Chapitre 2: Approche
économétrique des liens
entre
indicateurs
Nous allons au moyen de la régression logistique
multinomiale (modèle polytomique ordonné) établir les
liens existant entre l'indicateur de cohésion et les indicateurs de
connaissance des activités liées au port et les indicateurs de
pauvreté que nous avons construits au chapitre précédent.
Cette analyse nous permettra de confirmer ou d'infirmer les hypothèses
que nous avons énoncées plus haut. Pour y parvenir, nous allons
interpréter les profils de probabilité et les risques
relatifs.
2.1. Régression logistique multinomiale
(modèle polytomique ordonné)
Considérons la variable réponse ordinale Y
à k niveaux. La variable Y peut référer
à la sévérité d'une maladie, d'une blessure, d'une
satisfaction des individus suite à la consommation de certains biens et
services etc. La régression logistique multinomiale permet donc de
modéliser la variable réponse Y de nature nominale en
fonction d'une ou de plusieurs variables indépendantes. A cette fin les
modalités de la variable nominale Y sont
étiquetées à l'aide des valeurs numériques : 1, 2,
3... Dans notre étude Y est l'indicateur de cohésion
sociale et comprend les trois catégories suivantes :
· 1= fort intérêt pour la cohésion
sociale
· 2= intérêt pour la cohésion
sociale
· 3= faible intérêt pour la cohésion
sociale
On cherche à estimer la probabilité de
réalisation d'un événement de la façon suivante
:
( )
m
Pr( / ) (
Y i = m X i F X i = â m = 1, 2,
3
t )
Où ( )
â = â â p . P c'est le
nombre de variables explicatives.
m ( 0 ,.... )
( )
m ( )
m
Formellement, le modèle logistique multinomial peut
être écris de la façon suivante :
Pr( / )
y m X
= t
ln ( ) ln
? X = X â
m b
/ m b m= 1, 2, 3
/
Pr( / )
y b X
=
Pr( / )
y m X
= t
On obtient = exp( X â m b )
/
Pr( / )
y b X
=
Où b est la catégorie de base, lequel est aussi
connu sous le non de groupe de comparaison.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Comme ln ? b /b = ln1 =0, on peut prendre
âb / b = 0 .
Ceci montre que le log du odd d'une modalité
comparé à elle-même est toujours égal à
zéro. Et donc les effets de toutes les variables indépendantes
sont aussi nuls. En résolvant les trois équations on obtient :
Pr( / )
y m X
=
i i
exp( t X i m b
â )
/
3
?
exp( t X i j b
â )
/
j 1
( )
m
On a donc : Pr( / ) (
y i = m X i F X i = â .
t )
On suppose que F est la fonction de répartition d'une loi
logistique.
Nous prendrons la modalité «faible
intérêt pour la cohésion sociale » comme
catégorie de base.
2.2. Les variables d'analyse
Nous voulons établir les liens probables existant entre
la cohésion sociale, la pauvreté et les activités
liées au port concernant les chefs de ménage de San Pedro.
