Arrow Table de matières
1333807

III.2.1 Effet de Levier Financier

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- 

Tableau N°13 : Détermination de l’effet de levier financier

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.

  1. Détermination des soldes caractéristiques de gestion des boulangeries sous étude

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

étude pour toute la période d’étude

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 ;

  • : le paramètre autonome 
  • èèéè
  • la variable écart sur matière 
  • MBSMT : Marge brute sur matière

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 : 

Tableau n° : 15 : Résultat net d’exploitation des Boulangeries sous étude

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

d’étude

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  

Tableau n°17 : Ecarts achats matières premières

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 

  1. TEST DE NORMALITE

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. 

  1. Les tests du Skewness et du Kurtosis

soit k  1 n xi xk   le moment centré d’ordre k, le coefficient de Skewness 12  est ni 1                   ïƒ¨         

1 2   33 et le coefficient de Kurtosis : 2 42 . égal à : 

2 2                2

12 ï‚® N0;  6n et 2 ï‚® N 3;       24n    



       

On construit alors les statistiques : 

2 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. 

  1. Le test de Jarque et Bera

Il s’agit d’un test qui synthétise les résultats précédents ; si 112 et 2obéissent à des lois n    n           2   2 normales alors la quantité s : s  1  2 3 suit un  à deux degrés de liberté. 

6      24

Donc, si s > 12(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 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  > 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. 

 
   
  1. Explication de la performance financière à l’aide d’autres variables

 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. 

Partager ce travail sur :