Table de matières
Dans ce chapitre, nous présentons l’entrepreneuriat selon notre contexte d’étude, les moyens utilisés et les étapes suivies pour collecter les informations nécessaires, afin de pouvoir apporter des éléments permettant de vérifier les hypothèses ainsi que de répondre à l'objectif de notre travail.
Suite à l’évolution démographique que connait la RDC, le système économique apparait insuffisamment dynamique et structuré pour répondre à la demande massive et continue d’emplois décents. En RDC, en particulier à l’Est du pays, on a constaté des conflits armés qui se sont succédés depuis 1996 et les pillages d’entreprises qui s’en sont suivis ont eu des conséquences désastreuses sur la situation économique des provinces touchées et particulièrement sur la situation de l’emploi.
Selon le rapport annuel sur l’emploi de l’Office National de l’Emploi (ONEM), sur un nombre d’arrivées annuelles sur le marché de l’emploi estimé à 1 245 demandeurs d’emploi en 2007 seulement 28 emplois étaient disponibles. En 2008, sur 2 188 demandeurs d’emploi enregistrés seulement 515 places étaient disponibles. L’année 2009 a connu un accroissement de demandeurs inscrits à l’ONEM par rapport à 2007 et 2008 mais aussi un accroissement des offres lancées par ses partenaires, sur 2 419 demandeurs 694 offres enregistrées avec 868 places vacantes. La situation s’est progressivement améliorée en 2010, sur 2 707 demandeurs enregistrés 948 offres étaient enregistrées avec 1621 places vacantes. En 2011, sur 1 987 demandeurs d’emploi il y avait 781 offres dont 835 places vacantes.
En dépit de cela, cette situation montre la nécessité d’encourager la population à la créativité c'est-à-dire à s’orienter vers la carrière indépendante. C’est dans cette logique qu’en Afrique, la réponse au problème de l’emploi passe par la création et le développement des PME et par le soutien à l’économie informelle qui occupe plus de 60% de la population active en milieu urbain (Mujinga, 2010). Même dans les pays développés, s’orienter vers une carrière indépendante est devenue une option de plus en plus intéressante.
Peu des rapports dans le monde pour ne pas dire aucun, ne font référence à l’entrepreneuriat des jeunes et les activités entrepreneuriales en RDC. L’entrepreneuriat en RDC est qualifié comme un « entrepreneuriat de survie » où l’entrepreneur crée son entreprise par contrainte sociale, il crée par nécessité et non pas pour exploiter une opportunité. Beaucoup lancent d’une manière créative de petites entreprises ou activités commerciales ou de production, généralement dans l’économie informelle, pour sortir de la pauvreté par leurs propres moyens sans maîtriser les techniques de base de l’entrepreneuriat ou sans avoir reçu un conseil. Le secteur informel est devenu une source de régulation pour les opportunités d’emplois tant pour les nouveaux chercheurs d'emploi que pour les travailleurs recyclés ou reconvertis en Afrique. A défaut de la prédominance du secteur informel dans l’économie congolaise et au manque des structures d’encadrement dans ce secteur, il est donc clair que les données statistiques prélevées ne relatent pas la réalité des activités entrepreneuriales en RDC.
En dépit du contexte socio-économique particulièrement difficile (instabilité politique, pillage, guerres, troubles, etc.) que la province du Sud Kivu a connu, l’initiative privée autochtone, à travers les PME et parfois les micros entreprises et l’informel, ont fait preuve d’un remarquable esprit d’imagination et de créativité pour maintenir l’activité économique. Actuellement, selon une enquête de la Division Provinciale des Petites, Moyennes Entreprises et Artisanat (PMEA), on compte dans la Province du Sud-Kivu 32 311 PME et artisans enregistrés qui couvrent tous les secteurs d’activités dont nous pouvons citer entre autre l’agriculture, la pêche et l’élevage, le secteur minier, le secteur des services qui regorge en son sein le commerce d’export-import, le transport, la télécommunication, le médical, l’éducation, etc., et enfin le secteur de l’industrie qui compte 342 PMI enregistrées à la Division Provinciale de l’Industrie en 2011. Particulièrement, en 2012, dans la ville de Bukavu on a enregistré 31 503 PME et artisans offrant ainsi plusieurs postes de travail. Constatons de ces statistiques que la ville de Bukavu occupe à elle seule plus de la moitié des PME et artisans de la province, ce qui justifie la grande concentration du secteur informel dans les milieux urbains.
Compte tenu de l’objectif que nous nous sommes assignés dans cette recherche, dans la présente section, nous présentons la population cible et expliquons les différentes étapes qui nous ont permis de recueillir les données sur terrain.
