Vous êtes sur la page 1sur 227

GROUPE CONSULTATIF DASSISTANCE AUX PAUVRES

Crer des systmes financiers fonctionnels pour les pauvres








Outil dvaluation de la pauvret
en microfinance












Srie Outil technique n 5
Mars 2003

Inside front cover: Blank

Inside back cover: Blank

Back cover:

LOutil dvaluation de la pauvret en microfinance a t conu pour rpondre un besoin
encore insatisfait : disposer dun outil pour accrotre la transparence sur le degr de porte des
institutions de microfinance (IMF). Il est destin aider les bailleurs de fonds et investisseurs
intgrer laspect de limpact sur la pauvret dans leurs valuations et dcisions de financement
des institutions financires, par une connaissance plus approfondie des clients servis par ces
institutions. Combine une valuation institutionnelle de la prennit financire, de la
gouvernance, du management, des ressources humaines et des systmes, une valuation de la
pauvret des clients permet une approche plus holistique de lIMF.

LOutil dvaluation de la pauvret en microfinance fournit des donnes prcises sur le niveau
de pauvret des clients dune IMF par rapport celui des personnes vivant dans la mme
communaut. Il repose sur un ensemble dindicateurs plus standard, plus largement applicable et
plus rigoureux que ceux utiliss par les outils de ciblage traditionnels de la microfinance. Loutil
utilise une analyse en composantes principales pour crer un indice de pauvret
multidimensionnel permettant la comparaison de la porte des services auprs des pauvres dune
IMF lautre, et mme dun pays lautre. Test dans un premier temps dans quatre pays sur
trois continents, il a par la suite t appliqu par des bailleurs de fonds en microfinance et des
rseaux dIMF dans de nombreux autres pays.

Bien que lOutil dvaluation de la pauvret en microfinance ait t conu pour la microfinance,
il peut tre utilis pour mesurer le niveau de pauvret des clients dautres programmes de
dveloppement. En termes de cot et de fiabilit, loutil fournit des donnes beaucoup plus
dtailles et statistiquement fiables que celles produites par les mthodologies faible cot de
type mthode acclre de recherche, valuation participative ou indice de logement, tout en
vitant le cot lev et le temps ncessaire une enqute dtaille sur les budgets des mnages.



First title page:





Need logo somewhere your choice




Outil dvaluation de la pauvret
en microfinance


Carla Henry
Manohar Sharma
Cecile Lapenu
Manfred Zeller

de lIFPRI
(Institut international de recherche sur les politiques alimentaires)





Srie Outil technique n 5
Mars 2003
Repeating logo strip, bleed to edge of page upper & lower border in grey

Logo page: double column of member donors & their logos (see Powerpoint mockup)


Second title page












Outil dvaluation de la pauvret
en microfinance




























Outil dvaluation de la pauvret en microfinance
Traduction franaise ralise par Karin Barlet (Gret) et relue par Ccile Lapenu (Cerise)
juillet 2003



Copyright 2003. CGAP/Banque mondiale, Groupe consultatif dassistance aux pauvres.
Imprim A COMPLETER

ISBN
Distribu par :
Pact Publications
1200 18th Street, NW
Suite 350
Washington, DC 20036
Tel: 202 466 5666
Fax: 202 466 5669
www.pactpublications.com

CGAP
1818 H Street, NW
Room Q4-400
Washington, DC 20433
Tel: 202 473 9594
Fax: 202 522 3744

Toutes les publications du CGAP peuvent tre tlcharges gratuitement partir de son site
Internet : www.cgap.org.



TABLE DES MATIERES


Avant-propos
Remerciements

PARTIE I : PRESENTATION GENERALE

Chapitre 1 Evaluer le niveau de pauvret des clients de la microfinance
A qui sadresse ce guide ?
Organisation du manuel
Paramtres de ltude et choix dune mthodologie fonde sur des indicateurs
Etapes mthodologiques
Les multiples dimensions de la pauvret et leurs implications
Dveloppement dun questionnaire gnrique
Slection de critres pour les indicateurs
Objectif du test de terrain
Indicateurs retenus pour le questionnaire
Prsentation de la mthodologie
Utilisation de lanalyse en composantes principales pour la cration de lindice de
pauvret
Utilisation de lindice de pauvret
Pauvret relative et pauvret absolue
Interprtation des rsultats
Rsultats tirs des tudes de cas tests
Rsultats comparatifs globaux
Rsum

PARTIE II : PLANIFICATION ET ORGANISATION DE LEVALUATION

Chapitre 2 Planifier et organiser lvaluation
Conseils pour la contractualisation
Responsabilits du chercheur
Echelonner les versements
Dterminer le temps ncessaire ltude
Rpartition du budget de lvaluation
Personnel, logistique et performances

PARTIE III : COLLECTE DES DONNEES

Chapitre 3 Elaborer le processus dchantillonnage
Etape 1 : Dfinir la population et lunit dchantillonnage
Le mnage comme unit dchantillonnage de base
Dfinir une zone dtude raliste

Etape 2 : Elaborer le plan dchantillonnage de lIMF
Echantillonnage en grappes pour les nouveaux clients de lIMF
Dterminer les tapes de constitution des grappes
Etape 3 : Dfinir la bonne taille dchantillon
Etape 4 : Rpartir proportionnellement les chantillons
Echantillonnage avec probabilit proportionnelle la taille (PPT)
Echantillonnage en proportion gale (EPE)
Mthode EPE applique aux groupes clients
Etape 5 : Slectionner lchantillon
Echantillonnage alatoire lintrieur des grappes
Echantillonnage alatoire des mnages non-clients : le parcours alatoire
Dcrire chaque site dtude

Chapitre 4 Adapter le questionnaire dvaluation de la pauvret au contexte local
Identifier les dfinitions locales de la pauvret
Prsenter ltude et slectionner les mnages
Comment prsenter ltude
Vrifier que les mnages satisfont aux critres
Choix de la personne interroge et lieu de lentretien
Formulaire denqute
Section A : donnes didentification des mnages
Section B : composition de la famille
Section C : indicateurs relatifs lalimentation
Section D : indicateurs relatifs lhabitat
Section E : autres indicateurs relatifs la possession dactifs
Adapter le questionnaire
Conseils pour la formulation des questions
Prcodage du questionnaire

Chapitre 5 Former les membres de lquipe dvaluation
Etape 1 : Rsum du contexte, de lobjectif et de la mthodologie de ltude
Discuter de lobjectif de ltude
Discuter du plan dchantillonnage utilis pour lidentification des mnages
Prsenter le plan de mise en uvre sur le terrain
Dfinir le rle de lenquteur et passer en revue les principes dun bon entretien
Discuter des principales sources derreur sur le terrain et des moyens de les contrler
Etape 2 : Comprendre le contenu du questionnaire
Etape 3 : Standardiser la traduction du questionnaire dans la langue locale
Etape 4 : Sentraner lentretien en langue locale
Etape 5 : Test prliminaire du questionnaire

PARTIE IV : ANALYSE DES DONNEES

Chapitre 6 Traiter les donnes de ltude
Structure des fichiers de donnes et conception de la base de donnes
Structure des fichiers de donnes

Lier les fichiers au sein dune base de donnes relationnelle
Organisation gnrale de SPSS
Barre de menu principale
Affichage de SPSS
Mthodes de saisie des donnes de ltude
Prparation des formulaires de saisie des donnes et de la documentation des fichiers
Saisie des donnes
Sauvegarde des fichiers lectroniques
Nettoyage des donnes
Procdures de nettoyage des donnes
Corriger les erreurs de donnes
Utiliser les procdures SPSS pour nettoyer les donnes
Localiser les observations comprenant des erreurs
Frquences
Statistiques descriptives
Botes moustaches
Suggestion de routines de nettoyage des donnes
Fichier de donnes sur les mnages (F1)
Fichier de donnes sur les adultes (F2)
Fichier de donnes sur les enfants (F3)
Fichier de donnes sur les actifs (F4)

Chapitre 7 Traiter les donnes sous SPSS
Mthodes dagrgation des donnes pour la gnration de nouvelles variables sous SPSS
Fonction SPSS dagrgation des donnes
Agrger danciennes variables pour gnrer de nouvelles variables
Sauvegarder les rsultats dans de nouveaux fichiers
Fusion des fichiers
Transformer les variables pour recoder les donnes
Procdures de calcul de nouvelles variables
Rsum

Chapitre 8 Raliser une analyse descriptive des donnes
Rechercher les diffrences significatives entre mnages clients et non-clients
Tableaux croiss et test khi-deux
Comment appliquer les tableaux croiss
Tableaux croiss sous SPSS
Interprter un tableau crois
Raliser une analyse spcifique laide de tableaux croiss
Test t de comparaison de moyennes
Comment le test t est- il appliqu ?
Procdure SPSS pour la ralisation dun test t de comparaison des moyennes
Raliser une analyse spcifique laide du test t de comparaison des moyennes
Rsum


Chapitre 9 Crer un indice de pauvret
Procdures statistiques permettant de trier les indicateurs de pauvret
Coefficient de corrlation linaire
Utilisation de SPSS pour mesurer la corrlation linaire
Interprter un tableau de corrlation SPSS
Slectionner des variables pour le test de corrlation
Estimer un indice de pauvret laide de lanalyse en composantes principales
Outils statistiques utiliss pour crer un indice de pauvret
Etape 1 : Slectionner un groupe dindicateurs
Etape 2 : Lancer un modle test et interprter les rsultats
Etape 3 : Rviser le modle jusqu ce que les rsultats rpondent aux critres de
performance
Etape 4 : Sauvegarder les facteurs de la composante en tant que variables de lindice de
pauvret
Proprits de la variable indice de pauvret
Vrifier les rsultats de lindice
Utiliser les terciles de pauvret relative pour interprter lindice de pauvret
Dfinir les pauvres au sein de la population locale
Procdure SPSS pour crer les terciles de pauvret
Evaluer la porte de lIMF auprs des pauvres laide des catgories de pauvret

PARTIE V : INTERPRETATION DES RESULTATS

Chapitre 10 Interprter les rsultats
Comparer les rsultats aux niveaux local, rgional et national
Comparer les niveaux de pauvret au niveau local
Comparer le niveau de pauvret de la zone dactivit de lIMF avec le niveau de pauvret
national
Comparaison des niveaux de pauvret nationaux
Comparer les rsultats de lvaluation la mission et aux objectifs de lIMF
Prsenter les conclusions


Annexe 1 Approches alternatives dvaluation de la pauvret
Etude dtaille des dpenses des mnages
Recherche acclre et recherche participative
Mthode fonde sur les indicateurs

Annexe 2 Liste des indicateurs de pauvret et leur classement
Classement des indicateurs de pauvret
Groupe dindicateurs 1 : Facteurs dterminants de la production de richesses
Groupe dindicateurs 2 : Besoins lmentaires
Groupe dindicateurs 3 : Autres aspects des conditions de vie

Annexe 3 Questionnaire recommand
Section A : Identification du mnage

Section B : Structure de la famille
Section C : Indicateurs relatifs lalimentation
Section D : Indicateurs relatifs lhabitat
Section E : Indicateurs relatifs la possession dactifs

Annexe 4 Indice de dveloppement humain du PNUD (IDH), 1998
Dveloppement humain lev
Dveloppement humain moyen
Dveloppement humain faible
Tous pays en dveloppement

Annexe 5 Informations sur les fichiers de donnes
Fichier des mnages F1
Fichier des adultes F2
Fichier des enfants F3
Fichier des actifs F4

Glossaire des termes statistiques

Bibliographie


Encadrs
Encadr 2.1 Check- list lintention des bailleurs
Encadr 2.2 Etude de cas Kenya : mise en uvre de ltude de terrain
Encadr 3.1 Dfinir la zone dtude
Encadr 3.2 Etapes de lchantillonnage en grappes
Encadr 3.3 Exemple dchantillonnage PPT
Encadr 3.4 Le parcours alatoire
Encadr 3.5 Rsum des tapes de llaboration du plan dchantillonnage
Encadr 4.1 Des questions bien conues
Encadr 5.1 Fiche de rfrence pour les enquteurs
Encadr 9.1 Variables ordinales et dchelle
Encadr 10.1 Ecart par rapport la distribution en terciles
Encadr 10.2 Utiliser des donnes secondaires dans le cadre dune valuation de la
pauvret
Encadr 10.3 Ratio dvaluation de la pauvret rgionale
Encadr 10.4 Crer un ratio comparatif laide de lIndice de dveloppement humain
(IDH)
Encadr 10.5 Rsultats dune valuation de la pauvret replacs dans leur contexte
Encadr 10.6 Droulement de latelier : prsentation des rsultats de lvaluation de la
pauvret

