Table de matières
Le chapitre portant sur la méthodologie est subdivisé en trois sections. La première section expose les différentes techniques utilisées pour collecter les données, la deuxième essaye de donner les différentes techniques qui nous ont permis de traiter les données. Enfin, la dernièresection présente lesoutils utilisés pour collecter et traiter les données sous-étude.
II.1. Techniques de collectes des données
La collecte des données suppose les étapes suivant lesquelles les données ont été recueillies, il s’agit en effet des étapes qui permettent de déterminer la taille de l’échantillon.
II.1.1. Echantillonnage
La population cible de cette étude est constituée par les PME de la ville de Bukavu. Cette population présente les entreprises qui se conforment à la réglementation établie par l’administration professionnelle et proche du formel. Par contre, toutes celles qui ne s’y conforment pas, sont complètement exclues du champ de cette étude. Les statistiques de la division provincial de l’industrie et des petites et moyennes entreprises et artisanats (IPMEA), renseignent qu’il existe 836 PME regroupées en huit catégories principales et/ou secteurs d’activités, tel que ressorti dans le tableau suivant :
Tableau n°4: statistiques des PME locales
Source: Tableau confectionné sur base des données issues de la division de l’industrie et des PMEA.
Partant de tout cela, les PME de Bukavu sont regroupées en trois sous catégories:
Pour raison de temps et moyens disponible, il ne nous sera pas facile de mener les enquêtes sur l’ensemble des PME (dénombrées ci-haut). C’est pourquoi, nous extrayons un échantillon par la formule ci-dessous:
Pour déterminer cette taille d’échantillon la connaissance des paramètres ci-dessous s’avère nécessaire (Lambin 1944):
Pour cela, Anderson et al (2005) soulignent que le niveau de confiance de 95% est plus 4fréquemment choisi (Z 0,05 =1, 96).
En effet, en appliquant cette formule un problème se pose pratiquement, relatif à la proportion de la population. Pour y remédier, trois solutions peuvent être envisagées. (Chirouze, 2007):
Dans notre travail, on posera la troisième solution, qui est l’organisation d’une enquête pilote, ce qui nous semble la mieux indiquée pour deux raisons:
L’enquête pilote a porté sur 30 PME tirée au hasard. La préoccupation centrale consistait à saisir la proportion de répartition des ressources des PME entre fonds propres ( ce sont les PME n’ayant pas demandées des credits au cours de la période considerée) de l’ordre de 0,58 soit 58% traduisant l’idée selon laquelle les fonds propres représentent 58% des ressources totales des PME à côté des fonds empruntés pour 42%. En remplacement dans l’équation (1, 1) les différentes valeurs1349 trouvées ci-dessus, la taille de l’échantillon s’obtient aisément de la manière ci-après:
On remarque que le taux de sondage[1] selon la formule (taille de l’échantillon/taille de la population) n/N => 260/836= 0,311 soit 31% excède 5%; ce qui nous oblige d’appliquer les facteurs de correction. Ceux-ci étant donné par le radical du facteur facteur applicable si et seulement si le taux de sondage est supérieur à 5% (Bugandwa, 2010). En prépondérant la taille ci-haut trouvée (260) par le facteur de correction, la nouvelle taille se trouve fixée à 179 PME.
Après avoir trouvé la taille de l’échantillon, il sied de préciser les critères de sélection des PME devant être concerné par l’enquête ainsi que les conditions matériellesde son déroulement.
II.1.2. Déroulement de l’enquête proprement dite
La méthode retenue pour identifier ou sélectionner des entreprises a enquêtées, se fonde sur un sondage stratifié avec comme critère de stratification majeure le secteur d’activités et bien son inscription au registre de PMEA (confer tableau n°3 : répartition stratifiée de l’échantillon). Nous avons retenu pour raison de cette étude, que les PME qui sont éloignées du caractère purement personnalisé et qui pratiquent la gestion formalisée, qui ont au moins deux employés[2]. Le choix de commune quant à lui, obéit au principe du choix raisonné car toutes les trois communes de la ville de Bukavu ont fait part sans exception aucune.