Notre population cible est l’ensemble des étudiants finalistes dans la faculté des sciences économiques et de gestion, option Gestion et économie rurale c’est-à-dire, les étudiants de la première et deuxième année de licence en économie de gestion (et Gestion de PME pour l’U.C.B) et économie rurale de trois universités de la ville de Bukavu entre autre l’Université Catholique de Bukavu, l’Université Evangélique en Afrique et l’UNIC-ISGEA. Cependant, elle ne prend en considération que les étudiants admis en licence dans ces différentes universités parce que, ces étudiants sont en cycle terminal de leurs études universitaire et peuvent se lancer sur le marché de l’emploi ; mais aussi ils ont déjà suivie le cours d’entrepreneuriat et ils ont une notion sur celle-ci. En référence aux statistiques de ces universités, le nombre des leurs étudiants inscrits est de 642 pour l’année académique en étude, l’année 2015-2016.
Nous avons organisé des interviews auprès des étudiants de ces différentes universités pendant une période de 5 jours en vue de pouvoir avoir un aperçu sur le niveau de l’entrepreneuriat. L’entrevue a été réalisée grâce à un guide d’interview (annexe 1) auprès des étudiants de l’Université Catholique de Bukavu(UCB) et de l’Université Evangélique en Afrique(UEA) et UNIC-ISGEA. L’entretien prenait une durée en moyenne de 16 minutes. L’objectif était de récolter les opinions des étudiants sur l’entrepreneuriat. Les informations que nous avons pu recueillir nous ont permis de construire un outil de collecte de données adapté.
Le tableau suivant nous montre le total des étudiants inscrits dans chaque établissement durant l’année académique 2015-2016.
Tableau N°3 : NOMBRES DES ETUDIANTS PAR UNIVERSITE
|
FACULTE DES SCIENCES ECONOMIQUES ET DE GESTION : OPTION GESTION |
||||||
|
UNIVERSITE |
PROMOTION |
NOMBRE DES ETUDIANTS |
||||
|
GARCON |
FILLE |
TOTAL |
TOT UNIV |
% |
||
|
U.C.B |
Première année de licence de gestion + PME+ ECONOMIE RURALE |
69 |
64 |
133 |
236 |
36.76 |
|
Deuxième année de licence de gestion + PME+ ECONOMIE RURALE |
50 |
53 |
103 |
|||
|
U. E.A |
Première année de licence de gestion + ECONOMIE RURALE |
93 |
61 |
154 |
265 |
41.28 |
|
Deuxième année de licence de gestion + ECONOMIE RURALE |
63 |
48 |
111 |
|||
|
UNIC-ISGEA |
Première année de licence de gestion |
47 |
33 |
80 |
141 |
21.96 |
|
Deuxième année de licence de gestion |
39 |
22 |
61 |
|||
|
TOTAL GENERALE |
361 |
281 |
642 |
|||
Source : Données recueillies à l’apparitorat de ces 3 universités
Par contrainte de temps et des moyens matériels et financiers pour mener notre enquête sur tous les étudiants finalistes de ces trois universités, nous avons été amené à tirer un échantillon représentatif en recourant à la formule approximative de la taille d’échantillon (Bugandwa, 2013) ci-dessous :
n
Où n : La taille de l’échantillon ;
: La valeur de la distribution normale au seuil α (souvent égale à 1.96) ;
α : L’intervalle de confiance ou seuil de risque (fixé à 5%) ;
: Ecart type de l’échantillon ;
: Le niveau de précision voulu par le chercheur (fixé à 90% dans cette étude).
A partir de cette formule, nous remarquons que la taille de l’échantillon cherchée est fonction du seuil de risque, de la marge d’erreur voulue par le chercheur et de l’écart-type de la population qui est inconnu à priori. Ainsi, nous constatons que l’inconnu n étant fonction d’une autre inconnue l’écart-type, il en découle un paradoxe. La théorie propose trois solutions pour trouver une solution à ce problème:
- Posséder des informations empiriques sur le problème étudié,
- procéder à une pré-enquête permettant de déterminer l’écart type.
- Ou utiliser les cas des proportions avec p égale 0,5 dans la mesure où cette valeur donne
p(1-p) égale à 0,25 qui est la variance la plus élevée permettant d’obtenir une taille d’échantillon élevées.
C’est ainsi que nous avons opté pour la troisième solution. Ayant toutes les valeurs nécessaires des paramètres, nous avons déterminé la taille de l’échantillon grâce à la formule ci-dessus.
n = étudiants
C’est ainsi que notre échantillon sera de 97 étudiants pour plus précision, donc nous allons utiliser 97 questionnaires. Le sondage par strate proportionnelle aux nombres des étudiants dans chaque établissement est notre plan de sondage retenu pour notre étude. Notre taux de sondage est de 0.15109034 (n/N) identique au sein de chaque strate. Le tableau ci-dessous représente les informations sur la réparation de l’échantillon pour l’enquête.