Figures
Figure 1.1 Indicateurs et composantes sous-jacentes
Figure 1.2 Histogramme dun indice de pauvret standardis (IMF B)

Figure 1.3 Cration des groupes de pauvret
Figure 1.4 IMF A : Rpartition des mnages clients et non-clients dans les groupes de
pauvret
Figure 1.5 IMF B : Rpartition des mnages clients et non-clients dans les groupes de
pauvret
Figure 1.6 IMF C : Rpartition des mnages clients et non-clients dans les groupes de
pauvret
Figure 1.7 IMF D : Rpartition des mnages clients et non-clients dans les groupes de
pauvret
Figure 2.1 Rpartition du temps par phase dactivit
Figure 2.2 Etablissement du budget en fonction du calendrier
Figure 3.1 Modle courant de rpartition gographique des units des IMF
Figure 3.2 Exemple dchantillonnage en grappes bas sur le dcoupage rgional de lIMF
Figure 3.3 Processus dcisionnel visant dterminer les grappes de ltude
Figure 3.4 Quartiles dune zone dtude
Figure 6.1 Structure relationnelle des fichiers au sein dune base de donnes SPSS
Figure 6.2 Menu principal de SPSS (fentre Affichage de donnes )
Figure 6.3 Fentre Affichage des variables SPSS
Figure 6.4 Fentre Editeur de rsultats SPSS
Figure 6.5 Bote de dialogue Etiquettes de valeur de SPSS
Figure 6.6 Bote de dialogue Slectionner des observations de SPSS
Figure 6.7 Bote de dialogue Slectionner des observations : Si de SPSS
Figure 6.8 Bote de dialogue Frquences de SPSS
Figure 6.9 Exemple de diagramme SPSS montrant la distribution des rponses par montant
des dpenses vestimentaires
Figure 6.10 Exemple de bote moustaches SPSS pour les donnes collectes sur la taille
du mnage
Figure 6.11 Bote de dialogue SPSS Bote moustaches simple
Figure 7.1 Bote de dialogue SPSS Agrger les donnes
Figure 7.2 Bote de dialogue SPSS Agrger les donnes : Fonction agrgation
Figure 7.3 Bote de dialogue SPSS Agrger les donnes : Nom et tiquette de la
variable
Figure 7.4 Bote de dialogue SPSS Agrger les donnes : Spcification du fichier
rsultats
Figure 7.5 Bote de dialogue SPSS Trier les observations
Figure 7.6 Bote de dialogue SPSS Ajouter des variables de
Figure 7.7 Bote de dialogue SPSS Recodage de variables
Figure 7.8 Bote de dialogue SPSS Recodage de variables : Anciennes et nouvelles
valeurs
Figure 7.9 Bote de dialogue SPSS Calculer la variable
Figure 7.10 Bote de dialogue SPSS Calculer la variable : Si les observations
Figure 8.1 Bote de dialogue SPSS Tableaux croiss
Figure 8.2 Bote de dialogue SPSS Tableaux croiss : statistiques
Figure 8.3 Bote de dialogue SPSS Tableaux croiss : Contenu des cases
Figure 8.4 Bote de dialogue SPSS Test t pour chantillons indpendants
Figure 9.1 Bote de dialogue SPSS Corrlations bivaries

Figure 9.2 Indicateurs et composantes sous-jacentes
Figure 9.3 Bote de dialogue SPSS Analyse factorielle
Figure 9.4 Bote de dialogue SPSS Analyse factorielle : Caractristiques
Figure 9.5 Bote de dialogue SPSS Analyse factorielle : Extraction
Figure 9.6 Bote de dialogue SPSS Analyse factorielle : Facteurs
Figure 9.7 Histogramme dun indice de pauvret standardis
Figure 9.8 Exemple de frquence cumule de lindice de pauvret par statut
Figure 9.9 Etude de cas du niveau moyen de pauvret relative
par zone dtude et par statut
Figure 9.10 Etude de cas du niveau moyen de pauvret relative par type de programme
et par statut
Figure 9.11 Construire les groupes de pauvret
Figure 9.12 Bote de dialogue SPSS Ordonner les observations
Figure 9.13 Bote de dialogue SPSS Ordonner les observations : Types
Figure 9.14 Botes de dialogue SPSS Calculer la variable et Calculer la variable : Si
les observations
Figure 9.15 Etude de cas 1 : Bonne porte auprs des pauvres
Figure 9.16 Etude de cas 2 : Faible porte auprs des pauvres
Figure 9.17 Exemple dtude de cas : pourcentage moyen des adultes du mnage
ayant achev 7 annes dtude, par agence

Tableaux
Tableau 1.1 Indicateurs inclus dans le questionnaire final recommand
Tableau 1.2 Niveau de pauvret relative des clients par rapport aux non-clients dans les
quatre IMF tudies
Tableau 2.1A Exemple de calcul de budget - valuation du niveau de pauvret en zone rurale
Tableau 2.1B Exemple de budget rsum pour lvaluation du niveau de pauvret en zone
rurale
Tableau 3.1 Slection des nouveaux mnages clients de lIMF par la mthode PPT
Tableau 3.2 Exemple de tableau de nombres alatoires
Tableau 3.3 Mthode EPE applique la slection des mnages
Tableau 3.4 Slection des mnages au sein des groupes de nouveaux clients
Tableau 4.1 Section A du questionnaire denqute
Tableau 4.2 Exemples de sries de codes didentification utilises pour distinguer les
mnages dans le questionnaire
Tableau 4.3 Section B1 du questionnaire denqute
Tableau 4.4 Section B2 du questionnaire denqute
Tableau 4.5 Section C du questionnaire denqute
Tableau 4.6 Aliments de luxe utiliss pour les tudes de cas
Tableau 4.7 Aliments de qualit infrieure utiliss pour les tudes de cas
Tableau 4.8 Aliments de base utiliss dans les tudes de cas
Tableau 4.9 Aliments de base stockables utiliss dans les tudes de cas
Tableau 4.10 Section D du questionnaire denqute
Tableau 4.11 Section E du questionnaire denqute
Tableau 4.12 Catgories lies au foncier dans les tudes de cas
Tableau 5.1 Calendrier de formation des enquteurs

Tableau 6.1 Exemple de tableau de frquences SPSS : type de combustible utilis par les
mnages
Tableau 6.2 Exemple de statistiques descriptives SPSS
Tableau 7.1 Agrgation des donnes du fichier F2 : caractristiques des adultes de la famille
(gs de 15 ans et plus)
Tableau 7.2 Agrgation des donnes du fichier F3 : caractristiques des enfants de la famille
(gs de 0 14 ans)
Tableau 7.3 Agrgation des donnes du fichier F4 : valeur des actifs du mnage
Tableau 7.4 Calcul de variables au niveau du mnage
Tableau 8.1 Exemple de tableau crois du statut des clients par activit principale des
adultes du mnage
Tableau 8.2 Exemple de tableau de rsultat SPSS du test khi-deux du tableau crois
Tableau 8.3 Exemples de test de signification portant sur le statut de lenqut et son
activit au niveau des rgions
Tableau 8.4 Exemple de tableau de rsultat SPSS de test t pour chantillons indpendants
Tableau 8.5 Exemple de test t pour chantillons indpendants
Tableau 9.1 Exemple de tableau de rsultat de corrlation
Tableau 9.2 Modle des indicateurs tris par niveau de corrlation avec lindicateur de
pauvret de rfrence
Tableau 9.3 Exemple de matrice des composantes sous SPSS
Tableau 9.4 Exemple de matrice des composantes SPSS avec variables supplmentaires
Tableau 9.5 Exemple de tableau SPSS de variance explique totale
Tableau 9.6 Exemple de tableau SPSS de qualit de reprsentation
Tableau 9.7 Test KMO-Bartlett
Tableau 9.8 Exemple de statistiques descriptives pour le tercile de pauvret intermdiaire
Tableau 9.9 Exemple de tableau crois des types de latrines et groupes de pauvret
Tableau 9.10 Test khi-deux du tableau crois
Tableau 10.1 Grille dvaluation des niveaux de pauvret de la zone dopration de lIMF
Tableau 10.2 Grille de calcul du score de pauvret de la rgion dactivit de lIMF
Tableau 10.3 Niveau de pauvret relative des clients par rapport aux non-clients


AVANT-PROPOS
Le Groupe consultatif dassistance aux pauvres (CGAP) travaille un double objectif de
renforcement de la prennit financire des IMF et damlioration de leur porte auprs des
pauvres, en nombre et en impact. Dans le cadre de cette action, le CGAP sefforce depuis
toujours de mettre disposition des outils permettant damliorer la transparence des
performances des institutions de microfinance (IMF) poursuivant ces objectifs.

A ce jour, les efforts orients sur la transparence de la microfinance se sont essent iellement
concentrs sur la performance financire. LOutil dvaluation de la pauvret en microfinance a
t conu pour rpondre un besoin encore insatisfait : disposer dun outil aidant les IMF
amliorer leur transparence concernant le degr de pauvret de leur clientle. Destin aux
bailleurs de fonds et valuateurs dIMF, il est conu comme un outil pratique, prcis et
relativement simple, permettant destimer dans quelle mesure les programmes de microfinance
touchent les pauvres. La mthodologie suivie dans ce guide est relativement facile appliquer
dans un dlai court et un cot minimum pour le bailleur, ces deux critres ayant prsid au
dveloppement de loutil.
En outre, il permet la comparaison des niveaux de pauvret dune IMF lautre, et mme dun
pays lautre. La mthodologie est adapte toutes les IMF, quels que soient leur lieu
dimplantation, la structure de leur clientle et lapproche suivie. Utilis en association avec le
Cadre dvaluation des institutions de microfinance du CGAP (1999), lOutil dvaluation de la
pauvret en microfinance peut fournir un bon moyen de juger de la capacit dune IMF toucher
des clients pauvres tout en se finanant principalement par le biais de ressources commerciales.
La mthodologie dvaluation de la pauvret a t teste sur le terrain travers quatre tudes de
cas menes en Asie, Afrique et Amrique latine durant lanne 1999. Depuis, loutil a t
appliqu avec succs dans plusieurs autres pays, notamment la Bolivie, le Mali, le Mexique, le
Npal et lAfrique du Sud. Les enseignements tirs de ces expriences ont t trs utiles pour
rflchir la faon dont loutil pouvait tre standardis tout en conservant son adaptabilit aux
conditions locales.
LOutil dvaluation de la pauvret en microfinance encourage les bailleurs de fonds intgrer
laspect de limpact sur la pauvret dans leurs valuations et dcisions de financement des IMF.
Le CGAP est convaincu que lavenir de la microfinance doit se construire en dpassant la
polmique pauvret/prennit et en repoussant la fois les frontires de limpact sur la pauvret
et de la prennit. Le champ daction est suffisamment large pour trouver des moyens innovants
damliorer les deux sans sacrifier lun lautre. En contribuant rendre le degr de porte des
IMF auprs des pauvres plus transparent, lOutil dvaluation de la pauvret en microfinance
peut aider le secteur soutenir plus efficacement un ensemble plus large dIMF.