Ainsi, notre variable à expliquer est l'indicateur de
cohésion sociale et les variables explicatives sont : l'indicateur de
pauvreté des conditions de vie, l'indicateur de pauvreté de
potentialités, l'indicateur de connaissance des activités du
port, l'indicateur de connaissance des oeuvres sociales menées par le
PASP, l'indicateur de perception des activités liées au PASP, la
classe d'âge et le milieu de résidence. En effet, la
littérature montre que la cohésion sociale dépend aussi de
l'âge et du milieu de résidence.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Tableau 35 : Labels des variables et leurs
modalités
variables et modalités
|
labels
|
cohes
|
indicateur de cohésion sociale
|
cohes1
|
fort intérêt pour la cohésion sociale
|
cohes2
|
intérêt pour la cohésion sociale
|
cohes3
|
faible intérêt pour la cohésion sociale
|
ipcv
|
indicateur de pauvreté des conditions de vie
|
|
ipcv_1
|
extrême pauvre en conditions de vie
|
ipcv_2
|
pauvre en conditions de vie
|
|
ipcv_3
|
non pauvre en conditions de vie
|
ipp
|
indicateur de pauvreté des potentialités
|
ipp_1
|
extrême pauvre en potentialités
|
ipp_2
|
pauvre en potentialités
|
ipp_3
|
non pauvre en potentialités
|
cap
|
indicateur de connaissance des activités du port
|
cap_1
|
connaissance moyenne des activités du port
|
cap_2
|
bonne connaissance des activités du port
|
|
cap_3
|
mauvaise connaissance des activités du port
|
cosp
|
indicateur de connaissance des oeuvres sociales menées
par le port
|
|
cosp_1
|
bonne connaissance des oeuvres sociales menées par le
port
|
|
cosp_2
|
mauvaise connaissance des oeuvres sociales menées par le
port
|
cosp_3
|
connaissance moyenne des oeuvres sociales menées par le
port
|
palp
|
perception des activités liées au port
|
palp_1
|
défavorable aux activités liées au port
|
|
palp_2
|
très favorable aux activités liées au
port
|
palp_3
|
favorable aux activités liées au port
|
|
milieu
|
milieu de résidence du chef de ménage
|
mlieu_1
|
urbain
|
|
mlieu_2
|
rural
|
agec
|
classe d'âge
|
|
agec_1
|
0 - 10 ans
|
agec_2
|
11 - 20 ans
|
agec_3
|
21 - 30 ans
|
|
agec_4
|
31 - 40 ans
|
agec_5
|
41 - 50 ans
|
|
agec_6
|
51 - 60 ans
|
agec_7
|
60 ans et +
|
|
Source : Auteur
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
2.3. Estimation du modèle
L'estimation se fait par la méthode de vraisemblance. Les
outils d'aide à l'interprétation sont les probabilités
prédites, les risques relatifs et les effets marginaux.
La vraisemblance du modèle est donnée par :
n
L â m
( , 1,2,3/ , ) Pr
= y X = ?
m b
/ i
i =
3
1
L ( , 1,2,3/ , )
â m = y X =?? ( )
m b
/ 3
exp( t X i i m b
â )
, /
= ? exp( t X i j b
= 1 i
m y m â )
/
j 1
La log-vraisemblance est :
3 3
L â m = y X = ? ? (
t
ln ( , 1,2,3/ , ) X â - ?
ln( exp( )))
X
m b
/ i m b
/ i j b
â /
m y m
= 1 = j = 1
i
Les conditions de maximisation sont :
ln 0
L
? H ? =
â
??
et -H définie positive où H est la
matrice hessienne.
La significativité globale du modèle est
mesurée par le test de Fisher. La qualité d'ajustement ne sera
pas mesurée par le R2 comme c'est le cas pour la régression en
moindre carré ordinaire (MCO) mais nous utiliserons le count R2.
Le tableau qui suit donne les résultats de l'estimation
du modèle sous le logiciel STATA.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Tableau 36 : Estimation de la modélisation
de l'indicateur de cohésion sociale
Multinomial logistic regression Number of obs = 34005
LR chi2(34) = 4203.13
Prob > chi2 = 0.0000
Log likelihood = -31985.253 Pseudo R2 = 0.0617
cohes
cohes2
_Ipalp_2
+
|
|
|
|
|
Coef.
-16.43973
|
Std. Err.
.
|
z
.
|
P>|z|
.
|
[95% Conf.
.
|
Interval]
.