Tableau N°4 : Répartition de l'échantillon de l’enquête
|
UNIVERSITE |
POPULATION TOTALE |
ECHANTILLON |
|
U.C.B |
236 |
(236×97)/642= 36 |
|
U.E.A |
265 |
(265×97)/642= 40 |
|
UNIC-ISGEA |
141 |
(141×97)/642= 21 |
L’enquête proprement dite a été faite sur base d’un questionnaire d’enquête. Le questionnaire d’enquête a été distribué aux étudiants, la distribution des questionnaires a été faite de deux façons, premièrement une partie des questionnaires a été distribué aux étudiants se trouvant sur les établissements respectifs de chaque université, c’est-à-dire à l’UCB (BUGABO), l’UEA et l’UNIC-ISGEA et une autre partie des questionnaires a été distribué dans les salles d’étude en choisissant d’une manière hasardeux les étudiants concernés par notre étude. Une brève explication était donnée à la remise du questionnaire aux étudiants, pour la réponse des certaines questions, notre assistance était nécessaire pour quelques éclaircissements.
La récolte des données auprès des étudiants a été lancée en date du 10 Aout 2016 et a été faite par nous-même sur toutes les universités pour éviter tout problème qui peut survenir lors de remplissage des questionnaires .L’enquête a duré pratiquement une semaine et demi c’est-à-dire jusqu’au 23 Aout 2016, et l’encodage des données se réalisait au fur et à mesure de l’évolution de l’enquête après.
Ce point présente la technique utilisée pour traiter les données quantitatives recueillies durant l’enquête sur terrain. Elle explique l’échelle de mesure utilisée et tous les critères qu’il faut pour vérifier sa validité et sa fiabilité, elle présente l’analyse factorielle permettant de synthétiser les données, elle présente les différentes variables, elle présente l’analyse de corrélation et le modèle de régression pour vérifier la relation entre ces différentes variables.
L'échelle d'attitude est une technique de mesure de l'intensité des opinions ou des réactions des individus sur un sujet donné. Elle permet de quantifier des informations d'ordre qualitatif pour aboutir éventuellement à un score. Il en existe de nombreuses variantes. Nous avons utilisé deux échelles de mesure dans notre étude, celle de Likert à 5 mesures et l’échelle Dichotomique. L’échelle de Likert est la méthode la plus fréquemment utilisée lorsque des réponses sont proposées et dans plusieurs études similaires, c’est elle qui est utilisée, ce qui explique notre choix à cette échelle ; le répondant exprime son degré d'accord ou de désaccord sur une ou plusieurs propositions. Pour le cas des échelles dichotomiques, ces échelles permettent de répondre aux questions soit par « oui », soit par « non».
Pour synthétiser les données, une analyse par composante principale (A.C.P) nous a été utile comme décrit dans la section suivante.
L’analyse factorielle nous a permis de savoir que les items entretiennent entre eux de forts liens. Elle permet donc de vérifier l’unidimentionnalité de l’ensemble de l’échelle et d’éliminer les items ambigus, polyvalents tout en gardant ceux qui fournissent un maximum d’information sur l’attitude étudiée.
Cette technique est tirée de Carricano et Poujol (2009) dans l’analyse des données avec SPSS. Cette analyse a été utilisée suivant la procédure ci-après : L’analyse en composantes principales utilisée comme méthode d’extraction nous permet ainsi de synthétiser les données en construisant un petit nombre des nouvelles variables. L’analyse est faite sur une matrice de corrélation avec rotation varimax[1] pour minimiser le nombre des variables ayant de fortes corrélations sur chaque facteur et obtenir une structure factorielle plus claire. Pour s’assurer de la cohérence des données, l’adéquation a été fournie par les indicateurs suivants :
Le test de Sphéricité de Bartlett : pour examiner la matrice de corrélation et ressortir la probabilité de l’hypothèse nulle selon laquelle toutes les corrélations sont de zéro. Si l’hypothèse nulle est acceptée, il sera difficile d’effectuer une analyse factorielle. Le test doit donc être significatif, avec une valeur de significativité inférieure à 0,05 pour nous permettre de rejeter l’hypothèse nulle c'est-à-dire que le seuil doit être inférieur au seuil de significativité du test qui est 0,05. Si la signification (Sig.) tend vers 0.000, c’est très significatif, inférieur à 0.05 significatif, entre 0.05 et 0.10 acceptable et au-dessus de 0.10, on rejette (Ludovic, 2002). Il serait impossible de faire l’analyse si l’hypothèse nulle est acceptée.
Pour extraire les facteurs, on a utilisé :
La règle des valeurs propres : une valeur propre représente la quantité d’informations capturée par un facteur. Le nombre des facteurs prise en compte sont ceux qui, après rotation, ont une valeur propre supérieure à 1. Un facteur qui aurait une valeur propre inférieure à 1 représenterait moins d’informations qu’un simple item.
La part de la variance expliquée: l’ACP choisit les composantes de façon séquentielle en fonction de variance qu’elles expliquent. L’extraction est imposée à au moins 60% de la variance expliquée pour s’assurer que les facteurs expliquent une quantité significative de la variance.
