SECTION 2ième. APPROCHE METHODOLOGIQUE

Dans cette partie, nous avons présenté les différentes techniques utilisées pour collecter les données, les différentes techniques qui nous ont permis de traiter  et en fin les outils utilisés pour collecter et traiter les données sous-étude.

1. Techniques de collecte et de traitement des données
2. Technique de collecte des données 

• Sources des données

Nous nous sommes servis des données recueillies auprès des Onze ISFD où nous avons effectué notre enquête ainsi que celles obtenues à la Banque Centrale du Congo, siège de Bukavu.

• Choix et description de l’échantillon

La population cible de cette étude est constituée des toutes les institutions du système financier décentralisé de la ville de Bukavu, ISFD en sigle. Partant des informations recueillies auprès de la Banque centrale, le nombre total des ISFD dans la ville de Bukavu s’élève à 21.

Pour le besoin de ce travail, nous avons constitué une base de données de 11 ISFD dont nous avons exclu celles  sur lesquelles il manquait certaines  informations concernant les variables de notre étude. Nous avons in fine adopté le modèle à effet individuel fixe pour un échantillon formé d’un panel des  11 ISFD de la ville de Bukavu observées sur la  période de 2013 à 2015 selon la disponibilité des données dont on avait besoin pour atteindre l’objectif de notre travail.

2. Techniques de traitement des données

Ce point reprend les techniques de collecte et de traitement  des données. Pour traiter les données nous avons utilisé le logiciel SPSS 16.0 et MS Excel pour déterminer les statistiques descriptives et la statistique inferentielle de Khi-deux, et le logiciel Eviews 3.1 pour effectuer la modélisation du phénomène.

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. C’est un test de corrélation.

Où       f_i : 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.^[1]

Les hypothèses :

H₀ : Pas de corrélation

H₁ : Présence de corrélation

Règle de décision : >, on accepte H₁, c’est-à-dire la relation entre les variables étudiées existe.

2.2.  Les statistiques descriptives

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, les statistiques descriptives suivantes seront utilisées.

1. La moyenne

La moyenne est la mesure de tendance centrale qui permet de comparer les données d’une distribution autour de leur forte dispersion.

• Pour les données non groupées

Elle est calculée de cette manière :  pour une population et pour l’échantillon.

• Pour les données groupées

Elle est calculée de cette manière : et pour un échantillon.

1. La variance

La variance est la mesure du risque absolu, cela étant cette variable de dispersion nous permet de constater le point sur lequel les données s’éloignent autour du centre.

Pour le calculer, on utilise la formule suivante :

• Les données groupées

Pour une population et pour l’échantillon.

Avec n le nombre d’observations.

• Les données non groupées

Pour une population et pour l’échantillon.

1. L’écart-type

C’est aussi une mesure de dispersion qui consiste à mesurer le risque final dans une distribution des données.

Pour le calculer, on retient le radical de la variance de cette manière.

• Pour les données non groupées

Pour une population et pour l’échantillon.

• Pour les données groupées

 Pour une population et pour l’échantillon.

• Le modèle économétrique

• Réflexion sur le modèle à données de panel

Les données de panel (ou données longitudinales) sont représentatives d’une double dimension : individuelle et temporelle. Un panel équilibré (balanced panel) a le même nombre d’observations pour tous les individus, un panel desequilibré (unbalanced panel) est un panel où il manque des observations pour certains individus.

Prenons un exemple introductif très simple, un panel composé de 2 individus (N=2) et connu sur 3 périodes (T= 3), soit un total de N*3= 6 observations à K= 2 variables explicatives.

Le modèle général s’écrit Y_it = a_oi +a_1ix_1ij +_a2ix _{2it + ℇit}

Avec Y_it = variable endogène observée pour l’individu i à la période t

 x_1ij, x _2it = variables explicatives observées pour l’individu i à l’instant t

a_oi = terme constant pour l’individu

 a_1i, _a2i = coefficients des deux variables exogènes pour l’individu i

 _{ℇit =} terme d’erreur pour l’individu i à la période t

Si les hypothèses classiques sur les erreurs sont respectées (homoscédasticité et interdépendance temporelle) et quelles sont indépendantes d’un individu à l’autre, nous pouvons appliquer le Moindre Carré Ordinaire pour chacune des N équations relatives aux individus. Dans le cas contraire, l’estimateur de MCO n’est plus BLUE, nous devons appliquer  la méthode SUR (seemingly unrelated regressions) de Zellner[2]. Donc, lorsque les erreurs des équations individuelles sont corrélées, la méthode SUR consiste à appliquer le MCG (Moindre Carré Généralisé).

