous donne les variables qui ont été prises en compte dans le modèle. Tableau 11 : Liste des variables introduites/éliminées de l'analyse

		Variables introduites/éliminéesa,b,c,d
Pas	Introduite	Lambda de Wilks
		Statistique	ddl1	ddl2	ddl3	F exact
		Statistique	ddl1	ddl2	ddl3	Statistique	ddl1	ddl2	Signification (á)
1	Conakry	0,558	1	1	7550	5979,317	1	7550	0,000
2	Rural	0,442	2	1	7550	4765,222	2	7549	0,000
3	N'Zérékoré	0,427	3	1	7550	3382,984	3	7548	0,000
4	Kankan	0,409	4	1	7550	2724,403	4	7547	0,000
5	Faranah	0,387	5	1	7550	2392,912	5	7546	0,000
6	Indépendant agricole	0,382	6	1	7550	2036,245	6	7545	0,000
7	Aucun niveau d'instruction	0,378	7	1	7550	1770,571	7	7544	0,000
8	Labé	0,377	8	1	7550	1560,125	8	7543	0,000
9	Indépendant non agricole	0,375	9	1	7550	1395,254	9	7542	0,000
10	Supérieur	0,374	10	1	7550	1260,866	10	7541	0,000
11	Technique professionnelle	0,373	11	1	7550	1149,931	11	7540	0,000
12	Marié monogame	0,373	12	1	7550	1057,311	12	7539	0,000
13	Âge chef du ménage	0,372	13	1	7550	977,168	13	7538	0,000
14	Salarié public	0,372	14	1	7550	908,458	14	7537	0,000
15	Kindia	0,372	15	1		848,585	15	7536	0,000

À chaque pas, la variable qui minimise le lambda de Wilks global est introduite.

La variable offrant la plus grande discrimination qui entre la première dans le modèle est « Conakry » ensuite, la deuxième variable choisie est « rural » de telle sorte que cette paire de variables entraîne le plus de séparation possible entre les groupes. Et ainsi de suite, les variables entrent dans le modèle, une à la fois, de façon à augmenter la discrimination entre les groupes. À chaque étape, on vérifie s'il est possible de retirer du modèle une variable déjà incluse. La dernière variable à rentrer dans le modèle est « Kindia ».

Les variables « Conakry », « N'Zérékoré », « Kankan », « Faranah », « Rural », « Indépendant agricole », « Aucun niveau d'instruction », « Labé », « « Indépendant non agricole » « Supérieur », « Technique professionnelle », « Marié monogame », « Âge du chef de ménage », « Salarié public » et « Kindia » retenues dans la construction du modèle sont toutes significatives au seuil de 0,05.

Le tableau 12 permet d'identifier les variables responsables de multicolinéarité entre les variables. Dès qu'une variable est détectée comme étant responsable d'une multicolinéarité, elle n'est pas prise en compte pour le calcul des statistiques de multicolinéarité des variables suivantes. Ainsi dans un cas extrême où deux variables seraient identiques, seule l'une des deux variables sera éliminée des calculs. Les statistiques affichées sont les tolérances.

La tolérance est une statistique utilisée pour déterminer l'indépendance entre les variables (c'est-à-dire en vérifiant s'il y a une relation linéaire entre eux), si une variable a une tolérance faible alors il contribue moins d'information au modèle, et il peut être une source de problème.

Les variables « Taille du ménage », « Salarié privé », « Sans emploi », « Célibataire », « Marié polygame », « Divorcé/Séparé », « Veuf (ve) », « Primaire » et « Mamou » ont été éliminées du modèle pour cause de multicolinéarité ou de redondance d'information. Toutes ces variables ont des tolérances faibles et elles ont des valeurs du Fisher inférieures aux critères (le F pour introduire partiel minimum est 3.84).

Le tableau 13 montre la valeur de lambda de chaque pas de l'algorithme, on peut accepter les 13 variables au niveau de signification de 0,05.

Pas	Nombre de variables	Lambda	ddl1	ddl2	ddl3	F exact
Pas	Nombre de variables	Lambda	ddl1	ddl2	ddl3	Statistique	ddl1	ddl2	Signification (á)
1	1	0,558	1	1	7550	5979,317	1	7550	0,000
2	2	0,442	2	1	7550	4765,222	2	7549	0,000
3	3	0,427	3	1	7550	3382,984	3	7548	0,000
4	4	0,409	4	1	7550	2724,403	4	7547	0,000
5	5	0,387	5	1	7550	2392,912	5	7546	0,000
6	6	0,382	6	1	7550	2036,245	6	7545	0,000
7	7	0,378	7	1	7550	1770,571	7	7544	0,000
8	8	0,377	8	1	7550	1560,125	8	7543	0,000
9	9	0,375	9	1	7550	1395,254	9	7542	0,000
10	10	0,374	10	1	7550	1260,866	10	7541	0,000
11	11	0,373	11	1	7550	1149,931	11	7540	0,000
12	12	0,373	12	1	7550	1057,311	12	7539	0,000
13	13	0,372	13	1	7550	977,168	13	7538	0,000
14	14	0,372	14	1	7550	908,458	14	7537	0,000
15	15	0,372	15	15	7550	848,585	15	7536	0,000