Elizabeth Littlefield
Prsidente et directrice gnrale
CGAP
Mai 2003


REMERCIEMENTS

Ce manuel est le fruit dune collaboration dun an entre le Groupe consultatif dassistance aux
pauvres (CGAP) et lInstitut international de recherche sur les politiques alimentaires (IFPRI)
pour mettre au point un outil standard de mesure de la pauvret des clients des institutions de
microfinance (IMF). Le projet a t financ par le CGAP et la mthodologie de loutil a t
dveloppe par lIFPRI.
Les auteurs souhaitent exprimer leur gratitude au CGAP pour son action en faveur de
lamlioration des performances des institutions de microfinance travers le dveloppement de
meilleurs outils dvaluation de ces performances. Cest de cet engagement quest ne lide de
cet outil de mesure de la pauvret et grce lui quont pu tre runis les fonds ncessaires son
dveloppement.
Leurs remerciements vont galement aux quatre IMF qui ont servi dtudes de cas pour leur
coopration lors du test de loutil. En partageant leurs informations et en permettant laccs
leurs clients, elles ont beaucoup apport ce processus. Ces IMF sont : SHARE (Society for
Helping and Awakening the Rural Poor through Education) en Inde, KWFT (Kenya Women
Finance Trust) au Kenya, ACODEP (Asociacin de Consultores para el Desarrollo de la Pequea
Empresa) au Nicaragua et OTIV-Desjardins Madagascar. Trois tudes de cas supplmentaires
ont galement t menes bien en suivant la mthodologie dveloppe pour loutil, et lune
delle celle de Small Enterprise Fund dans la province Nord de lAfrique du Sud a t utilise
pour parfaire le manuel.
Les chercheurs travaillant en collaboration avec lIFPRI dans chacun des quatre pays ont jou un
rle central dans le test et lamlioration de la mthodologie : Madagascar, le Centre national
de recherche sur le dveloppement rural (FOFIFA) ; au Nicaragua, la consultante Ms. Delia
Maria Sevilla Boza ; en Inde, lInstitut national du dveloppement rural ; et au Kenya, lInstitut
Tegemeo de lUniversit Egerton. Au vu de la qualit de leur travail, nous sommes assurs que
les instituts de recherche locaux ont un bel avenir devant eux et sauront saisir les occasions
dappliquer cet outil pour valuer le niveau de pauvret de la clientle dautres IMF.
Les auteurs tiennent galement remercier les personnes suivantes pour leur relecture de la
version prliminaire et leurs apports dtaills et pertinents : Eduardo Bazoberry, Prodem,
Bolivie ; Monique Cohen, USAID ; James Copestake, Universit de Bath ; Alex Counts,
Grameen Foundation ; John deWit, Small Enterprise Foundation, Afrique du Sud ; Gary Gaile,
Universit du Colorado, et David Hulme, Universit de Manchester. A lIFPRI, Marinella Yadao
et Jay Willis ont fourni une aide prcieuse pour la prparation de ce document.

Enfin, les auteurs adressent leurs remerciements particuliers Brigit Helms, Syed Hashemi et
Elizabeth Littlefield du CGAP, qui ont t impliqus dans ce projet depuis le dbut et ont apport
une contribution essentielle tous les stades de ltude.














PARTIE I
PRESENTATION GENERALE
1
CHAPITRE 1

EVALUER LE NIVEAU DE PAUVRETE
DES CLIENTS DE LA MICROFINANCE




La microfinance poursuit un double objectif de prennit des services et de porte auprs des
pauvres. Lorsquils dcident de financer telle ou telle institution de microfinance (IMF), les
bailleurs de fonds et autres investisseurs thiques du secteur investissent dans les deux objectifs,
mme si leur importance relative varie dune source de financement lautre. Par ailleurs,
beaucoup de praticiens, de bailleurs de fonds et dexperts considrent quil y a ncessit
darbitrage entre la prennit financire et le degr de porte, bien que la nature exacte de cet
arbitrage ne soit pas bien identifie.

Rcemment, plusieurs outils ont t dvelopps pour aider les bailleurs de fonds dans
lvaluation des performances institutionnelles des IMF. Le Cadre dvaluation des institutions
de microfinance du CGAP en est un exemple. Ce cadre fournit des conseils et des indicateurs
pratiques pour mesurer la performance des IMF dans un certain nombre de domaines, dont la
gouvernance, la direction et le leadership, la mission et les plans institutionnels, les systmes, les
oprations, la gestion des ressources humaines, les produits, la qualit du portefeuille et lanalyse
financire. Lanalyse de ces caractristiques institutionnelles permet dvaluer le potentiel de
linstitution en matire de viabilit, ou prennit. Dans le mme temps, la multiplication des
outils de ce type a encourag la transparence et le dveloppement de normes dans le domaine de
la prennit financire.

Il nexistait pas jusquici doutil concret de mesure du niveau de pauvret des clients dIMF.
Afin de promouvoir la transparence concernant le degr de porte des IMF, le CGAP a collabor
avec lIFPRI (Institut international de recherche sur les politiques alimentaires) pour concevoir et
tester un outil simple et conomique permettant de mesurer le niveau de pauvret des clients des
IMF par rapport celui des non-clients. Cet outil est complmentaire du Cadre dvaluation du
CGAP ; les bailleurs de fonds ne doivent pas utiliser loutil dvaluation de la pauvret sans
mener galement une valuation institutionnelle plus large.

Le concept de pauvret est complexe et fortement influenc par lenvironnement culturel et
socioconomique local. Lapproche dvaluation de la pauvret prsente dans ce manuel part
dune dfinition souple de la pauvret qui peut tre adapte aux perceptions et conditions de
pauvret locales.

Cet outil nest pas conu comme un moyen de cibler de nouveaux clients, ni dvaluer limpact
des services de microfinance sur le niveau de vie des clients. En revanche, il peut tre utile la
fois pour les bailleurs de fonds et les IMF pour valuer dans quelle mesure une stratgie
existante encourage des clients pauvres rejoindre le programme. Loutil value le niveau de
2
pauvret des clients de lIMF par rapport celui des non-clients dans la zone dopration de
lIMF. A laide de donnes disponibles ou de lavis dexperts, loutil permet aussi de comparer
les niveaux de pauvret locaux ceux mesurs plus largement aux niveaux rgional et national.

LIFPRI a mis au point une mthode dvaluation base sur des enqutes et la teste travers
des tudes de cas en utilisant des chantillons alatoires de mnages clients et non-clients dans
les zones dactivit des quatre IMF partenaires du CGAP. Non seulement ces institutions oprent
dans des contextes gographiques et socioconomiques sensiblement diffrents, mais elles se
distinguent aussi par leurs structures institutionnelles et leurs objectifs respectifs. Pour chaque
tude de cas, un chantillon de 500 mnages 200 mnages clients et 300 mnages non-clients
a t slectionn. Les rsultats obtenus dans le cadre de ces tudes ont permis damliorer le
produit final, un manuel oprationnel pratique. Ce manuel explique en dtail le processus
dvaluation du niveau de pauvret des clients et non-clients dIMF.
A qui sadresse ce guide ?
Les bailleurs de fonds sont les premiers destinataires de cet outil dvaluation de la pauvret,
mais ils en seront rarement les utilisateurs concrets. Bien que le manuel prsente aussi
simplement que possible les techniques ncessaires la conduite de lvaluation, celle-ci doit
idalement tre mene par une quipe de chercheurs professionnels familiers des mthodologies
denqute et de lanalyse statistique. Dans la quasi-totalit des pays, il existe des instituts de
recherche comptents et fiables qui ralisent couramment des tudes dun niveau de dtail
quivalent. En documentant toutes les tapes de la conception de ltude, de la collecte et de
lanalyse des donnes ainsi que de linterprtation et de la rdaction des rsultats, ce manuel
fournit un guide prcis et dtaill destin un chercheur expriment souhaitant mener une
valuation de la pauvret.

Les bailleurs de fonds souhaiteront parcourir le manuel pour se faire une ide des moyens et du
temps ncessaire, des cots associs lvaluation et du niveau dexpertise requis de la structure
charge de ltude (le chapitre 2 donne des conseils spcifiques pour contractualiser des
individus ou institutions chargs de la ralisation de ltude). Lvaluation doit tre ralise
indpendamment de lIMF dont les clients sont interrogs. Cependant, lIMF devra fournir un
certain nombre de supports dinformation prciss par le manuel. Les bailleurs de fonds
souhaiteront galement tudier les rsultats de lvaluation pour dterminer comment intgrer au
mieux une mesure quantitative du niveau de pauvret dautres mthodes dvaluation.

Loutil nest pas conu pour tre directement utilis par une IMF. Non seulement il parat peu
probable de trouver au sein du personnel dune IMF les comptences spcialises requises pour
mener ltude, mais le fait que lenqute soit directement ralise par les agents de lIMF
pourrait biaiser les rponses des mnages. Les rsultats de lvaluation intresseront en revanche
trs certainement lIMF qui pourra les utiliser ses propres fins. Cet outil dvaluation nest
cependant pas spcifiquement destin aider les IMF exploiter les rsultats de lvaluation
pour le dveloppement futur de leur programme. Toute dcision relative lexploitation des
rsultats de lvaluation est entirement laisse la discrtion de lIMF et du bailleur de fonds.

3
Loutil nest pas davantage un instrument permettant lIMF de cibler de nouveaux clients. Il
peut cependant complter utilement dautres outils de ciblage en apportant une estimation
objective et statistiquement rigoureuse de lefficacit des diffrentes mthodologies de ciblage.
Organisation du manuel
Le manuel est organis en cinq parties. La premire partie, Prsentation gnrale (chapitre 1),
dcrit la mthodologie de loutil dvaluation de la pauvret et le niveau de dtail requis pour
mener bien ltude. La deuxime partie, Planification et organisation de lvaluation (chapitre
2), fournit un guide aux bailleurs de fonds pour la contractualisation du projet avec un individu
ou une organisation qualifie.

La troisime partie, Collecte des donnes (chapitres 3 5), donne des conseils et des instructions
pour la collecte des donnes denqute. Le chapitre 3 guide les utilisateurs dans le
dveloppement dun cadre dchantillonnage et la ralisation pratique de lchantillonnage des
mnages. Le chapitre 4 explique comment adapter un questionnaire standard aux conditions
spcifiques locales dans lesquelles opre lIMF. Le chapitre 5 donne quelques principes pour
lorganisation et la formation de lquipe denquteurs.

La quatrime partie, Analyse des donnes (chapitres 6 9), sattache la gestion et lanalyse
des donnes au moyen du logiciel danalyse statistique SPSS. Le chapitre 6 explique aux
utilisateurs comment traiter les donnes une fois celles-ci collectes, notamment comment les
saisir, les structurer, les lier et les nettoyer. Le chapitre 7 rsume les techniques SPSS servant
prparer les donnes lanalyse. Le chapitre 8 donne un aperu des techniques danalyse de
donnes utilises pour dcrire les similarits et diffrences socioconomiques entre les mnages
enquts, et explique comment utiliser SPSS pour appliquer ces techniques. Le chapitre 9 offre
une vue densemble des procdures statistiques et de lanalyse en composantes principales
utilises pour crer lindice de pauvret, dcrivant chaque tape dans le dtail.

La partie 5, Interprtation des rsultats (chapitre 10), explique comment les bailleurs de fonds
peuvent interprter les rsultats de lanalyse des donnes pour formuler des conclusions. Les
bailleurs sont fortement encourags lire les chapitres 1, 2 et 10 en dtail et parcourir plus
rapidement les autres chapitres.
Paramtres de ltude et choix dune mthodologie fonde sur des indicateurs
Lobjectif premier de la recherche entreprise pour ce projet a directement influenc la mthode
dvaluation adopte : mettre au point un outil destin tre utilis par le CGAP et dautres
bailleurs de fonds pour valuer le niveau de pauvret des clients dIMF. Pour tre la fois
pratique et efficace, loutil devait runir plusieurs caractristiques. Dabord, la mthodologie
devait tre suffisamment simple pour rester oprationnelle. Ensuite, la mthodologie devait
permettre la comparaison entre diffrentes IMF et, si possible, entre diffrents pays. Enfin, loutil
ne devait pas tre coteux mettre en uvre et devait prendre un minimum de temps sans
sacrifier la crdibilit des rsultats.

4
La prise en compte de ces diffrents paramtres a men ladoption dune mthode fonde sur
des indicateurs. Cette mthode consiste (i) identifier une gamme dindicateurs refltant
fidlement les niveaux de pauvret, pour lesquels il est possible de collecter des informations
fiables rapidement et pour un cot raisonnable ; (ii) concevoir une mthodologie denqute qui
facilite la collecte des informations ncessaires auprs des mnages vivant dans la zone dactivit
de lIMF ; (iii) laborer un indice synthtique unique combinant les informations des diffrents
indicateurs et facilitant la comparaison des niveaux de pauvret entre les mnages clients et non-
clients.