|
_Ipalp_3
|
|
|
-.5094673
|
.0544827
|
-9.35
|
0.000
|
-.6162514
|
-.4026831
|
_Icap_2
|
|
|
-.8212433
|
.0460807
|
-17.82
|
0.000
|
-.9115598
|
-.7309268
|
_Icap_3
|
|
|
-.1949906
|
.0345975
|
-5.64
|
0.000
|
-.2628004
|
-.1271807
|
_Iipcv_2
|
|
|
.14089
|
.0358716
|
3.93
|
0.000
|
.0705831
|
.211197
|
_Iipcv_3
|
|
|
.3416469
|
.0345279
|
9.89
|
0.000
|
.2739734
|
.4093203
|
_Iipp_2
|
|
|
.6428525
|
.0499701
|
12.86
|
0.000
|
.5449129
|
.7407921
|
_Iipp_3
|
|
|
.2612853
|
.0319832
|
8.17
|
0.000
|
.1985994
|
.3239711
|
_Icosp_2
|
|
|
-.3598927
|
.0394907
|
-9.11
|
0.000
|
-.437293
|
-.2824923
|
_Icosp_3
|
|
|
15.21083
|
.0922648
|
164.86
|
0.000
|
15.03
|
15.39167
|
_Iagec_2
|
|
|
.5807615
|
.1006501
|
5.77
|
0.000
|
.383491
|
.778032
|
_Iagec_3
|
|
|
-.3132403
|
.0891579
|
-3.51
|
0.000
|
-.4879865
|
-.138494
|
_Iagec_4
|
|
|
-.7013918
|
.0906888
|
-7.73
|
0.000
|
-.8791385
|
-.523645
|
_Iagec_5
|
|
|
-.4344128
|
.0931324
|
-4.66
|
0.000
|
-.616949
|
-.2518767
|
_Iagec_6
|
|
|
-.5736123
|
.0992761
|
-5.78
|
0.000
|
-.7681898
|
-.3790347
|
_Iagec_7
|
|
|
-1.067008
|
.1077332
|
-9.90
|
0.000
|
-1.278161
|
-.8558544
|
_Imilieu_2
|
|
|
-.1220982
|
.0614623
|
-1.99
|
0.047
|
-.2425621
|
-.0016344
|
_cons
cohes3
|
|
|
|
.5988256
|
.1090686
|
5.49
|
0.000
|
.385055
|
.8125961
|
_Ipalp_2
|
|
|
4.260478
|
.7502169
|
5.68
|
0.000
|
2.79008
|
5.730877
|
_Ipalp_3
|
|
|
-.2868998
|
.0698747
|
-4.11
|
0.000
|
-.4238518
|
-.1499478
|
_Icap_2
|
|
|
.1743446
|
.0470801
|
3.70
|
0.000
|
.0820692
|
.2666199
|
_Icap_3
|
|
|
.4255161
|
.038883
|
10.94
|
0.000
|
.3493068
|
.5017254
|
_Iipcv_2
|
|
|
.7070702
|
.0419545
|
16.85
|
0.000
|
.6248409
|
.7892994
|
_Iipcv_3
|
|
|
1.221246
|
.0389241
|
31.38
|
0.000
|
1.144956
|
1.297536
|
_Iipp_2
|
|
|
.3872096
|
.0685758
|
5.65
|
0.000
|
.2528036
|
.5216156
|
_Iipp_3
|
|
|
.066832
|
.0386072
|
1.73
|
0.083
|
-.0088366
|
.1425007
|
_Icosp_2
|
|
|
.4800201
|
.0660051
|
7.27
|
0.000
|
.3506524
|
.6093878
|
_Icosp_3
|
|
|
-3.277895
|
.7463867
|
-4.39
|
0.000
|
-4.740786
|
-1.815003
|
_Iagec_2
|
|
|
-.575826
|
.1006379
|
-5.72
|
0.000
|
-.7730726
|
-.3785794
|
_Iagec_3
|
|
|
-1.660276
|
.0858626
|
-19.34
|
0.000
|
-1.828564
|
-1.491989
|
_Iagec_4
|
|
|
-1.582064
|
.0863644
|
-18.32
|
0.000
|
-1.751335
|
-1.412793
|
_Iagec_5
|
|
|
-1.224964
|
.0898501
|
-13.63
|
0.000
|
-1.401067
|
-1.048861
|
_Iagec_6
|
|
|
-1.739569
|
.1016957
|
-17.11
|
0.000
|
-1.938889
|
-1.540249
|
_Iagec_7
|
|
|
-1.968805
|
.1163662
|
-16.92
|
0.000
|
-2.196878
|
-1.740731
|
_Imilieu_2
|
|
|
.1362362
|
.0656729
|
2.07
|
0.038
|
.0075197
|
.2649527
|
_cons
|
|
|
-.5143923
|
.1240438
|
-4.15
|
0.000
|
-.7575137
|
-.2712709
|
|
(cohes==cohes1 is the base outcome)
Source : ENSEA 2007, nos calculs sous
STATA
Ce tableau nous donne les différents liens existant entre
les modalités de l'indicateur de cohésion sociale et les
modalités des autres indicateurs.
