Il s’agit en effet de présenter les résultats de la régression économétrique de notre modèle de base. Ces résultats sont obtenus avec le logiciel E-views et concernent les données collectées au sein des 11 IFSD de la ville de Bukavu, saisies dans SPSS, et compilées en un fichier Excel.

Nos attentes sont que les résultats de ces estimations corroborent nos développements théoriques.

Avant toute chose, nous avons voulu vérifier le respect des hypothèses classiques de Gauss et Markov dans le but ultime de nous rassurer que le modèle pouvait être estimé par la méthode de Moindre Carré Ordinaire. Ainsi, nous avons testé le problème de normalité des résidus.

1. Test de normalité

Ce test nous a permis à faire un choix du modèle à utiliser. Tester la normalité d’une distribution revient à savoir si cette distribution répond aux critères de normalité.

En effet, le test de Jarque et Bera, fondé sur la notion de coefficient d’asymétrie « Skewness » et d’aplatissement « Kurtosis » permet de vérifier la normalité d’une distribution statistique (Bourbonnais, R., 1998). Si le nombre d’observations est grand (n > 30), la statistique de ce test peut être construite comme suit:

Avec : s : la quantité de la statistique de Jarque et Bera

            β₁ et β₂ : le coefficient de Skewness et de Kurtosis respectivement

            n : la taille de l’échantillon

Cette statistique suit une loi de Khi-deux à deux degrés de liberté et les hypothèses formulées à ce test sont les suivantes:

H₀ : Les résidus sont normalement distribués, S=0 et K=3

H₁ : Les résidus ne sont pas normalement distribués, S≠0 et K ≠ 3

Figure n° : Test de normalité de résidus

Source : Nos traitements des données sur Eviews

En effet, les résidus de ce graphique, nous constatons que notre Jarque-Bera est inferieur à 5,99. D’autre part, le Skewness en valeur absolue est égale à 0 et Kurtosis est égale à 3.

En nous appuyant sur les critères de Kurtosis, et de Skewnes et de jarque-Bera et sur base des résultats de cette figure, nous acceptons  l’hypothèse nulle selon  laquelle les résidus suivent une distribution normale et rejetons l’hypothèse alternative.

Résultat de la Première régression

Source : Nos traitements sur base du logiciel Eviews version 3.1

Il sied d’abord de faire l’analyse des signes de coefficient de toutes les variables :

• - Le signe positif de la variable Portefeuille à risque est conforme à celui attendu c’est-à-dire qu’il influence positivement la performance financière ;
• - Le signe positif de la variable Montant de Crédit est similaire à celui attendu étant donné que la majorité des nos IFSD octroient des petits prêts qui n’ont pas un grand risque de non remboursement, pour ce faire, elle influence également la performance financière d’une manière positive.
• - La variable taux d’intérêt a un signe qui est conforme à celui attendu et influence positivement la performance financière cela s’explique par le fait que toutes les IMF, de la ville de Bukavu, fixent un taux d’intérêt qui couvre ses charges ;
• - Pour la variable Catégorie des membres, le signe attendu est conforme à celui attendu étant donné que nous nous attendions à un signe ambigu, influence négativement la performance financière ;
• - Le signe positif de la variable sélection des clients est similaire à celui escompté étant donné que la quasi-totalité des ces IFSD sélectionnent des clients souhaitant avoir accès au crédit sur base d’une expérience avérée s’il s’avère que ces derniers sollicitent le crédit pour des activités génératrices des revenus ;
• - Le signe négatif de la variable Garantie est conforme à celui attendu, car nous nous attendions à un signe ambigu, cela s’explique par le fait que dans notre milieu d’étude, les créanciers sont disposés à octroyer des crédits sur base de  la garantie, qui entant qu’actif corporel est moins sujet aux asymétries d’informations.
• - Le signe négatif de la variable Echéance est conforme à celui escompté, du fait que nous nous attendions à un signe ambigu, cela s’explique par le fait que la majorité des ces IFSD octroient de crédit pour une période assez longue et pour une période assez courte, certaines octroient des crédits qui ont une durée supérieure à 12 mois.
• - Le signe positif de la variable politique de recouvrement est similaire à celui attendu étant donné qu’on s’attendait à un signe ambigu.

