Chapitre Troisième: PRESENTATION, ANALYSE DES DONNEES, INTERPRETATION ET DISCUSSIONS DES RESULTATS.

Ce chapitre portant sur les résultats d’analyse comporte trois sections. La première présente les caractéristiques socio-économiques des enquêtés, la deuxième teste la relation entre les sources de financement et le type des PME et enfin la troisième présente les résultats de l’estimation issue des données.

III.1. RACTERISTIQUES SOCIO-ECONOMIQUES DE L’ECHANTILLON

Cette section essaye d’analyser les données recueillies auprès des PME de la ville de Bukavu. Et dès lorsqu’il existe le caractère interdisciplinaire dans la recherche éffectuée, les analyses se basent essentiellement sur la description et l’explication des quelques données du type aussi bien quantitatif que qualitatif selon qu’elles sont relatives aux caractéristiques de l’entreprise, du propriétaire dirigeant et des activités de la PME.

Les tableaux nous renseigne sur les caractéristiques des PME de cette consideration.  IL se rapporte et se focalise leur ancienneté, leur taille ainsi que le type d’entreprises dans lequel elles appartiennent, d’une part sur les caraactéristiques de l’entreprises; les caractéristiques liées aux autres contraintes d’autre part.

III.1.1. Reaprtition sur l’appréciation du taux d’intérêt et de l’échéance de remboursement.

La repartition est faite de manière que l’appréciation du taux d’intérêt depend du temps ou de l’échénce de remboursement donnée à un bénéficiaire de credits; et donc la corréralion faite qui implique une identification par la PME.

Tableau n°7: Répartition croisée

Tableau croisé APRINT * APRECHE
Effectif
		APRECHE		Total
		0	1
APRINT	0	39	29	68
	1	52	41	93
Total		91	70	161

Source : Traitement des données sur SPSS.

Les données du tableau indiquent clairement que 93 est l’effectif des PME qui apprécient le taux d’intérêt (soit 57,76%); alors que 68 est l’effectif des PME qui n’apprécient pas le taux d’intérêt leur accordé (soit une proportion de 42,24%). Par contre, l’échéance de rremboursement est apprécié sur 91 PME (soit 56,52%) raisonnable et sur 70 PME (soit 43,48%) d’échéance non raisonable. Cela indique globalement que le taux d’intérêt et l’échéance de remboursement sont raisonnable.Comparativement aux échantillons des observations analysées, il est évident de signaler que ces effectifs sont corrélés.

.

Pour dégager la relation existant entre ces deux variables, la statistique de Khi-deux nous permet, à un degré de signification quelconque, de constater comment les deux variables agissent ensemble. Ainsi, le tableau n° 8 nous donne plus de renseignement.

Tableau n°8 : Tests du Khi-deux
	Valeur	Ddl	Signification asymptotique (bilatérale)	Signification exacte (bilatérale)	Signification exacte (unilatérale)
Khi-deux de Pearson	,033a	1	,856
Correction pour la continuitéb	,000	1	,983
Rapport de vraisemblance	,033	1	,856
Test exact de Fisher				,874	,492
Association linéaire par linéaire	,033	1	,856
Nombre d'observations valides	161
a. 0 cellules (0,0%) ont un effectif théorique inférieur à 5. L'effectif théorique minimum est de 29,57.
b. Calculé uniquement pour un tableau 2x2

Source : Traitement des données sur SPSS.

Le tableau 8 montre qu’effectivement il n’existe pas une relation entre l’échéance de remboursement et le taux d’intérêt. En effet, l’échéance de remboursement dans les institutions de crédits et de microfinance ne peut pas être justifiée par le taux de faincement. Quant à savoir sur la nature de la relation (nature positive ou négative), nous devons interroger le test de corrélation de Pearson tel qu’il est indiqué suivant le tableau 9 ci-dessous; et de constater qu’il n’existe pas non plus de correlation significative entre les deux variables. Même si la faible correlation qui existe est positive, c’est-à-dire l’effet est posifif entre les deux variables mais avec une faible intensité:

Tableau n°9 : Mesures symétriques
		Valeur	Erreur standard asymptotiquea	T approximéb	Signification approximée
Intervalle par Intervalle	R de Pearson	,014	,079	,181	,857c
Ordinal par Ordinal	Corrélation de Spearman	,014	,079	,181	,857c
Nombre d'observations valides		161
a. L'hypothèse nulle n'est pas considérée.
b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.
c. Basé sur une approximation normale.

