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

 > 

Certification de gestion durable des forêts et efficacité socioéconomique des entreprises du secteur dans le bassin du Congo. Cas du Cameroun

( Télécharger le fichier original )
par Jonas NGOUHOUO POUFOUN
Université de Yaoundé 2  - Diplôme d'études approfondies/ Master II en sciences économiques 2008
  

précédent sommaire suivant

Aidez l'hopital de Montfermeil

Conclusion

L'objectif de ce chapitre était de faire état des contours méthodologiques et de présenter une analyse statistique des données engrangées dans la phase de collecte portant sur les effets de la certification forestière sur l'efficacité sociale et les performances économiques des entreprises. Pour ce qui est de la responsabilité sociale des entreprises, une lecture approfondie des analyses faites sur la sécurité sociale montre que chaque société peut avoir son point d'impulsion vers la certification. En effet, E1 se serait appuyée sur la sécurité au travail (où il y a plus de rigueur), alors E2, se serait plutôt appuyée sur l'accès aux besoins de première nécessité et à la santé. Les données statistiques exhibent un changement considérable du statut des populations riveraines et des employés tant chez E1 que chez E2 comparativement à la période avant la certification et aux pratiques observées dans l'entreprise non certifiée. La certification constitue désormais, en plus de sa fonction de signal une voie pour les populations et les employés dans la défense de leurs intérêts. Elle incite les entreprises à une responsabilité sociale. La certification est une véritable culture d'entreprise qui fait des anciens « coupeurs d'arbres » de nouveaux « gestionnaires ». Cette observation corrobore l'hypothèse selon laquelle la certification forestière améliore l'efficacité sociale des entreprises au Cameroun.

Pour ce qui est de la performance économique, à partir de quelques statistiques et d'informations récentes on peut, dans une certaine mesure, dire que la certification forestière est un instrument de management stratégique, qui, en différenciant les produits, offre de nouvelles opportunités de marché et une prime verte aux entreprises certifiées.

Chapitre VI : évaluation de l'impact de la certification forestière sur le bien être des employés du secteur au Cameroun

Introduction

Après avoir opéré un cadre théorique qui justifie que la certification forestière (FSC) est un instrument (performant) de bonnes pratiques de gestion forestière qui garantit d'une part les intérêts socio-économiques des populations et des employés (modèle d'agence) et d'autres part ceux des entreprises (modèle S-C-P augmenté de la certification), une analyse descriptive des données nous a permis de montrer une amélioration de l'efficacité sociale et économique des entreprises certifiées. Loin de se limiter à cette analyse descriptive, une analyse économétrique pourrait certifier cette amélioration à un degré de confiance très élevé.

Dans ce chapitre, il sera question de procéder à un test de significativité de l'impact de la certification forestière sur l'efficacité socioéconomique des entreprises du secteur au Cameroun. A partir des données que nous disposons, nous ne pourrons tester que l'hypothèse 1 qui postule un effet positif de la certification sur l'efficacité sociale interne des entreprises. Typiquement, il s'agit d'effectuer une régression qui nous permet de capter le gain social des employés des sociétés certifiées et non certifiées, en prenant en compte plusieurs autres facteurs ou variables. Ce gain social est représenté par une variable dichotomique « niveau de bien être », qui peut être élevé ou faible.

Pour parvenir à cette évaluation, il conviendra dans un premier temps d'opérer une spécification du modèle économétrique à utiliser (SECTION I) et dans un second temps, nous effectuerons une estimation qui débouchera sur l'analyse proprement dite de l'impact de la certification forestière sur le niveau de bien être des employés des entreprises du secteur (SECTION II).

Section I : Spécification du modèle économétrique

Le but de cette section est de définir de façon précise les variables nécessaires qui peuvent donner une explication économétrique du bien être des employés du secteur forestier. Avant de passer en revue les variables pertinentes prises en compte dans l'explication du bien être, nous présenterons tout d'abord une brève revue théorique des modèles de variables qualitatives.

I.1 : Revue théorique du modèle

Etant donné que dans cette étude, le niveau de bien être que nous cherchons à expliquer ne peut prendre qu'un certain nombre de modalités (élevé ou faible), l'utilisation des méthodes classiques paraît inadéquate du fait de la violation de certaines hypothèses, telle que la continuité des observations, la normalité des erreurs,... Ainsi, l'économétrie des variables qualitatives est plus adéquate (I.1.1) car elle propose des modèles de régressions appropriés (I.1.2).