3.3.1.4 Estimation des coefficients de la fonction discriminante

Les coefficients standardisés servent à indiquer la contribution de chaque variable explicative dans le calcul d'un score discriminant. Comme en régression, les valeurs et les signes des coefficients non standardisés ne sont pas toujours directement interprétables. Pour interpréter une fonction linéaire discriminante, l'analyse des coefficients standardisés est plus pertinente.

L'équation de la fonction discriminante avec les coefficients canoniques standardisés est :

F = 0,496*Rural +0,210*Indépendant agricole +0,045*Aucun niveau d'instruction - 0,100*Supérieur +0,044*Salarié public +0,095*Indépendant non agricole + 0,045* Âge chef du ménage -0,073*Technique professionnelle -0,051*marié monogame - 0,601*Conakry +0,423*N'Zérékoré +0,344*Kankan +0,344*Faranah + 0,095*Labé + 0,035*Kindia

Dans le tableau 14, quinze facteurs ont été identifiés, le milieu rural étant le facteur qui participe le plus à la pauvreté alors que la capitale Conakry contribue le plus à la non pauvreté comme l'indiquent les coefficients standardisés.

Considérant le groupe socio-économique du chef de ménage, il s'avère qu'être indépendant agricole, indépendant non agricole et salarié du secteur public sont des facteurs de pauvreté.

L'éducation au niveau supérieur et le niveau technique professionnel sont des facteurs de mieux-être, lorsque n'avoir aucun niveau d'instruction est un facteur de pauvreté.

L'âge du chef de ménage et être salarié public sont des facteurs de pauvreté. Être marié monogame est un facteur de mieux-être.

La capitale Conakry est un facteur de mieux-être lorsque les régions de N'Zérékoré, de Kankan, de Faranah, de Labé et de Kindia sont des facteurs de pauvreté.

Les facteurs « Rural », « Indépendant agricole », « N'Zérékoré », « Aucun niveau d'instruction », « Kankan », « Faranah », « Indépendant non agricole », « Labé », « Âge chef du ménage », « Salarié public » et « Kindia » sont tous contributifs à la pauvreté. Le milieu rural est le plus touché par la pauvreté, suivi des indépendants agricoles, de la région de N'Zérékoré, des chefs de ménage qui n'ont aucun niveau d'instruction, de la région de Kankan, de la région de Faranah, des indépendant non agricoles, de la région de Labé, de l'âge du chef de ménage, des fonctionnaires (salarié du secteur public), et de la région de Kindia.

Une augmentation de cette proportion d'une unité pour chaque facteur fait augmenter les chances du ménage d'être pauvre.

Les facteurs « Conakry », « supérieur », « technique professionnelle » et « marié monogame » sont tous des facteurs de mieux-être.

Une augmentation de cette proportion d'une unité pour chaque facteur fait augmenter les chances du ménage d'être non pauvre.

De ce constat, la pauvreté est un phénomène essentiellement rural, les plus touchés sont les chefs de ménages qui sont des indépendants agricoles ou non agricoles, ils n'ont aucun niveau d'instruction, ils sont âgés et ils résident dans les régions administratives de N'Zérékoré, Kankan, Faranah, Labé et Kindia.

Le pouvoir discriminant des variables (les plus discriminantes) peut être mis en évidence à partir de la matrice de structure. Cette matrice indique les coefficients de corrélation de Pearson, entre les scores discriminants des individus ainsi que leurs valeurs réelles des variables. Elle donne une idée sur l'impact des variables sur la fonction discriminante.

Les corrélations intra-groupes combinées entre variables discriminantes et les variables des fonctions discriminantes canoniques standardisées sont ordonnées par tailles absolues des corrélations à l'intérieur de la fonction.

On remarque que le coefficient de corrélation entre les scores discriminants et la valeur réelle de la variable « Conakry » est le plus élevé avec la fonction soit -0,685, suivi de la variable « Rural » soit 0,550.

On peut conclure en disant que la variable la plus discriminante est « Conakry », suivi de « rural ». Les deux moins discriminantes sont « Kindia » et « Âge chef du ménage ».

Les valeurs des coefficients non standardisés de la fonction linéaire discriminante permettent d'utiliser directement les valeurs des variables explicatives pour calculer les scores discriminants et faire de la classification.