Après stratification, il est procédé à un tirage aléatoire simple avec probabilité égale et sans remise dans chaque strate. La taille de l’échantillon est fixée à 179 repartis entre divers secteurs d’activité. La présente étude a couvert tous les types de PME opérant dans les trois communes de la ville de Bukavu et c’est pour l’ensemble des secteurs d’activités au niveau de la ville[3]. Nous avons personnellement conduit ladite en vue d’en assurer le décodage et fournir une explication nécessitée par les enquêtés.
Ce qui a duré plus de deux semaines, à ne pas compter les dimanches. Malgré le caractère déviant de certains enquêtés; cette enquête nous a fait de grandes satisfactions, laquelle estimée à 90% de reponses, soit 10% de non réponse.Sur un ensemble de 179 questionnaires lancés, 161 ont été retournés documents complétés: ce total correspond à 90% de l’échantillon et dont la différence ressort le taux de non réponses et non enqueté appartenant au secteur comptoire et minerais (soit 10% de taux correspondant à 18 PME). Ceci conduit à une vraissemblanace de 161 PME à enquêter dans le cadre de cette étude. Alors les investigations porteront sur 161 PME reparties selon les secteurs d’activité.
Les résultats obtenus peuvent donc servir à la formulation d’une politique tant au niveau de ladite ville qu’à celui de l’ensemble de la province du Sud-Kivu et à quelques aménagements près, à l’ensemble du territoire national. Le tableau suivant nous montre la répartition stratifiée de notre échantillon par rapport aux différents secteurs d’activités.
Tableau n°5: Répartition stratifiée de l’échantillon
Source: Nos traitements sur base des données de l’IPMEA.
Apres la tratification proportionnelle de notre échantillon nous remarquons que 2,4% de notre échantillon est consituer par les PME du secteur de transport et agence de voyage soit 5 entreprises c’est le secteur le moins enreistré car la plus part fonctionne dans l’informel et 50,8% dans le commerce général soit 425 entreprises, ce secteur parait la plus concentré de tous car l’économie de la province du Sud-Kivu en générale et de la ville de Bukavu en particulier repose sur le secteur tercière et plus précisement le commerce.
II.2. Les techniques de traitement des données
Quatre principales techniques nous permettront de traiter les données sur le thème; il s’agit évidemment du test causalité (ou test de Khi-Deux), des statistiques descriptives, de l’analyse factorielle ainsi que le modèle dichotomique de régression logistique.
II.2.1. La statistique de Khi-Deux
C’est un test populaire en statistique et en économétrie, il s’applique souvent aux données discrètes et peut être utilisé aux données continues.
Où fi : l’effectif observé et
: est l’effectif théorique
ddl : degrés de liberté
ddl = (#c – 1). (#l – 1) – h dans le tableau de contingence avec h le nombre des contraintes liées avec le paramètre (NGUBA 2015).
Les hypothèses :
H0 : Absence de dépendance sinificative entre les variables
H1 : Présence de dépendance significativeentre les variables.
Règle de décision : > , on accepte H1, c’est-à-dire qu’il existe une dépendance (association) significative entre les variables. Pour notre cas, nous allons utiliser comme variables la demande de crédit et le secteur d’activité c’est-à-dire qu’on va essayer de verifier s’il existe une association entre la demande de crédit et le secteur d’activité
Les statistiques descriptives sont des techniques qui permettent de décrire les données de l’analyse de tendance centrale et de l’analyse de dispersion. En effet, pour le cadre de ce travail, nous utiliserons la moyenne, la variance et l’écart-type.
II.2.3. L’analyse factorielle
L’analyse de la fiabilité permet d’étudier les propriétés des échelles de mesures et des éléments qui le constituent. Elle permet de déterminer dans quelle mesure les éléments d’un questionnaire sont liés les uns avec les autres et de procurer un indice général de la consistance ou de la cohérence interne de l’échelle de mesure dans son ensemble. La procédure d’analyse de la fiabilité sur SPSS calcule plusieurs mesures fréquemment utilisées dans la fiabilité de l’échelle. La consultation des tests de fiabilité pour les mesures de la croissance des PME dans les recherches antérieures a montré que le coefficient Alpha de Cronbach est la plus couramment utilisé. Il s'agit d'un modèle de cohérence interne, fondé sur la corrélation moyenne entre des éléments (Evrard et al. 2003). Dans cette recherche, on a procédé à la mesure de facteur de la croissance et à l’opposé des freins en faisant recourt à l'échelle de Milani (1975). Le coefficient de fiabilité pour notre échelle est représenté dans les traitements des outils finals.
