Arrow Table de matières
5610072

CHAPITRE III. PRESENTATION DES RESULTATS ET DISCUSSION

Dans ce présent chapitre nous présentons, analysons et interprétons les résultats obtenus à partir des données recueillies pendant nos enquêtes. Ce chapitre comprend trois sections : la première section présente les caractéristiques de l’échantillon ; la deuxième section présente les résultats et analyses issus des différentes techniques de traitement des données ; dans la troisième, nous relevons les implications de nos résultats d’analyse ; et enfin, dans la quatrième section, nous présentons les limites de ce travail et les perspectives de recherche.

III.1. Analyse des données

Tableau n° 5: Répartition de l’échantillon selon le sexe

Fréquence

Pourcentage

Pourcentage valide

Pourcentage cumulé

Valide

FEMININ

34

35.1

35.1

35.1

MASCULIN

63

64.9

64.9

100.0

Total

97

100.0

100.0

Source : Nos calculs avec SPSS 24

La population des étudiants est partagée entre hommes et femmes. C’est ainsi que nous avons remarqué que les hommes sont beaucoup représentés avec 64.9% de l’échantillon et les femmes en représentent 35.1%. Ce déséquilibre s’explique du fait que les étudiants hommes se montrent plus entreprenants que les femmes, ils sont davantage attirés par la création d'activités et se sentent également plus confiants que les femmes de créer. Le tableau ci-haut nous donne les détails sur la répartition de notre échantillon selon le sexe

Tableau n° 6: Répartition de l’échantillon selon l’âge

Fréquence

Pourcentage

Pourcentage valide

Pourcentage cumulé

Valide

DE 18 A 25 ANS

78

80.4

80.4

80.4

DE 25 A 30 ANS

13

13.4

13.4

93.8

DE 30 A 35 ANS

6

6.2

6.2

100.0

Total

97

100.0

100.0

S’agissant de l’âge, 80.4% de notre échantillon était dans l’intervalle de 18 à 25 ans, ceci démontre que la moyenne d’âge est 18 à 25 ans dans l’ensemble de trois universités. Cette tranche d’âge nous conduit à dire que notre population est constituée par une majorité des jeunes, ce qui est important pour notre étude afin de voir la perception de l’acte entrepreneuriale dans une population constituée par une majorité des jeunes. Mais aussi une autre explication peut être due au fait qu’un nombre important des étudiants termine l’école secondaire dans une tranche d’âge normale c'est-à-dire entre 17 et 19 ans et commence l’université sans pour autant faire des formations ou autres études similaires.  Les autres tranches d’âges se partagent le 19,6% restant, respectivement 13.4%  des étudiants sont dans l’intervalle de 25 à 30 ans, et enfin 6.2% de notre population enquêtée était dans l’intervalle de 30 à 35 ans. Les détails sont repris dans le tableau ci-haut.

III.2. Analyse descriptive de la variable acte entrepreneurial

Dans cette section, il est question d’analyser les caractéristiques descriptives de la variable acte entrepreneurial captée par l’item intitulé de la manière suivante « Avez-vous déjà créé une entreprise ou une petite unité de production ? » comme nous l’avons souligné dans les lignes ci-haut, cette variable nous a permis de savoir la situation de l’acte entrepreneurial au sein de notre population composée des étudiants. Mais nous pouvons aussi rappeler qu’après nous allons effectuer une analyse factorielle en composante principale pour avoir une dimension permettant de bien capter l’acte entrepreneurial.