L’épurement de l’échelle est fait sous deux modalités :
D’une part, le coefficient structurel dont seuil est déterminé en fonction de la taille de l’échantillon. Carricano et Poujol (2009, p. 59) donnent chaque taille d’échantillon le coefficient structurel lui correspondant. Pour un échantillon de 100, la valeur de ce coefficient est fixée à 0,55 en termes de contribution sur l’une des composantes principales à identifier. Pour la présente étude, dont la taille finale de l’échantillon est 97 et qui est proche de 100, nous optons pour 0,55.
D’autre part, la formation des facteurs repose sur l’importance des variables initiales sur ces facteurs. Les « communalités» (part de variance expliquée par l’item) doivent dépasser 0,5 et si possible 0,7.
La « Measure of Sampling Adequacy » (MSA) ou Kaiser-Meyer-Olkin (KMO): Le KMO indique jusqu’à quel point l'ensemble des variables retenues constitue un ensemble cohérent et permet de constituer une ou des mesures adéquates des concepts à l'aide d’analyses factorielles.
Pour juger de l’indice de KMO, on peut utiliser l’échelle suivante (Ludovic, 2002) :
Des valeurs de KMO comprises entre 0,3 et 0,7 représentent des solutions factorielles acceptables. Ce test, d’abord réalisé pour chaque variable, doit ensuite être repris avec l’ensemble des variables (Hair et al. 2006 cités par Carricano et Poujol, 2011).
Les facteurs étant extraits, nous passons à leur interprétation. L’interprétation des facteurs ou des composantes consiste à déterminer la combinaison d’items qui est la plus associée à chacun des facteurs significatifs. Dans le cadre de cette étude, nous retenons la solution orthogonale parce qu'elle indique que chaque facteur apporte une information unique, non partagée par un autre facteur [Durand, 2003], et nous recourons à la méthode varimax car elle minimise le nombre d’items ayant de fortes corrélations sur chaque facteur améliorant ainsi les possibilités d’interprétation des facteurs [Charland, 2005].
LA FIABILITE DE L’ECHELLE
Pour garantir la fiabilité[2]de l’échelle de mesure, l’alfa de Cronbach est calculé. C’est un coefficient de fiabilité qui mesure la cohérence interne d’une échelle construite à partir d’un ensemble d’items. La pratique consiste à réduire un grand nombre d’items initiaux dans un processus itératif de conservation ou d’élimination des items en fonction de la valeur du coefficient alpha, qui varie entre 0 et 1. Plus la valeur de l’alpha est proche de 1, plus la cohérence interne de l’échelle (sa fiabilité) est forte. On élimine donc les items qui diminuent le score, et on conserve ceux qui contribuent à augmenter l’alpha. Le seuil d’acceptabilité de l’alpha varie selon l’objectif de la recherche. Pour une étude exploratoire, un coefficient plus faible est acceptable (0,7) alors que dans le cadre d’une recherche fondamentale, il doit être plus élevé (> 0,8) (Nunnally et Bernstein, 1994 dans Carricano et Poujol, 2009).
LA VALIDITE
Les recherches en sciences sociales font généralement appel à un ou plusieurs concepts abstraits qui ne sont pas toujours observables. La validité caractérise la capacité des instruments de mesure choisis à capturer le mieux possible ces concepts théoriques.
La validité de contenu vise à garantir « qu’en termes de contenu, les instruments développés sont représentatifs de ce que l’on mesure » (Perrien et al, 1984). Elle est estimée de manière qualitative. Il s’agit de vérifier si l’ensemble des items affectés à la mesure d’un concept est théoriquement cohérent avec celui-ci et s’il en capture les différents aspects. Il convient de s’assurer que le libellé des items ne dépasse pas la définition du concept, mais qu’au contraire ils y sont bien circonscrits.
La validité de trait vise à s’assurer « que les indicateurs construits sont une bonne représentation du phénomène à étudier » (Evrard et al, 1997). Elle est satisfaite lorsque la validité convergente et la validité discriminante sont satisfaisantes.
- La validité convergente s’attache à vérifier si les indicateurs de mesure convergent vers un même trait, c’est-à-dire que « Les corrélations entre items mesurant un même trait sont supérieures aux corrélations entre items ne mesurant pas le même phénomène » (Evrard et al, 1997). Selon le critère proposé par Fornell et Larker (1981), la validité convergente est forte lorsque la variance partagée entre un construit et ses mesures (pvc) est supérieure à 50% ; les indicateurs de mesure expliquent donc une part plus grande de la variance du construit que les erreurs de mesure. La validité faible est assurée lorsque les relations entre le construit mesuré et ses indicateurs de mesure sont statistiquement significatives.
- La validité discriminante s’attache à examiner si les items supposés mesurer des construits différents (ou des facettes distinctes d’un même concept) sont effectivement faiblement corrélés afin de permettre de discriminer les phénomènes entre eux. La validité discriminante suppose que la variance partagée entre les construits est inférieure à la variance partagée entre les construits et leurs mesures (Fornell et Larker, 1981). On peut conclure à une validité discriminante par le fait que la valeur du pvc d’un construit est supérieure aux carrés des corrélations entre ce construit et les autres. L’autre méthode considère qu’en prenant un modèle sans contrainte de corrélation entre les différents construits et un modèle où les corrélations entre construits sont fixées à 1, la validité discriminante est prouvée si la différence entre les valeurs du chi² de ces deux modèles est significative.