F = 1,222*Rural +0,489*Indépendant agricole +0,112*Aucun niveau d'instruction - 0,446*Supérieur +0,160*Salarié public +0,212*Indépendant non agricole + 0,003* Âge chef du ménage -0,331*Technique professionnelle -0,103*marié monogame - 2,212*Conakry +1,179*N'Zérékoré +1,173*Kankan +1,115*Faranah + 0,297*Labé + 0,108*Kindia -1,148

Le tableau 16 permet de faire le classement d'un ménage quelconque en utilisant le modèle de la fonction discriminante.

Par exemple pour un ménage quelconque, on remplace les variables explicatives par ses valeurs dans le modèle, on obtiendra un score moyen pour ce ménage. La valeur trouvée doit être confrontée au tableau des barycentres, notre ménage sera classé dans le groupe qui a le barycentre le plus proche de cette valeur (on doit respecter les signes). Ce type de classement est connu sous le nom technique d'analyse factorielle discriminante.

Le tableau 17 donne les valeurs moyennes de la fonction pour chaque groupe, c'est le score moyen par groupe et à la fonction : ce qui signifie que si le score calculé pour un groupe est proche par exemple de 0,829 on dit qu'il se rapproche des ménages pauvres.

Si le score calculé a une valeur négative pour la fonction, on dit qu'il se rapproche des ménages non pauvres.

Fonctions discriminantes canoniques non standardisées évaluées aux moyennes des groupes

Les fonctions de classement peuvent être utilisées pour déterminer à quelle classe doit être affectée une observation sur la base des valeurs prises pour les différentes variables explicatives. Une observation est affectée à la classe pour laquelle la fonction de classement est la plus élevée.

Ce classement est appelé classement bayésien parce qu'il est calculé sur les probabilités à posteriori de Bayes. Ce type de classement est connu sous le nom de technique d'analyse discriminante bayésienne.

Fpauvre = 4,766*Rural +7,612*Indépendant agricole +2,776*Aucun niveau d'instruction

+4,657*Supérieur +6,868*Salarié public +9,174*Indépendant non agricole +0,392*Age chef du ménage +4,678*Technique professionnelle +4,163*marié monogame +4,432*Conakry +1,179*N'Zérékoré +5,445*Kankan +6,392*Faranah +3,755*Labé + 4,384*Kindia --20,370

d'instruction +0,446*Supérieur +6,409*Salarié public +8,567*Indépendant non agricole +0,383*Age chef du ménage +5,627*Technique professionnelle +4,457*marié monogame +10,771*Conakry +3,622*N'Zérékoré +2,084*Kankan +3,198*Faranah +2,902*Labé +4,073*Kindia -18,808

Après avoir trouvé les valeurs des fonctions, on les compare entre elles et on prend la plus grande en valeur absolue.

3.3.1.5 Qualité de la représentation

La qualité de la représentation dépend de la capacité de la fonction discriminante à reclasser correctement les individus. Pour cela, on confronte dans un tableau à double entrée la constitution d'origine des groupes et la constitution prédite de ces derniers, c'est ce qu'on appelle matrice de confusion, on calcule ensuite le pourcentage d'individus bien classés. Plus ce pourcentage est élevé, meilleur est la qualité de l'analyse.

Quand la taille de l'échantillon total est grande, on peut calculer les fonctions discriminantes sur une partie de l'échantillon (environ 70-80%) choisie au hasard, et à l'aide de ces fonctions, classifier les individus écartés temporairement de l'analyse. On obtient alors deux tableaux l'un pour l'échantillon réduit et l'autre pour l'échantillon écarté temporairement (parfois appelé échantillon de contrôle ou de validation). Ceci devrait refléter plus adéquatement la qualité de l'outil de classification.

Ainsi dans notre exemple, 4944 individus ont été bien reclassés dans le groupe des pauvres et 422 individus ont été mal classés, grâce aux fonctions linéaires de Fisher, de même, pour le groupe non pauvre, 1875 individus ont été bien reclassés, et 311 individus ont été mal reclassés. Au total, 6819 individus (4944+1875) qui ont été correctement reclassés soit 93,3 % de réussite ((6819/7552)*100=93,3 %).

Les fonctions discriminantes reclassent bien les individus avec un taux de réussite de 93,3 %. Ceci démontre que les fonctions linéaires de Fisher sont d'une très bonne qualité.

Le groupe d'affectation prévu pour la fonction de l'analyse factorielle discriminante se résume dans le tableau 20.

Tableau20 : Groupe d'affectation prévu par la fonction discriminante canonique

Le taux de reclassement de la fonction discriminante canonique est de 97,1 %. Donc la fonction discriminante canonique est d'une excellente qualité.

3.3.1.6 Choix du meilleur ou des modèles entre l'analyse factorielle discriminante et celle bayésienne

Tableau 21 : Comparaison entre les modèles issus de l'analyse factorielle discriminante et celle bayésienne

Pour le modèle de la fonction discriminante, il est de 2,9% (222/7552)*100.