Dans cette étude, deux objectifs sont fixés. Le premier consiste à construire une échelle de mesure permettant d’analyser la qualité des relations interdimentionnelle, c’est-à-dire en fonctions des divers facteurs determinant la demande de credits des PME de Bukavu, mais selon une perspective multidimensionnelle. Le deuxième but de l’étude est d’évaluer la qualité de mesure de cette échelle. Le domaine de relations interdimentionnelle est très important dans les analyses des causes entrainant le recour à l’endettement par les PME qui seront ciblées dans notre échantillon d’entreprises de Bukavu. Ces dernières, constituant d’autre part, les éléments relatifs aux facteurs internes et externes liés au fonctionnement des entreprises. Plusieurs chercheurs se sont intéressés à ce domaine et ont ainsi développé et validé un certain nombre d’échelles de mesure permettant de mesurer les facteurs dans les PME. La plupart d’entre elles, ont été effectuées à l’extérieur du pays, voir même à l’extérieur de la province et la ville. Il est cependant nécessaire de signaler que la majorité des travaux effectués localement ont seulement utilisés les modèles de régression logistique sur les determinants à la demande de credits des PME. Mais l’exemple le plus marquant, réside sur les instruments de mesure, les relations multidimensionnelles, mettant en exergue un certain nombre des valeurs sur les items et leurs degrés de liaisons.
Afin de présenter l’aspect multidimensionnel de l’instrument de mesure, nous nous sommes inspirés dans un premier temps, des différentes échelles déjà existant dans les domaines aussi similaires que celui-ci, tels que l’étude des déterminants de la structure financière des PME françaises développées par Asma TRABELSI (2007). Cela en prélude de choisir les diverses facettes qui composent l’échelle de composantes multidimensionnelles de critères de la demande des credits de PME localement. Sans pour autant ne pas oublier que cette échelle peut mesurer l’unidimensionnalité d’un seul des déterminants.
La version préliminaire de l’échelle de mesure fut présentée à 179 PME locales en informant leurs responsables nos raisons scientifiques de connaitre le(s) facteur(s) qui entrainent la demande des credits pour ces entreprises, l’outil final alors portera sur 161 PME sans bias statistiques.
L’analyse factorielle est une technique statistique aujourd’hui surtout utilisée pour dépouiller L’analyse des enquêtes: elle permet, quand on dispose d’une population d’individus pour lesquelles on possède de nombreux renseignements concernant les opinions, les pratiques et le statut (sexe, âge, etc.), d’en donner une représentationgéométrique[4], c'est-à-dire en utilisant un graphique qui permet de voir les rapprochements et les oppositions entre les caractéristiques des individus. Cette technique est déjà centenaire: elle a été créée en 1904 par le psychologue anglais Charles Spearman (inventeur également du coefficient de corrélation de rang), dans le but de mesurer l’intelligence (Spearman, 1904). Sa technique porte le nom aujourd’hui d’analyse factorielle des psychologues. D’autres techniques d’analyse factorielle seront développées ensuite:l’analyse en composantes principales (Hotelling, H., 1933, p417), souvent abrégée en ACP et une variété de celle-ci ; l’analyse factorielle descorrespondances (AFC), crée dans les années 1960 par Jean-Paul Benzécri (1973, p96). Du fait de l’essor de l’informatique, cette dernière technique est devenue une technique standard, intégrée dans les grands logiciels statistiques internationaux (SAS, SPSS).
Dans le cadre de cette analyse, ce que nous cherchons maintenant, c'est à partir d'un tableau quelconque, d'en trouver un jeu de coefficients pour les lignes et les colonnes qui permettent, par multiplication terme à terme, de trouver un tableau connu par ses marges.
L'analyse en composantes principales (ACP) cherche une solution à l'ensemble de la variance des variables mesurées. De plus, elle cherche une solution où les composantes sontorthogonales (c'est-à-dire indépendantes entre elles)[5]. Quelle que soit la matrice de corrélations,il y a toujours une solution en ACP. L'ACP maximise la variance expliquée.