I.1.1 : Point sur l'économétrie des variables qualitatives

L'objet général de l'économétrie tel que le définissait la société d'économétrie de RAGNAR FRICSH était de favoriser les travaux à caractères quantitatifs en utilisant les approches quantitatives théoriques et empiriques des problèmes économiques. Ceci demandait de s'inspirer d'un esprit méthodique et rigoureux (GREENE, 2005). Dans les années 60 et 70, les bases de données microéconomiques relatives à des caractéristiques économiques d'agents individuels (firmes, employés, consommateurs,...) qui ont pu être constituées étaient beaucoup plus relatives à des caractères qualitatifs comme par exemple le dernier diplôme obtenu, d'être marié ou célibataire, la catégorie socioprofessionnelle, le type d'études suivies, le fait de travailler ou au contraire d'être au chômage, l'appartenance ou non à une région, la détention ou non d'un brevet ou d'un certificat,... La plupart de ces variables est à caractères dichotomiques (deux modalités), trichotomiques (Trois modalités) et parfois polytomiques (plusieurs modalités). Lorsqu'elles sont utilisées pour expliquer des phénomènes quantitatifs, les méthodes économétriques traditionnelles d'estimation restent valables. Par contre, lorsqu' elles constituent les résultats socio-économiques que l'on cherche à modéliser, le recours aux méthodes de régression habituellement utilisées pose problèmes au niveau de la validation des hypothèses. Des méthodes spécifiques doivent être utilisées tenant compte par exemple de l'absence de continuité des variables traitées ou de l'absence d'ordre naturel entre les modalités que peut prendre le caractère qualitatif (GOURIEROUX, 1989). Historiquement l'étude des modèles décrivant les modalités prises par une ou plusieurs variables qualitatives date des années 1940-1950. Les travaux les plus marquants de cette époque sont sans contestation ceux de BERKSON (1944, 1951) consacrés notamment aux modèles dichotomiques simples (modèles LOGIT et PROBIT). Les premières applications ont alors essentiellement été menées dans le domaine de la biologie, de la sociologie et de la psychologie. Ainsi, ce n'est finalement que récemment, que ces modèles ont été utilisés pour décrire des données économiques avec notamment les travaux de MacFADDEN (1974) et HECKMAN (1976).

Or, l'application des techniques économétriques propres aux variables qualitatives à des problématiques économiques a d'une part largement contribué à améliorer l'interprétation des modèles simples (comme par exemple le modèle LOGIT avec les travaux de MacFADDEN), et d'autre part à identifier des problèmes économiques dont la structure, si elle n'est pas qualitative au sens propre du terme, est mathématiquement très proche (c'est par exemple le cas de la consommation de bien durable avec le modèle de TOBIN, 1958). Ces développements ont ainsi conduit à introduire un modèle intermédiaire entre les modèles qualitatifs et le modèle linéaire habituel (le modèle TOBIT).

La méthode économétrique conventionnelle n'est possible qu'avec des variables quantitatives. De ce fait, la faisabilité de l'économétrie des variables quantitatives suppose une représentation quantitative des « réponses qualitatives ». Il est question d'associer à un caractère qualitatif une variable quantitative ou codage.

Considérons une variable qualitative y = « catégorie socioprofessionnelle » pouvant prendre six modalités : « manoeuvre », « ouvrier », « ouvrier qualifié », « agent de maitrise » ; « cadre », « cadre supérieur ». Plusieurs choix sont possibles pour coder cette variable qualitative. La première consiste tout simplement à associer des lettres à une variable quantitative x pouvant prendre six valeurs réelles distinctes (i, j, k, l, m, n) suivant les modalités de y. La connaissance de la valeur prise par la variable x permet alors de connaître la modalité de la variable y et inversement. Le choix de sextuplé de valeurs (i, j, k, l, m, n) est alors à priori non contraint : on peut par exemple prendre (0, 1, 2, 3, 4, 5) ou (5, 8, 9, 12, 15, 17) en référence à la catégorie socioprofessionnelle. Ainsi, on définit par exemple la variable x de la façon suivante :

Cependant, ces réponses qualitatives auraient pu être codées autrement à partir des variables dummy ou muettes. Ce type de codage éclate notre variable catégorie socioprofessionnelle en composantes binaires. On peut avoir :

L'intérêt principal de cette représentation quantitative est de pouvoir se ramener à des lois discrètes dans R ou Rn. Ainsi, si l'on considère l'exemple précédent la loi de w est une loi multinomiale M (1; p1, ..., pi, .., pk) où pi désigne la probabilité que la ième modalité de la variable y se réalise. De la même façon, la variable w1 suit une loi de Bernoulli B (1, p1). Il faut toutefois utiliser avec prudence la loi d'une telle représentation : elle est en effet, par nature, conditionnelle au codage choisi. Les seules caractéristiques véritablement liées à la variable qualitative sont celles qui ne dépendent pas de la représentation choisie, et ne sont autres que les probabilités p1,..., pK. Ainsi, les moments (moyenne, variance etc..) de la variable codée ont en général peu de sens. Dans l'exemple précédent, l'espérance de la variable codée X n'a pas de signification particulière. En revanche, l'espérance des variables dummies Wi permet de retrouver les probabilités pi. De plus, le calcul d'un coefficient de corrélation entre deux variables codées X et w dépend naturellement des codages retenus, et ne peut donc être interprété économiquement. En revanche, la notion d'indépendance entre deux variables codée reste indépendante du codage retenu.

Dans le prochain paragraphe, nous nous intéresserons au modèle le plus simple, à savoir le modèle dichotomique, dans lequel la variable expliquée du modèle ne peut prendre que deux modalités.

précédent sommaire suivant






Aidez l'hopital de Montfermeil

Appel aux couturier(e)s volontaires

Hack the pandemiuc !

Moins de 5 interactions sociales par jour