1. Choix et description des variables

Dans l’objectif de déceler un changement dans la variable dépendante (performance financière) suite à la variation unitaire de la variable indépendante (la politique de crédit). Nous recourrons au modèle de panel à effet individuel fixe.

• La variable dépendante

 Elle est représentée par la  performance financière des ISFD via le rendement de fonds propres (ROE) et le rendement de l’actif (ROA) dans le but ultime d’évaluer cette performance financière dans le temps, dans la mesure où  lorsque les produits financiers l’emportent sur le total des charges, de façon pérenne, on peut déduire qu’une IMF ou COOPEC peut se passer des subventions et recourir au marché financier si besoin.

Les ISFD obtiennent des produits financiers sur les prêts et autres services financiers sous-forme d’intérêts, pénalité et commission. En ce qui concerne les diverses charges, elles englobent les charges d’exploitations, et les coûts des emprunts et les provisions pour pertes probables sur les prêts en défaut de paiement. Contrairement à  Cull, Deminrguç-Kunt Morduch, Philipe, qui en plus du rendement de l’actif (ROA) ajusté ont utilisé l’autosuffisance opérationnelle (OSS) et l’autosuffisance financière (FSS), nous nous sommes uniquement centrés sur le rendement de l’actif et le rendement des capitaux propres parce que notre objectif est d’étudier l’incidence de la politique de crédit sur le niveau de la performance financière[3].

 La performance financière des IMF peut être définie comme sa capacité à couvrir par ses produits, l’ensemble de ses charges et dégager une marge pour financer sa croissance. En d’autres termes, c’est la capacité qu’a une IMF de mener ses activités, en se passant des subventions sous formes de prêts concessionnels ou subventionnés.[4]

Pour Hubert Tchakoute et Mehdi Nekhili, dans le domaine de la microfinance, la performance financière est mesurée par le taux de rentabilité économique ou ROA (Return On Assets) et la viabilité financière par le ratio d’autosuffisance opérationnelle[5].

Pour d’autres auteurs, la performance financière est mesurée essentiellement par l’autosuffisance financière et opérationnelle ainsi que par la réalisation d’une rentabilité  maximisant  l’efficacité et la productivité du personnel.[6]

Nous nous sommes penché à l’article d’Hubert et Mehdi et nous avons choisi comme  indicateur de la performance financière, le rendement des actifs (ROA) qui est une mesure générale de la rentabilité et qui reflète aussi bien la marge de profit que l’efficacité de l’institution, elle est généralement trouvée par

ROA =

• Variables explicatives (indépendantes)

Les variables endogènes qui incombent de la politique de crédit sont :

• Montant de crédit: d’après Marie Godquin, en étudiant la performance de remboursement des groupes de crédit au Bangladesh a révélé que le montant de prêts avait un impact négatif sur le remboursement. L’auteur en a conclu que cela est probablement lié aux difficultés que pourrait rencontrer l’emprunteur pour rembourser un montant plus élevé sur une période habituellement d’un an.[7] Selon de nombreuses études, les petits prêts sont trop coûteux à mettre en œuvre et les profits qui en découlent sont insignifiants pour permettre à l’opération d’être rentable.

Par contre, pour olivares et polanco, pour un échantillon de 28 IMF latino américaines âgées de 1 à 20 ans, testent l’hypothèse selon laquelle une IMF est plus profitable et autonome financièrement quand elle octroie des prêts  de montant élevé.

Pour ce, nous nous attendons à une influence négative ou positive (signe ambigu).

• Echéance : selon Godquin, l’effet n’est pas toujours connu[8].

Lorsque l’échéance n’est pas respectée, cela conduit à des impayés. Pour cela,  nous nous attendons à une influence positive ou négative étant donné que certains membres ou clients des ISFD locales ne respectent pas les échéances et d’autres les respectent. D’où  nous attendons une relation ambiguë entre le ROA et l’échéance accordée aux clients.