2.4. Les tests du modèle
Les tests nous permettent de voir la qualité du
modèle et/ou de confirmer ou infirmer certaines hypothèses.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
2.4.1. Test de mesure de la qualité de la
régression
Le R2 count s'élève à 54% ce qui
témoigne la bonne qualité de l'ajustement.
Tableau 37 : Mesure de la qualité du
modèle
Measures of Fit for mlogit of cohes
Log-Lik Intercept Only:
|
-34086.818
|
Log-Lik Full Model:
|
|
-31985.253
|
D(33969):
|
63970.507
|
LR(34):
|
|
4203.130
|
|
|
Prob > LR:
|
|
0.000
|
McFadden's R2:
|
0.062
|
McFadden's Adj R2:
|
|
0.061
|
ML (Cox-Snell) R2:
|
0.116
|
Cragg-Uhler(Nagelkerke)
|
R2:
|
0.134
|
Count R2:
|
0.539
|
Adj Count R2:
|
|
0.028
|
AIC:
|
1.883
|
AIC*n:
|
|
64042.507
|
BIC:
|
-290470.968
|
BIC':
|
|
-3848.365
|
BIC used by Stata:
|
64335.706
|
AIC used by Stata:
|
|
64040.507
|
|
Source : ENSEA 2007, nos calculs sous STATA
2.4.2. Test de la combinaison des alternatives
Au seuil de 5%, ce test rejette l'hypothèse nulle selon
laquelle tous les coefficients, excepté celui de la constante sont
nuls.
Tableau 38 : Test de la combinaison des
alternatives
Ho: All coefficients except intercepts associated with
a given pair
of alternatives are 0 (i.e., alternatives can be
combined).
Alternatives tested| chi2
+
|
df
|
P>chi2
|
cohes2-
|
cohes3
|
| 2592.695
|
17
|
0.000
|
cohes2-
|
cohes1
|
|59166.851
|
16
|
0.000
|
cohes3-
|
cohes1
|
| 2340.427
|
17
|
0.000
|
|
Source : ENSEA 2007, nos calculs sous
STATA
On conclut donc que les alternatives peuvent être
distinguées deux à deux à partir des variables
explicatives. Il y'a donc assez d'évidence pour distinguer << fort
intérêt » ou << intérêt » ou <<
faible intérêt » au concept de cohésion sociale
à partir des variables explicatives retenues dans notre
modèle.
2.4.3. Test de l'hypothèse
IIA
Le principe du test est de montrer si deux alternatives m et
n sont complètement indépendantes des autres alternatives. Si tel
est le cas, on parlera de « independance of irrelevant alternatives
», c'est-à-dire que les autres alternatives n'affectent pas le
calcul des Odds ratios entre m et n.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Tableau 39 : Test de l'hypothèse
IIA
**** Small-Hsiao tests of IIA assumption (N=34005)
Ho: Odds(Outcome-J vs Outcome-K) are independent of other
alternatives.
|
Omitted
|
|
|
lnL(full)
|
lnL(omit) chi2
|
df
|
P>chi2
|
evidence
|
+
|
|
|
|
|
|
|
cohes2
|
|
|
-376.696
|
-5191.796-9.6e+03
|
18
|
1.000
|
for Ho
|
cohes3
|
|
|
-498.901
|
-7983.200-1.5e+04
|
17
|
1.000
|
for Ho
|
|
Source : ENSEA 2007, nos calculs sous
STATA
Le test effectué sous STATA montre que
l'hypothèse de « Independance of Irrelevant Alternative »
est acceptée. Cela veut dire qu'en supprimant ou en ajoutant une
autre alternative cela n'affecte pas les Odds ratio entre deux
modalités. Autrement dit, les individus agissent de façon
rationnelle dans leur comportement.