- La validité nomologique concerne la liaison entre les concepts. Il s’agit de savoir si les relations entre les mesures de différents concepts sont en conformité avec les prédictions issues de la théorie fondée sur les recherches précédentes. Dans le cas de la mise en relation du concept avec des comportements, on utilise la notion de validité prédictive qui permet de déterminer les indices d’adéquation du modèle, ainsi que le test et la valeur des relations causales liant un construit testé à d’autres.
Cette section présente les variables dépendantes et les variables indépendantes de notre travail de recherche. Dans un premier temps nous allons montrer la pertinence de chaque variable par une brève explication, et ensuite nous allons déterminer successivement les hypothèses de ces variables.
Comme nous l’avons souligné ci-haut, notre questionnaire d’enquête était composé de 56 items reparties en dimension, qui sont les variables dépendante que nous allons présenter brièvement.
A.1. Variable dépendante : intention entrepreneurial
L’intention entrepreneuriale a fait l’objet de nombreuse recherche en science sociale, c’est un élément précédent et déterminant vers la réalisation des comportements entrepreneurial (Fayolle et Gailly, 2004; Kolvereid, 1996). La théorie du comportement planifié est une théorie qui peut être valable presque à tous les comportements volontaires et elle fournit des bons résultats dans des domaines très divers, y compris le choix de carrière professionnelle (Ajzen, 2001; Kolvereid, 1996). Les modèles d’intention supposent que les variables externes (caractéristiques démographiques ou de fond) ne touchent pas directement à l'intention d'accomplir un comportement donné, ou le comportement lui-même (Ajzen, 1991). L’intention met en relation la préférence de l’acte et les comportements. La préférence de l’acte prédisent donc les intentions qui à leur tour prédisent les comportements (Ajzen et Fishbein, 1980).
Dans notre travail, l’intention entrepreneuriale est une variable qui est mesurée par une échelle 5 niveaux allant de « pas du tout d’accord à tout à fait d’accord » et une échelle dichotomique. Les items qui vont nous aider à comprendre le niveau de l’intention sont au nombre de 5, entre autre : Avez-vous une idée ou un projet d'entreprise ? avec comme réponse prenant la valeur 1 pour oui et 0 nom, les autres items sont à 5 niveaux pour une échelle de mesure de Likert allant de 1= Pas du tout d'accord à 5= Tout à fait d'accord, ils sont stipulés de la manière suivante : « J’envisage un jour de créer ma propre entreprise (créer entreprise) », « Mon objectif professionnel est de devenir entrepreneur(Devenir entrepreneur) », « J'ai très sérieusement pensé à démarrer une entreprise(Démarrer entreprise) », « Je vais tout faire pour créer et gérer ma propre entreprise (créer et gérer entreprise) ». Avec un indice de KMO de 0.747.
C’est ainsi que la préférence de l’acte prévoit les intentions. Ainsi, nous proposons :
H1 : Plus le désirabilité, les normes sociales et la faisabilité perçue sont significatives, plus forte sera l’intention entrepreneuriale
A.2. Les variables indépendantes :
La désirabilité de l’acte fait référence aux systèmes de valeurs individuelles. La désirabilité, selon la terminologie de Shapero (1982), représente le degré d’attrait qu'un individu ressent envers la création d'une entreprise, elle se construit par l’influence de la culture, la famille, des pairs, et des contextes professionnels (collègues) et scolaires (mentor). Selon Shapero et sokol, les déplacements positifs et les situations intermédiaires influencent le système de valeurs des individus et par là même, leurs perceptions de désirabilité. Shapero (1975) observe que les créateurs d'entreprise ont été souvent victime d’un "choc" dans leur vie privée ou professionnelle qui a éveillé en eux le désir d'entreprendre mais le désir ici peut être le résultat d’une formation.
Cette variable indépendante va être mesuré par 3 items sur une échelle de Likert a 5 niveaux allant de 1= Pas du tout d'accord à 5= Tout à fait d'accord avec comme intitulé : « Créer son entreprise en étant étudiant est difficile (Création difficile) », « J'ai une forte détermination de créer une entreprise dans le futur (Entreprise futur)», « L’idée de créer mon entreprise me semble attractive (Idée attractive) »
Pour ce qui est de la norme sociale, Les normes sociales font référence à la pression sociale perçue qui incite, ou pas, à mettre en place le comportement observé. Dans notre étude, 1 item de type Likert allant de 1= Pas du tout d'accord à 5= Tout à fait d'accord est utilisé pour connaitre sa pertinence. Il s’agit de « Mes amis, ma famille, mon entourage pensent que je serais entrepreneur (Ami fami entrepreneur)»
Ainsi, dans notre étude nous allons prendre en considération la désirabilité et la norme sociale. Sur ce, nous postulons que :
H2 : Plus la norme sociale envers l’entrepreneuriat est positive, plus la désirabilité perçue est forte.