• Taux d’intérêt : Il existe globalement trois écoles qui s’accordent difficilement sur les niveaux des taux d’intérêt applicables en microfinance.

La première école constituée en particulier des ONG du nord et de leur partenaires du sud, défend le principe que les pauvres ne peuvent pas payer des taux d’intérêts au prix du marché, et qu’en conséquence, il faut prêter à des taux d’intérêt très bas (de 1 à 3%, quel que soit l’inflation). Un tel modèle ne peut fonctionner qu’avec l’aide extérieure.

 La deuxième école est celles des mutuelles et des caisses d’épargne et de crédit qui adoptent des taux d’intérêts légèrement en dessous de ceux des banques commerciales. Elles le peuvent car, elles rétribuent peu ou pas du tout l’épargne collectée, ou alors bénéficient de lignes de crédit subventionnés ou de l’aide internationale.

Enfin, la troisième école est celle des organisations qui veulent gérer les micros crédits en parvenant à couvrir les taux effectifs pour atteindre une rentabilité financière et pérenniser leurs actions car le plus important pour elles, est de sortir les pauvres de l’exclusion bancaire même s’ils doivent supporter des coûts élevés en matière d’intérêts. C’est dans cette même veine que Morduch fait remarquer que le niveau élevé des taux d’intérêt est dû au fait que la demande de crédit n’est pas très élastique pour des populations jusqu’à présent rationnées[9].

Maty S, quant à elle, souligne que le taux d’intérêt est très capital pour l’atteinte de l’autosuffisance financière, et donc de la performance financière[10]. Ouseynou part dans cette même logique et sélectionne la variable exogène taux d’intérêt pour expliquer la viabilité financière des réseaux au Sénégal. Pour lui, les taux d’intérêts génèrent des revenus pour l’IMF, lui permettant de s’agrandir et de devenir moins dépendante vis-à-vis des bailleurs de fonds. Le taux d’intérêt est donc un facteur clé de pérennité d’une structure d’épargne et de crédit.[11]

Toutefois, Littlefield et Rosenberg  soulignent que les IMF peuvent couvrir l’intégralité de leurs charges, si elles offrent leurs services avec des marges d’intérêts adéquates, une recherche constante de l’efficacité et une politique agressive de recouvrement des prêts.[12].

Pour atteindre un niveau élevé de la performance financière, une IMF doit fixer des taux d’intérêts suffisamment élevés pour couvrir ses charges car un taux d’intérêt trop faible la condamnerait au déficit. Par contre, un taux d’intérêt inutilement élevé pénaliserait ses clients, qu’elle pourrait perdre, ce qui pourrait remettre en cause sa mission sociale[13].

Pour ce, nous nous attendons à une influence positive ou négative selon le cas. D’où le signe est ambigu.

• Portefeuille à risque supérieur à 30 jours (PAR>30) : ce ratio de risque et liquidité permet de mesurer l’impact d’un portefeuille à risque mesurée à une période donnée sur le niveau de crédit octroyé à la période suivante. En effet, le fonctionnement des ISFD est rotatif, c’est-à-dire que les fonds prêtables  sont reconstitués presque totalement par les crédits.

Dans ces conditions, on s’attend à une influence négative ou négative du portefeuille à risque sur la performance des ISFD. En d’autres termes, les ISFD enregistrent moins de PAR élevés sur une période et auraient moins une influence négative sur leurs performances financières[14]. D’où, nous nous attendons à un signe ambigu.

• Politique de recouvrement : Pour Morduch, le recouvrement à l’amiable aboutit à une performance très importante en matière de recouvrement. Pour lui, un recouvrement effectué de manière forcée à un impact négatif sur la performance financière.

C’est ainsi que nous nous attendons à une influence négative ou positive de la politique de recouvrement face à la performance financière des IFSD de la ville de Bukavu.