Pour les deux modèles des fonctions discriminantes linéaires de Fisher, il est de 9,7% (733/7552)*100.

Le choix du meilleur modèle ou des modèles doit porter sur celui ou ceux qui a ou ont le plus faible taux d'erreur de classement. Donc, notre choix va porter sur le modèle de la fonction discriminante de l'analyse factorielle discriminante, car il a le plus faible taux d'erreur soit 2,9%.

F = 1,222*Rural +0,489*Indépendant agricole +0,112*Aucun niveau d'instruction - 0,446*Supérieur +0,160*Salarié public +0,212*Indépendant non agricole + 0,003*Age chef du ménage -0,331*Technique professionnelle -0,103*marié monogame - 2,212*Conakry +1,179*N'Zérékoré +1,173*Kankan +1,115*Faranah + 0,297*Labé + 0,108*Kindia -1,148

Le modèle que nous avons construit, nous a permis de constater que la pauvreté des ménages est fonction du milieu de résidence (rural), du groupe socio-économique du chef de ménage

(indépendant agricole, indépendant non agricole et salarié du secteur public), du niveau d'instruction du chef de ménage (aucun niveau d'instruction, technique professionnelle et supérieur), du statut matrimonial du chef de ménage (marié monogame), de l'âge du chef de ménage), mais également de la région d'habitation (Conakry, N'Zérékoré, Kankan, Faranah, Labé et Kindia).

C'est ce modèle qui permettra de classer les ménages de sorte que, connaissant les caractéristiques d'un ménage donné, il soit possible de les classer soit dans la catégorie des pauvres, soit dans celle des non pauvres.

3.3.1.7 Adéquation du modèle de classement retenu

Dans le but de construire le modèle de prédiction, il est d'un intérêt de faire un examen de son pouvoir discriminant. Cet examen se fait par calcul de l'aire au-dessous de la courbe ROC (Receiver Operating Characteristic) ou courbe de caractéristiques d'efficacité. Cette courbe permet d'étudier les variations de la spécificité et de la sensibilité d'un test pour différentes valeurs du seuil de discrimination.

La courbe de ROC est utilisée dans les méthodes de classement ne mettant en oeuvre qu'une seule variable à deux modalités et utilisées pour la classification des sujets. Elle est avant tout définie pour les problèmes à deux classes (les positifs et les négatifs), elle indique la capacité du classifieur à placer les positifs devant les négatifs, sa construction s'appuie donc sur les probabilités d'être positif fournies par les classifieurs. Il n'est pas nécessaire que ce soit réellement une probabilité, une valeur quelconque dite « score » permettant d'ordonner les individus suffit amplement.

Dans notre exemple, sur l'axe des abscisses, on porte la variable 1- spécificité donnant l'effectif (en pourcentage) de non pauvres parmi les pauvres, sur l'axe des ordonnées, on place la sensibilité égale à l'effectif (en pourcentage) de vrais pauvres parmi les non pauvres. Si Se et Sp désignent respectivement la sensibilité et la spécificité du test, nous avons :

y' Se=Pr(le test décide que l'individu est pauvre sachant qu'il est effectivement pauvre) ;

y' Sp=Pr(le test décide que l'individu n'est pas pauvre sachant qu'il n'est effectivement

La surface sous cette courbe nous permet d'évaluer la précision du modèle pour discriminer les ménages pauvres des ménages non pauvres.

- Si 0.5 < aire ROC < 0.7 la discrimination est insuffisante ; - Si 0.7 < aire ROC < 0.8 la discrimination est acceptable ; - Si 0.8 < aire ROC < 0.9 la discrimination est excellente ; - Si aire ROC = 0.9 la discrimination est exceptionnelle.

Un test avec un fort pouvoir discriminateur occupera la partie supérieure gauche du graphique. Un test avec un pouvoir discriminant moins puissant montrera une courbe ROC qui s'aplatira vers la première diagonale du graphique.

La ou les variables de résultats tests : Probabilité d'appartenance au groupe pour l'analyse comporte au moins une liaison entre le groupe d'état réel positif et le groupe d'état réel négatif. Les statistiques peuvent être déformées.

L'aire sous la courbe (AUC) indique la probabilité pour que la fonction SCORE place un positif devant un négatif (dans le meilleur des cas AUC = 1). Il existe une valeur seuil, si l'on classe les individus au hasard, l'AUC sera égal à 0.5.

Dans notre exemple, nous remarquons que la valeur de l'aire sous la courbe est très importante. Pour ce modèle, l'aire sur la courbe ROC vaut 96,6%, ce qui traduit un pouvoir discriminant exceptionnel.

Ceci démontre encore une fois que le modèle retenu est d'une excellente qualité.