La faisabilité fait référence à l’accès aux ressources nécessaires : financières, relationnels et humaines. L’environnement peut être un élément facilitateur ou au contraire prohibant. D’après Shapero, la faisabilité est fonction de l’aide de toutes sortes nécessaires à l’établissement d’une nouvelle organisation : aide financière, autre aide, modèles, mentors, partenaires. Ajzen, dans sa théorie du comportement planifié, parle, quant à lui, de contrôle perçu. Ces deux notions sont reliées.
Ici la faisabilité utilise 2 items avec une échelle de Likert à 5 niveaux. Les items sont les suivant : « Je me sens capable de créer mon entreprise (Capable créer entreprise) », « En l'état actuel, créer de A à Z mon entreprise me semble faisable (A a Z entreprise) ».
H3: Plus la faisabilité perçue est forte, plus l’intention entrepreneuriale sera forte
L’attitude renvoie au degré d’appréciation que la personne porte sur le comportement (Ajzen et Fishbein, 1980). L’attitude d’un étudiant pour la création d’une entreprise est basée sur ses valeurs et ses caractéristiques professionnelles et sur sa vision de l'entrepreneuriat (Tounès, 2006)
Elle est mesuré par 2 items sur une échelle de mesure de type Likert à 5 niveau du 1= Pas du tout d'accord à 5= Tout à fait d'accord. Elle permet de connaitre l’intention entrepreneuriale selon les études d’Ajzen (1991). Les items sont : « Je suis favorable au fait de m’engager dans une création d'entreprise (Création favorable) » et « J’ai une attitude entrepreneuriale (Attitude entrepreneurial) ».
A.3. Variable dépendante et variables indépendantes de l’acte entrepreneurial
La création d’une entreprise est l’étape ultime de l’entrepreneur, il s’agit ici de la passation à l’acte entrepreneuriale. Dans notre étude l’acte entrepreneurial sera considéré comme la création d’une petite ou moyenne entreprise, le chiffre d’affaire pour l’entreprise créée ne nous intéresse pas mais c’est seulement cet acte de création. Nous avons utilisé 1 item pour vérifier la pertinence de ce variable. La création est un variable qui est mesure à l’aider d’une échelle dichotomique. L’item est intitulée « Avez-vous déjà créé une entreprise ou une petite unité de production ? » cela étant nous allons procéder par une analyse factorielle avec l’ensemble des variables ci-dessous pour avoir un dimension qui captent mieux l’acte entrepreneurial.
En définitive, la création d’entreprise implique l’ensemble de ces variables donc son effectivité dépend des niveaux de chaque dimension dans notre travail.
C’est ainsi que notre cinquième hypothèse, et notre hypothèse principale est formulée de la manière suivante :
H4 : L’acte entrepreneurial ou la création d’entreprise serait précédé par une plus forte intention exigeant un ensemble de capacité pour dépasser les obstacles, en ayant une forte motivation suivi par l’accessibilité aux ressources nécessaire traduit par le processus d’action “essai-erreur”.
A.4. Variables indépendantes :
A part l’intention entrepreneuriale, la désirabilité, les normes sociales et la faisabilité, les autres variables indépendantes pour mesure l’acte entrepreneurial sont les suivantes :
Ici, il s’agit du processus de passage de l’intention à l’action entrepreneuriat qui souvent faite par l’essai-erreur pour arriver à une vraie concrétisation de l’acte entrepreneuriale. L’entrepreneur potentiel qui dispose d’un ensemble d’information et des capacités est appelé à les mettre en pratique pour la réussite de son projet. C’est l’acte qui est primordiale ici, c’est avec la réalisation de plusieurs actions que l’entrepreneur potentiel peut arriver à créer son unité de production. Pour mesure ce variable, nous allons utiliser 2 items, un de type Likert et l’autre à choix multiple. Les items sont les suivants : « Je cherche les informations nécessaires à la réalisation de mon projet d’entreprise (Info nécessaires) » et « Combien de fois vous vous êtes heurté à ces obstacles (fois obstacles) » avec comme différentes choix 1=1 à 5 fois ; 2=5 à 15 fois ; et 3=autres
La capacité représente l’ensemble des atouts pouvant aider à la création de l’entreprise, les items servant à mesure la capacité sont au nombre de 9 sur une échelle de type Likert a 5 niveaux avec comme modalité de 1= Pas du tout d'accord jusqu’à 5= Tout à fait d'accord. Il s’agit de : «La capacité de travail (Capacité w) », « L'enthousiasme », « L'autonomie », « Une idée innovante », « Les moyens financiers », « De l'expérience », « La confiance du marché (prospects, banques, collaborateurs, institutionnels...) (Confi marche)», « Le leadership », « Les partenaires ». Les autres variables ont les mêmes noms que ceux d’encodage.