Source : Traitement des données sur SPSS.

III.1.2. Volume d’activité et Age de la PME

 Le croisement entre les deux vaxriables nous indique s’il existe une influence notable ou non du niveau d’activité (les seteurs d’intervention et l’âge que l’entreprise aurait). Le classementa des effectifs statistiques se revèle ce qui suit: 

Tableau n°10 : Statistiques descriptives
	N	Minimum	Maximum	Moyenne	Ecart type
VOLACT	161	1	2	1,21	,409
AGENT	161	0	20	5,68	4,601
N valide (listwise)	161

Source : Traitement des données sur SPSS

Le tableau indique que l’âge moyen est de 6 ans pour une PME locale reprenant une dimension de 0 à 20 ans, alors qu’elles interagissent dans à peu près un seul secteur d’activité.

La relation de dépendance est testée par la satatistique de Khi-Deux, suivant le tableau 11 ci-dessous :

Tableau n°11 : Tests du Khi-deux
	Valeur	Ddl	Signification asymptotique (bilatérale)
Khi-deux de Pearson	91,599a	14	,000
Rapport de vraisemblance	96,288	14	,000
Association linéaire par linéaire	3,531	1	,060
Nombre d'observations valides	161
a. 19 cellules (63,3%) ont un effectif théorique inférieur à 5. L'effectif théorique minimum est de ,42.

Source : Tratement des données sur SPSS.

Le tableau indique qu’il existe dépendance significative entre le volume d’activité et l’âge de l’entreprise à 1%. En effet, il est à constater que le nombre de secteur dans lesquels interveienenent les PME est correlé avec le nombre d’année que celle-ci est sous fonctionnement. Et alors l’accès au crédit en dépend ; cela étant la nature de la corrélation a été démontré, qu’elle est positve ; c’est-à-dire que plus la PME est vielle, plus la possibilité d’ouevrer dans plusieurs secteurs n’est possible, et plus, par conséquent, elle peut accéder aux crédits. Comme le démontre le tableau 12 suivant.

Tableau n°12 : Mesures symétriques
		Valeur	Erreur standard asymptotiquea	T approximéb	Signification approximée
Intervalle par Intervalle	R de Pearson	,149	,067	1,894	,060c
Ordinal par Ordinal	Corrélation de Spearman	,246	,067	3,206	,002c
Nombre d'observations valides		161
a. L'hypothèse nulle n'est pas considérée.
b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.
c. Basé sur une approximation normale.

Source : Traitement des données sur SPSS.

III.1.3. Relation entre la taille de l’entreprise et les crédits commerciaux

 Cette relation nous permet de dégager la proportion sur le chiffre d’affaire qui peux influencer les credits comerciaux obtenus, et/ou inversment. Nous le démontrons à l’aide des tableau 13, 14 et 15 ci-dessous.

Tableau n°13 : Statistiques descriptives
	N	Minimum	Maximum	Moyenne	Ecart type
TAIL	161	22	1300	220,84	176,402
CREDCOM	161	22	1100	251,82	194,709
N valide (listwise)	161

Source : Traitement des données sur SPSS.

Les statistiques démontrent que le chiffre d’affaire est compris entre 22 000 et 1 300 000 dollarrs US. Ceci avec une moyenne de 220 840 dollars la moynenne de chiffre d’affaire par PME. Dès lors que cela est vrai, 22 000 également et 1 100 000 dollarrs US   est l’intervalle de credits commerciaux auxquels les PME accident; la moyenne dans ce context est de 251 820 dollars US.

La relation de dépendance peut être analysée entre le deux variables, et tester par consequent son existence; le table 14 nous indique beaucoup plus.