Conclusions et Recommandations

L'objet de notre présente recherche est de contribuer non seulement à enrichir la connaissance sur la pauvreté, mais aussi, à orienter utilement les politiques de lutte contre la pauvreté dans le ciblage des groupes vulnérables.

Pour atteindre nos objectifs, nous avons utilisé deux méthodes d'analyse multidimensionnelles qui sont complémentaires à savoir la classification ascendante hiérarchique et l'analyse discriminante.

La classification ascendante hiérarchique a permis de classer les ménages en groupes plus ou moins homogènes selon leurs caractéristiques. Elle a permis de cerner plusieurs aspects de la pauvreté. Nous avons pu distinguer deux groupes en fonction de leurs conditions ou niveau de vie : les pauvres et les non pauvres. La pauvreté multidimensionnelle affecte 71,1% des ménages en 2007 selon l'approche de la classification ascendante hiérarchique.

Les ménages pauvres sont caractérisés par des mauvaises conditions de vie. Les ménages non pauvres (les nantis ou riches) représentant 28,9% sont caractérisés par de bonnes conditions de vie.

Par rapport au groupe socio-économique du chef de ménage, les résultats montrent que les indépendants qu'ils soient agricoles ou non agricoles, les salariés du secteur public sont les plus touchés par la pauvreté. Quant au milieu de résidence, les ménages ruraux sont les plus touchés. Concernant le statut matrimonial, les mariés monogames sont les moins touchés. Les chefs de ménages qui n'ont aucun niveau d'instruction sont les plus pauvres alors que ceux qui ont un niveau de formation professionnelle ou supérieur sont les moins pauvres. Les régions administratives de N'Zérékoré, Kankan, Faranah, Labé et Kindia demeurent les plus pauvres tandis que les moins pauvres demeurent dans la capitale Conakry.

Sur la base des résultats obtenus, nous montrons l'importance de l'approche multidimensionnelle de la pauvreté dans l'identification des populations pauvres. Basée sur la seule approche monétaire, toute politique de lutte contre la pauvreté risquerait de ne pas être efficace. En effet, à supposer qu'elle est bien ciblée, elle ne profiterait vraisemblablement pas aux ménages non pauvres selon l'approche monétaire, mais qui seraient pauvres selon une approche multidimensionnelle. Ce résultat nous permet de conclure à la nécessité de considérer plusieurs dimensions dans l'approche de la pauvreté (et pas uniquement la dimension monétaire) au niveau de la Guinée dans son ensemble.

Au vue des résultats obtenus, pour des politiques efficaces et durables de lutte contre la pauvreté, l'État et les différents partenaires au développement devraient prendre en compte les recommandations (renforcer les actions déjà entreprises dans les axes de recommandations) suivantes :

y' Intensifier les investissements dans les infrastructures sociales de base (éducation, santé, eau potable, électricité, logements, routes, moyens de communications) en milieu de résidence urbain mais davantage rural ;

y' Mettre en place des infrastructures adéquates, des moyens logistiques et des mécanismes efficaces pour la gestion des ordures ménagères et des eaux usées surtout en milieu urbain ;

y' Vulgariser l'utilisation du gaz comme source d'énergie pour la cuisine afin, de diminuer la consommation du bois et du charbon de bois pour préserver l'environnement ;

y' Favoriser des activités génératrices de revenus en milieu rural. Ceci permettrait sans doute aux populations rurales de disposer de plus de moyens financiers pour augmenter leur pouvoir d'achat et acquérir des biens durables ;

y' Améliorer l'accès des populations rurales aux techniques modernes de culture à travers l'apprentissage de nouveaux systèmes de culture pour sortir de l'agriculture de subsistance vers une agriculture rentable, de conservation et de protection des produits agricoles ;

y' Favoriser l'accès aux intrants agricoles et l'octroi de subvention pour la production agricole ;

y' Désenclaver les zones rurales pour faciliter l'évacuation des produits vers les centres de distribution ;

y' Faciliter l'accès au crédit dans toutes les localités du pays sans aucune discrimination. Ceci permettra le développement des petites entreprises et d'assurer l'auto emploi des jeunes ;

y' Faire une alphabétisation professionnelle des adultes au profit des indépendants notamment les indépendants agricoles qui apparaissent les plus pauvres ;

y' Réorienter la politique éducative vers des objectifs visant à améliorer son efficacité en termes d'opportunités dans le domaine minier, agricole et de création d'activités plus porteuses en conformité avec le produit du système éducatif ;

y' Renforcer les politiques de lutte contre la pauvreté en faveur des personnes âgées (revoir les conditions de retraite et diminuer les couts d'accès aux soins de santé) ;

y' Améliorer le pouvoir d'achat des salariés du secteur public en augmentant leurs salaires ;

y' Envisager des études d'impact sur l'efficacité des projets et programmes de développement intervenant dans le pays au bénéfice des populations. C'est de cette façon qu'il sera possible d'identifier les insuffisances en termes d'effets de ces programmes mobilisant des milliards de GNF au profit des populations pauvres du pays.