Cependant, l’examen de T-student de significativité des variables révèlent que les variables Montant de crédit et politique de recouvrement  sont statistiquement significatives au seuil de 5%. D’autres variables, telles  que le portefeuille à risque (PAR), la garantie (Gar), sélection client (Sc), Echéance (Ech), Catégorie des membres et le taux d’intérêt (ti) ne sont pas statiquement significatives. Nos investigations montrent qu’en majeure partie les variables pour lesquelles on attendait un signe à priori a été retrouvé à l’exception de la variable garantie.

Dans ces conditions, Régis Bourbonnais, propose la solution de Backward elimination ou élimination progressive. Cette méthode, consiste sur le modèle complet à k variables exogènes, à procéder par une élimination progressive (dite élimination de proche en proche) des variables non significatives et à ré estimer le modèle après chaque élimination jusqu’à l’obtention d’un modèle où toutes les variables sont significatives. En plus, il montre que lorsqu’une variable n’est pas statiquement significative mais elle l’est économiquement, la variable en question doit être maintenue.

Après élimination progressive des variables : à la première régression où nous avons éliminé la variable Sélection Client (1),  la deuxième régression nous avons éliminé la variable Echéance qui présentait une probabilité de 0,67 alors que la variable Garantie présentait une probabilité de 0,68. Cela s’explique par le fait que la garantie à une signification économique assez considérable. Dans le cadre de notre champ d’investigation, le crédit est octroyé sur base d’une garantie et non de la confiance(2),  et la troisième régression nous avons éliminé la variable PAR (3)  et la quatrième régression nous a permis  d’aboutir  aux résultats suivants.

Résultat de la 4^ème régression

Source: logiciel Eviews 3.11

1. Analyse de la Significativité des coefficients et analyse économique du modèle : interprétation et Discussion des résultats

La qualité globale de l’estimation semble être satisfaisante. La statistique de Fischer calculée par le logiciel est de 4,35 et la probabilité associée est de 0,0049 (inferieur à 5% seuil de signification)on rejette l’hypothèse nulle au profit de l’hypothèse alternative. Donc le modèle est globalement significatif et de bonne qualité. Comme R² est égale à 0,45, ceci veut dire que 45 % de la performance financière est expliquée par la politique de crédit et comme R² ajusté est inferieur à Durbin Watson, selon GRANGER en 1983 et ENGEL en 1987 cité par Régis Bourbonnais, il est vrai à dire que notre régression n’est pas fallacieuse.

Pour se prononcer sur la significativité individuelle des variables, les résultats de l’estimation montrent que seulement trois variables sont statiquement significatives : Politique de recouvrement  et Montant de crédit au seuil de 5% et la variable Catégorie des        membres est significative au seuil de 10%  et deux variables sont économiquement significatives mais elles ne les sont pas statiquement raison pour laquelle elles sont maintenues dans notre modèle.

Economiquement, à l’absence de la politique de recouvrement et du montant de crédit, la performance financière ne peut pas exister étant donné que le coefficient autonome est négatif et est de -13,14.

L’étude économétrique et économique ainsi achevée, il convient de passer  à la discussion des résultats obtenus. Ainsi, notre modèle est  ROA = -13.14025051 + 8.633978567*MC + 12.10423248*TI - 7.584294719*CM - 2.968533128*GAR - 12.88419379*POR

1. Discussion des résultats

• - Pour la variable Montant de crédit : Les résultats obtenus soulignent que cette variable montant de crédit, influence positivement la performance financière. Ce résultat est en contradiction avec celui de Marie Godquin,  qui en étudiant la performance de remboursement des groupes de crédit au Bangladesh a révélé que le montant de prêts avait un impact négatif sur la performance financière. 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.

En revanche, conformément aux résultats issus de nos investigations, nous avons trouvé que 51,4% des ISFD octroient un montant de crédit supérieur à 10 000$ et que lorsque la variable montant de crédit, varie d’1% en termes d’augmentation, la performance financière augmente de 3,8%.