2.5. Interprétations des résultats par
les risques relatifs
Les risques relatifs nous permettent d'examiner l'effet d'une
variable sur le rapport (odd) de chance des modalités prises deux
à deux. Par exemple si les chefs de ménage pauvres en conditions
de vie par rapport à ceux qui sont non pauvres ont plus de chance
d'avoir un faible intérêt pour la cohésion sociale que
d'avoir un fort intérêt.
Nous avons pris la modalité « fort
intérêt pour la cohésion sociale » comme
référence ; les risques relatifs s'interprètent donc comme
la probabilité pour un chef de ménage de se retrouver dans l'un
des groupes « intérêt pour la cohésion sociale
» et « faible intérêt pour la cohésion
sociale » par rapport à la probabilité de se retrouver
dans le groupe « fort intérêt pour la cohésion
sociale ».
Tableau 40 : Evaluation des risques
relatifs
Multinomial logistic regression Number of obs =
34005
LR chi2(34) = 4203.13
|
|
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Log likelihood =
cohes |
cohes2 |
_Ipalp_2 |
|
-31985.253
RRR
7.25e-08
|
Std. Err.
.
|
z
.
|
Prob > chi2 =
Pseudo R2 =
P>|z| [95% Conf.
. .
|
0.0000
0.0617
Interval]
.
|
_Ipalp_3
|
|
|
.6008156
|
.0327341
|
-9.35
|
0.000
|
.5399648
|
.6685239
|
_Icap_2
|
|
|
.4398844
|
.0202702
|
-17.82
|
0.000
|
.4018969
|
.4814626
|
_Icap_3
|
|
|
.8228424
|
.0284683
|
-5.64
|
0.000
|
.7688954
|
.8805745
|
_Iipcv_2
|
|
|
1.151298
|
.0412988
|
3.93
|
0.000
|
1.073134
|
1.235156
|
_Iipcv_3
|
|
|
1.407263
|
.0485898
|
9.89
|
0.000
|
1.31518
|
1.505794
|
_Iipp_2
|
|
|
1.901898
|
.095038
|
12.86
|
0.000
|
1.724458
|
2.097596
|
_Iipp_3
|
|
|
1.298598
|
.0415333
|
8.17
|
0.000
|
1.219693
|
1.382607
|
_Icosp_2
|
|
|
.6977512
|
.0275547
|
-9.11
|
0.000
|
.6457822
|
.7539024
|
_Icosp_3
|
|
|
4036265
|
372405
|
164.86
|
0.000
|
3368556
|
4836326
|
_Iagec_2
|
|
|
1.787399
|
.1799018
|
5.77
|
0.000
|
1.467398
|
2.177183
|
_Iagec_3
|
|
|
.7310742
|
.065181
|
-3.51
|
0.000
|
.6138611
|
.8706685
|
_Iagec_4
|
|
|
.4958947
|
.0449721
|
-7.73
|
0.000
|
.4151404
|
.5923575
|
_Iagec_5
|
|
|
.6476448
|
.0603167
|
-4.66
|
0.000
|
.5395882
|
.7773406
|
_Iagec_6
|
|
|
.5634863
|
.0559407
|
-5.78
|
0.000
|
.463852
|
.6845219
|
_Iagec_7
|
|
|
.3440364
|
.0370642
|
-9.90
|
0.000
|
.2785491
|
.42492
|
_Imilieu_2 cohes3
|
|
|
|
.8850614
|
.0543979
|
-1.99
|
0.047
|
.784615
|
.9983669
|
_Ipalp_2
|
|
|
70.84387
|
53.14827
|
5.68
|
0.000
|
16.28233
|
308.2393
|
_Ipalp_3
|
|
|
.7505869
|
.0524471
|
-4.11
|
0.000
|
.6545209
|
.8607529
|
_Icap_2
|
|
|
1.190466
|
.0560473
|
3.70
|
0.000
|
1.085531
|
1.305544
|
_Icap_3
|
|
|
1.53038
|
.0595058
|
10.94
|
0.000
|
1.418084
|
1.651569
|
_Iipcv_2
|
|
|
2.028041
|
.0850854
|
16.85
|
0.000
|
1.867949
|
2.201853
|
_Iipcv_3
|
|
|
3.39141
|
.1320077
|
31.38
|
0.000
|
3.142303
|
3.660265
|
_Iipp_2
|
|
|
1.472865
|
.1010028
|
5.65
|
0.000
|
1.28763
|
1.684747
|
_Iipp_3
|
|
|
1.069116
