3.2. 7 Analyse de la relation Niveau d'étude et
Niveau d'épargne
a) Détermination des effectifs
Les personnes ayant un niveau d'étude minimum de
secondaire et qui ont augmenté leur niveau d'épargne
représentent 74% de l'échantillon. Dans la même
catégorie, celles dont le niveau d'épargne n'a pas
augmenté constituent le 10% de l'échantillon. Les personnes ayant
un niveau d'étude élevé de primaire et dont le niveau
d'épargne a augmenté est de 10% contre 2% de non augmentation
dans la même catégorie.
b) Calcul du coefficient de corrélation de
caractère
Illustration Eviews N°7 : Test de
significativité entre Niveau d'étude -Niveau
d'épargn
Tabulation of ETUDE and NIV_EPARGNE
Date: 06/21/11 Time: 15:00
Sample: 1 50
Included observations: 50 Tabulation Summary
|
|
|
|
Variable
|
|
Categories
|
|
|
ETUDE
NIV_EPARGNE
Product of Categories
|
2 2
4
|
Measures of Association
|
|
Value
|
|
|
Phi Coefficient
|
|
0.006715
|
|
|
Cramer's V
|
0.006715
|
|
|
Contingency Coefficient
|
0.006715
|
|
|
Test Statistics
|
df
|
Value
|
Prob
|
Pearson X2
|
1
|
0.002255
|
0.9621
|
Likelihood Ratio G2
|
1
|
0.002233
|
0.9623
|
Note: Expected value is less than 5 in
|
25.00% of cells (1 of 4).
|
|
|
|
|
|
NIV_EPARGNE
|
Count
|
|
0
|
1
|
Total
|
0
|
|
1
|
7
|
8
|
ETUDE 1
|
|
5
|
37
|
42
|
Total
|
|
6
|
44
|
50
|
57 MPOTO MANKENI Pompon
Analyse de l'impact des
microcrédits dans
l'activité des
marchands
Nous voulons évaluer la relation existante entre le niveau
d'étude et l'augmentation du niveau d'épargne.
- 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 : 0,002255 et sa probabilité critique au seuil de
signification de 5% est : 0,9621. Comme 0, 9621 0,05 , on est amené
à rejeter H1 , le niveau d'étude n'est pas un facteur
déterminant dans l'augmentation du niveau d'étude.
3.2. 8 Analyse de la relation Etat civil et Affection
crédit
a) Détermination des effectifs
Les mariés ayant affecté la totalité de
crédits { l'activité représentent 18%, les mariés
n'ayant pas affecté totalement leurs crédits représentent
56% de l'échantillon.
Les non mariés qui ont affecté la
totalité de leurs crédits représentent 22% et dans la
même catégorie, ceux qui n'ont pas affecté totalement leurs
crédits occupent une proportion de 4%.
b) Calcul du coefficient de corrélation de
caractère
Illustration Eviews N°8: Test de
significativité entre Etat civil-affectation
crédit.
Tabulation of ETAT_CIVIL and AFF_CREDIT Date: 06/21/11 Time:
15:02
Sample: 1 50
Included observations: 50
Tabulation Summary
Variable Categories
ETAT_CIVIL 2
AFF_REVENU 2
Product of Categories 4
Measures of Association Value
Phi Coefficient 0.539821
Cramer's V 0.539821
Contingency Coefficient 0.475027
Test Statistics Df Value Prob
Pearson X2 1 14.57034 0.0001
Likelihood Ratio G2 1 15.08434 0.0001
AFF_CREDIT
Count 0 1 Total
0 2 11 13
ETAT_CIVIL 1 28 9 37
Total 30 20 50
Analyse de l'impact des
microcrédits dans
l'activité des
marchands
Pour ce cas, il est question de savoir si l'effet d'être
marié ou pas a une incidence sur l'affectation du crédit
obtenu.
- 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 : 14,57034 et sa probabilité critique au seuil de
signification de 5% est : 0,0001.
Comme 0, 0001 < 0,05 , on est amené a rejeter
H0 , il y a donc dépendance entre les caractères , par
conséquent, l'effet d'être marié ou pas influence sur la
manière d'affecter les crédits. Les mariés (les personnes
ayant plus d'engagement) ont du mal à affecter la totalité de
leurs crédits { l'activité productrice. Par contre les non
mariés affectent plus facilement leurs crédits {
l'activité.
|