Tableau n° 7: ACTE ENTREPRENEURIAL

Effectifs

Pourcentage

Pourcentage valide

Pourcentage cumulé

Valide

NON

55

56.7

56.7

56.7

OUI

42

43.3

43.3

100.0

Total

97

100.0

100.0

Source : Nos calculs avec SPSS 24

Dans ce tableau, nous remarquons qu’un nombre important, soit 56,7% de notre échantillon n’a pas encore effectué un acte entrepreneurial. Mais aussi nous constatons que 43,3% des étudiants enquêtés se sont déjà lancés dans la carrière entrepreneuriale, un pourcentage proche de la moitie. Il revient à dire que l’acte entrepreneurial est une carrière convoitée par tant d’étudiants mais l’effectivité de celle-ci est d’autant plus difficile faute des moyens et ressources nécessaires pour la concrétisation d’un quelconque projet, c’est dans ce sens qu’une organisation de soutient ou une société qui investit dans des nouvelles idées des jeunes peut aider à faire changer la balance. Mais, nous pouvons souligner que l’acte entrepreneurial dont il est question ici est la création soit d’une entreprise ou soit une petite unité de production permettant de satisfaire les besoin primaire ou secondaire de la personne selon la capacité de la dite unité de production. Qu’à cela ne tienne, dans le tableau suivant nous pouvons voir que 90,4% de notre échantillon, c'est-à-dire des personnes qui ont déjà créé une entreprise ou unité de production, 90,4% d’entre eux n’ont pas d’identification nationale ; ils n’ont jamais été enregistré dans la liste des personnes détenant une PME dans le pays. (Ils n’ont pas de Registre Commercial et Crédit Mobilier RCCM), ce n’est qu’un maigre pourcentage des étudiants, soit 4,1% qui détiennent le RCCM. Le pourcentage élevé des personnes qui ne détiennent pas le RCCM s’explique du fait qu’il y a beaucoup des tracasseries et des taxes que peuvent supportent les entrepreneurs lors de l’enregistrement au RCCM en RDC. Mais aussi pour éviter de payer des taux forfaitaires comme stipule la constitution de la RDC[1].

Tableau n° 8: Enregistrement au RCCM

Effectifs

Pourcentage

Pourcentage valide

Pourcentage cumulé

Valide

NON

38

39.2

90.5

90.5

OUI

4

4.1

9.5

100.0

Total

42

43.3

100.0

Manquante

Système manquant

55

56.7

Total

97

100.0

Source : Nos calculs avec SPSS 24

Le 56,7% ici haut, c'est-à-dire les valeurs manquantes, sont des personnes qui n’ont pas encore entrepris.

Après avoir analysé les personnes détenant une entreprise ou une petite unité de production, jetons un coup d’œil sur les personnes qui ont une idée de création d’entreprise. Ici, nous disons que la détention d’une idée ou d’un projet est un facteur important dans l’entrepreneuriat.

Tableau n° 9: IDEE ENTREPRISE

Effectifs

Pourcentage

Pourcentage valide

Pourcentage cumulé

Valide

NON

9

9.3

9.3

9.3

OUI

88

90.7

90.7

100.0

Total

97

100.0

100.0

Selon ce tableau, 90,7% de notre population ont une idée d’entreprise, c'est-à-dire qu’en eux, ils ont déjà un projet qui nécessite une réalisation, Parmi 90,7% d’étudiants qui ont un  projet d’entreprise, 47,72% d’entre eux ont déjà concrétisé leur projet. Comme nous l’avons souligné ci-haut un bon nombre des étudiants ont des projets entrepreneurials mais leurs concrétisations n’est pas effective. Ceci rejoint les études antérieures comme celle d’Ali Maalej (2013) qui explique que la possession d’une idée d’entreprise ou l’intention n’est pas toujours l’acte, et elle n’est pas même un préalable à cette action. Mais ce qui est bon, est que la possession d’une idée d’entreprise est un pas vers la réalisation de celle-ci peut importer le temps que peut prendre cette concrétisation.

III.2. Analyse des résultats

III.2.1 Analyse factorielle

Dans la première étape de nos analyses, nous avons procédé à l’analyse exploratoire de données avec pour objectif principal de faire ressortir le nombre optimal des principales dimensions de l’échelle de mesure. A l’aide du logiciel SPSS 24 nous avons opté pour la méthode d’analyse en composantes principales avec rotation varimax comme méthode d’extraction, ce qui nous a permis de réduire le nombre de variables en rendant l’information plus claire. Précisons que compte tenu de l’identification des facteurs qui sont indépendants les uns des autres, l’utilisation d’une rotation orthogonale, telle la méthode varimax était de plus appropriée puisque cette méthode préserve l’indépendance des facteurs. Cette méthode de rotation a été utilisée avec la normalisation de Kaiser.