H5 : Plus la capacité est positive, plus la création d’entreprise est facile.
Entreprendre serait profiter des occasions de faire des bénéfices que d'autres auraient négligées. Pour les marginalistes, la recherche du profit maximum est la motivation principale conduisant un individu à la création d'une entreprise. Le gain matériel a toujours guidé l'homme dans son activité. Mais si la détection des perspectives de rémunération et de profit est souvent présentée comme une composante essentielle, elle n’est pas toujours la motivation unique et suffisante dans le processus entrepreneurial amont, surtout pour les femmes.
La motivation représente l’ensemble de stimulant permettant à une personne ayant une intention entrepreneuriale de passer à l’action, elles sont des différents ordres, mais nous allons essayer de faire allusion à quelques-unes. Pour la motivation les items sont au nombre de 10 avec une échelle de Likert comme les autres variables précédents. Ils sont structurés de la manière suivante : « Je prendrai des responsabilités (Responsabilité ) », « Je gagnerai plus d'argent (argent) », « Je me réaliserai en tant qu'être humain (j’irais jusqu'au bout de mon idée ou de mon projet)( Realisation) », « J’aurai du pouvoir (Pouvoir)», «J’ai à cœur de relever un défi (Défi) », « Je serai autonome (être mon propre chef) (Etre chef) », « J’aspire à plus de liberté ( Liberté) », « la Prise de risque (Prise risque) », « Réaliser ces rêves » et en fin « Mettre en œuvre ma créativité ( Ma créativité)».
H6 : L’indépendance financière ou d’ordre pécunieux serait une principale motivation pour les étudiants à se lancer dans la création d’entreprise
Les obstacles dans notre étude sont comme de mur à franchir pour arriver à l’acte entrepreneurial. Les obstacles ici peuvent être expliqués par des ressources ou des capacités dont les entrepreneurs potentiels ne disposent pas pour passer à l’acte entrepreneurial, une personne sera dite entrepreneur que lorsqu’elle aura dépassé certains obstacles de premier ordre selon son niveau de vie, sa situation financière et ses attitudes par rapport à l’entrepreneuriat. Les items permettant de mesure la pertinence de ce variable sont au nombre de 16, avec une échelle de Likert allant de 1= Pas du tout d'accord jusqu’à 5= Tout à fait d'accord. Ils sont respectivement comme suit « Le manque de liquidités de départ (Liquidité) », « La difficulté à obtenir un financement bancaire (Financement) », « La difficulté à attirer les capital-risqueurs (Capital risk) », « La difficulté à réunir des fonds de proximité (amis, famille)( Fonds proximité ) », « La difficulté à trouver les informations dont j’aurais besoin pour mieux formaliser mon idée ou mon projet (absence info) », « La difficulté à trouver les conseils dont j’aurais besoin pour mieux formaliser mon idée ou mon projet (conseils)», « Le manque de confiance du marché (m confia m)», « Votre méconnaissance de la création d'entreprise (mcreation) »,« Le manque d'expertise (m expertise) », « Le manque d'idées innovantes (mideeinnov) », « La nécessité de gagner sa vie tout de suite(gagner vie) », « Le manque de confiance en vous (confi vous)», « Votre besoin d'avoir la sécurité de l'emploi (secu emploi) », « Votre propre personnalité (Personnalité) », « L'inadéquation entre votre cursus étudiant et la création d'entreprise (etudeentre)» et « Le manque de soutien de votre entourage (mentourag) »
H7 : Plus il ya des obstacles, moins est la motivation
Le soutien représente l’ensemble de moyen extérieur mise à disposition de l’entrepreneur pour la création de l’entreprise. 5 items avec une échelle de mesure de likert à 5 niveaux comme dans les autres variables permettent de vérifier sa pertinence. Il s’agit de « Le soutien des banques( s banque) », « Le soutien d'organismes de financement (business Angel),( business angel) « Le soutien de vos amis et votre famille »,(s amifami) « Le soutien d'autres entrepreneurs »(sa entrepreneur), et « Une fiscalité favorable( fiscalite) »
H8 : plus le soutient est favorable et plus les obstacles diminuent, la création ou l’acte entrepreneurial sera envisageable
Dans cette section nous focaliserons notre attention sur l’étude des relations entre les variables de notre modèle de recherche. Dans l’objectif de trouver les déterminants de l’acte entrepreneuriale des étudiants dans la ville de Bukavu, la régression multiple est utilisée.
Comme nous avons plusieurs variables indépendantes quantitatives, nous avons effectué la régression linéaire pour bien vérifier notre modelé. Nous pouvons ajouter en disant que c’est la régression linéaire qui convient dans notre étude. C’est ainsi qu’en considérant les dimensions obtenus en analyse factorielle, notre modèle de régression qui va nous permettre de comprendre l’acte entrepreneurial de notre échantillon peut s’écrire :
Y=
Avec Y = variable dépendante ;
= la constante ou intercepte ;
= les paramètres liant linéairement les variables explicatives à la variable dépendante ;
= le terme d’erreurs (respecte les mêmes hypothèses que pour la régression simple).
