Table de matières
Par effet de levier financier, on attend l’incidence de la structure financière de l’entreprise sur la rentabilité des capitaux propres. Sous certaines conditions, l’appel à l’endettement permet, grâce à un effet dit de « levier » d’accroitre la rentabilité des capitaux propres. En formalisant le problème nous allons mettre en évidence la part des rentabilités des capitaux propres qui provient de l’activité économique de l’entreprise (ROI) et celle qui imputable au mode de financement (ROE).
Ainsi l’effet peut être obtenu à partir de la formule suivante :
ELF = ROE – ROI (1-T) ou ELF = (ROI-
|
Désignations |
Royal |
Idéal |
Pain d’or |
|
ROE |
0,0141541 |
0,0576465 |
0,0425696 |
|
ROI |
0,0127619 |
0,0558533 |
0,041835 |
|
Effet de Levier Financier en 2014 |
0,0014 soit 0,14 % |
0,0018 soit 0,18 % |
0,0007 soit 0,07 % |
|
ROE |
0,0303424 |
0,056187 |
0,0442981 |
|
ROI |
0,0303033 |
0,0549388 |
0,0415365 |
|
Effet de Levier Financier en 2015 |
0,00004 soit 0,004 % |
0,0012 soit 0,12 % |
0,0028 soit 0,28 % |
Source : Nous-mêmes sur base des bilans comptables des Boulangeries
De ce tableau, l’effet de levier financier génère des pourcentages positifs sur les boulangeries de notre étude pour toute la période d’étude, soit 0,14 % en 2014 et 0,004 % en 2015 pour la Boulangerie Pain Royal, soit 0,18 % en 2014 et 0,12 % en 2015 pour la Boulangerie Idéal, soit 0,03 % en 2014 et 0,11 % en 2015 pour la Boulangerie et 0,07 % en 2014 et 0,28 % en 2015 pour la Boulangerie Pain d’Or. Comme ces boulangeries génèrent des taux favorables, alors l’endettement n’a pas eu des effets négatifs sur les rentabilités réalisées durant toute la
période d’étude. En outre, ces leviers financiers prouvent que les liquidités de ces boulangeries accroissent avec un niveau d’endettement très faible observé.
Les soldes caractéristiques de gestion ou les soldes intermédiaires de gestion sont des indicateurs qui permettent d’apprécier la performance financière des entreprises tant commerciales qu’industrielles. L’objectif de ce point est de déterminer les différents soldes caractéristiques de gestion des Boulangeries sous étude pour toute la période de recherche.
Ainsi, le tableau suivant présente les différents SOCAGE calculés pour ces Boulangeries.
Tableau n°14 : Détermination des soldes caractéristiques de gestion des Boulangeries sous
|
Désignations |
ROYAL |
IDEAL |
PAIN D’OR |
|||
|
2014 |
2015 |
2014 |
2015 |
2014 |
2015 |
|
|
Ventes de produits fi. |
102 445 507 |
89 451 051 |
108 649 146 |
125 930 667 |
90 676 909 |
92 945 644 |
|
Achat des MP et fou. |
60 086 200 |
62 895 000 |
66 695 682 |
78 618 750 |
49 270 684 |
50 944 950 |
|
MB sur matière |
42 359 307 |
26 556 051 |
41 953 464 |
47 311 917 |
41 406 225 |
42 000 694 |
|
MB sur matière |
42 359 307 |
26 556 051 |
41 953 464 |
47 311 917 |
41 406 225 |
42 000 694 |
|
Transport |
582 500 |
756 700 |
699 000 |
908 040 |
1 456 250 |
1 452 864 |
|
Services extérieurs |
12 888 920 |
64 496 |
9 219 957 |
12 805 496 |
5 405 722 |
5 875 785 |
|
Impôts et taxes |
0 |
56 678 |
60 725 |
76 675 |
194 231 |
176 574 |
|