Les approches fondes sur des analyses pointues des dpenses des mnages ont t cartes, non
seulement parce quelles taient trop coteuses et trop longues mettre en uvre, mais aussi
parce quelles ncessitaient des comptences pousses en analyse de donnes statistiques. Quant
aux techniques de recherche participative ou acclre, elles ont galement t limines,
principalement parce quelles ne permettaient pas de comparaison objective simple entre IMF.
Lannexe 1 reprend brivement les arguments de la discussion sur les diffrentes approches.
Etapes mthodologiques
Le dveloppement de cet outil dvaluation de la pauvret bas sur des indicateurs sest fait
suivant les tapes mthodologiques suivantes :
1. Analyse de la littrature existante et consultation dexperts sur lexistence et lutilisation
des indicateurs de pauvret dune manire gnrale
2. Slection des indicateurs sur la base de huit critres
3. Elaboration dun questionnaire gnrique destin tre test dans le cadre de quatre
tudes de cas
4. Adaptation du questionnaire pour prendre en compte les spcificits locales laide de
mthodes participatives
5. Test des indicateurs au moyen denqutes auprs des mnages
6. Analyse statistique des indicateurs
7. Passage en revue des indicateurs avec lIMF et les autres parties prenantes
8. Slection et synthse des indicateurs communs tous les pays
9. Elaboration dun indice de pauvret gnrique
10. Rvision et simplification du questionnaire gnrique

Les multiples dimensions de la pauvret et leurs implications
Du fait de la nature multidimensionnelle de la pauvret, se cantonner une dimension ou un
type dindicateur aurait t une erreur. En outre, les indicateurs servant cet outil dvaluation
de la pauvret devaient reflter les caractristiques communes de la pauvret et non en dcrire les
causes. Trois groupes dindicateurs ont t utiliss pour saisir les diffrentes dimensions de la
pauvret lors de llaboration du questionnaire gnrique (voir annexe 2 pour la liste dtaille).

5
Groupe dindicateurs 1. Ces indicateurs traduisent les facteurs dterminants de la production de
richesses. Ils refltent le potentiel de revenu des mnages et concernent le capital humain (taille
de la famille, ducation, mtier exerc, etc.), la proprit dactifs et le capital social du mnage.

Groupe dindicateurs 2. Ces indicateurs concernent la satisfaction des besoins lmentaires,
notamment ltat de sant et laccs aux services de sant, la nourriture, lhabitat et les
vtements.

Groupe dindicateurs 3. Ces indicateurs sont lis dautres aspects du niveau de vie, comme la
scurit, le statut social et lenvironnement.

Dans de nombreux cas, un indicateur unique nest pas mme suffisant pour dcrire une
dimension particulire de la pauvret. Par exemple, collecter des informations sur la dtention
dappareils de tlvision ne renseigne pas compltement sur laccs du mnage aux actifs dune
manire gnrale, et il devra tre complt par dautres indicateurs sur la dtention dappareils
mnagers et/ou dautres appareils lectroniques, comme une radio ou un ventilateur par exemple.
Dveloppement dun questionnaire gnrique
Slection de critres pour les indicateurs
Une liste exhaustive des indicateurs a dabord t dresse partir de la littrature existante. Un
sous-ensemble dindicateurs a ensuite t slectionn pour le questionnaire gnrique, sur la base
des critres suivants :
Statistiquement dterminant dans certains modles statistiques
valable au plan national (peut tre utilis dans diffrents contextes locaux, en zone
urbaine comme en zone rurale)
question peu sensible (peut tre pose de manire ouverte)
pratique (peut tre renseign aussi bien par observation que par une question)
de qualit leve (lindicateur permet doprer une distinction entre diffrents niveaux
de pauvret)
fiable (faible risque derreur ou de falsification ; peut tre vrifi)
simple (rponse directe et simple par opposition une donne calcule)
demandant peu de temps (peut tre rapidement renseign)
universel (peut tre utilis dans diffrents pays)

Une liste dindicateurs spcifiques tris en fonction des critres de slection ci-dessus se trouve
dans lannexe 2. Les types dindicateurs suivants ont t retenus pour figurer dans le
questionnaire destin aux quatre tudes de cas, suite une analyse approfondie :

caractristiques dmographiques du mnage et de ses membres (par ex. taille de la
famille, ge et nombre denfants)
qualit de lhabitat (par ex. murs, toit, accs leau)
6
possessions (par ex. type, nombre et valeurs des actifs dtenus)
capital humain (par ex. niveau dducation scolaire et activits des membres du
mnage)
scurit et vulnrabilit alimentaire (par ex. pisodes de malnutrition au cours des 30
derniers jours et des 12 derniers mois, type de nourriture consomme dans les deux
derniers jours)
dpenses dhabillement du mnage (indicateur de pauvret de rfrence)
Objectif du test de terrain
Le questionnaire a t test sur le terrain dans le cadre des quatre tudes de cas suivant trois
objectifs.

Objectif 1 : affiner la slection et/ou rduire le nombre dindicateurs inclure dans le
questionnaire final. Cet objectif a t atteint en (i) identifiant les indicateurs qui taient le plus
troitement lis aux niveaux de pauvret dans chaque tude de cas, (ii) en identifiant les
indicateurs qui pouvaient tre utiliss dans les quatre pays (cest--dire ceux qui taient
suffisamment solides pour reflter la situation des mnages dans divers contextes
socioconomiques et culturels), (iii) en identifiant les indicateurs capables de rendre compte des
spcificits locales et en valuant leur importance dans lvaluation globale, (iv) en rpertoriant
les problmes et points forts de loutil denqute et de la mthode danalyse, partir des tests
mens dans diffrents pays et diffrents environnements, et (v) en exerant un regard critique sur
la mthodologie par la communication des rsultats aux IMF et autres parties prenantes.
Objectif 2 : tester et standardiser la mthodologie utilise pour intgrer les diffrents indicateurs
dans un indice de pauvret global autorisant les comparaisons entre IMF et entre pays.

Objectif 3 : documenter toutes les procdures impliques dans la ralisation des objectifs 1 et 2
dans un manuel simple dutilisation pour faciliter les futures valuations indpendantes.
Indicateurs retenus pour le questionnaire
Le tableau 1.1 donne la liste des indicateurs inclus dans le questionnaire final recommand (voir
annexe 3). Leur slection a t faite en fonction de la facilit et de la prcision avec lesquelles
linformation ncessaire pouvait tre obtenue lors dune enqute type auprs dun mnage et en
fonction de leur corrlation avec lindicateur de pauvret de rfrence : montant des dpenses
vestimentaires par personne. Cet indicateur a t pris comme rfrence car il augmente
proportionnellement au niveau des dpenses de consommation totales, indicateur constituant lui-
mme une mesure assez complte du niveau de vie dun mnage.

Les indicateurs suivants ont t rejets :

Indicateurs recourant des informations spcifiques aux enfants. Tous les mnages
ne possdant pas denfants, la prise en compte dinformations relatives aux enfants
excluait certains mnages de lanalyse comparative.
7
Indicateurs du capital social. Il sagit dun domaine dinvestigation volutif et il na pas
t facile de trouver des indicateurs mesurables et comparables.
Rponses subjectives. Lauto-valuation de la pauvret par les mnages na pas t
juge conciliable avec ltablissement de comparaisons.
Informations relatives la sant. Collecter des informations relatives la sant exige
de recourir la mmoire des enquts sur des priodes plus longues et requiert une
formation plus intensive et plus spcialise des enquteurs. En labsence de formation
dispense par des spcialistes de la sant (ce qui revient cher), les rponses peuvent
savrer trs subjectives et trompeuses.

Le questionnaire standard contient un ensemble dindicateurs recommands qui peuvent tre
adapts aux conditions locales. Ladaptation requise dpendra des perceptions locales de la
pauvret et de la faon dont ces perceptions sont intgres au questionnaire. Dans chacune des
tudes de cas, des changements mineurs ont t apports au questionnaire standard pour sassurer
de son adquation au milieu local ; dans plusieurs cas, quelques indicateurs spcifiques
lenvironnement ont t rajouts.
8
Tableau 1.1 Indicateurs inclus dans le questionnaire final recommand
Ressources humaines Habitat Scurit alimentaire Actifs Autre
Age et sexe des
membres adultes
du mnage
Niveau dducation
des membres
adultes du mnage
Activit des membres
adultes du mnage
Nombre denfants de
moins de 15 ans
dans le mnage
Dpenses
vestimentaires
annuelles pour
lensemble du
mnage
Statut de proprit
Nombre de pices
Matriau du toit
Type de murs
externes
Type de sol
Etat apparent de
lhabitat
Type de connexion
lectrique
Type de combustible
utilis pour la
cuisine
Source deau potable
Type de latrines
Nombre de repas
servis au cours des
2 derniers jours
Frquence de
consommation
(hebdo.) de 3
produits de luxe
Frquence de
consommation
(hebdo.) dun
produit infrieur
Episodes de pnurie
alimentaire au
cours du dernier
mois
Episodes de pnurie
alimentaire au
cours des 12
derniers mois
Frquence dachat de
produits de base
Taille du stock de
produits de base
locaux dans la
maison

Superficie et valeurs
des terrains
possds
Nombre et valeur des
ressources en btail
Possession et valeur
de moyens de
transport ou biens
associs
Possession et valeur
dappareils
lectriques
Indicateur
urbain/rural
Evaluation par les
non-clients du
niveau de pauvret
des clients de
lIMF


Prsentation de la mthodologie
Le recours de multiples indicateurs permet une description plus complte de la pauvret, mais
il complique aussi la ralisation de comparaisons. Lensemble des indicateurs doit tre synthtis
de manire logique, limportant tant de combiner linformation de diffrents indicateurs au sein
dun indice unique. La cration dun tel indice implique de trouver une mthode de pondration
applicable lensemble des indicateurs de faon aboutir une conclusion globale logique. Les
tudes de cas ont eu recours la mthode de lanalyse en composantes principales pour
llaboration de cet indice.

Utilisation de lanalyse en composantes principales pour la cration de lindice de pauvret
Lanalyse en composantes principales (ACP) isole et mesure la composante de pauvret prsente
dans chacun des diffrents indicateurs de pauvret afin de parvenir un score ou indice de
pauvret spcifique au mnage. Des comparaisons du niveau relatif de pauvret sont ensuite
9
ralises entre les mnages clients et les mnages non-clients sur la base de cet indice. LACP
extrait les composantes sous-jacentes des informations fournies par les indicateurs. Dans cet outil
dvaluation de la pauvret, les informations collectes par le biais du questionnaire constituent
les indicateurs et la composante sous-jacente qui est isole et mesure est la pauvret .
1
Le
choix et la forme des indicateurs utiliss dans la mesure de la pauvret relative sont guids par
les exigences de la mthode dACP. Seuls les indicateurs capables de mesurer un changement
progressif du niveau de vie peuvent notamment tre retenus.

Dans lexemple de la figure 1.1, les caractristiques dmographiques et les caractristiques de
pauvret constituent les deux composantes sous-jacentes qui affectent le niveau de tous les
indicateurs. Etant donn que les indicateurs sont dtermins par ces deux mme composantes
sous-jacentes, ils doivent logiquement tre corrls entre eux. Lanalyse en composantes
principales utilise cette information (la corrlation de lvolution des indicateurs) pour isoler et
quantifier les composantes sous-jacentes communes. LACP est galement utilise pour calculer
une srie de pondrations dterminant la contribution relative de chaque indicateur la
composante globale de pauvret. A laide de ces pondrations, un indice de pauvret peut tre
calcul pour chaque mnage sur la base des valeurs des indicateurs correspondant ce mnage.

Figure 1.1 Indicateurs et composantes sous -jacentes















Pour les tudes de cas, les indicateurs ont t spcialement choisis pour leur corrlation avec la
pauvret. Ont notamment t retenus ceux dont la corrlation avec lindicateur de rfrence
dpenses en vtements par personne tait significative. Ainsi, la composante pauvret doit tre
responsable de la plupart de la variance des indicateurs et constitue la plus forte des

1
La technique dACP divise les informations contenues dans lensemble des indicateurs en plusieurs composantes
dotes des caractristiques suivantes :
1. Chaque composante est cre en tant quindice unique sur la base des valeurs de lensemble des
indicateurs. Cet indice se caractrise par une moyenne gale zro et un cart -type gal un.
2. La premire composante principale compte pour la plus grande part de la variabilit totale de lensemble
des indicateurs utiliss. La deuxime composante compte pour la plus grande part de variabilit non
attribue la premire composante, et ainsi de suite. Dans loutil dvaluation de la pauvret, la premire
composante principale est la composante pauvret.
3. Les diffrentes composantes ne sont pas corrles. Chacune reprsente un attribut sous-jacent unique.
Ressources
humaines
Habitat Actifs
Alimenta-
tion

Autres
indicateurs
Pauvret
Caractristiques
dmographiques
Composantes :
Indicateurs :
10
composantes. De plus, la composante pauvret est identifie sur la base de la valeur et de la
cohrence des signes des indicateurs qui composent lindice. Par exemple, le niveau dducation
doit contribuer positivement et non ngativement au niveau de richesse.

La figure 1.2 donne un exemple de la distribution de lindice de pauvret entre les mnages,
partir des donnes de lIMF B, lune des IMF ayant particip aux tests initiaux de loutil
dvaluation. Plus la valeur est importante, plus le mnage est comparativement ais.