|
.0412755
|
1.73
|
0.083
|
.9912023
|
1.153154
|
_Icosp_2
|
|
|
1.616107
|
.1066714
|
7.27
|
0.000
|
1.419994
|
1.839305
|
_Icosp_3
|
|
|
.0377076
|
.0281444
|
-4.39
|
0.000
|
.0087318
|
.1628373
|
_Iagec_2
|
|
|
.5622403
|
.0565827
|
-5.72
|
0.000
|
.4615926
|
.6848336
|
_Iagec_3
|
|
|
.1900864
|
.0163213
|
-19.34
|
0.000
|
.1606441
|
.2249249
|
_Iagec_4
|
|
|
.2055505
|
.0177522
|
-18.32
|
0.000
|
.1735422
|
.2434624
|
_Iagec_5
|
|
|
.2937683
|
.0263951
|
-13.63
|
0.000
|
.246334
|
.3503366
|
_Iagec_6
|
|
|
.175596
|
.0178574
|
-17.11
|
0.000
|
.1438637
|
.2143276
|
_Iagec_7
|
|
|
.1396237
|
.0162475
|
-16.92
|
0.000
|
.1111496
|
.1753921
|
_Imilieu_2
|
|
|
1.145953
|
.075258
|
2.07
|
0.038
|
1.007548
|
1.303369
|
|
(cohes==cohes1 is the base outcome) .
end of do-file
Source : ENSEA 2007, nos calculs sous
STATA
2.5.1. Cohésion sociale et pauvreté de
conditions de vie
Par rapport aux chefs de ménage extrêmement
pauvres en conditions de vie, les chefs de ménage non pauvres en
conditions de vie ont une probabilité plus grande d'avoir un faible
intérêt pour la cohésion sociale que d'avoir un fort
intérêt pour la cohésion sociale.
Ce résultat n'est guerre surprenant et confirme notre
première hypothèse, à savoir : les pauvres en conditions
de vie sont plus favorables à la cohésion sociale que les non
pauvres en conditions de vie.
En effet, la cohésion sociale signifie aussi une
réduction significative de l'écart existant entre
les non
pauvres et les pauvres. Il est donc normal que, par rapport aux pauvres, les
non
pauvres aient moins intérêt pour la cohésion
sociale. Mais la loi dit que tout le monde a le
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
droit de vivre dans les conditions acceptables. D'où, la
nécessité d'assister les pauvres, sinon lutter contre l'exclusion
sociale.
2.5.2. Cohésion sociale et pauvreté en
potentialités
Par rapport aux chefs de ménage extrêmement
pauvres potentiellement, les chefs de ménage non pauvres potentiellement
ont une probabilité plus grande d'avoir un faible intérêt
pour la cohésion sociale que d'avoir un fort intérêt pour
la cohésion sociale.
Ce résultat confirme notre deuxième
hypothèse, à savoir : les pauvres en potentialités sont
plus favorables à la cohésion sociale que les non pauvres en
potentialités.
En effet, par rapport à un non pauvre, un pauvre a plus
intérêt à voir une société où il n'ya
pas trop de contrastes sociaux.
Ce résultat relève une inquiétude dans
la mesure où ce sont les non pauvres qui prennent toutes les
décisions politiques, économiques et sociales, alors que ces
derniers sont moins cohésifs par rapport aux pauvres. Il faut donc une
plus grande participation des pauvres dans la prise des décisions.
D'où la culture de la démocratie pour une paix durable. A ce
titre, Le Président HOUPHOUET disait : « la paix n'est
pas un mot, mais un comportement ».