Autres charges |
0 |
169 425 |
250 600 |
169 526 |
168 200 |
352 527 |
|
Valeur ajoutée |
28 887 887 |
25 508 752 |
31 723 182 |
33 352 180 |
34 181 822 |
34 142 944 |
|
Valeur ajoutée |
28 887 887 |
25 508 752 |
31 723 182 |
33 352 180 |
34 181 822 |
34 142 944 |
|
Charges de personnel |
22 689 663 |
19 363 680 |
22 162 038 |
24 353 888 |
24 593 236 |
25 353 852 |
|
EBE |
6 198 224 |
6 145 072 |
9 561 144 |
8 998 292 |
9 588 586 |
8 789 092 |
|
EBE |
6 198 224 |
6 145 072 |
9 561 144 |
8 998 292 |
9 588 586 |
8 789 092 |
|
Dot. amort. et prov. |
5 837 388 |
5347338 |
8 082 314 |
7 347 558 |
8 595 198 |
7 743 422 |
|
Résultat d’exploitat. |
360 836 |
797 734 |
1 478 830 |
1 650 734 |
993 388 |
1 045 670 |
|
Résultat des A.O |
360 836 |
797 734 |
1 478 830 |
1 650 734 |
993 388 |
1 045 670 |
|
EAT (Résultat net) |
360 836 |
797 734 |
1 478 830 |
1 650 734 |
993 388 |
1 045 670 |
Source : Nous-mêmes sur base des comptes de résultat des Boulangeries et du logiciel Excel
III.3 Impact des écarts sur matière sur la performance financière des Boulangeries sous étude
Ce dernier point de ce travail porte sur l’impact des écarts sur matière sur la performance financière des Boulangeries sous étude. Autrement dit, l’objectif consiste à déterminer quelle est la tendance de la performance financière des Boulangeries sélectionnées lorsque l’écart dégagé a été positif ou négatif. Nous nous servirons donc des marges brutes dégagées par ces PMI pendant la période de recherche. Signalons que suite au manque de la plupart d’états financiers surtout ceux de l’année 2016, nous nous sommes servis des données à notre possession soit ceux de 2014 et 2015.
III.3.1 Spécification mathématique du modèle à utiliser
L’explication de la relation qui existe entre la gestion des écarts sur matière et la performance financière des Boulangeries de la Ville de Bukavu en général et celles prises pour l’étude des cas va se poursuivre par la mise en œuvre du modèle de régression simple. Cependant, le modèle retenu est le suivant :
Yt=a0+a1X1+a2X2+a3X3+….anXn
Dans le souci d’estimer le modèle, nous représentons par Y notre variable endogène ou dépendante qui est la marge brute su matière des Boulangeries sous étude (MBSMT) et les Xn les différents écarts sur matières des Boulangeries. Pour arriver à estimer le modèle, nous avons utilisé le logiciel Eviews qui nous a permis de trouver le modèle prévisionnel suivant :
MBSMT=ESMt
Avec ;
C’est donc par le modèle que nous allons déterminer l’incidence de la gestion des écarts sur matière sur la performance financière des Boulangeries sous étude.
III.3.2 Analyse et interprétation des résultats sur base du logiciel Eviews
III.3.2.1 Préalables pour l’établissement du modèle
Le logiciel Eviews va donc nous permettre de déterminer l’impact des écarts sur matière sur la performance financière des Boulangeries sélectionnées. Ainsi, il est question de régresser les différentes valeurs obtenues qui résultent de la différence entre les réalisations et les prévisions, et donc l’écart sur les différentes marges brutes de ces petites et moyennes industries.