• Garantie : les actifs corporels, qui peuvent servir de garantie, jouent un rôle important sur le niveau d’endettement car ils sont moins sujets aux asymétries d’information et perdent, en cas de liquidité, moins de valeur que les actifs incorporels. Donc, plus la part des actifs corporels est grande, plus les créanciers sont disposés à octroyer des crédits aux entreprises. De plus, tous les modèles théoriques montrent une relation positive entre la garantie et le niveau de la dette. Ce résultat a été confirmé par des travaux empiriques tels que Titman et Wessels en 1998, Bourdieu et al en 1993, Rajan et Zingales en 1995, Biais Hillion et Malécot en 1995, Charpentier en 1997, Fama et French en 2000, Kremp et Stoss en 2001, Huang et Song en 2006 et Fattouh et al en 2008[15].

Selon toujours Godquin, il en est de même si seulement la garantie immatérielle est utilisée, donc l’effet attendu n’est pas toujours connu. Les autres formes des garanties sont supposées influencer positivement le taux de remboursement[16]. La présentation d’une garantie augmente les chances d’accéder au crédit.

Pour Stiglitz et Weiss, la garantie peut être considérée comme un élément permettant au prêteur de faire face à un excès de demande de crédit. Pour ces auteurs, un accroissement de la valeur de la garantie exigée entraine dans une opération de crédit un accroissement du coût supporté par l’emprunteur ainsi qu’une baisse de son profit. Néanmoins, si l’accroissement du montant exigé de la garantie permet de sécuriser le crédit, il est important de noter qu’il est la cause des anti-sélections[17].

Pour Ross, leland, et pyle en 1997, Stiglitz en 1969, et Jensen et Mecking en 1976 ont affirmé qu’entre la garantie et l’endettement, il existe un signe positif.

Ces résultats peuvent être nuancés. Pour Bester, les emprunteurs avec une faible probabilité de faillite peuvent accepter un accroissement de la garantie. La qualité de l’emprunteur  est à cet effet positivement reliée à l’acceptation du montant de la garantie[18].

 En s’appuyant aux travaux empiriques de Zingales, Kremp et Stoss, Huang et Song, Stigtiz et Weiss, nous nous attendons à  une influence positive entre la garantie et la performance financière.

• Sélection des clients : selon Georges Akerlof, la présence d’emprunteurs à haut risque (sélection adverse) ou défaillant (aléa moral) non identifiables par les préteurs renchérit le cout du crédit et impose une externalité négative aux bons emprunteurs et une externalité positive aux mauvais emprunteurs[19].

Ainsi, le fait que la sélection réduit les défaillances, il est donc à prédire un signe positif pour cette variable.

Tableau n°14. Signes attendus des variables

Types de variable	Identité de la variable	Acronyme	Modalités	Signes attendus
Variable dépendante	Performance financière	ROA	Variable quantitative
Variables indépendantes 1 2 3 4 5 6	Montant de crédit	Mc	Quantitative polytomique : il prendra la valeur 1 si  le montant maximum des crédits octroyés par l’institution est inferieur à 1000$ 2 s’il est compris entre 1001$ et 5000$ 3 s’il est supérieur à 5001$	±
	Taux d’intérêt	ti	Quantitative  polytomique: il prendra la valeur 1 si le taux d’intérêt créditeur de l’institution est inférieur à 1,5% 2 si ce taux est compris entre 1,6 et 2,5% 3 si ce taux est supérieur à 2,6%	±
	Echéance	E	Qualitative polytomique : elle prendra la valeur 1 si l’institution octroi  le crédit à moins d’un mois 2 si elle octroie le crédit d’un mois à 3 mois 3 si elle octroi le crédit de 4 à 6 mois 4 si elle octroi le crédit 7 à 12 mois 5 si plus de 12 mois	±
	Politique de recouvrement	Pr	Qualitative polytomique : il prendra la valeur 1 si le recouvrement est effectué à l’amiable 2 si l’institution effectue le recouvrement de manière forcé 3 si les deux sont mises en application	±
	Garantie	Gar	Qualitative  polytomique: elle prendra la valeur 1 si le crédit est octroyé sur base d’une  hypothèque 2 si l’institution octroi le crédit  sur base d’une cession sur salaire 3 si l’institution octroi le crédit sur base d’une caution solidaire 4 si le crédit est octroyé suivant tous les types des garanties	+
	Portefeuille à risque	PAR	Quantitative  en considérant seulement le % du PAR	±

 Source : notre conception

• Spécification du modèle :

La  performance financière devient :

ROA = ₀±1Mc±             

Avec l

Le terme aléatoire ℇ, que l’on appelle l’erreur du modèle, tient un rôle très important. Il permet de résumer toute l’information qui n’est pas prise en compte dans la relation linéaire que l’on cherche à établir entre les variables indépendantes et la variable dépendante c’est-à-dire les problèmes de spécification, l’approximation par la linéarité, résumer le rôle des variables explicatives absence etc.