Figure 1.2 Histogramme dun indice de pauvret standardis (IMF B)

Valeurs de lindice de pauvret standardis
Ecart-type = 1.00
Moy. = 0.00
N = 499.00

Utilisation de lindice de pauvret
Chaque valuation de la pauvret a port sur un chantillon alatoire de 300 mnages non-clients
et de 200 mnages clients. Pour tablir des comparaisons laide de lindice de pauvret,
lchantillon de non-clients est dabord tri par ordre croissant des rsultats obtenus. Une fois
tris, les mnages non-clients sont diviss en terciles sur la base de leur indice de pauvret : le
tiers suprieur des mnages non-clients forme le groupe suprieur, suivi du groupe moyen et
enfin du groupe infrieur . Etant donn quil y a 300 non-clients, chaque groupe comprend
100 mnages.

La valeur minimale et la valeur maximale de chaque tercile dfinissent les limites de chaque
groupe de pauvret. Les mnages clients sont ensuite classs dans ces trois mme groupes en
fonction de leur rsultat. La figure 1.3 montre comment les valeurs limites sont utilises pour
crer les terciles de pauvret des mnages non-clients. Les valeurs 0,70 et +0,21 ont t
calcules partir de lexemple (tude de cas) de la figure 1.2.
11
Figure 1.3 Cration des groupes de pauvret




























Si le profil de pauvret des mnages clients correspond celui des mnages non-clients, les
mnages clients seront galement rpartis entre les trois groupes de pauvret de la mme manire
que les mnages non-clients, soit 33 pour cent par groupe. Tout cart par rapport cette
rpartition signale une diffrence entre la population cliente et la population non-cliente. Par
exemple, si 60 pour cent des mnages clients se classent dans le premier tercile, autrement dit la
catgorie la plus pauvre, cela signifie que lIMF touche un nombre de clients trs pauvres
proportionnellement trs important par rapport leur part relative dans la population totale.
Pauvret relative et pauvret absolue
Lindice de pauvret fournit un outil permettant dvaluer la pauvret relative c'est--dire dans
quelle mesure tel mnage est plus ou moins pauvre que tel autre. Il ne donne pas en soi
dinformation sur le niveau absolu de pauvret, autrement dit le niveau de privation rel de la
catgorie la plus pauvre ou le niveau de confort de la catgorie la plus aise. Cependant, une
bonne approximation du niveau de pauvret absolu des clients et non-clients peut tre dduite en
notant et en comparant les valeurs des indicateurs individuels (voir chapitre 7). Une autre
valuation de la pauvret absolue peut tre dduite de la comparaison avec les indicateurs
Mnages clients dont le
score est suprieur 0,21
Mnages clients dont le score
se situe entre 0,70 et 0,21
Mnages clients dont le
score est infrieur
0,70
Infrieur Moyen Suprieur
Indice de pauvret
-2,51 -0,70 0,21 3,75

100 mnages
non-clients +
pauvres

100 mnages
non-clients
intermd.

100 mnages
non-clients -
pauvres
Valeurs limites
12
sociaux nationaux, comme le revenu rel par habitant ou lindice de dveloppement humain du
PNUD. Les rsultats de lanalyse de lindice de pauvret peuvent ensuite tre combins aux
indicateurs rgionaux et nationaux pour en tirer des dductions dfinitives, comme illustr dans
la section suivante et dcrit en dtail dans le chapitre 10.
Interprtation des rsultats
Le rsultat dune valuation du niveau de pauvret de la clientle dune IMF peut paratre
menaant pour lIMF, en particulier si celui-ci est susceptible de rduire lattractivit de
linstitution vis--vis des bailleurs de fonds. Linterprtation des rsultats de lvaluation
implique de replacer les rsultats quantitatifs dans le contexte institutionnel et lenvironnement
particuliers de chaque IMF.

Toutes les IMF ne centrent pas leur mission et leurs stratgies sur la porte de leurs services
auprs des pauvres. Certaines font face des contraintes gographiques, politiques ou dautres
contraintes externes qui limitent leur capacit toucher des clients pauvres. Le stade de
dveloppement institutionnel de lIMF, ainsi que les conditions imposes par des tiers, peuvent
galement influer sur sa capacit cibler les pauvres. Enfin, une IMF peut tre amene
modifier ses pratiques ou appuyer diffrents types de programmes qui ne mettent pas tous
laccent de la mme faon sur le ciblage des pauvres. Autant daspects quil faut bien prendre en
considration lorsque lon analyse les performances dune IMF en matire de porte auprs des
pauvres.
Rsultats tirs des tudes de cas tests
La meilleure faon de synthtiser les rsultats quantitatifs de lvaluation consiste examiner la
proportion des mnages clients dans chacun des trois groupes de pauvret. Les rsultats des
quatre tudes de cas utilises pour tester la mthodologie en 1999 sont rsums ci-dessous.

IMF A. La figure 1.4 prsente la rpartition des mnages clients et non-clients dans les trois
groupes de pauvret. La rpartition des clients de lIMF A suit troitement la rpartition des non-
clients, ce qui indique que lIMF A sert une clientle assez similaire la population gnrale de
sa zone dactivit. Ce rsultat est cohrent la fois avec les objectifs annoncs de lIMF A,
savoir servir les micro, petites et moyennes entreprises, et avec la diversit des produits
financiers offerts par lIMF.

13
Figure 1.4 IMF A : Rpartition des mnages clients
et non-clients dans les groupes de pauvret



IMF B. La figure 1.5 montre que les mnages les plus pauvres sont sous-reprsents parmi les
clients de lIMF B. Cependant, environ la moiti de ses clients se trouve dans les deux catgories
les plus pauvres. Ce rsultat est notable si lon considre que la mission de linstitution nest pas
exclusivement centre sur la pauvret (elle cherche toucher des femmes en activit), et si lon
tient compte de lobjectif de son produit (financer les entreprises aprs soumission dun plan de
dveloppement) et de labsence de ciblage manifeste.


Figure 1.5 IMF B : Rpartition des mnages clients et non-clients
dans les groupes de pauvret

Groupe
pauvret
relative
% mnages
clients
% mnages
non-clients

Infrieur


31

33

Moyen 38 33

Suprieur

31 33
Groupe
pauvret
relative
% mnages
clients
% mnages
non-clients

Infrieur


16

33

Moyen

33 33

Suprieur 51 33
0
10
20
30
40
50
60
Infrieur Moyen Suprieur
Groupes de pauvret
P
o
u
r

c
e
n
t
Clients de l'IMF
Non-clients
Statut
0
10
20
30
40
50
60
Infrieur Moyen Suprieur
Groupes de pauvret
P
o
u
r

c
e
n
t
Clients de l'IMF
Non-clients
Statut
14
IMF C. Environ la moiti des clients de lIMF C se situent dans le groupe de pauvret
suprieur, alors quils sont sous-reprsents dans le groupe infrieur (figure 1.6). Ce rsultat
traduit le fait que ladhsion lIMF C implique lachat de parts sociales et est ouverte tous.
Cependant, la porte en terme de pauvret est beaucoup plus leve lorsque lon considre
uniquement les clients appartenant au nouveau programme pour les femmes. Quasiment la
moiti (45,2 pour cent) des clientes de ce programme appartiennent au groupe infrieur, tandis
que 19 pour cent seulement se situent dans la catgorie suprieure.

Figure 1.6 IMF C : Rpartition des mnages clients et non-clients
dans les groupes de pauvret
IMF D. La figure 1.7 indique assez clairement que les segments les plus pauvres sont sur-
reprsents et les segments les moins pauvres sous-reprsents parmi les clients de lIMF D. Non
seulement ce rsultat est cohrent avec lobjectif explicite de lIMF D servir les mnages les
plus pauvres de sa zone dactivit mais il traduit aussi le succs indniable de sa stratgie de
ciblage.


Figure 1.7 IMF D : Rpartition des mnages clients et non-clients
dans les groupes de pauvret




% mnage clients

Groupe
pauvret
relative

Clients
classiques
Programme
pour les
femmes
% mnages
non-clients

I nfrieur


20

45

33
Moyen

29 36 33
Suprieur

51 19 33
Groupe
pauvret
relative
% mnages
clients
% mnages
non-clients

Infrieur


58

33
Moyen

38.5

33
Suprieur

3.5 33
0
10
20
30
40
50
60
70
M
o
y
e
n
Groupes de pauvret
P
o
u
r

c
e
n
t
Clients d'IMF
Non-clients
Statut
0
10
20
30
40
50
60
M
o
y
e
n
Groupes de pauvret
P
o
u
r

c
e
n
t
Clients de l'IMF
Non-clients
Statut
15
Rsultats comparatifs globaux
Pour tre complte, lvaluation dune IMF doit analyser dans quelle mesure ses performances
en terme de porte auprs des pauvres correspondent sa mission et aux objectifs de son
programme. Comme le montrent les tudes de cas, les IMF diffrent par leur contexte
gographique, leur mission, le type de segment vis, leur type de culture institutionnelle, pour ne
citer que ces quelques facteurs. Si lon ne prend pas en compte ces considrations ou si les
informations institutionnelles sont insuffisantes, lanalyse sera incomplte, ce qui signifie que la
mthodologie dvaluation de la pauvret peut tre facilement utilise mauvais escient. Le
chapitre 10 donne des conseils sur la faon de prsenter les rsultats en contexte.

Une mthode permettant dtablir des comparaisons des rsultats quantitatifs entre IMF et entre
diffrents pays est prsente ci-dessous. Le tableau 1.2 prsente trois mesures facilitant les
comparaisons entre les IMF. La mesure 1 correspond au pourcentage de mnages clients
appartenant au tercile infrieur du classement. Elle indique dans quelle mesure les mnages les
plus pauvres sont reprsents dans la population cliente.

Une mesure similaire, la mesure 2, dtermine le pourcentage de mnages clients appartenant au
groupe suprieur. Cette mesure indique dans quelle mesure les mnages les moins pauvres sont
reprsents au sein de la population cliente. Un ratio suprieur 33 indique que,
comparativement la population non-cliente, une proportion plus importante de mnages clients
se situe dans la catgorie suprieure.

Combines, ces deux mesures renseignent de manire transparente sur le niveau de pauvret
gnral de la zone dactivit de lIMF et indiquent dans quelle mesure linstitution touche les
plus pauvres de cette zone. La mthodologie laisse au lecteur la responsabilit de tirer les
conclusions finales.

Si les mesures 1 et 2 permettent des comparaisons de la pauvret relative dans la zone dactivit
de lIMF, elles doivent tre assorties dinformations locales et rgionales mettant en corrlation
le niveau de pauvret gnral de la zone avec celui de la province ou du pays. Lorsquelles sont
disponibles et de bonne qualit, les donnes secondaires peuvent tre un bon moyen destimer les
niveaux de pauvret absolus dans la zone oprationnelle. Lorsquelles ne sont pas disponibles,
une alternative consiste faire appel un panel dexperts pour dvelopper une mesure
comparative entre le niveau de pauvret de la zone dactivit de lIMF et le niveau de pauvret
national. Ces mthodes sont dtailles dans le chapitre 10.

Enfin, les donnes nationales relatives lindice de dveloppement humain calcul par le PNUD
peuvent permettre la comparaison des niveaux de pauvret dun pays lautre.

Tous les pays dans lesquels oprent les IMF des tudes de cas se situent en-dessous de la
moyenne de lIDH pour les pays en dveloppement (voir tableau 1.2). Par exemple, lindice de
dveloppement humain du pays dans lequel se situe lIMF B atteint seulement 75 pour cent de
lIDH moyen des pays en dveloppement. Cest pourquoi mme les clients de lIMF B
considrs comme les moins pauvres ont toutes les chances dtre trs pauvres selon les normes
internationales.