Les tableaux suivant nous permettent de bien comprendre la manière dont la régression simple sera faite :
|
Nom de la Boulangerie |
RNE 2014 |
RNE 2015 |
RNE 2016 |
|
Boulangerie IDEAL |
1 478 830 |
1 650 734 |
1730773 |
|
Boulangerie PAIN ROYAL |
360 836 |
797 734 |
802340 |
|
Boulangerie PAIN D’OR |
993 388 |
1 045 670 |
1190600 |
Tableau n°16 : Marge Brute sur Matière des Boulangeries sous étude pour la période
|
Nom de la Boulangerie |
MBSMT 2014 |
MBSMT 2015 |
MBSMT 2016 |
|
Boulangerie IDEAL |
41 953 464 |
47 311 917 |
44 632 690,5 |
|
Boulangerie PAIN ROYAL |
42 359 307 |
26 556 051 |
34 457 679 |
|
Boulangerie PAIN D’OR |
41 406 225 |
42 000 694 |
41 703 459,5 |
Source : Tableaux élaborés précédemment
|
Nom de la Boulangerie |
ESM 2014 |
ESM 2015 |
ESM 2016 |
|
Boulangerie IDEAL |
3151116 |
-2304567 |
6233083 |
|
Boulangerie PAIN ROYAL |
1353852 |
1471608 |
3251565 |
|
Boulangerie PAIN D’OR |
223212600 |
6872400 |
17485035 |
Source : Tableaux élaborés précédemment
Ces deux tableaux peuvent nous permettre de présenter une figure mettant en relation les écarts sur matières et les résultats nets d’exploitation des Boulangeries sous examen, figure qui sera plus explicité par le modèle de régression simple dans les pages suivantes :
Figure n°10 : Relation entre les ESM et les RNE dans les Boulangeries sous analyse
De cette figure, nous constatons que plus les écarts sont moins élevés voir négatifs, plus le résultat net d’exploitation augmente, ce qui conduit à la performance financière au vu du résultat net d’exploitation plus élevé.
III.3.2.2 Résultats du modèle
III.3.2.2.1 Régression simple
Après estimations, nous avons trouvé un modèle a une variable exogène comme le prévoit l’espace théorique et le modèle à régression simple. Ainsi, les résultats de l’estimation de ce modèle nous présentent le tableau suivant qui explique réellement ce modèle.
Tableau n°18 : Résultat du modèle EVIEWS sur la régression simple
Dependent Variable: MBSMT
Method: Least Squares
Date: 09/25/17 Time: 13:14
Sample: 1 3
Included observations: 3
C 23159628 9794936. 2.364449 0.2547
ESM -2.275819 1.529685 -1.487770 0.0367
R-squared 0.688809 Mean dependent var 8666353. Adjusted R-squared 0.377618 S.D. dependent var 2240903.
S.E. of regression 1767875. Akaike info criterion 31.84318
Sum squared resid 3.13E+12 Schwarz criterion 31.24225
Log likelihood -45.76476 F-statistic 2.213459
Durbin-Watson stat 2.926072 Prob (F-statistic) 0.376743
Source : Nous-mêmes sur base du logiciel EVIEWS
De ce tableau, nous constatons que la variable qui explique statistiquement et économiquement la variable endogène Marge brute sur matière est réellement l’écart sur matière avec un coefficient de -2.275819 et une probabilité de 0.0367 Ë‚ à 0,05. Ainsi, nous pouvons nous permettre de conclure que l’écart sur matière explique de manière économétrique la performance représentée ici par la marge brute sur matière, variable pour laquelle nous avons substitué le résultat net d’exploitation en ce sens que c’est la marge brute qui constitue le premier résultat avant qu’il y ait déduction des taxes, amortissements, ….
En effet, cette représentation nous permet de bien comprendre l’équation du modèle nous fournit par le logiciel EVIEWS :
Estimation Command:
=====================
LS MBSMT C ESM
Estimation Equation:
=====================
MBSMT = C(1) + C(2)*ESM
Substituted Coefficients:
=====================
MBSMT = 23159627.81 - 2.275818816*ESM
De cette équation, nous pouvons rejoindre la théorie qui nous montre qu’il existe une relation négative entre l’écart sur matière et la performance financière représentée ici par le premier résultat qui est la marge brute. Ainsi, plus il y a un écart sur matière négatif, plus les réalisations sont inférieures aux prévisions, ce qui conduit à un écart négatif et à une performance financière normale.