Tableau n°14 : Tests du Khi-deux
	Valeur	Ddl	Signification asymptotique (bilatérale)
Khi-deux de Pearson	616,774a	460	,000
Rapport de vraisemblance	356,316	460	1,000
Association linéaire par linéaire	1,218	1	,270
Nombre d'observations valides	161
a. 504 cellules (100,0%) ont un effectif théorique inférieur à 5. L'effectif théorique minimum est de ,01.

Source : Traitement des données sur SPSS.

 Le Khi-Deux est significatif à 1%; et alors il existe une dépendance entre les deux variables. En effet, le chiffre d’affaire et les credits commerciaux sont liés, et par consequent l’accès aux credits, surtout commerciaux, est conditionné par le chiffre d’affaires (ou volume d’activité) que realisent les PME dans la ville de Bukavu. Cela justifie la nature de la correlation qui est negative, et implique par consequent que  si le chiffre d’affaires baisse, les credits commerciaux les sont également et inversement telle qu’il est ainsi démontré dans le  tableau 15 ci-dessous.

Tableau n°15 : Mesures symétriques
		Valeur	Erreur standard asymptotiquea	T approximéb	Signification approximée
Intervalle par Intervalle	R de Pearson	-,087	,072	-1,104	,271c
Ordinal par Ordinal	Corrélation de Spearman	-,062	,082	-,788	,432c
Nombre d'observations valides		161
a. L'hypothèse nulle n'est pas considérée.
b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.
c. Basé sur une approximation normale.

Source : Tratement des données sur SPSS.

III.1.4. Rentabilité fiancière et information en matière de credits.

Il à analyser dans ce point du fait que l’information en matière de crédits, pourrait-elle influencer la rentabilité fiancière  des PME  de la ville de Bukavu, et/ou l’inverse. Les sstatistique sont d’abord les suivantes :

Tabaleau n°16 : Statistiques descriptives
	N	Minimum	Maximum	Moyenne	Ecart type
RENT	161	2	56	12,76	12,368
INFOCRED	161	0	1	,12	,331
N valide (listwise)	161

Source : Traitement des données sur SPSS.

Il est à constater que la rentabilité financière moyenne est de 12, 76% comprise entre 2% et 56% de rendement realisé par la PME. Alors que la proportion est d’autant que peut le dire de 0,12 tendant vers 0 la moyenne sur l’information en matière de crédits. En d’autres termes, les PME n’ayant pas d’information parfiate sur les crédits sont celles qui realisent moins de rentabilité financières. La relation de dépendance indique cce qui suit :

Tableau n°17 : Tests du Khi-deux
	Valeur	Ddl	Signification asymptotique (bilatérale)
Khi-deux de Pearson	13,118a	16	,664
Rapport de vraisemblance	16,740	16	,403
Association linéaire par linéaire	2,229	1	,135
Nombre d'observations valides	161
a. 25 cellules (73,5%) ont un effectif théorique inférieur à 5. L'effectif théorique minimum est de ,37.

Source : Traitement des données sur SPSS.

La relation entre les deux variables n’est pas significative d’après le test de Khi-Deux, il existe cependant d’autres éléments qui influencent l’inforamtion en matières de crédtis notamment le chiffres d’affaires, la politique commerciale, etc. Les résultats de l’analyse symétrique, montrent que bien que la la relation est moins significative à 5%, la corrélation serait négative sur le fait plus la PME est moins informée, moins elle relaise une ROE bien significative. Telle qu’il est ainsi démontrée dans le tabeau 18 ci-dessous :

Tableau n°18 : Mesures symétriques
		Valeur	Erreur standard asymptotiquea	T approximéb	Signification approximée
Intervalle par Intervalle	R de Pearson	-,118	,036	-1,499	,136c
Ordinal par Ordinal	Corrélation de Spearman	-,071	,066	-,899	,370c
Nombre d'observations valides		161
a. L'hypothèse nulle n'est pas considérée.
b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.
c. Basé sur une approximation normale.

Source : Tratement des données sur SPSS.

III.1.5. L’âge et le niveau d’instruction

Ces deux variables sont liées sur les dirigeants, et indiquent dans ce contexte; de quelle façon le niveau d’étude des entrepreneurs dans les PME au niveau de a ville de Bukavu, est relié à leur âge. Le tableau 19, 20 et 21 donnent plus d’informations.