Bibliographie

Annexes

Tableau A1 : Récapitulatif des observations originales classées correctement (%)

		Somme des carrés	df	Moyenne des carrés	Fisher	Significat ion (á)
Propriétaire * Ward Method	Inter-groupes	177,419	1	177,419	973,310	,000
	Intra-classe	1376,243	7550	,182
	Total	1553,662	7551
Copropriétaire familial * Ward	Inter-groupes	1,786	1	1,786	19,438	,000
Method	Intra-classe	693,682	7550	,092
	Total	695,468	7551
Location * Ward Method	Inter-groupes	93,296	1	93,296	875,876	,000
	Intra-classe	804,208	7550	,107
	Total	897,504	7551
Logé gratuitement * Ward Method	Inter-groupes	1,874	1	1,874	52,843	,000
	Intra-classe	267,745	7550	,035
	Total	269,619	7551
Maison individuelle * Ward	Inter-groupes	14,065	1	14,065	59,530	,000
Method	Intra-classe	1783,810	7550	,236
	Total	1797,875	7551
Appartement * Ward Method	Inter-groupes	46,459	1	46,459	275,885	,000
	Intra-classe	1271,411	7550	,168
	Total	1317,870	7551
Chambre/studio * Ward Method	Inter-groupes	7,952	1	7,952	168,824	,000
	Intra-classe	355,624	7550	,047
	Total	363,576	7551
Case * Ward Method	Inter-groupes	128,779	1	128,779	880,474	,000
	Intra-classe	1104,272	7550	,146
	Total	1233,051	7551
Case et maison * Ward Method	Inter-groupes	7,909	1	7,909	155,749	,000
	Intra-classe	383,395	7550	,051
	Total	391,305	7551
Plusieurs maisons * Ward Method	Inter-groupes	9,486	1	2,371	36,320	,000
	Intra-classe	492,759	7550	,065
	Total	502,245	7551
Ciment * Ward Method	Inter-groupes	276,040	1	276,040	1309,944	,000
	Intra-classe	1590,985	7550	,211
	Total	1867,025	7551

		Somme des carrés	df	Moyenne des carrés	Fisher	Significat ion (á)
Carreau * Ward Method	Inter-groupes	23,378	1	23,378	573,672	,000
	Intra-classe	307,678	7550	,041
	Total	331,056	7551
Terre battue * Ward Method	Inter-groupes	469,846	1	469,846	2646,360	,000
	Intra-classe	1340,459	7550	,178
	Total	1810,305	7551
Béton/Ciment * Ward Method	Inter-groupes	1,955	1	1,955	94,281	,000
	Intra-classe	156,570	7550	,021
	Total	158,525	7551
Tôle ondulée * Ward Method	Inter-groupes	125,612	1	125,612	691,455	,000
	Intra-classe	1371,561	7550	,182
	Total	1497,173	7551
Chaume/Paille * Ward Method	Inter-groupes	176,103	1	176,103	1097,945	,000
	Intra-classe	1210,967	7550	,160
	Total	1387,070	7551
Briques Ciment * Ward Method	Inter-groupes	749,230	1	749,230	7618,798	,000
	Intra-classe	742,464	7550	,098
	Total	1491,694	7551
Briques Terre cuite * Ward	Inter-groupes	1083,146	1	270,786	2547,105	,000
Method	Intra-classe	802,333	7550	,106
	Total	1885,478	7551
Terre stabilisée * Ward Method	Inter-groupes	1,085	1	1,085	50,792	,000
	Intra-classe	161,266	7550	,021
	Total	162,351	7551
Briques Terre/Banco * Ward	Inter-groupes	634,903	1	634,903	3833,050	,000
Method	Intra-classe	1250,575	7550	,166
	Total	1885,478	7551
Robinet du ménage * Ward	Inter-groupes	220,577	1	220,577	2757,574	,000
Method	Intra-classe	603,922	7550	,080
	Total	824,499	7551
Robinet du voisin * Ward Method	Inter-groupes	211,085	1	211,085	2038,518	,000
	Intra-classe	781,788	7550	,104
	Total	992,873	7551
Forage * Ward Method	Inter-groupes	373,966	1	373,966	1954,709	,000
	Intra-classe	1444,433	7550	,191
	Total	1818,399	7551
Puits aménagés * Ward Method	Inter-groupes	7,118	1	1,779	22,720	,000
	Intra-classe	591,073	7550	,078
	Total	598,191	7551
Puits non aménagés * Ward	Inter-groupes	15,069	1	15,069	156,193	,000
Method	Intra-classe	728,387	7550	,096
	Total	743,456	7551
Eau de surface * Ward Method	Inter-groupes	30,174	1	30,174	340,799	,000
	Intra-classe	668,471	7550	,089
	Total	698,645	7551
Chasse d'eau avec fosse septique *	Inter-groupes	14,238	1	14,238	517,283	,000
Ward Method	Intra-classe	207,818	7550	,028
	Total	222,056	7551