Le modèle en soit est significatif à 68,8% tel que le montre le R-Squared dans le tableau dégagé par EVIEWS. S’agissant de la constante, celle-ci est de 23159627.81. Ce qui veut pour autant dire que toute chose restant égale par ailleurs, quelle que soit la conjoncture, quelle que soient les situations de marché, il y a toujours un écart sur matière dans les Boulangeries sélectionnées.
III.3.2.2.2 Régression par rapport à d’autres variables
Pour calculer des intervalles de confiance prévisionnels et aussi pour effectuer des tests sur les paramètres, il convient de vérifier la normalité des erreurs. Le test de Jarque et Bera (1984), fondé sur la notion de Skewness (asymétrie) et de Kurtosis (aplatissement), permet de vérifier la normalité d’une distribution statistique.
soit ïk  1 n xi ï€xk le moment centré d’ordre k, le coefficient de Skewness ï¢12  est ni 1  
1 2  ï 33 et le coefficient de Kurtosis : ï¢2 ï42 . égal à : ï¢
ï2 2 ï2
12 ï‚® N0; 6n et ï¢2 ï‚® N 3; 24n  
ï¢
 
On construit alors les statistiques :
ï¢2 ï€3
v1  et v2  que l’on compare à 1,96 (valeur de la loi normale au seuil de 5%). 24 n
Si les hypothèses H0 : v1 = 0 (symétrie) et v2 = 0 (aplatissement normal) sont vérifiées, alors v1 ï‚£1,96 et v2 ï‚£1,96 ; dans le cas contraire, l’hypothèse de normalité est rejetée.
Il s’agit d’un test qui synthétise les résultats précédents ; si ï¢112 et ï¢2obéissent à des lois n n 2 2 normales alors la quantité s : s  ï¢1  ï¢2 ï€3 suit un ï£ à deux degrés de liberté.
6 24
Donc, si s > ï£12ï€ï¡(2), on rejette l’hypothèse H0 de normalité des résidus au seuil α.
Ces tests de normalité servent également dans le cas où il y a hétéroscédasticité. En
effet, l’hétéroscédasticité se manifeste sur le graphe de la distribution par des queues de probabilité plus épaisses (distribution leptokurtique) que les queues de la loi normale.
Selon cette théorie, l’hypothèse de normalité en ce qui concerne la symétrie et l’aplatissement de la distribution montre que lorsque le Jarque-Bera est inférieur au ï£2 au seuil α à n degrés de libertés. Mais aussi, il faut que la probabilité soit supérieure au seuil de 0,05 qui est le seuil de signification. Ce qui confirme la normalité de notre modèle, étant donné que de JarqueBera : JB = 12,54994 > ï£th2 (0,05)  5,991. Nous constatons aussi que la probabilité, au vu de ce test, qui est de 0,001883, est largement inférieur au seuil de signification qui est de 0,05.
Nous constatons donc, au vu des résultats du tableau ci-dessous, l’absence des bruits blancs non gaussiens et donc, notre modèle suit une loi normale.
Figure n°11 : Test de normalité
Source : Nos analyses via E-Views 3.11
Après estimations, nous avons trouvé un modèle a une variable exogène comme le prévoit l’espace théorique et le modèle à régression simple. Ainsi, les résultats de l’estimation de ce modèle nous présentent le tableau suivant qui explique réellement ce modèle.
Dans cette dernière partie, nous allons expliquer la performance financière sur base d’autres variables. Ces variables sont entre autre la marge brute sur matière, la rentabilité financière et la rentabilité commerciale. Ceci dans le but de bien savoir laquelle parmi ces variables explique réellement la performance financière des Boulangeries de la ville de Bukavu.