Ainsi, l’analyse factorielle exploratoire effectuée a fourni les résultats ci-après :

Avant de procéder à l’analyse en composantes proprement dite, nous devons préalablement nous assurer que nos données respectent les conditions d’application et dans la suite, prendre les décisions appropriées quant au nombre de composantes à extraire.

Une condition essentielle à l’analyse factorielle c’est la factorisation des données. Les matrices de corrélation constituent les données de base pour relever cette condition. En effet, pour pouvoir extraire une composante correspondant à une fonction linéaire des variables initiales, il faut nécessairement que ces variables soient intercorrélées (Williams, Brown et Onsman, 2010). On ne peut donc jamais procéder à une analyse factorielle sur une matrice identité (Baillargeon, 2003, Malhotra, 2011). Pour vérifier cette condition, on utilise test de sphéricité de Bartlett. Mais aussi il faut calculer l’indice de KMO.

Pour rappel, cet indice indique dans quelle proportion les items retenus forment un ensemble cohérent et mesurent de manière adéquate un concept. (Malhotra, 2011). La valeur de l’indice KMO est comprise entre 0 et 1. Pour être conservée dans l’analyse, une variable doit obtenir une mesure K-M-O dépassant 0.5 (Baillargeon, 2003, Williams, Brown et Onsman, 2010, Le Moal, 2002, Carricano et Poujol, 2008, Carricano, Poujol et Bartrandias, 2010 ; Malhotra, 2011). Pour juger de l’indice de KMO, on peut utiliser l’échelle suivante : inacceptable en dessous de 0.5, médiocre entre 0.5 et 0.6, moyen entre 0.6 et 0.7, bien entre 0.7 et 0.8, très bien entre 0.8 et 0.9 et excellent au-delà de 0.9. (Le Moal, 2002, Baillargeon, 2003).

Sur ce, nous avons calculé le KMO et effectué le test de sphéricité de Bartlett sur l’ensemble de nos items. Les résultats sont repris dans le tableau suivant :

Indice KMO et test de Bartlett

Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin.

.525

Test de sphéricité de Bartlett

Khi-deux approximé

2563.526

Ddl

1540

Signification de Bartlett

.000

Source : Nos calculs avec SPSS 24

Les résultats obtenus pour l’ensemble des items (KMO=0,525 ; Bartlett=2563.526;  Sign 0,000) départ le calcul nous pouvons constater que notre indice KMO est dans l’intervalle de 0,5 et 0,6, c'est-à-dire que notre indice est moyen, mais aussi significatif départ la Signification de Bartlett. C’est ainsi que nous pouvons dire que nos données peuvent être factorisées.

A.      L’analyse en composante principale sur les différents items de l’échelle de mesure

Dans cette section il est question de présenter le résultat de l’analyse en composante principale que nous avons faite.

A.1. Analyse de la Variable dépendante: intention entrepreneuriale

L’analyse des items de la variable dépendante « intention entrepreneuriale » a abouti à la génération d’une seule composante après deux itérations. Après avoir éliminé les items dont les communalités étaient inférieurs à 0,5, nous avons eu de résultat qui nous ont permis d’avoir 65,675% de la variance totale expliquée avec un indice d’adéquation de la solution factorielle bon (KMO = 0,661, un bon indice parce que supérieur à 0,6) ; ddl = 3 et la signification de Barlett est de 0,000. Ces résultats indiquent la cohérence interne des variables retenues. En termes de qualité de représentation, nous avons remarqué que tous les items ont présenté des communautés satisfaisantes (> ,50) et ont varié dans l’ordre de 0,576 à 0,735. L’intention traduit une véritable motivation à l’action, c’est un indicateur de la volonté à essayer, bon prédicateur du changement du comportement (Kolvereid, 1997, p. 49 ; Krueger, Brazeal, 1994, p. 93 ; Krueger et al., 2000, p. 412), d’où l’importance de l’intention afin d’étudier les facteurs favorisant ou inhibant le potentiel entrepreneurial d’une population très spécifiques que chaque pays s’appuie pour son développements, plus particulièrement, les étudiantes. La fiabilité de l’échelle de mesure pour les items retenus est de 0,622.

[1] En RD Congo, les petites et moyennes entreprises sont soumises au régime d’imposition forfaitaire institué par l’ordonnance loi n°89-039 du 17 août 1989

Partager ce travail sur :