16
Tableau 1.2 Niveau de pauvret relative des clients par rapport aux non-clients dans les quatre
IMF tudies
Pourcentage/ Ratio IMF A IMF B IMF C IMF D
Pourcentage des mnages clients aussi
pauvres que le tiers le plus pauvre de
la population non-cliente
30,9% 20,3% 16% 58%

Pourcentage des mnages clients aussi
aiss que le tiers le moins pauvre de la
population non-cliente
31,4% 50,8% 51% 3,5%

Niveau de la zone dactivit de lIMF
compar au niveau national -- --
Lgrement
> moyenne

--


Valeur de lIDH* 0,631 0,483 0,508 0,563

IDH moyen des pays en dveloppement :
0,642


Ratio IDH national / IDH des pays en
dveloppement
0,98 0,75 0,79 0,88
* Source : Toutes les valeurs de lIDH cites sont celles de 1998 (voir annexe 4).
Rsum
Comme le dcriront en dtail les chapitres suivants, les diffrents stades de dveloppement de
lindice de pauvret et dutilisation de lindice pour lvaluation du niveau de pauvret relative
des clients dIMF sont les suivantes :

Etape 1 : A laide de mthodes dchantillonnage alatoires, slection dun chantillon
reprsentatif des populations de clients et de non-clients de lIMF
Etape 2 : Elaboration dun questionnaire formalis par ladaptation dun modle
standard aux conditions locales
Etape 3 : Prparation approfondie de la mise en uvre de ltude visant minimiser le
risque derreur
Etape 4 : Application de techniques standard pour la gestion et lanalyse des donnes
garantissant la cohrence et la pertinence de lutilisation et linterprtation des
donnes
Etape 5 : Interprtation des rsultats quantitatifs laide de mesures standard permettant
la comparaison entre les pays et entre les programmes
Etape 6 : Evaluation des rsultats dans le cadre dune analyse plus qualitative de lIMF












PARTIE II

PLANIFICATION ET ORGANISATION
DE LEVALUATION

16
CHAPITRE 2

PLANIFIER ET ORGANISER
LEVALUATION


Conseils pour la contractualisation
Une bonne valuation du degr de porte dune IMF doit reposer sur une solide connaissance des
caractristiques de la pauvret dans la zone concerne, ainsi que des ventuels indicateurs
permettant dapprhender les aspects qualitatifs et quantitatifs de la pauvret. Une telle
valuation ncessite galement une quipe dexperts en sciences sociales pour llaboration du
cadre dchantillonnage, la mise en uvre des enqutes auprs des mnages, lanalyse des
donnes statistiques et la prsentation professionnelle des rsultats.

La slection de chercheurs qualifis locaux est essentielle pour le succs de lvaluation du
niveau de pauvret. Idalement, ceux-ci devront avoir au moins plusieurs annes dexprience
dans la ralisation denqutes statistiques socioconomiques auprs des mnages dans la zone
dactivit de lIMF et dans la supervision de la saisie, du nettoyage des donnes et de la
tabulation. Ils devront galement tre familiers des mthodes dlaboration de dfinitions locales
de la pauvret partir de techniques qualitatives. En outre, ils devront avoir leur actif plusieurs
projets de recherche accomplis dans les dlais et le budget impartis.

Les chercheurs pourront avoir fournir la preuve de leur exprience de lanalyse de donnes
des fins de publication. Enfin les chercheurs, ainsi que les institutions pour lesquelles ils
travaillent, doivent tre bien accepts dans les zones denqute et ne pas tre soumis des
conflits dintrts dus leur appartenance politique, ethnique ou religieuse. Les chercheurs
doivent se prparer travailler indpendamment de toute personne ayant un intrt biaiser les
rsultats de lvaluation.

La slection dun chercheur local, quil sagisse dun individu ou dune institution, doit soprer
en fonction de lexprience, de la disponibilit et du tarif de lintervenant principal ; sa
participation doit faire lobjet dune contractualisation dans le cadre du projet.

Le contrat entre le bailleur de fonds et le chercheur local fixe les termes de laccord, les
responsabilits des parties contractantes, les responsabilits du chercheur et de lquipe terrain,
ltendue du travail, le paiement, les rapports et le calendrier des chances, les droits de
proprit et les cas de litige ou de rsiliation du contrat. Chacune des deux parties doit tre
familire des procdures et contraintes institutionnelles de lautre partie.


17
Lorsquils font part des procdures de versement des fonds, les bailleurs doivent sefforcer de
communiquer tous les dtails relatifs aux formulaires, contacts ou conditions de facturation. Ils
doivent galement sinformer sur la faon dont les fonds sont transfrs localement et dterminer
le temps ncessaire linstitution contractante pour ces procdures. Trop doprations de terrain
sont inutilement retardes du simple fait que les bailleurs de fonds nont pas pris en compte le
dlai ncessaire lacheminement des fonds jusquaux institutions locales, ou ont suppos que
les institutions locales seraient en mesure davancer le montant des dpenses sur leurs fonds
propres.

Encadr 2.1 Check-list lintention des bailleurs
Slection des institutions ou chercheurs locaux
Le chercheur dispose-t-il de lexprience requise dans le domaine de lanalyse de la pauvret dans la zone
dtude ?
Le chercheur dispose-t-il dune exprience vrifiable en matire dencadrement des tudes de terrain ?
Le chercheur dispose-t-il de comptences vrifiables en statistiques ; est-il familier de lutilisation de
SPSS ?
Le chercheur peut-il fournir des exemples de missions accomplies dans le temps et le budget imparti ?
Lquipe de terrain travaillant avec le chercheur dispose-t-elle dune exprience vrifiable dans la
ralisation dtudes quantitatives menes bien dans les limites du budget imparti ?
Le chercheur et lquipe de terrain ont-ils lhabitude de travailler ensemble en grant au mieux les cots ?
Existe-t-il des conflits dintrts religieux, techniques ou politiques entre le chercheur ou lquipe de
terrain et lIMF ou les habitants des zones concernes par ltude ?
Questions contractuelles
Le niveau des engagements du chercheur est-il explicitement spcifi dans le contrat ?
Chaque partie connat-elle les pratiques et les contraintes institutionnelles de lautre partie contractante ?
Le budget a-t-il t modifi pour tenir compte des cots et des taux de rmunration locaux ?
Le contrat spcifie-t-il comment soprent le suivi de lavancement de ltude et le dcaissement des
fonds ?
Les produits attendus sont-ils bien spcifis dans le contrat ? Le budget et le dlai prvus cet gard sont-
ils raisonnables ?
Responsabilits du chercheur
La conception de ltude, lanalyse des donnes et la prparation du rapport final prendront
environ quatre six semaines de travail un chercheur form et expriment travaillant partir
dun ensemble de donnes lectroniques nettoyes. Le cot rel de cette partie de ltude
dpendra des honoraires du chercheur, mais dans la plupart des cas sera comprise entre 2 000 et
4 000 USD.
1
Ce travail consiste dans les tches suivantes :

Adaptation et test du questionnaire en collaboration avec lquipe de terrain
Estimation de lindice de pauvret et calcul des mesures de pauvret au niveau
rgional et national en suivant la mthodologie prsente dans ce manuel, et
prparation de toutes les tables statistiques

1
Toutes les estimations fournies dans ce manuel sont bases sur la valeur du dollar de 1999.
18
Evaluation qualitative et quantitative des niveaux de pauvret dans les zones de
ltude par rapport aux moyennes nationales
Runion avec le personnel de lIMF pour prsenter les rsultats et obtenir un
feedback sur les modifications ventuelles apporter
Prparation du rapport final
Echelonner les versements
Les versements octroys au chercheur local peuvent chelonns pour suivre les diffrentes tapes
de ralisation du travail, comme suggr ci-dessous.

Versement de la premire tranche au chercheur. Ce montant correspond approximativement
au tiers du budget oprationnel de ltude et permet de mener bien les tapes suivantes :

1. Le chercheur compile les diffrentes informations et donnes pour tablir un cadre
dchantillonnage en vue de la slection des agences de lIMF, identifie les experts et
runit les donnes requises lvaluation des niveaux de pauvret rgionaux ; cette
phase sachve la fin du premier mois.

2. Le chercheur cerne les dfinitions locales de la pauvret, adapte le questionnaire
standard aux conditions locales et, si ncessaire, identifie jusqu cinq indicateurs
locaux supplmentaires.

3. Lors de la runion des parties contractantes programme au cours du mois 1, le
chercheur finalise le questionnaire, forme les enquteurs et slectionne de manire
alatoire les zones dtude. Un accord est trouv sur la faon de slectionner de
manire alatoire les clients et les non-clients.

Versement de la deuxime tranche. Ce montant reprsente les deux-tiers restant du budget
oprationnel de ltude et permet de mener bien les tapes suivantes :

4. Lquipe de terrain ralise les enqutes la fin du mois 2.

5. Pendant la collecte des donnes, le chercheur procde des entretiens avec les experts
identifis ou analyse les donnes secondaires sur la pauvret pour comparer les
niveaux de pauvret gnraux de la zone tudie au niveau national. Il calcule ensuite
une mesure rgionale de la pauvret.

6. Le chercheur finalise les donnes nettoyes au dbut du mois 3 et les livre lautre
partie contractante.

7. Le chercheur analyse les donnes et labore un indice de pauvret composite avant la
fin du mois 3.

19
8. Avant la fin du mois 4, le chercheur rdige un rapport prliminaire contenant les
donnes et lindice mentionns ltape 7 ainsi que les mesures comparatives des
niveaux de pauvret rgional et national.

9. Le chercheur organise un sminaire au cours duquel sont prsents la mthodologie et
les rsultats de lvaluation de la pauvret et diffuse le rapport prliminaire.

10. Le chercheur soumet le rapport final lautre partie contractante la fin du mois 4.

Paiement final. Le versement final correspondant au paiement des honoraires du chercheur et
des frais gnraux se fait sous condition de remise et dacceptation du rapport.
Dterminer le temps ncessaire ltude
La priode de mise en uvre correspond au laps de temps compris entre le moment o se dcide
lvaluation et la communication des rsultats finaux. Il est important dtablir ds le dpart un
calendrier clair dtaillant les tapes de ralisation de ltude. Le temps ncessaire ainsi que
lventuel chevauchement des activits doivent tre soigneusement estims ; les chercheurs
doivent prendre garde de ne pas oprer de raccourcis pour gagner du temps. Les activits menes
sur le terrain doivent tre planifies en tenant compte des priodes de congs ou ftes religieuses,
ainsi que des priodes de mauvais temps ou de travail important.
20
Figure 2.1 Rpartition du temps par phase dactivit
Phase une (2-3 semaines)
Identifier les sources de donnes rgionales
et nationales sur la pauvret
Dvelopper des dfinitions locales de la pauvret
Adapter le questionnaire aux conditions locales
Slectionner et embaucher des enquteurs
Former les enquteurs
Conduire des entretiens tests
Evaluer les rsultats
Phase deux (4-6 semaines)
Finaliser et copier le questionnaire
Prparer les fournitures pour le terrain
Raliser les 500 entretiens
Saisir et nettoyer les donnes
Analyser les donnes rgionales sur la pauvret
et conduire les entretiens avec les experts
Phase trois (4-6 semaines)
Analyser les donnes
Interprter les rsultats
Comparer les niveaux de pauvret rgionaux
Rdiger un rapport prliminaire
Prsenter les rsultats lIMF
Finaliser le rapport daprs les remarques de
lIMF

La figure 2.1 fournit une liste des activits et des dlais prvoir lors dune valuation de la
pauvret de la clientle dune IMF. Les estimations des dlais sont bases sur les dlais rels
expriments lors du test de loutil dans le cadre des quatre tudes de cas. Une valuation doit
pouvoir tre ralise en quatre mois environ, hors retards lis aux congs, conditions climatiques
ou autres. Les contractants peuvent avoir besoin dun peu plus de temps en fonction de la saison
et des circonstances particulires de ltude.

Gnralement, les activits de terrain correspondent la phase la plus coteuse de lvaluation.
Une bonne planification et une bonne gestion du temps peuvent contribuer de manire
significative maintenir les cots aussi bas que possible. La qualit de la mise en uvre des
enqutes de terrain est par ailleurs essentielle au succs de ltude. La qualit des enqutes de
terrain repose sur cinq aspects dterminants : calendrier, budget, personnel, appui logistique et
mesure des performances.
Phase deux
Semaines 4-9
Phase une
Semaines 1-3
Phase trois
Sem. 10-15
21
Rpartition du budget de lvaluation
Lestimation du budget ncessaire ltude de terrain requiert une analyse approfondie de la
mthode de mise en oeuvre. La rpartition du budget suit de prs le calendrier des activits,
comme le montre la figure 2.2.



Figure 2.2 Etablissement du budget en fonction du calendrier








Ltablissement du budget et le contrle des cots ncessitent une rpartition dtaille des
principales catgories de cots correspondant aux activits spcifiques de ltude. Les principales
catgories de dpenses relatives ltude de terrain seront : salaires et per diem du personnel,
transport, carburant et cots associs, et reproduction des questionnaires. A celles-ci peuvent
sajouter la location de bureaux ou de matriel informatique et les frais de communication
(tlphone et autres). Le personnel de ltude doit examiner rgulirement le budget pour
sassurer que les estimations de cots ne sont pas dpasses au fur et mesure de lavancement
de ltude. Il est ncessaire de prvoir un petit fonds durgence pour couvrir les dpenses
imprvues.