• - Pour la variable Taux d’intérêt : nous constatons que le signe attendu d’avance est similaire à celui escompté et il est corroboré avec la première école constituée en particulier des ONG du nord et de leur partenaires du sud, qui 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. Nous nous appuyons à cette hypothèse étant donné que, départ les résultats de nos enquêtes, 90,9 % des IFSD de la ville de Bukavu appliquent un taux d’intérêt qui est compris entre 1,6 et 2,5%.

Ces résultats rejoignent également l’approche des Welfaristes qui ont montré qu’un taux d’intérêt inutilement élevé pénaliserait ses clients, qu’elle pourrait perdre, ce qui pourrait remettre en cause sa mission sociale et sont en contradiction avec ceux des institutionnalistes ainsi que des Najavas qui avait montré que 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 ;

• Pour la variable Catégorie des membres : le signe attendu est celui obtenu c’est-à-dire que cette variable influence négativement la performance financière des IFSD locales étant donné que la quasi-totalité des IFSD de la ville de Bukavu octroient des crédits individuels que des crédits aux groupes solidaires suite à une faible proportion de ces derniers. Ce résultat est corroboré par le travail de Bratton en 1986 qui s’était intéressé  à la performance comparée des prêts individuels et des prêts groupés, à partir des données de Zimbabwe, et avait constaté que les prêts groupés enregistrent une meilleure performance que les prêts individuels.

Lorsqu’une IFSD laisse la latitude aux emprunteurs de former des groupes avec les individus de leur choix, cette sélection permet de lutter contre la sélection adverse car les membres éviteront de s’associer avec ceux dont ils ne connaissent pas bien le profil de risque d’insolvabilité.

• - Pour la variable Garantie : le signe attendu est celui escompté d’avance, car on s’attendait à un signe ambigu. Ce signe négatif influence négativement la performance financière des IFSD locales. Ce résultat est en contradiction avec celui de tous les modèles théoriques qui 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, Wessels, Bourdieu, Rajan, Zingales, Hillion, Malécot, Charpentier, Fama et French, Kremp, Stoss, Huang, Song et Fattouh Pour Ross, mais aussi leland, et pyle en 1997, Stiglitz en 1969, et Jensen et Mecking ont également affirmé qu’entre la garantie et l’endettement, il existe un signe positif.

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

Ce résultat est similaire à celui de Berger et Udell qui avaient étudié la relation entre la garantie et le risque de crédit sur un million de prêts effectués par des Banques américaines. ils testent l’hypothèse que l’antisélection exerce un rôle dans l’utilisation de la garantie en régressant la prime de risque sur un ensemble de caractéristiques du prêt qui comprennent une variable muette prenant en compte le fait que le prêt est sécurisé ou non. Leur conclusion ne corrobore pas l’argument d’antisélection comme motif d’utilisation de la garantie, puisqu’ils observent une relation positive et significative entre la garantie et la prime du risque ;

• - Enfin, la variable politique de recouvrement qui influence négativement la performance financière des IFSD de la ville de Bukavu. Nous nous appuyons à Morduch qui préconise que la politique de recouvrement peut avoir une influence positive ou négative sur la performance financière. Négative si, le recouvrement est effectué de manière forcée, alors que selon les résultats de nos enquêtes 34,6% recourent au recouvrement forcé.

LIMITES DE LA RECHERCHE

• Le présent travail a traité les informations sur un petit nombre des IFSD pendant une période éphémère de 3 ans ; les recherches qui pourront concerner un grand nombre pendant plus de 3 ans pourront peut être arrivé au résultat probant que celui du présent travail ;
• Le fait que nous avons seulement considéré la ville de Bukavu au lieu de prendre la province du Sud-Kivu constitue une autre limite et un travail qui prendrait toutes les institutions de la province serait intéressant pour la généralisation

C’est ainsi, à travers ce travail, les chercheurs ultérieurs pourront aborder le thème relatif au déterminant de l’autosuffisance financière des IFSD ; la problématique de l’inclusion financière des ménages au Sud-Kivu, les déterminants de pérennité des IFSD  de la ville de Bukavu.