En pratique, après avoir estimé les paramètres de la régression, les premières vérifications portent sur l’erreur calculée sur les données (on parle de résidus) lors de la modélisation. Pour notre cas, ce modèle nous permettra de ressortir les effets des dimensions de la politique de crédit sur la performance financière des ISFD et pour arriver à trouver les estimateurs.

Nous avons utilisés les statistiques descriptives et  inférentielles, le test de normalité. L’outil qui nous a permis de le faire est le logiciel Eviews et SPSS.

Nous ne pourrions cependant prétendre que seules les variables exogènes sélectionnées dans notre modèle seraient susceptibles d’expliquer le niveau de la performance financière des ISFD. C’est dans ce cadre que nous avons ajouté la variable stochastique ou aléatoire  afin de prendre en compte  les variables omises ou l’inclusion d’une variable non nécessaire dans le modèle.

[1] NGUBA MUNDALA Médard, Statistiques appliquées aux affaires, cours L1 Gestion Financière, UOB, Inédit, 2016.

[2] Regis Bourbonnais, Econométrie: Manuel et exercices corrigés, 7^ieme éd. Dunod, Dakar le 11 août 2010, pp_328-329

[3] Cull R, Demirguç-Kunt et alü, financial performance and outreach : A Global analysis of lending Micro Bank, economic journal, 2007, P₁₁₇

[4] Définition de micro Baking Bulletin, 2005

[5] Tchakoute H et Mehdi N, gestion des risques et performances des institutions de microfinance, article, revue d’économie industrielle, 2^ième trimestre 2012, P₁₈

[6] Adeir phillipe, et al, les facteurs déterminants de la performance sociale et la performance financière dans la région MENA : une analyse en coupe instantanée, revue région en développement, 2010, P₃₂

[7] Albert H et al., Déterminants de la performance de remboursement dans les institutions de microfinance au Benin, articles, Université d’Abomey-calavi, 2005, P₅

[8] Albert HONLONKOU et alü, idem, 2005, P₆₃

[9] Morduch J., the microfinance schism, world development, 2000, P₆₂₉

[10] Maty S, les déterminants de la viabilité financière des IMF, in AUDENCIA, Ecole de Management Nantes, France, 2010, Disponible en PDF sur : www.google.fr, consulté le 01 février 2017 à 10h, P₁₆

[11] Ouseynou DIAC, la viabilité financière des institutions  de microfinance au Sénégal : le cas des réseaux, mémoire DEA, 2005-2006, disponible en PDF sur : www.google.fr, consulté le 10 février 2017 à 17H,  P₃₀

[12] Morduch J., idem, P₆₁₇

[13] Navajas S, Microcredit and the poorest: Theory and Evidence  from Bolivia, World development, 2000, P₃₃₃

[14] Lahcen E., Déterminants de la performance financière des Institutions de Microfinance au Maroc : une analyse empirique, université de Rouen, P7

[15] Mazen K., la structure du capital et son impact sur la profitabilité et sur la demande de travail : analyses théoriques et empiriques sur les données de panel françaises, thèse en gestion financière, Université d’Orléans, HAL archives, 26 mars 2012, P₄₈

[16] Albert H., op cit, p63

[17] Stiglitz et Weiss, credit rationing in markets with imperfect information, American Economic Review, 1981, p393

[18] Bester H., the role of collateral in credit markets with imperfect information, European Economic Review, n° 03, 1987, P895

[19] Yawo A, la microfinance est-elle une solution efficace aux causes du rationnement bancaire ? une analyse économétrique à travers les modèles Probit et binomial négatif : le cas du Togo, articles, 28 juin 2014