Le cot rel de mise en oeuvre de ltude de terrain dpendra du pays ou de la rgion o elle est
mene et des honoraires du chercheur ou de linstitution contractante. Dans le cas des quatre IMF
testes, ces cots se sont chelonns entre 4 000 USD et 16 000 USD. Un montant additionnel
est vers au chercheur pour lanalyse des donnes et la prparation du rapport, qui atteint en
moyenne 2 000 4 000 USD. On estime gnralement 10 000 USD le cot minimum associ
ltude de terrain et lanalyse des donnes, celui-ci approchant 15 000 USD lorsque les frais de
transport et les taux de rmunration locaux sont relativement levs. Les tableaux 2.1A et 2.1B
prsentent respectivement un exemple de calcul de budget et un budget rsum concernant
lvaluation de la pauvret de la clientle dune IMF oprant en zone rurale.
Personnel, logistique et performances
Un personnel qualifi bien form et motiv est souvent dterminant pour le succs des activits
de terrain. La responsabilit gnrale de la planification et de la mise en uvre de ltude de
terrain est assume par un chef de projet. Lors de la phase initiale, il doit vrifier que tous les
membres du personnel de terrain suivent le cadre dchantillonnage, procdent correctement la
slection alatoire des clients et appliquent la technique du parcours alatoire lorsque cest
ncessaire. Il doit galement superviser lavancement de ltude et vrifier que les enquteurs et
les superviseurs suivent fidlement le questionnaire au cours des entretiens et remplissent
Etablir le calendrier
des activits de terrain
dans les limites du
budget global
Elaborer un budget
dtaill estimatif sur
la base du calendrier
des activits
Ajuster le budget en
fonction des change-
ments des activits ;
ajuster les activits en
fonction des chan-
gements de budget
22
correctement les formulaires de manire exhaustive. Le chef de projet doit galement vrifier que
lquipe respecte le calendrier et le budget fixs au fur et mesure de lavancement de ltude.

Tableau 2.1A Exemple de calcul de budget - valuation du niveau de pauvret en zone rurale
Plan de travail et personnel ncessaire
Elment Nombre
500
6
84
5
Taille de lchantillon (nombre de mnages)
Enquteurs
Mnages interrogs par enquteur
Mnages interrogs par enquteur par jour (estimation)
Jours de terrain par enquteur (y compris identification du site et prtest) 22


Charges de personnel
Nb de
personnes
Per diem
(USD)
Salaire jour-
nalier (USD)

Nb de jours
Total
(USD)
Formation et prtest
Chef de projet 1 x (12 + 16) x 4 = 112
Superviseurs de terrain 2 x (10 + 10) x 4 = 160
Enquteurs 6 x (10 + 8) x 4 = 384
Chauffeurs 2 x (8 + 6) x 4 = 112
Sous-total : 768

Collecte des donnes
Chef de projet 1 x (12 + 16) x 5 = 140
Superviseurs de terrain 2 x (10 + 10) x 18 = 720
Enquteurs 6 x (10 + 8) x 18 = 384
Chauffeurs 2 x (8 + 6) x 18 = 112
Sous-total : 4 076

Gestion des donnes
Cadre dchantillonnage, prparation, saisie et nettoyage des donnes 228

Total charges de
personnel
4 304

Frais de transport
Transport dans 5 districts 2 250

Note : Les estimations se fondent sur la valeur du dollar en 1999.

Tableau 2.1B Exemple de budget rsum pour lvaluation du niveau de pauvret en zone
rurale
Budget total Montant (USD)
Charges de personnel (du tableau 2.1A) 4 304
Frais de transport (du tableau 2.1A) 2 250
Autres
Photocopies et fournitures 500
Location bureau et matriel 600
Analyse des donnes & prparation du rapport 3 000
Sous-total : 10 654

Frais gnraux (10% du sous-total) 1065

Total des cots : 11 619
Note : Les estimations se fondent sur la valeur du dollar en 1999.
23

Le chef de projet peut galement tre le chercheur principal ou peut travailler avec le ou les
chercheur(s) la coordination de ltude de terrain. Idalement, le chef de projet doit avoir de
lexprience en coordination dtude et un bon historique en matire de gestion des ressources et
du personnel.

Outre le chef de projet, ltude ncessite au moins six huit enquteurs et un superviseur de
terrain (si une seule quipe denquteurs est prvue pour le travail sur le terrain) ou deux
superviseurs (si les enquteurs forment deux quipes). Idalement, les superviseurs doivent avoir
trois ou quatre enquteurs sous leur responsabilit. Lencadr 2.2 prsente un exemple dquipe
de terrain et de calendrier.

Encadr 2.2 Etude de cas Kenya : mise en oeuvre de ltude de terrain
Pour ltude ralise au Kenya, le personnel de terrain tait compos dun chef de projet, de deux
superviseurs de terrain, de six enquteurs et de deux chauffeurs. Le personnel de terrain a t rparti en
deux quipes. Chaque quipe a travaill sur un site dtude diffrent. En rpartissant les responsabilits,
lquipe a eu besoin dune journe pour se rendre sur les sites, trouver un moyen dhbergement, raliser
la slection alatoire des nouveaux clients du site, localiser les lieux dhabitation des clients de
lchantillon pour planifier les entretiens, et prparer lchantillonnage par parcours alatoire des mnages
non-clients.
Une fois installs, les enquteurs ont ralis en moyenne six ou sept enqutes mnages par jour. Lobjectif
tait de parvenir une moyenne de cinq entretiens par jour en comptant le jour de prparation. Faire plus
ntait pas possible et le but tait de bien sorganiser pour ne pas faire moins. Le travail des deux quipes
sur le terrain a ncessit au total 22 jours, les enquteurs travaillant le samedi mais pas le dimanche et
vitant les entretiens la nuit.
Paralllement au travail des quipes sur le terrain, plusieurs spcialistes de la saisie de donnes ont
commenc entrer les donnes ds que les entretiens des deux premiers sites ont t raliss. Ainsi, la
saisie des donnes tait acheve une semaine aprs la fin du travail sur le terrain. Ce court laps de temps a
permis aux enquteurs daider au nettoyage des donnes.

Les superviseurs de terrain ont pour responsabilit de coordonner les activits quotidiennes des
enquteurs, notamment de grer les dplacements dun entretien un autre et le transport entre
les diffrents sites dtude. Les superviseurs sont galement chargs de sassurer que les
questionnaires sont correctement remplis, sans oubli, et que les informations quils contiennent
sont justes avant de quitter chaque zone dtude. Ils vrifient quotidiennement le travail de
chaque enquteur pour minimiser le nombre derreurs et de donnes manquantes. Enfin, ils
doivent effectuer quelques contrles alatoires en se rendant chez certains mnages enquts
pour vrifier la validit des informations reportes sur les questionnaires en ritrant
partiellement lentretien en labsence de lenquteur.

Les superviseurs de terrain doivent rgulirement informer le chef de projet de lavancement de
ltude, des dpenses engages et de toute irrgularit ventuelle survenue sur le terrain. Les
superviseurs doivent avoir une exprience antrieure de la ralisation denqutes quantitatives ;
un bon superviseur doit possder de bonnes qualits de management et faire preuve de
suffisamment dautorit par rapport aux enquteurs pour garantir la qualit des donnes
collectes.
24

Il est galement souhaitable que les enquteurs aient une premire exprience des enqutes de
terrain, mais le plus important est quils soient dots de trs bonnes facults de communication et
quils soient capables de mener les entretiens de manire confiante et dtendue tout en restant
logiques dans lenchanement de leurs ides. Tous les enquteurs devront suivre une formation
consistant notamment passer le questionnaire soigneusement en revue pour en comprendre le
sens et les objectifs et sentraner poser les questions dans la langue locale.

Dans de nombreux cas, le personnel ayant men bien les activits de terrain sera le mme que
celui qui participera lanalyse des donnes. Dans certains cas, les superviseurs de terrain ont
galement tenu le rle dassistants chercheurs et les enquteurs ont saisi et nettoy les donnes.
Dans ces cas- l, les personnes concernes avaient toutes dj lexprience de ces tches.

Les mthodes de formation sont prsentes plus en dtail dans le chapitre 5. Le chef de projet,
les superviseurs et les enquteurs doivent tous participer la formation de faon dvelopper
une comprhension commune de lutilisation du questionnaire.

La qualit de mise en uvre des enqutes de terrain tient aussi beaucoup la bonne planification
du support logistique (coordination des transports, communications, fournitures et plans
durgence en cas dinterruptions). Le support logistique doit tre soigneusement planifi toutes
les tapes de ltude, particulirement lorsque les activits se droulent dans des zones recules
disposant dinfrastructures limites. Les vhicules doivent tre suffisamment spacieux pour
transporter lquipe de terrain et le matriel, et suffisamment rsistants pour supporter les
mauvaises conditions de circulation dans les zones dtude. Lestimation du temps ncessaire
pour se rendre dun site lautre doit se fonder sur un examen soigneux des distances et des
conditions de circulation.

Les modes de communication et plans durgence doivent aussi tre dfinis pralablement. Les
conditions daccs aux stations dessence, la nourriture et lhbergement doivent galement
tre identifies. Enfin, les personnes charges de la logistique doivent prendre en compte les
coutumes locales et le contexte politique pour viter un accueil rserv ou un dpart prcipit.

Dans le cadre de la mise en uvre de ltude de terrain, les mesures de la performance offrent un
moyen de contrler la ralisation des activits et de sassurer que les objectifs sont effectivement
atteints. Ces mesures doivent tre bien penses et bien dfinies de faon ce quelles ne soient
pas mal interprtes ou quelles ninduisent pas de comportements non souhaits. La mesure la
plus courante est le nombre dentretiens complets raliss par jour. Le temps ncessaire
lentretien lui- mme est estim 20 minutes. Cependant, localiser le mnage, procder aux
prsentations et prendre le temps de partir de manire respectueuse peut facilement doubler le
temps ncessaire. Lobjectif moyen recherch est de cinq entretiens par jour par enquteur, mais
il peut tre ajust en fonction des conditions spcifiques de ltude. Faire davantage par jour
risquerait de compromettre la qualit des entretiens ; faire moins conduirait augmenter les
cots. Le contrle des cots peut galement constituer une mesure efficace de la performance.











PARTIE III

COLLECTE DES DONNEES
24
CHAPITRE 3

ELABORER LE PROCESSUS DECHANTILLONNAGE



Loutil dvaluation de la pauvret repose sur une comparaison des niveaux relatifs de pauvret
des nouveaux mnages clients de lIMF et des mnages non-clients. Loutil compare les
nouveaux clients aux non-clients uniquement dans les zones dactivit de lIMF. A un stade
ultrieur, cette comparaison est tendue de manire mettre en regard les niveaux de pauvret
gnraux de la zone dactivit de lIMF et ceux de la rgion ou du pays dans son ensemble (voir
chapitre 10). Pour que ces comparaisons soient valables, il est essentiel que le chercheur suive un
processus dchantillonnage bien structur et documente prcisment les zones concernes par
ltude, en se fondant sur les dlimitations gographiques locales officielles.
Ce chapitre guide lutilisateur dans la slection dun groupe reprsentatif de nouveaux mnages
clients et de mnages non-clients dans la zone dactivit de lIMF. La technique de
lchantillonnage alatoire garantit que les mnages slectionns sont reprsentatifs de la
population totale des nouveaux clients de linstitution et de la population de mnages non-clients
vivant dans la zone dactivit de lIMF.
Avant de procder la conception de la mthode dchantillonnage, lquipe de recherche doit
dabord cartographier la structure organisationnelle de lIMF de faon dterminer les
dcoupages gographiques et organisationnels existants dans sa zone dactivit. La figure 3.1
montre les niveaux courants dorganisation gographique du personnel des IMF.
Figure 3.1 Modle courant de rpartition gographique des units des IMF











Sige
Agences ou bureaux rgionaux
(Nombre dantennes et de clients dans
chacun)
Agents de terrain
(Nombre de clients ou groupes de clients
associs chaque agent de terrain)
Antennes ou bureaux locaux
(Nombre dagents de terrain et de
clients dans chacun)
25

