3.2. 8 Analyse de la
relation Etat civil et Affection crédit
a) Détermination des effectifs
Les mariés ayant affecté la totalité de
crédits à 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
|
|
|
|
|
|
|
|
|
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 à
l'activité productrice. Par contre les non mariés affectent plus
facilement leurs crédits à l'activité.
3 .2 . 9
Analyse de la relation Etat civil et Niveau d'épargne
a) Détermination des effectifs
Les mariés ayant augmenté leur niveau
d'épargne constituent le 64% de l'échantillon, ceux dont
l'épargne n'a pas augmenté représentent 10% de
l'échantillon. Les non mariés dont le revenu a augmenté
représentent 24% de l'échantillon, dans la même
catégorie, ceux dont l'épargne n'a pas augmenté
représentent 2%.
b) Calcul du coefficient de corrélation de
caractère
Illustration Eviews N°9 : Test de
significativité entre Etat civil-Niveau
d'activité.
|
Tabulation of ETAT_CIVIL and NIV_EPARGNE
|
|
Date: 06/21/11 Time: 15:10
|
|
|
Sample: 1 50
|
|
|
|
Included observations: 50
|
|
|
Tabulation Summary
|
|
|
|
|
|
|
|
|
|
|
Variable
|
Categories
|
|
|
ETAT_CIVIL
|
2
|
|
|
NIV_EPARGNE
|
2
|
|
|
Product of Categories
|
4
|
|
|
|
|
|
|
Measures of Association
|
Value
|
|
|
Phi Coefficient
|
0.078575
|
|
|
Cramer's V
|
0.078575
|
|
|
Contingency Coefficient
|
0.078333
|
|
|
|
|
|
|
Test Statistics
|
df
|
Value Prob
|
|
Pearson X2
|
1
|
0.308700 0.5785
|
|
Likelihood Ratio G2
|
1
|
0.335127 0.5627
|
|
|
|
|
|
WARNING: Expected value is less than 5 in 50.00% of cells (2
of
|
|
4).
|
|
|
|
|
|
|
|
|
|
|
|
|
|
NIV_EPARGNE
|
|
Count
|
|
0
|
1 Total
|
|
0
|
1
|
12 13
|
|
ETAT_CIVIL
|
1
|
5
|
32 37
|
|
Total
|
6
|
44 50
|
|
|
|
|
|
|
|
|
Nous voulons savoir si l'effet d'être marié ou
pas peut influencer l'augmentation ou non de l'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 : 0,308700 et sa probabilité critique au seuil
de signification de 5% est : 0,5785. Comme 0, 5785 0,05, nous sommes
amenés à accepter H0, c'est-à-dire, il y a pas de
dépendance entre l'effet d'être marié ou non marié
et les variations du niveau d'épargne.
| 
