WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Agriculture et contribution à  la croissance économique de la rdc


par Pascal BEYA
Université Officielle de Mbujimayi - Sciences économiques et de gestion  2019
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

Section 2 : Traitement des données

2.1. Mesure statistique de la corrélation entre le secteur agricole et le PIB

Le tableau n°3 de corrélation devient simple à interpréter. Il s'agit d'un tableau croisé entre les variables mises en relation.

Nous pouvons voir dans chaque case présentant le croisement de deux variables la valeur du coefficient accompagné d'astérisques si la corrélation est significative, le degré de signification qui y est associé et le nombre d'observations qui ont été croisées.

Comme la corrélation est une mesure symétrique, on constate que le coefficient est le même pour l'association entre le PIB et le secteur tertiaire et pour l'association entre le secteur tertiaire et PIB.

Tableau n°3 : Corrélations

 

PIB

AGRICULTURE

PIB

Pearson Correlation

1

,992**

Sig. (2-tailed)

 

,000

N

30

30

AGRICULTURE

Pearson Correlation

,992**

1

Sig. (2-tailed)

,000

 

N

30

30

**. Correlation is significant at the 0.01 level (2-tailed).

Source : Elaboré sur base des analyses de SPSS

Nous remarquons que la corrélation est significative, nous pouvons donc rejeter l'hypothèse nulle d'absence de relation entre le secteur tertiaire et la croissance. Ceci signifie que la probabilité d'obtenir un coefficient de cette taille dans une population où ces deux variables ne sont pas reliées est de moins de 5 %. Nous acceptons  l'hypothèse alternative: il existe une relation linéaire positive (puisque le coefficient est positif) entre les deux variables.

Le coefficient de corrélation significatif nous donne deux informations que l'on doit interpréter:

- le sens de la relation entre les variables : Comme le coefficient est positif, plus le secteur agricole est élevé, plus le PIB augmente. Nous pouvons également dire qu'une augmentation du PIB implique qu'il y ait eu une augmentation du secteur agricole.

- la force de la relation (la taille d'effet) : En examinant la valeur du coefficient (r = 0,992), nous pouvons dire que l'effet de la relation entre ces deux variables est de grande taille et que l'association est très forte.

2.2. Mesure statistique de la participation du secteur agricole dans la formation du PIB par la régression

En général, les modèles de régression sont construits dans le but d'expliquer (ou prédire, selon la perspective de l'analyse) la variance d'un phénomène (variable dépendante) à l'aide d'une combinaison de facteurs explicatifs (variables indépendantes). La régression linéaire est appelée multiple lorsque le modèle est composé d'au moins deux variables indépendantes. À l'inverse, un modèle de régression linéaire simple ne contient qu'une seule variable indépendante.

Comme il est excessivement rare, voire impossible, de prédire un phénomène à l'aide d'une seule variable, il est logique de comprendre l'impact du secteur tertiaire sur le PIB en analysant non seulement les données relatives à ce secteur, mais plutôt tous les autres secteurs qui en considération dans l'explication de la croissance représenté dans cette étude par PIB.

La question dont la régression linéaire multiple permettra de répondre dans la présente étude est la suivante :

- Quelle est l'influence de l'agriculture sur la croissance économique ?

Hypothèse nulle

L'hypothèse nulle est qu'il n'y a pas de relation linéaire entre la combinaison des variables indépendantes (X1, X2, X3... Xn) et la variable dépendante (Y).
L'hypothèse de recherche est l'inverse, soit que la combinaison des variables indépendantes est associée significativement à la variable dépendante.

Dans la présente étude, la variable indépendante Y est représentée par le PIB.

Les variables indépendantes sont :

X1 : AGRICULTURE

X2 : EXTRACTION

X3 : SECTEUR SECONDAIRE

X4 : SECTEUR TERTIAIRE

Cependant, la variable qui intéressera le déroulement de la présente étude est l'agriculture représenté par X

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Soit réservé sans ostentation pour éviter de t'attirer l'incompréhension haineuse des ignorants"   Pythagore