PREMIERE REGRESSION
Tableau n°18 : Résultat du modèle EVIEWS sur la régression simple
Dependent Variable: RNE
Method: Least Squares
Date: 09/24/17 Time: 13:14
Sample: 1 33
Included observations: 33
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
60.91371 |
20.63492 |
2.951973 |
0.0062 |
|
RENTCOM |
0.306643 |
0.064694 |
4.739908 |
0.0001 |
|
RENTFIN |
0.122934 |
0.022733 |
5.407805 |
0.0000 |
|
MBMAT |
-0.002707 |
0.002022 |
-1.338552 |
0.1911 |
R-squared 0.683717 Mean dependent var 211.9394 Adjusted R-squared 0.650998 S.D. dependent var 66.02175
S.E. of regression 39.00329 Akaike info criterion 10.27838
Sum squared resid 44116.44 Schwarz criterion 10.45978
Log likelihood -165.5933 F-statistic 20.89664
Durbin-Watson stat 2.257163 Prob(F-statistic) 0.000000
Source : Nous-mêmes sur base du logiciel EVIEWS
De ce résultat, nous constatons que sur un total de trois (3) variables exogènes, seules deux variables expliquent économiquement et significativement la variable endogène qui est le résultat net d’exploitation. Cela se constate par leurs probabilités qui sont respectivement de 0,0001 et de 0,0000 pour la rentabilité commerciale et pour la rentabilité financière. Et donc la rentabilité financière est trop significative par rapport à la rentabilité commerciale.
La représentativité est donc la suivante :
LS RNE C RENTCOM RENTFIN MBMAT
Estimation Equation:
=====================
RNE = C(1) + C(2)*RENTCOM + C(3)*RENTFIN + C(4)*MBMAT
Substituted Coefficients:
=====================
RNE = 60.91371378 + 0.3066431942*RENTCOM + 0.122933879*RENTFIN -
0.002707169767*MBMAT
Cette équation montre donc que la rentabilité commerciale explique positivement la performance financière des Boulangeries de la ville de Bukavu (pour celles sélectionnées) avec un coefficient de 0.3066431942 et que la rentabilité financière l’explique positivement avec un coefficient de 0.122933879. S’agissant de la marge brute sur matière, elle présente un signe négatif et donc cette variable explique négativement la performance financière des PMI en question.
Cependant afin d’annuler la dernière variable qui n’est pas significative, il nous faut passer par la deuxième régression dans le but de rester avec deux variables seulement qui sont significatives. Ainsi, le tableau suivant donne les résultats de la deuxième régression qui nous permettent de rester avec deux variables seulement :
DEUXIEME REGRESSION
Tableau n°19 Résultat de la deuxième régression
Dependent Variable: RNE
Method: Least Squares
Date: 09/24/17 Time: 13:52
Sample(adjusted): 1 32
Included observations: 32 after adjusting endpoints
|
Variable |
Coefficient |
Std. Error |
t-Statistic |
Prob. |
|
C |
63.31769 |
21.89849 |
2.891418 |
0.0072 |
|
RENTCOM |
0.278749 |
0.064859 |
4.297741 |
0.0002 |
|
RENTFIN |
0.112841 |
0.022562 |
5.001386 |
0.0000 |
R-squared 0.647882 Mean dependent var 214.6875 Adjusted R-squared 0.623598 S.D. dependent var 65.13234
S.E. of regression 39.95973 Akaike info criterion 10.30268
Sum squared resid 46306.61 Schwarz criterion 10.44009
Log likelihood -161.8429 F-statistic 26.67940
Durbin-Watson stat 2.122249 Prob(F-statistic) 0.000000
Source : Nous-mêmes sur base du logiciel EVIEWS
Cependant, l’équation suivante nous permet de bien montrer les seules variables qui expliquent économiquement et statistiquement la performance financière :
Estimation Command:
=====================
LS RNE C RENTCOM RENTFIN
Estimation Equation:
=====================
RNE = C(1) + C(2)*RENTCOM + C(3)*RENTFIN
Substituted Coefficients:
=====================
RNE = 63.31768529 + 0.278748674*RENTCOM + 0.1128412927*RENTFIN
Ainsi, après la deuxième régression, il se constate que la rentabilité commerciale explique de manière économétrique la performance financière avec un coefficient positif de 0.27874867 et une probabilité de 0.0002 < à 0,05 et la rentabilité financière qui explique statistiquement et très significativement la performance financière des Boulangeries sélectionnées avec une probabilité de 0,0000 et un coefficient de 0.1128412927 largement < à 0,05.