Tableau n°19 : Statistiques descriptives
	N	Minimum	Maximum	Moyenne	Ecart type
AGE	161	20	60	37,06	9,502
NIVET	161	0	1	,52	,501
N valide (listwise)	161

Source : Tratement des données sur SPSS.

 Il est à constater d’après les données ce cette analyse que l’âge moyende l’entrepreneur est de 37ans dans un intervalle d’âge de 20 à 60 ans. Et pour le niveau d’étude, il est à noter que 0,52 est le constant moyen observe tendant vers 1; d’où les acteurs les plus âgés ont un niveau d’instruction universitaire ou sécondaire. Dans l’analyse de la relation de dépendance entre les deux variables, ont peut constateer que la relation est justifiée à 5% telle qu’on peut l’observer dans le tableau 20 ci-dessous.

Tableau n°20 : Tests du Khi-deux
	Valeur	ddl	Signification asymptotique (bilatérale)
Khi-deux de Pearson	57,421a	33	,005
Rapport de vraisemblance	71,051	33	,000
Association linéaire par linéaire	,083	1	,773
Nombre d'observations valides	161
a. 61 cellules (89,7%) ont un effectif théorique inférieur à 5. L'effectif théorique minimum est de ,48.

Source : Traitement des données sur SPSS.

L’autre analyse porte sur les données de la corrélation à travers l’analyse symétrique, et d’après ces informations. Il est à constater que bien que la relation soit moins significative à 5% ; la corrélation est positive. Cela signifie par conséquent, que l’âge de l’entrepreneur est lié avec son niveau d’étude. Le tableau 21 ci-dessous indique la causalité prédite dans ce texte.

Tableau n°21 : Mesures symétriques
		Valeur	Erreur standard asymptotiquea	T approximéb	Signification approximée
Intervalle par Intervalle	R de Pearson	,023	,080	,287	,774c
Ordinal par Ordinal	Corrélation de Spearman	,056	,082	,707	,481c
Nombre d'observations valides		161
a. L'hypothèse nulle n'est pas considérée.
b. Utilisation de l'erreur standard asymptotique dans l'hypothèse nulle.
c. Basé sur une approximation normale.

Source : Traitement des données sur SPSS.

Ceci étant nous voulons maintenant comprendre quelles sont les composantes efficientes dans cette analyse ; ainsi nous faisons appel à l’analyse factorielle.

III.2. L’ANALYSE FACTORIELLE

Cette analyse porte exlusivement et essentiellement sur l’analyse en composante principale (ACP). Nous analyse l’hypothèse que l’étude peut déboucher sur une analyse unidimentionnelle; c’est-dire qu’une seule catégorie de variable peut justifier les conditions d’accès au credits des PME locales. Ou encore une analyse multidimentionnelle, cela veut démontrer la possibilité d’utiliser plus d’une variables dans l’étude des conditions d’accès aux credits par les PME locales.

III.2.1. Les statistiques descriptives en analyse factorielle

Tableau n°22 : Statistiques descriptives
	N	Minimum	Maximum	Moyenne	Ecart type	Variance
DEMACRED	161	0	1	,79	,409	,168
APRINT	161	0	1	,58	,495	,245
APRECHE	161	0	1	,43	,497	,247
VOLACT	161	1	2	1,21	,409	,168
AGE	161	20	60	37,06	9,502	90,291
TAIL	161	22	1300	220,84	176,402	31117,657
RENT	161	2	56	12,76	12,368	152,969
APPREGARANT	161	0	1	,17	,375	,140
INFOCRED	161	0	1	,12	,331	,109
CREDCOM	161	22	1100	251,82	194,709	37911,761
AGENT	161	0	20	5,68	4,601	21,168
SEXE	161	0	1	,75	,433	,188
NIVET	161	0	1	,52	,501	,251
N valide (listwise)	161

Source : Traitement des données sur SPSS.