L'analyse factorielle (A.F.) cherche une solution à la covariance entre les variables mesurées. Elle tente d'expliquer seulement la variance qui est commune à au moins deux variables et présume que chaque variable possède aussi une variance unique représentant son apport propre. Les divers modes d'extraction visent à maximiser une bonne reproduction de la matrice de corrélations originale.
L'analyse habituellement effectuée par les logiciels courants (SPSS, BMDP, SAS) est une analyse de type exploratoire puisqu'elle ne permet pas de déterminer à l'avance quelles variablesdevraient être liées à quels facteurs. Lorsque la solution factorielle proposée par le logiciel (lasolution statistique) confirme nos hypothèses de départ, c'est bon signe. Lorsque ce n'est pasle cas, ceci n'infirme pas nécessairement nos hypothèses, ceci parce qu'une multitude desolutions sont possibles pour chaque analyse et que le logiciel ne peut en proposer qu'une seule,celle qui est la plus appropriée statistiquement. Une autre solution, plus conforme à noshypothèses, peut être presque aussi bonne que la solution proposée et on ne peut pas le vérifier.
L'analyse factorielle confirmatoire permet de déterminer non seulement le nombre de facteurs mais aussi l'appartenance de chaque variable à un ou plusieurs facteurs. Ce type d'analyse doit être utilisé avec précaution, lorsque l'on est vraiment à l'étape finale de la confirmation d'un modèle. Elle nécessite l'utilisation de logiciels permettant de faire des analyses par équations structurales (EQS et LISREL, maintenant AMOS en module de SPSS version 7.0). LISREL VII était disponible comme module de SPSS (versions antérieures à la version 7.0); toutefois, la version VIII, une version Windows, est nettement plus conviviale.
Pour qu'une variable soit intégrée dans l'analyse, sa distribution doit montrer une certaine variance c’est-à-dire elle doit discriminer les positions des individus.
Idéalement, on cherche une structure simple, c'est-à-dire une solution où chaque variable détermine fortement un et un seul facteur.
Lorsqu'une variable est corrélée à plus d'un facteur, on dit que c'est une variable complexe; on peut dire que la signification des réponses à cette variable s'interprète selon plusieurs dimensions.
La structure factorielle peut être différente pour différentes populations. Il faut faire attention à ne pas regrouper pour l'analyse des populations trop différentes. Pour qu'une structure factorielle soit stable, elle doit avoir été vérifiée sur un minimum de cas.
La règle veut qu'il y ait un minimum de 5 cas par variable. Lorsque cette règle n'est pas respectée, plusieurs problèmes peuvent survenir dont celui de la "matrice malade" (ill conditioned matrix) ou le fait qu'une deuxième analyse avec une population différente donne des regroupements très différents. Il y a donc des problèmes de stabilité, de fidélité, de la solution factorielle.
Ensemble de procédés statistiques dont le but est d’évaluer la qualité d’un instrument de mesure et les items qui le composent.
Pour analyser les déterminants de la demande de crédit par les PME nous nous sommes inspirés du modèle d’équation de la demande de crédit tel que développé par Nathan (2006) dans le cadre d’une étude portant sur les déterminants de la demande de crédit dans un milieu urbain au Makerere. Toutefois, pour tenir compte de la spécificité des PME de la place[6], le modèle de départ a été réaménagé en supprimant certaines variables et en intégrant d’autres en tentant compte des informations recueillies lors de la pré-enquête.
4.1. Descriptions des variables.
La variable dépendante est la demande de crédit notée DEMACRED. Elle est qualitative et prend la valeur 1 si la PME a fait recours au crédit auprès des institutions financières (Banques, IMF, etc.) pour combler son besoin en fonds de roulement au cours de ce dernier exercice (c’est-à-dire en 2016) et 0 sinon. Les variables indépendantes susceptibles d’expliquer la demande de crédit ont été inspirées de la littérature et du contexte de Bukavu. Elles se rapportent à :
Elle prend la valeur 1, si la PME estime que le taux d’intérêt fixé par l’institution financière est raisonnable (c’est-à-dire en comparant le rendement issu de l’emprunt contracté au dernier recours avec le coût qui en découle) et 0 si ce taux est peu raisonnable. Une augmentation du taux d’intérêt par une institution sera perçue par les PME comme un frein à leur recourt au crédit car les charges financières seront trop importantes pour elles et auront un impact négatif non seulement sur leur résultat mais aussi sur leur rentabilité. Toutefois, certaines d’entre elles, leur comportement n’est pas dicté à priori par la lourdeur des charges financières auxquelles elles sont confrontées mais plutôt par la satisfaction immédiate de leur besoin de financement et pour cela, une augmentation de taux d’intérêt n’est pas perçue comme un frein pour elles. Le signe attendu est ambigu pour cette variable.