2.5.3. Cohésion sociale et connaissance des
activités du port
Par rapport aux chefs de ménage ayant une connaissance
moyenne des activités du port, les chefs de ménage ayant une
mauvaise connaissance des activités du port ont une probabilité
plus grande d'avoir un faible intérêt pour la cohésion
sociale que d'avoir un fort intérêt pour la cohésion
sociale.
Ce résultat confirme notre troisième
hypothèse, à savoir : la connaissance des activités du
port favorise la cohésion sociale.
En effet, le port de San Pedro est le socle du
développement des populations de la sous région. L'approche des
capabilités de SEN met l'accent sur la manière la plus efficiente
de réduire la pauvreté en améliorant les
capabilités des individus sur le long terme. Au travers du concept de
développement humain, l'amélioration des capabilités
permet un meilleur accès aux services de santé, à
l'éducation, à une bonne alimentation induisant donc une
augmentation du capital humain. Elle permet aussi de lutter contre l'exclusion
sociale par l'augmentation du capital social et par ricocher le renforcement de
la cohésion sociale.
2.5.4. Cohésion sociale et connaissance des
oeuvres sociales menées par le port
Par rapport aux chefs de ménage connaissant bien les
oeuvres sociales menées par le port, les chefs de ménage ayant
une mauvaise connaissance des oeuvres sociales menées par le port ont
une probabilité plus petite d'avoir un faible intérêt pour
la cohésion sociale que d'avoir un fort intérêt pour la
cohésion sociale.
Ce résultat infirme notre quatrième
hypothèse, à savoir : la connaissance des oeuvres sociales
favorise la cohésion sociale. Cela peut s'expliquer par le fait qu'un
chef de ménage peut connaître les oeuvres sociales menées
par le port sans en bénéficier. Par conséquent, il sera
moins favorable à la cohésion sociale par rapport à un
chef de ménage qui a la connaissance des oeuvres sociales menées
par le port et qui en bénéficie effectivement.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
2.5.5. Cohésion sociale et perception des
activités liées au port
Par rapport aux chefs de ménage défavorables
aux activités liées au port, les chefs de ménage
favorables aux activités liées au port ont une probabilité
plus petite d'avoir un faible intérêt pour la cohésion
sociale que d'avoir un fort intérêt pour la cohésion
sociale.
Ce résultat confirme notre cinquième
hypothèse, à savoir : par rapport aux chefs de ménage
défavorables aux activités liées au port, les chefs de
ménage favorables ont un plus grand intérêt pour la
cohésion sociale. Cela n'est pas surprenant d'autant qu'un manque de
cohésion sociale entraine nécessairement une
insécurité sociale. Cette insécurité sociale
menacerait les intérêts des populations favorables aux
activités liées au port. D'où l'importance de tous pour
une cohésion sociale à San Pedro, quand on sait l'importance du
port dans la région et en Côte d'Ivoire.
2.5.6. Cohésion sociale et
âge
Les résultats montrent que par rapport aux chefs de
ménage ayant moins de 10 ans, plus l'âge augmente, plus les chefs
de ménage ont une probabilité moindre d'avoir un faible
intérêt pour la cohésion sociale que d'avoir un fort
intérêt pour la cohésion sociale. C'est-à-dire, plus
on est âgé, plus on est favorable à la cohésion
sociale.
Cela n'est pas surprenant d'autant que plus on est
âgé, plus on est humain et sociable.
Ce résultat nous interpelle aussi dans le fait que les
jeunes doivent être sensibilisés au même titre les adultes
pour le renforcement de la cohésion sociale à San Pedro.