		Somme des carrés	df	Moyenne des carrés	Fisher	Significat ion (á)
Latrines couvertes * Ward Method	Inter-groupes	271,823	1	271,823	1415,858	,000
	Intra-classe	1449,482	7550	,192
	Total	1721,305	7551
Latrines non couvertes * Ward	Inter-groupes	205,640	1	205,640	929,442	,000
Method	Intra-classe	1670,443	7550	,221
	Total	1876,083	7551
Nature * Ward Method	Inter-groupes	48,926	1	48,926	429,817	,000
	Intra-classe	859,413	7550	,114
	Total	908,339	7551
Oui accès à l'électricité * Ward	Inter-groupes	1257,386	1	1257,386	26437,767	,000
Method	Intra-classe	359,080	7550	,048
	Total	1616,466	7551
Bois * Ward Method	Inter-groupes	602,980	1	602,980	4765,548	,000
	Intra-classe	955,294	7550	,127
	Total	1558,275	7551
Charbon de bois * Ward Method	Inter-groupes	569,801	1	569,801	4757,311	,000
	Intra-classe	904,292	7550	,120
	Total	1474,093	7551
Électricité/Secteur * Ward Method	Inter-groupes	1146,342	1	1146,342	25364,604	,000
	Intra-classe	341,219	7550	,045
	Total	1487,560	7551
Lampe tempête (Pétrole) * Ward	Inter-groupes	484,367	1	484,367	2661,297	,000
Method	Intra-classe	1374,133	7550	,182
	Total	1858,500	7551
Bougie * Ward Method	Inter-groupes	8,509	1	8,509	81,519	,000
	Intra-classe	788,040	7550	,104
	Total	796,549	7551
Torche * Ward Method	Inter-groupes	41,610	1	41,610	418,664	,000
	Intra-classe	750,372	7550	,099
	Total	791,982	7551
Ramassage Privé * Ward Method	Inter-groupes	74,037	1	74,037	1302,790	,000
	Intra-classe	429,064	7550	,057
	Total	503,101	7551
Poubelle publique * Ward Method	Inter-groupes	20,690	1	20,690	501,847	,000
	Intra-classe	311,274	7550	,041
	Total	331,964	7551
Incinération * Ward Method	Inter-groupes	3,951	1	,988	22,666	,000
	Intra-classe	328,920	7550	,044
	Total	332,872	7551
Enfouissement * Ward Method	Inter-groupes	,260	1	,260	11,608	,001
	Intra-classe	168,777	7550	,022
	Total	169,037	7551
Nature * Ward Method	Inter-groupes	191,984	1	191,984	1398,641	,000
	Intra-classe	1036,347	7550	,137
	Total	1228,331	7551
Canal à ciel ouvert * Ward Method	Inter-groupes	16,586	1	16,586	485,998	,000
	Intra-classe	257,659	7550	,034
	Total	274,245	7551