Plus l’échéance de remboursement des crédits est longue (raisonnable à leur point de vue), plus la PME peut recourir au crédit dans les futurs. Mais Bellemare (1992), montre que plus le délai de remboursement de crédit est long, plus le risque de défaut devient élevé et cela place l’entreprise dans l’impossibilité de demander de crédit dans les futurs. Le signe attendu est ambigu.
Elle cherche à approximer la volonté des PME à diversifier leurs activités. Pour qu’une PME diversifie ses activités, elle aura besoin d’un fond suffisant qu’elle peut ou ne pas générer par son autofinancement et pour cela, elle sera obligée de recourir aux différentes sources externes qui sont mises à sa disposition (dans le cas d’espèce aux crédits financiers). A cet effet, Honlonkou et al. (2001) montrent qu’en matière des crédits, les activités exercées par les demandeurs peuvent influer positivement sur sa probabilité à demander de crédit si elles sont importantes. Par contre, Buisson (2008), montre qu’une PME qui diversifie ses activités aura accumulé des flux nécessaires lui permettant de faire face à ses besoins et donc, le recours aux financements externes est amoindri. Le signe attendu pour cette variable est ambigu.
Nathan (2006) estime aussi qu’une vieille micro-entreprise est supposée avoir résistée à plusieurs périodes de crise et aussi détient plus d’expériences dans le secteur et pour cela, elle arrive à générer des flux capables de subvenir à son besoin de financement et que donc, son recours à l’endettement est amoindri. Biais, Hellion et Malecot (1995) expliquent une partie de cette contradiction. Ces derniers montrent que la relation entre les prêts bancaires et l’âge de l’entreprise évolue selon une forme de U inversée. Les firmes les plus jeunes et vieilles empruntent moins auprès des IMF que les firmes moyennes. Cette divergence d’intérêt ne nous permet pas aussi d’affirmer à priori le signe attendu pour cette variable, il est ambigu.
Dans le cadre de ce travail, nous utilisons comme Steijvers (2008), le chiffre d’affaires moyen annuelréalisé par une PME pour capturer cette information. Le chiffre d’affaires est un bon indicateur de l’activité d’une entreprise. Si cette dernière parvient à réaliser un CA important, elle n’aura pas besoin de recourir au crédit car elle sera en mesure de générer de flux et capable de s’autofinancer (cela confirme la théorie de POT). Par contre, une firme qui réalise un CA important, aura besoin d’un fond suffisant pour financer ses activités et en conformité avec la théorie du signal, cela sera perçu par le banquier comme un bon signal des perspectives de rentabilité ; ce qui jouera sur sa probabilité à recourir au crédit. Dans ce cas, pour départager les différentes théories susmentionnées (théorie de POT et de signale), le signe attendu pour cette variable est ambigu.
La rentabilité peut jouer un rôle important dans l’appréciation de l’entreprise par les créanciers et également dans le choix financier de ses dirigeants. L’impact de cette dernière sur la politique d’endettement conduite par l’entreprise est l’objet d’une controverse théorique tranchée (théorie de POT, théorie d’agence et celle de signal). En effet, d’après les tenants de la théorie de financement hiérarchique (Myers et Majluf, 1984), un degré de rentabilité élevé influence négativement le recours à l’endettement par l’entreprise. Cette dernière dans le souci de la conservation de la propriété privilégiera dans un premier temps le financement interne par le biais de l’autofinancement. A l’inverse, dans le cadre des théories de l’agence (Jensen et Meckling, 1976) et du signal (Leland et Pyle, 1997, Ross, 1977 et Harris et Raviv, 1991) une relation positive est supposée lier le recours à l’endettement et la rentabilité de l’entreprise. Afin de départager ces prédictions théoriques contradictoires, le signe attendu pour cette variable est ambigu.