Les résultats du test (cf. tab 7) d'indépendance du
chi deux confirme la dépendance au seuil de 15% entre les variables
âge et cohésion sociale.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Tableau 41 : Test d'indépendance du
chi2 entre les variables âge et cohésion sociale
RECODE of |
cohes | classe d'age
(coes) | 0-10 ans 11-20 ans 21-30 ans 31-40 ans 41-50
ans 51-60 ans + de 60 a | Total
+
|
|
|
|
|
|
|
+
|
|
cohes1 |
|
300
|
701
|
6,564
|
5,092
|
2,809
|
1,327
|
1,066 |
|
17,859
|
|
|
1.68
|
3.93
|
36.75
|
28.51
|
15.73
|
7.43
|
5.97 |
|
100.00
|
|
|
33.15
|
30.48
|
53.84
|
57.60
|
49.13
|
54.21
|
66.58 |
|
52.52
|
+
|
|
|
|
|
|
|
+
|
|
cohes2 |
|
249
|
939
|
4,049
|
2,175
|
1,814
|
739
|
352 |
|
10,317
|
|
|
2.41
|
9.10
|
39.25
|
21.08
|
17.58
|
7.16
|
3.41 |
|
100.00
|
|
|
27.51
|
40.83
|
33.21
|
24.60
|
31.72
|
30.19
|
21.99 |
|
30.34
|
+
|
|
|
|
|
|
|
+
|
|
cohes3 |
|
356
|
660
|
1,579
|
1,574
|
1,095
|
382
|
183 |
|
5,829
|
|
|
6.11
|
11.32
|
27.09
|
27.00
|
18.79
|
6.55
|
3.14 |
|
100.00
|
|
|
39.34
|
28.70
|
12.95
|
17.80
|
19.15
|
15.60
|
11.43 |
|
17.14
|
+
|
|
|
|
|
|
|
+
|
|
Total |
|
905
|
2,300
|
12,192
|
8,841
|
5,718
|
2,448
|
1,601 |
|
34,005
|
|
|
2.66
|
6.76
|
35.85
|
26.00
|
16.82
|
7.20
|
4.71 |
|
100.00
|
|
|
100.00
|
100.00
|
100.00
|
100.00
|
100.00
|
100.00
|
100.00 |
|
100.00
|
|
Pearson chi2(12) = 1.3e+03 Pr = 0.000
Source : ENSEA 2007, nos calculs sous
STATA
L'attachement ou l'affirmation de son intérêt
à la cohésion sociale dépend alors de l'âge de
l'individu.
2.5.7. Cohésion sociale et milieu de
résidence
Par rapport aux chefs de ménage de la zone urbaine de
San Pedro, les chefs de ménage de la zone rurale de San Pedro ont une
probabilité plus grande d'avoir un faible intérêt pour la
cohésion sociale que d'avoir un fort intérêt pour la
cohésion sociale. C'est-à-dire que par rapport aux chefs de
ménage urbains de San Pedro, ceux de la zone rurale de San Pedro sont
moins favorables à la cohésion sociale.
Ce résultat pourrait s'expliquer par le fait que la crise
a plus eu de répercutions (méfiance, litiges, tensions sociales)
dans la zone rurale de San Pedro que dans la zone urbaine.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
Les résultats du test d'indépendance (cf. tab 5)
du chi deux confirme la dépendance au seuil de 5% entre les variables
milieu de résidence et cohésion sociale.
Tableau 42 : Test d'indépendance du
chi2 entre les variables cohésion sociale
et le milieu de
résidence
RECODE of |
cohes | milieu
(coes) | urbain rural | Total
cohes1 | 16,986 873 | 17,859
| 95.11 4.89 | 100.00
| 52.60 50.90 | 52.52
cohes2 | 9,872 445 | 10,317
| 95.69 4.31 | 100.00
| 30.57 25.95 | 30.34
cohes3 | 5,432 397 | 5,829
| 93.19 6.81 | 100.00
| 16.82 23.15 | 17.14
Total | 32,290 1,715 | 34,005
| 94.96 5.04 | 100.00
| 100.00 100.00 | 100.00
Pearson chi2(2) = 50.4009 Pr = 0.000
|
|
Source : ENSEA 2007, nos calculs sous
STATA
Le milieu de résidence exerce une influence sur la
perception que les individus ont de la cohésion sociale.
Mémoire de stage : construction
d'indicateurs de base pour la définition d'une politique
de
reconstruction post-crise à San Pedro
| 
