3.2. 3 Analyse de la relation Sexe et Affectation
a) Détermination des effectifs
Les femmes ayant affecté leur crédit totalement {
l'activité sont de 22%, les hommes sont de 18%.
Les femmes n'ayant pas affecté leur crédit
directement représentent 40%, les hommes de cette catégorie
représentent 20%.
b) Calcul du coefficient de corrélation de
caractère
Illustration Eviews N° 3 : Test de
significativité entre Sexe-Affectation du crédit
Tabulation of SEXE and AFF_CREDIT Date: 06/21/11 Time: 14:41
Sample: 1 50
Included observations: 50
Tabulation Summary
|
Variable
|
|
Categories
|
|
|
SEXE
AFF_REVENU
Product of Categories
|
2
2
4
|
|
Measures of Association
|
|
Value
|
|
|
Phi Coefficient
|
|
0.117751
|
|
|
Cramer's V
|
|
0.117751
|
|
|
Contingency Coefficient
|
|
0.116943
|
|
|
Test Statistics
|
|
df
|
Value Prob
|
|
Pearson X2
|
|
1
|
0.693265 0.4051
|
|
Likelihood Ratio G2
|
|
1
|
0.690010 0.4062
|
|
|
|
AFF_CREDIT
|
|
Count
|
|
0
|
1 Total
|
|
0
|
10
|
9 19
|
|
SEXE
|
1
|
20
|
11 31
|
|
Total
|
30
|
20 50
|
Analyse de l'impact des
microcrédits dans
l'activité des
marchands
Nous voulons évaluer l'impact du facteur sexe dans
l'affectation des revenus.
- Spécification des hypothèses
H0 : indépendance des caractères
H1 : dépendance des caractères
- Règle de décision
Rejeter H0 si la p-value est inférieure
à 0,05. - Décision
La statistique de khi-carré à 1 degré de
liberté vaut : 0,693265 et sa probabilité critique au seuil de
signification de 5% est : 0,4051. Comme 0, 4051 0,05 , on est amené
à rejeter H1 , donc le sexe n'influence pas l'affectation de
la totalité du revenu à une activité productive.
3.2. 4 Analyse de la relation Age et Affectation du
crédit
a) Détermination des effectifs
La proportion des personnes ayant plus de 40 ans et qui
affectent leurs crédits { l'activité productive est de 14% et
celles de même âge mais n'affectant pas la totalité de leur
argent { l'activité représentent 52%.
Les personnes ayant moins de 40 ans et affectant la
totalité de leurs crédits représentent 26% et celles qui
n'affectent pas la totalité de leur crédit mais dans cette
même catégorie représentent 8%.
b) Calcul du coefficient de corrélation de
caractère
Illustration Eviews N°4 : Test de
significativité entre Age-affectation du crédit
Tabulation of AGE and AFF_CREDIT Date: 06/21/11 Time: 14:48
Sample: 1 50
Included observations: 50
Tabulation Summary
Variable Categories
AGE 2
AFF_REVENU 2
Product of Categories 4
Measures of Association Value
Phi Coefficient 0.534324
Cramer's V 0.534324
Contingency Coefficient 0.471268
Test Statistics df Value Pob
Pearson X2 1 14.27510 0.0002
Likelihood Ratio G2 1 14.64521 0.0001
AFF_CREDIT
Count 0 1 Total
0 4 13 17
AGE 1 26 7 33
Total 30 20 50
54 MPOTO MANKENI Pompon
Analyse de l'impact des
microcrédits dans
l'activité des
marchands
Nous voulons savoir si l'âge des individus est un facteur
déterminant dans l'affectation totale des crédits obtenus.
- Spécification des hypothèses
H0 : indépendance des caractères
H1 : dépendance des caractères
- Règle de décision
Rejeter H0 si la p-value est inférieure
à 0,05.
- Décision
La statistique de khi-carré à 1 degré de
liberté vaut : 14,27510 et sa probabilité critique au seuil de
signification de 5% est : 0,0002. Comme 0, 0002 < 0,05 , on est amené
a rejeter H0 . Et cela nous pousse { confirmer qu'il y a
dépendance des caractères. Autrement dit, l'âge influence
l'affectation du crédit. Les personnes âgées de plus de 40
ans ont plus tendance à ne pas affecter la totalité de leurs
crédits obtenus { l'activité productrice. Ce comportement peut
être causé par le fait qu'ils ont beaucoup de charges à
couvrir (charges familiales et autres) qui leur pousse à retrancher une
partie du crédit en vue de les couvrir. Ce comportement réduit
l'efficacité de leur gain.
| 