Il est peu probable que les intermédiaires financiers accordent des financements sans obtenir des garanties permettant de diminuer le risque de crédit de la part des PME. Ces garanties corporelles sont supposées réduire le degré d’asymétrie d’information dans le cadre de la théorie de l’agence (Jensen, M. et Meckling, W. (1976)). Toutefois, d’autres garanties incorporelles (comme les cautions solidaires) peuvent être mise en place pour représenter une dette qu’a une PME chez le préteur (IMF). D’où, le recours à la dette bancaire par une PME sera d’autant plus grand qu’elle estime que les garanties demandées sont moins contraignantes pour elle. En se référant aux résultats trouvés par Nathan (2006), on s’entend à ce qu’il y est une relation négative entre la demande des crédits et les garanties demandées si elles sont estimées contraignantes par la PME.
La quantité d’informations dont dispose le gestionnaire d’une PME en matière de crédit peut jouer un rôle important dans sa décision de demander ou non du crédit. Du coup, les IMF ont vite compris l’importance accordée aux clients en menant des actions marketing pour les fidéliser davantage aux produits qu’elles offrent. Pour cela, on attend à ce qu’il y est une relation positive entre la demande des crédits et l’information en matière des crédits.
Steijvers (2008) montre que la capacité de l’entreprise à s’endetter auprès de ses partenaires commerciaux peut être perçue par les banques comme le signal d’une bonne fiabilité dans le payement, ce qui contribue à augmenter l’endettement bancaire (ceci valide la théorie du signal). Toutefois, d’autres auteurs tels que Petersen et Rajan (1994), considèrent par contre que la dette commerciale et la dette financière seraient négativement liées pour les entreprises. Ainsi, un recours important aux crédits commerciaux traduit des difficultés d’accès au crédit bancaire et que les entreprises y recourent à défaut de disposer suffisamment des crédits bancaires. Le signe attendu est ambigu pour cette variable.
Elle est mesurée par le nombre d’années écoulées depuis la naissance de l’entrepreneur jusqu’à la date d’observation (c’est-à-dire en 2010). Les questions étudiées tournent autour de la capacité des personnes âgées, d’une part à demander des crédits compte tenu de l’expérience qu’elles ont vis-à-vis de l’institution en question mais aussi du risque qu’elles encourent. Patrick (2001) constate à ce sujet que la demande de crédit par les personnes âgées est altérée du fait de certaines difficultés physiologiques : par exemple, remplir une fiche de demande, reconnaitre visuellement les documents à compléter ou bien se déplacer régulièrement auprès d’une IMF pour faire le suivi de son dossier. Ces difficultés liées à l’âge conduisent généralement les demandeurs d’un certain âge à privilégier des demandes dont les coûts de déplacement sont plus faibles. Par contre Nathan (2006) constate que les personnes les plus âgées recourent le plus souvent au crédit financier parce qu’elles ont déjà acquis de l’expérience dans le domaine et sont le plus souvent soutenues par les IMF compte tenu de leur sagesse. D’où, le signe attendu pour cette variable est ambiguë.
Aucune tendance de comportement n’émerge des résultats empiriques concernant les différences entre les hommes et les femmes en matière de demande de crédit. L’étude de Nathan (2006) et Mugangu (2007) montrent que les femmes demandent plus fréquemment des crédits que les hommes parce qu’elles sont les plus soutenues par les IMF et sont beaucoup plus présentes dans de petites activités génératrices de revenu. Mais l’étude faite par Hour (2002) sur la demande de crédit montre que les hommes demandent beaucoup plus des crédits que les femmes dans les pays musulmans. Ces dernières sont plus averses au risque que les hommes et veulent travailler avec leur fonds propres que recourir au crédit. Le signe attendu pour cette variable est ambigu.
Anan (1985) dit à ce sujet que plus le demandeur de crédit est instruit, plus le prêteur l’estime crédible, et cela accroit sa probabilité à demander du crédit. Boeschoten (1998) constate plutôt que la demande de crédit et le niveau d’instruction seraient négativement liés. Cela étant dû au fait que les personnes instruites sont plus informées des charges financières qu’elles auront à supporter et préfèrent le plus souvent utiliser leurs fonds propres qu’emprunter. Le signe attendu pour cette variable est ambigu.