Les scores moyens des items sont compris dans l'intervalle 0, 12 et 251,82 avec un score moyen de la dépendante de 0,79. Le score le plus élevé est octroyé à l'item 10 « les credits commerciaux comme facteur d’accès aux credits pour les PME de laville de Bukavu». En contrepartie, le score le plus faible est octroyé à l'item 09 «l’information sur les credits octroyés». Ces résultats montrent que l'intervalle de variation des scores est très limité et que les scores des items  ne sont pas très proches ; ce qui rend la possibilité de mesurer la contreperformance ou la performance des PME  locales au cas où ells accident aux credits; sur des dimensions qui doivent être justifiées.

III.2.2. Analyse de la fiabilité de l'échelle 

Tableau n°23 : Récapitulatif de traitement des observations
		N	%
Observations	Valide	161	100,0
	Exclusa	0	,0
	Total	161	100,0
a. Suppression par liste basée sur toutes les variables de la procédure.

Source: Traitement des données sur SPSS

La récapitulation des données montre que toutes les observations sur lesquelles les items sont reprises dans la procédure. Ainsi, le coefficient Alpha de Cronbach est une mesure et un modèle de choix pour la fiabilité.

Tableau n°24 : Statistiques de fiabilité
Alpha de Cronbacha	Alpha de Cronbach basé sur des éléments normalisés	Nombre d'éléments
-,088	,244	13
a. La valeur est négative en raison d'une covariance moyenne négative parmi les éléments. Par conséquent, les hypothèses du modèle de fiabilité ne sont pas respectées. Vous pouvez vérifier les codages des éléments.

Source: Traitement des données sur SPSS.

Le coefficient de fiabilité Alpha, est de -0,088 et celui normalisé de 0,244 inférieur à 0,7 (limite fixée par Lee Cronbach (1951)). Donc, l'ensemble des items composant cette échelle de mesure n'est pas fiable. Il est convenable de procéder à une analyse factorielle pour savoir les items responsables de cette anomalie.

III.2.3. Analyse factorielle:

L'étude de l'unidimensionnalité de l'échelle de mesure de facteurs de l’accès aux credits des PME peut être appréhendée par la mesure d'adéquation d'échantillonnage de Kaiser-Meyer-Olkin (KMO) qui est de 0, 5470. Cette valeur est relativement faible, ce qui montre la multi dimensionnalité de cette échelle de mesure.

Tableau n°25: Indice KMO et test de Bartlett
Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin.		,547
Test de sphéricité de Bartlett	Khi-deux approximé	337,465
	Ddl	55
	Signification de Bartlett	,000

Source: Traitement des données sur SPSS

Une analyse factorielle est recommandée pour s'assurer de cette anomalie.

Tableau n°26 A : Variance totale expliquée
Composante	Valeurs propres initiales			Extraction Sommes des carrés des facteurs retenus
	Total	% de la variance	% cumulés	Total	% de la variance	% cumulés
1	2,376	18,277	18,277	2,376	18,277	18,277
2	2,064	15,874	34,151	2,064	15,874	34,151
3	1,557	11,978	46,130	1,557	11,978	46,130
4	1,341	10,317	56,447	1,341	10,317	56,447
5	1,139	8,764	65,211	1,139	8,764	65,211
6	1,002	7,709	72,920	1,002	7,709	72,920
7	,904	6,957	79,877
8	,830	6,381	86,258
9	,633	4,868	91,125
10	,467	3,592	94,717
11	,432	3,324	98,041
12	,255	1,959	100,000
13	-1,665E-016	-1,281E-015	100,000
Méthode d'extraction : Analyse en composantes principales.

Tableau n°26 B : Matrice de tranformation des composantes
Composante	1	2	3	4	5	6
1	,381	,635	,435	,442	,201	-,160
2	-,913	,271	,268	,129	,053	,051
3	,008	-,530	,591	-,162	,515	-,279
4	,136	-,106	,569	-,086	-,425	,677
5	,054	,428	-,069	-,693	,475	,323
6	,000	-,219	-,247	,524	,535	,575
Méthode d'extraction : Analyse en composantes principales.   Méthode de rotation : Varimax avec normalisation de Kaiser.

Source : Traitement des données sur SPSS.