Parlant des hypothèses, les hypothèses suivantes méritent d’être évoquées en plus lorsqu’il s’agit d’une régression multiple :
Pour ce faire, rappelons d’abord les hypothèses secondaires et notre hypothèse principale :
H1 : Plus le désirabilité, les normes sociales et la faisabilité perçue sont significatives, plus forte sera l’intention entrepreneuriale
H2 : Plus la norme sociale envers l’entrepreneuriat est positive, plus la désirabilité perçue est forte.
H3: Plus la faisabilité perçue est forte, plus l’intention entrepreneuriale sera forte
H5 : Plus la capacité est forte, plus la création d’entreprise est facile.
H6 : L’indépendance financière ou d’ordre pécunieux serait une principale motivation pour les étudiants à se lancer dans la création d’entreprise
H7 : Plus les obstacles sont moins significatifs, plus l’acte entrepreneurial est envisageable
H8 : plus le soutient est favorable et plus les obstacles sont minimes, la création ou l’acte entrepreneurial sera envisageable
Et notre hypothèse principale est :
H4 : L’acte entrepreneurial ou la création d’entreprise serait précédé par une plus forte intention exigeant un ensemble des capacités conduit par une forte motivation suivi par le soutien nécessaire, traduit par le processus d’action “essai-erreur”.
Les tests de vérification des hypothèses font appel à des méthodes explicatives, entre autre la régression linéaire. En se basant sur l’ajustement linéaire, cette méthode permet de vérifier des relations existant de cause (variable dépendante) à effet (variable indépendante) entre deux variables. L’une des conditions d’application de la régression linéaire se rapporte au nombre d’observations requises.
Les résultats d’une régression multiple s’interprètent à partir des indicateurs suivants (Carricanio et Poujol, 2009) :
R : le coefficient de corrélation multiple est un indice standardisé variant de –1 à +1, indiquant la force de la relation entre l’ensemble des variables indépendantes et la variable dépendante. Plus la corrélation n’est élevée, plus la relation linéaire entre les variables indépendantes et la variable dépendante est élevée.
R² : la corrélation multiple au carré, appelée coefficient de détermination, est un indice de la part de variance de la variable dépendante expliquée par les variables indépendantes qui sont dans l’équation. Il donne ainsi la part de variance de la variable expliquée par la variable indépendante.
Le Bêta : ce coefficient standardisé permet de comparer la contribution de chaque variable puisqu’il s’agit du coefficient de régression ramené sur une échelle standard (entre –1 et +1).
Le test t : sa valeur doit être plus grande que 2 (1,96) pour être significative (notée** à p < 0,05). Elle indique si chacun des coefficients des variables présentes dans l’équation est significatif.
Test d’ANOVA
L’ANOVA va nous permettre de tester simultanément deux ou plusieurs variables indépendantes, et donc de tester non seulement les effets individuels de chaque variable, mais aussi les effets d’interaction de deux ou plusieurs variables.
Le test F : sa valeur indique si la variance ou l’ajout de variance expliquée est significative, c’est-à-dire si, quelle que soit la force de la relation entre les variables indépendantes et la variable dépendante, cette relation est susceptible d’exister dans la population et n’est pas due simplement au hasard de l’échantillonnage.
Pour la collecte des données, nous avons utilisé un questionnaire d’enquête en nous basant sur les études antérieures de l’entrepreneuriat comme celle de Lena Saleh(2011), Ali Maâlej (2013), Kouba (2008), Azzedine T (2003),…..
Notre questionnaire renferme seulement des questions fermées, et composé de deux parties : la première partie comporte les questions sur l’identité de l’enquêté c’est-à-dire l’identité de l’étudiant et la seconde des questions liées à l’intention entrepreneuriale et l’acte entrepreneurial.
Pour le traitement des données collectées, il est fait usage conjoint du tableur d’Excel et du logiciel SPSS 24. Le tableur nous a permis le dépouillement des données et le logiciel SPSS pour analyser et ressortir les principales composants de l’entrepreneuriat
Pour opérationnaliser les variables de notre recherche, nous avons utilisé d’une part, une échelle de mesure de Likert de 5 niveaux : « 1= Pas du tout d'accord, 2= Plutôt pas d'accord, 3= Ni d’accord ni pas d’accord, 4=Plutôt d'accord, 5= Tout à fait d'accord» et d’autre part une échelle dichotomique.
[1]Pour interpréter les facteurs, il est généralement nécessaire de réaliser une rotation.
Celle-ci permet d’identifier des groupes de variables fortement liés les uns aux autres
[2]La fiabilité correspond au degré avec lequel les instruments utilisés mesurent de façon constante le construit étudié (Evrard et al. 2003 dans Carricano et Poujol, 2009).
Afric mémoire est une plateforme web pour le partage des mémoires et TFC entre étudiants du monde entier.
Enregistrer en PDF
Imprimer cette page