La synthèse des variables retenues comme influençant la demande de crédit est présentée dans le tableau ci-dessous :
Tableau n°6 : Description des variables
|
Variable |
Acronymes |
Modalités |
Signes attendus |
|
Variable dépendante |
|||
|
Demande des crédits |
DEMACRED |
Variable qualitative ; 1 si une PME recourt aux crédits financiers, 0 autrement |
|
|
Variables indépendantes |
|||
|
Appréciation du taux d’intérêt nominal |
APRINT |
Qualitative ; 1 si le taux d’intérêt annuel nominal fixé est raisonnable et 0, sinon |
+/- |
|
Appréciation de l’échéance de remboursement |
APRECHE |
Qualitative ; 1 si l’échéance est jugée raisonnable par la PME et 0 : autrement |
+/- |
|
Volume d’activité |
VOLACT |
Quantitative ; le nombre des secteurs d’activités dans lequel appartient la PME |
+/- |
|
Age ou durée de vie d’une PME |
AGE |
Quantitative ; le nombre d’année de la PME depuis sa création jusqu’en 2016 |
+/- |
|
Taille d’une PME[7] |
TAIL |
Quantitative ; chiffre d’affaire moyen annuel réalisé par la PME |
+/- |
|
Rentabilité financière[8] |
RENT |
Quantitative ; le rapport entre le résultat à affecter et les capitaux propres |
+/- |
|
Appréciation des garanties demandées |
APPREGARANT |
Dichotomique ; 1 si la garantie demandée est moins contraignante et 0 : autrement |
- |
|
Information en matière des crédits |
INFOCRED |
Dichotomique ; l : si on est informé sur le type des crédits ; 0 : autrement |
+ |
|
Crédits commerciaux |
CREDCOM |
Crédits commerciaux |
+/- |
|
Age de l’entrepreneur |
AGENT |
Quantitative : nombre d’années écoulée depuis sa naissance jusqu’en 2016. |
+/- |
|
Sexe de l’entrepreneur |
SEXE |
Qualitative, 1 si c’est une femme et 0, si c’est un homme |
+/- |
|
Niveau d’étude de l’entrepreneur |
NIVET |
Qualitative : 1 s’il a fait le secondaire ou l’université et 0 sinon |
+/- |
Source : Notre confection
[1] f=n/N : 260 /836=0,311 soit 31%, c’est la probabilité qu’a chaque individue de la population de faire parti de l’échantillon, son inverce 1/0,311= 3 représente donc le poids de l’échantillon dans la population totale.
[2] Nous nous fixons beaucoup plus à cet aspect car il est facilement remarquable à première vue et nous évite des questionnements hors étude, il reflète également une certaine structuration de la PME.
[3] Seules les PME du secteur « comptoirs et minerais » n’ont pas été enquêtées du fait que leurs activités connaissent un dysfonctionnement ce dernier temps (voir décision interdisant l’exploitation des minerais dans l’Est de la RDC) et pendant toute l’enquête, aucune d’elles n’a été trouvé opérationnelle. Nous avons fait 5 jours à Bagira, 7 jours à Ibanda, 5 jours à Kadutu et 2 jours des dépouillements.
[4]Selon l’expression de Henry Rouanet.
[5]Quoiqu'il soit possible de faire des rotations orthogonales ou obliques en ACP, cette utilisation ne respecte pas les bases mêmes de l'ACP, à savoir une solution unique et des composantes indépendantes entre elles qui expliquent chacune une proportion décroissante de la variance.
[6] Ce choix tiens compte des disponibilités des données dans les PME de la place mais aussi de façon à tenir compte des informations recueillies lors de la pré-enquête sur leur spécificité. La plupart d’entre elles ne disposant pas d’états financiers susceptibles de nous livre toutes les informations nécessaires sur les variables retenues dans son modèle.
[7] Les chiffres d’affaires sont considerés en milliers des dollars US.
[8]Cette variable est exprimée en pourcentage.
Afric mémoire est une plateforme web pour le partage des mémoires et TFC entre étudiants du monde entier.
Enregistrer en PDF
Imprimer cette page