Ces deux tableaux confirment la multi dimensionnalité de cette échelle de mesure. Les items sont répartis en six composantes après une rotation « varimax » des axes. Ces résultats nous incitent à écarter d’abord toutes les items, même pas celles extraites à cause de la forte corrélation entre elles. En effet, l’hypothèse de non fiabilité de l’ensemble de données est conformée. La procédure de balayage est nécessaire pour qu’en fin l’analyse factorielle extrait une dimension finale. En outre, l’étendue de fréquences, en pourcentage de la variance montre que seulement 3 items forment une proportion nécessaire ; ainsi, après élimination, on trouve les résultats suivants pour les items validées.

III.2.4. Validation de résultats

1. Statistiques descriptive

Tableau n°27 : Statistiques d'item
	Moyenne	Ecart-type	N
APRINT	,58	,495	161
CREDCOM	251,82	194,709	161
AGE	37,06	9,502	161
AGENT	5,68	4,601	161

Source: Traitement des données sur SPSS

La moyenne de l'échelle de mesure des conditions d’accès au credits se situe entre 0, 58 et 251,82; sachant que le score théorique moyen d'un répondant est compris entre 0,12 et 251,820. Ce résultat peut nous confirmer l'existence d’accès aux credits par les PME de la villed de Bukavu. On peut cependant affirmer que les PME de la ville de Bukavu accident aux credits des Institutions de financements. Et vu qu'un score faible reflète un niveau faible de participation de la variable sur l’accès au credits alors qu'un score élevé reflète un niveau élevé de la participation de la variable à l’accès aux credits.

1. Analyse de fiabilité 

Tableau n°28: Statistiques de fiabilité
Alpha de Cronbach	Alpha de Cronbach basé sur des éléments normalisés	Nombre d'éléments
,879	,882	4

Source: Traitement des données sur SPSS

Le coefficient de fiabilité Alpha de Cronbach est de 0.87, ce qui signifie que l'échelle de mesure des facteurs du défaut de remboursement est fiable puisqu’il a nettement dépassé la limite fixée par Lee Cronbach pour 0, 7.

c.       Analyse factorielle:

Avant d'entamer l'analyse factorielle, on procède à la mesure de l'adéquation d'échantillonnage par le coefficient KMO:

Tableau n°29: Indice KMO et test de Bartlett
Mesure de précision de l'échantillonnage de Kaiser-Meyer-Olkin.		,637
Test de sphéricité de Bartlett	Khi-deux approximé	248,385
	Ddl	4
	Signification de Bartlett	,000

Source: Traitement des données sur SPSS

L'indice KMO est de 0,637>0,60 ; donc l'analyse factorielle est possib

Tableau n°29 : Variance totale expliquée
Composante	Valeurs propres initiales			Extraction Sommes des carrés des facteurs retenus			Somme des carrés des facteurs retenus pour la rotation
	Total	% de la variance	% cumulés	Total	% de la variance	% cumulés	Total	% de la variance	% cumulés
1	1,789	44,733	44,733	1,789	44,733	44,733	1,755	43,863	43,863
2	1,038	25,938	70,670	1,038	25,938	70,670	1,072	26,807	70,670
3	,772	19,311	89,981
4	,401	10,019	100,000
Méthode d'extraction : Analyse en composantes principales.

Source: Traitement des données sur SPSS 20.00

L'analyse factorielle a extrait deux facteurs qui expliquent 70, 67% de la variance totale, ce qui nous permet d'admettre la multidimentionnalité de l'échelle de mesure de l’accès aux credits dans les PME de la ville de Bukavu

Tableau n°30 : Matrice des composantesa
	Composante
	1	2
CREDCOM	-,147	,920
APRINT	,608	-,315
AGE	,863	,119
AGENT	,808	,277
Méthode d'extraction : Analyse en composantes principales.
a. 2 composantes extraites.

Source: Traitement des données sur SPSS

Comparativement à ce que nous avons posé comme préalable, en l’occurrence la multi dimensionnalité des variables sur les items de l’accès aux credits par les PME locales; il devient évident de signaler que cette échelle de mesure est fiable sur plus d’une dimensions telle que l’on peut le constater sur le tableau 30 précédent. C’est donc évident que plus d’une variable, interviennent dans l’analyse économétrique.