		Somme des carrés	df	Moyenne des carrés	Fisher	Significat ion (á)
Trou creusé dans la cour * Ward	Inter-groupes	1,469	1	1,469	31,900	,000
Method	Intra-classe	347,696	7550	,046
	Total	349,165	7551
Dans la rue/la nature * Ward	Inter-groupes	57,684	1	57,684	590,047	,000
Method	Intra-classe	738,104	7550	,098
	Total	795,788	7551
Possession de moutons, chèvres et	Inter-groupes	160,427	1	160,427	880,402	,000
d'autres animaux de taille moyenne	Intra-classe	1375,759	7550	,182
par le ménage * Ward Method	Total	1536,186	7551
Possession de têtes de gros bétail	Inter-groupes	94,041	1	94,041	627,918	,000
par le ménage * Ward Method	Intra-classe	1130,738	7550	,150
	Total	1224,779	7551
Possession de terre agricole par le	Inter-groupes	391,462	1	391,462	1983,029	,000
ménage (ha) * Ward Method	Intra-classe	1490,417	7550	,197
	Total	1881,879	7551
Temps pour aller à la source d'eau	Inter-groupes	5,612	1	5,612	103,655	,000
potable (moins de 30 mn) * Ward	Intra-classe	408,753	7550	,054
Method	Total	414,364	7551
Distance source d'eau potable	Inter-groupes	16,458	1	16,458	213,298	,000
(moins de 1 km) * Ward Method	Intra-classe	582,559	7550	,077
	Total	599,017	7551
Temps pour aller au marché de	Inter-groupes	77,315	1	77,315	343,850	,000
produits alimentaires (moins de 30	Intra-classe	1697,632	7550	,225
mn) * Ward Method	Total	1774,947	7551
Distance marché de produits	Inter-groupes	145,149	1	145,149	629,531	,000
alimentaires (moins de 1 km) *	Intra-classe	1740,782	7550	,231
Ward Method	Total	1885,931	7551
Temps pour aller au transport	Inter-groupes	107,350	1	107,350	560,221	,000
public: arrêt de bus, taxi, etc.	Intra-classe	1446,733	7550	,192
(moins de 30 mn) * Ward Method	Total	1554,083	7551
Distance transport public: arrêt de	Inter-groupes	194,019	1	194,019	932,469	,000
bus, taxi, etc. (moins de 1 km) *	Intra-classe	1570,928	7550	,208
Ward Method	Total	1764,947	7551
Temps pour aller à l'école Primaire	Inter-groupes	11,462	1	11,462	90,153	,000
(moins de 30 mn) * Ward Method	Intra-classe	959,938	7550	,127
	Total	971,400	7551
Distance école Primaire (moins de	Inter-groupes	56,872	1	56,872	335,577	,000
1 km) * Ward Method	Intra-classe	1279,529	7550	,169
	Total	1336,400	7551
Temps pour aller à l'école	Inter-groupes	204,390	1	204,390	925,334	,000
Secondaire (moins de 30 mn) *	Intra-classe	1667,666	7550	,221
Ward Method	Total	1872,056	7551
Distance école Secondaire (moins	Inter-groupes	293,004	1	293,004	1560,022	,000
de 1 km) * Ward Method	Intra-classe	1418,045	7550	,188
	Total	1711,049	7551
Temps pour aller à l'établissement	Inter-groupes	83,213	1	83,213	369,737	,000
sanitaire/service de santé (moins de	Intra-classe	1699,193	7550	,225
30 mn) * Ward Method	Total	1782,406	7551

		Somme des carrés	df	Moyenne des carrés	Fisher	Significat ion (á)
Distance établissement	Inter-groupes	156,380	1	156,380	683,099	,000
sanitaire/service de santé (moins de	Intra-classe	1728,398	7550	,229
1 km) * Ward Method	Total	1884,778	7551
Temps pour aller à la route	Inter-groupes	50,859	1	50,859	412,154	,000
praticable (moins de 30 mn)* Ward	Intra-classe	931,656	7550	,123
Method	Total	982,515	7551
Distance route praticable (moins de	Inter-groupes	66,320	1	66,320	437,856	,000
1 km) * Ward Method	Intra-classe	1143,559	7550	,151
	Total	1209,879	7551
Automobile * Ward Method	Inter-groupes	6,657	1	6,657	226,440	,000
	Intra-classe	221,968	7550	,029
	Total	228,625	7551
moto/motocyclette * Ward Method	Inter-groupes	30,906	1	7,727	78,512	,000
	Intra-classe	742,713	7550	,098
	Total	773,620	7551
bicyclette * Ward Method	Inter-groupes	70,494	1	70,494	470,600	,000
	Intra-classe	1130,968	7550	,150
	Total	1201,463	7551
Téléphone * Ward Method	Inter-groupes	501,921	1	501,921	3549,751	,000
	Intra-classe	1067,541	7550	,141
	Total	1569,462	7551
Congélateur/Réfrigérateur * Ward	Inter-groupes	192,032	1	192,032	2618,192	,000
Method	Intra-classe	553,758	7550	,073
	Total	745,790	7551
radio/radio cassette/lecteur CD *	Inter-groupes	26,209	1	26,209	106,313	,000
Ward Method	Intra-classe	1861,266	7550	,247
	Total	1887,474	7551
téléviseur/magnétoscope/DVD/VC	Inter-groupes	493,212	1	493,212	5110,825	,000
D * Ward Method	Intra-classe	728,600	7550	,097
	Total	1221,812	7551
Lit * Ward Method	Inter-groupes	10,495	1	10,495	146,237	,000
	Intra-classe	541,836	7550	,072
	Total	552,331	7551
Armoire/Bibliothèque/Buffet *	Inter-groupes	359,789	1	359,789	2382,582	,000
Ward Method	Intra-classe	1140,110	7550	,151
	Total	1499,898	7551
fauteuil/canapé * Ward Method	Inter-groupes	167,428	1	167,428	821,368	,000
	Intra-classe	1538,998	7550	,204
	Total	1706,427	7551
fusil de chasse * Ward Method	Inter-groupes	38,882	1	38,882	366,343	,000
	Intra-classe	801,320	7550	,106
	Total	840,202	7551
machine à coudre * Ward Method	Inter-groupes	,961	1	,961	35,377	,000
	Intra-classe	205,088	7550	,027
		206,049	7551
groupe électrogène * Ward Method	Inter-groupes	3,428	1	,857	36,146	,000
	Intra-classe	178,941	7550	,024
	Total	182,370	7551