Une fois lorganisation gographique de lIMF identifie, le chercheur suit une srie dtapes
visant garantir que le groupe final de mnages enquts reprsente un chantillon alatoire de
tous les mnages qui auraient pu tre interrogs dans la zone dactivit de lIMF. Ces tapes sont
dcrites en dtail ci-dessous.
Etape 1 : Dfinir la population et lunit dchantillonnage
Si certaines caractristiques de la pauvret peuvent se mesurer au niveau individuel, comme le
revenu personnel ou les actifs dtenus, la plus grande partie de la richesse dun individu est
partage et influence par le mnage dans lequel il vit. Evaluer le niveau de pauvret dun
individu sans prendre en considration les conditions de vie gnrales du mnage conduit une
estimation fausse de sa pauvret. Loutil dvaluation de la pauvret mesure la pauvret relative
du mnage plutt que celle des individus qui le composent.
Le mnage comme unit dchantillonnage de base
Lapproche fonde sur le mnage prsente linconvnient de ne pas traduire les ingalits de
rpartition des richesses au sein du mnage. Les IMF qui ciblent spcifiquement les membres
dfavoriss des mnages peuvent avoir une porte auprs des pauvres plus importante que ce
quindique le rsultat de lvaluation, en particulier si les membres cibls ont un accs limit aux
ressources du mnage et contrlent proportionnellement une petite part de ces ressources. Cette
ventualit doit tre prise en compte lors de linterprtation des rsultats de lvaluation, comme
dcrit dans le chapitre 10.
Mnages clients. Lors de lchantillonnage des mnages clients, plusieurs prcautions doivent
tre prises :
Seuls les clients qui ont rejoint lIMF rcemment doivent tre retenus. Seuls les nouveaux
mnages clients doivent tre considrs comme ligibles ; on fait en effet lhypothse que
leur niveau de vie ne doit pas encore avoir t influenc par leur participation au
programme de lIMF. Tout doit tre entrepris pour slectionner un chantillon de clients
aussi rcents que possible. Les clients qui viennent de rejoindre lIMF mais nont pas
encore reu de prt constituent le groupe idal pour la slection de lchantillon.
Lorsquil nest pas possible de prendre ce groupe pour base, on recommande en rgle
gnrale de considrer comme nouveaux clients toutes les personnes qui ont reu leur
premier prt au cours des trois derniers mois.
Adopter des critres slectifs correspondant au contexte. Dans certains cas, les critres de
slection des nouveaux clients peuvent ne pas tre applicables, par exemple si lIMF ne
sait pas depuis combien de temps ses clients bnficient de ses services ou quels sont les
nouveaux clients ayant dj reu un prt. En outre, il peut arriver que lIMF ne procde
linscription de nouveaux clients quune seule fois dans lanne, comme cest le cas de
26
nombreux systmes de crdit lagriculture. En gnral, si le processus
dchantillonnage ne permet pas dcarter les nouveaux clients ayant dj reu un prt, le
questionnaire devra tre adapt de faon identifier les effets possibles du prt dj reu.
Cette question est traite plus en dtail dans le chapitre 5.
Si ncessaire, liminer les nouveaux clients qui ont rejoint des groupes plus anciens. Il
peut tre ncessaire dappliquer une autre restriction sur les nouveaux clients pour
exclure les individus qui ont rcemment rejoint des groupes de clients existant depuis
plus de six mois [query: or three months? see first bullet point]. Ce filtre est souvent
ncessaire car linformation sur le nombre de nouveaux individus dans les anciens
groupes est souvent indisponible ou peu fiable. En outre, prendre en compte dans ltude
les nouveaux membres danciens groupes, qui ont toutes les chances dtre peu nombreux
mais trs disperss, peut savrer coteux en terme de logistique.
Vrifier que tous les membres du mnage rpondent aux critres. Les mnages clients
peuvent compter plusieurs membres bnficiant des services de lIMF, condition
quaucun dentre eux ne soit client depuis plus de six mois [query: or three months? see
first bullet point]. Par ailleurs, le mnage ne doit pas compter de membre ayant cess
dtre client aprs une priode au sein de lIMF.
Mnages non-clients. Lchantillonnage des mnages non-clients doit garantir quaucun
membre des mnages slectionns nest ou na t client de lIMF. Les clients comme les non-
clients peuvent en revanche bnficier des services dautres IMF ; ils restent ligibles pour
lchantillonnage.
Dfinir une zone dtude raliste
Dterminer la zone dactivit de lIMF. Il ne suffit pas de savoir sur quels mnages
lchantillonnage doit porter, mais il faut galement dterminer la zone dchantillonnage. La
zone dactivit de lIMF correspond la zone gographique dans laquelle elle opre. La
meilleure faon de diviser cette zone est de se reporter limplantation des bureaux rgionaux et
locaux de lIMF. Ces zones peuvent leur tour tre subdivises en zones de couverture par les
agents de terrain. Notez la manire dont lIMF divise sa zone dactivit en sous-units.
Comparez cette rpartition celle utilise par les autorits administratives locales et recherchez
les moyens daligner ces deux modes de rpartition. Si lIMF offre plusieurs types de
programmes ses clients, la zone dactivit de lIMF peut galement tre divise par type de
programme. Ces zones dimplantation des programmes peuvent ou non se recouper.
Identifier toute zone problmatique qui ne pourrait pas tre utilise pour ltude. Gnralement,
lquipe fixe une rgle standard ou un certain nombre de critres permettant de dterminer la
faisabilit de ltude sur telle ou telle zone et lapplique de manire cohrente. Cependant, toute
limination de zone doit tre soigneusement rflchie pour viter dintroduire involontairement
des biais. [note: this material is repeated in the box and text that follows, too repetitive]
Avant de fixer dfinitivement les rgles permettant de dlimiter la zone dtude, lquipe doit
soumettre les critres envisags lIMF pour savoir si ceux-ci sont susceptibles dintroduire un
biais. LIMF elle- mme peut avoir des raisons dexclure telle ou telle zone de ltude. Dans
27
certains cas, ces raisons devront tre respectes, par exemple si lIMF juge que ltude risque de
provoquer un sentiment danimosit son gard. Dans dautres cas, il peut sagir de raisons plus
obscures que lIMF ne souhaite pas dvoiler. En rsum, la dfinition des zones dtude
ncessite de pouvoir sappuyer sur de bonnes informations et dexercer son jugement pour viter
les biais (voir encadr 3.1).
28

Encadr 3.1 Dfinir la zone dtude
Au Kenya, une zone ctire a t limine de la zone dtude en raison de son loignement du reste du
programme. Cette exclusion na pas introduit de biais clients/non-clients car les types de services et les
mcanismes de prestation taient les mmes que dans le reste de la zone dactivit de lIMF. Les
diffrences de niveau de pauvret entre les rgions ont par la suite t expliques par lanalyse rgionale.
LIMF tudie Madagascar menait deux programmes diffrents dans la mme zone gographique, mais
seul lun des deux ciblait spcifiquement les femmes pauvres. Lors de la dlimitation de la zone dtude,
la couverture de chaque programme a t considre pour viter tout biais involontaire.
Documenter toute source potentielle de biais pouvant dcouler de la limitation de la zone
dtude. Lexclusion de zones impraticables peut introduire un biais si le niveau de pauvret des
zones en question est susceptible dtre infrieur ou suprieur celui des zones restantes. Lors
dune tude rcente, certaines zones urbaines forte densit de population ont t limines car
leurs habitants ne souhaitaient pas participer ltude. Cette exclusion a t note et prise en
compte lors de lvaluation de la couverture rgionale de lIMF. Lexclusion de certaines zones
ne doit pas introduire de biais au niveau des rsultats locaux puisque sont limins aussi bien les
clients que les non-clients de ces zones.
Des biais peuvent tre introduits si les zones exclues ne bnficient pas du mme ensemble de
services ou sont soumises des mthodes de ciblage diffrentes de celles des zones incluses.
Dans le cas o les services diffrent selon les zones, les mthodes dchantillonnage doivent
garantir que la slection alatoire des mnages est applique de manire proportionnelle aux
diffrentes zones.
Etape 2 : Elaborer le plan dchantillonnage de lIMF
Le plan dchantillonnage correspond aux listes indiquant le nombre et la rpartition des
nouveaux clients lintrieur de la zone dactivit. Ces listes doivent tre utilises pour
dterminer quelles sont les zones (et le nombre de mnages dans chacune) qui seront incluses
dans ltude. Le nombre de nouveaux clients peut tre structur en fonction des divisions
gographiques reprsentes dans la figure 3.1.
Dans la plupart des cas, lquipe de recherche na pas besoin de dresser une liste de tous les
nouveaux mnages clients rpondant aux critres dfinis. Les donnes sur la rpartition des
nouveaux clients lintrieur de la zone dactivit de lIMF peuvent tre utilises pour
slectionner de manire alatoire une srie de petites zones gographiques, lquipe nayant ainsi
prparer les listes des nouveaux clients que pour ces zones l. Idalement, lIMF devrait
pouvoir fournir le nombre de nouveaux clients dans chaque rgion ou agence et jusquau nombre
de clients dans chaque zone de chacun des agents de terrain. Le cas chant, le nombre de
nouveaux clients par type de programme pourra aussi tre utile.
29
La localisation de ltude fait appel plusieurs techniques dchantillonnage comme dcrit ci-
dessous.
Echantillonnage en grappes pour les nouveaux clients de lIMF
Lchantillonnage en grappes est une technique dchantillonnage qui rduit de manire alatoire
le nombre de zones incluses dans ltude. Cette technique est utile non seulement parce quelle
rduit les listes de mnages constituer, mais aussi par quelle permet de limiter
systmatiquement le nombre de zones dapplication de ltude, rduisant ainsi les cots lis la
mise en uvre sur le terrain.
Lchantillonnage en grappes ncessite que la zone dtude praticable entire soit divise en
grappes (sans recoupement), ce qui permet de slectionner de manire alatoire un sous-
ensemble de ces grappes pour lchantillonnage des mnages. La mthode de constitution des
grappes dpendra en grande partie des dlimitations gographiques oprationnelles de lIMF.
Gnralement, plus on peut identifier de grappes, mieux cest. Le nombre de grappes doit tre au
minimum de 10, et de prfrence plus proche de 30. Il est recommand de slectionner ensuite
cinq six de ces grappes pour raliser lchantillonnage des mnages.
Comme on la vu, la meilleure faon de former les grappes consiste suivre les dlimitations
gographiques oprationnelles existantes de lIMF. Celle-ci cre gnralement des subdivisions
par rgions ou agences. Dans de nombreux cas, les zones dactivit de chaque agent de terrain de
lIMF, ou de chaque unit de regroupement des agents, peuvent servir de grappes condition
quelles ne se recoupent pas. Avant de slectionner les grappes de manire alatoire, il faut
cependant dresser une liste contenant le nombre de nouveaux clients dans chaque grappe (ou
zone dactivit dun agent).
En gnral, lchantillonnage en grappes est ncessaire pour les IMF :
dont les zones dactivit sont tendues
dont le nombre de nouveaux clients est lev
dont la clientle est gographiquement trs disperse (ce qui induit des cots de
transport levs)

Pour les grandes IMF, il peut aussi tre ncessaire doprer une premire slection alatoire des
rgions dactivit de linstitution. Il suffit pour cela dattribuer un nombre chaque rgion ou
agence et de crer un chantillon alatoire en fonction de la taille relative de chaque rgion (cette
technique est dcrite en dtail dans la section ci-dessous intitule Etape 4 ). La figure 3.2
montre les niveaux gographiques de lIMF utiliss pour lchantillonnage en grappes.
30
Figure 3.2 Exemple dchantillonnage en grappes bas sur le dcoupage rgional de lIMF














Dterminer les tapes de constitution des grappes
La plupart des IMF rpondent des critres de taille et de dispersion gographique ncessitant
une approche dchantillonnage en grappe deux degrs au moins. Outre la slection alatoire
de cinq six grappes gographiques (zones des agents de crdit) environ, un deuxime
chantillonnage alatoire est opr dans chaque zone pour slectionner un groupe de mnages
clients. Lchantillonnage alatoire lintrieur dune grappe requiert habituellement une liste
des nouveaux clients habitant dans cette zone et une mthode de slection alatoire pour
slectionner des mnages partir de cette liste. Lencadr 3.2 rsume les tapes de
lchantillonnage en grappes.
Dans certains cas, un chantillonnage trois degrs est ncessaire, en particulier lorsque les
clients de lIMF sont des groupes dindividus. Dans ce cas, la slection alatoire de groupes de
clients lintrieur de chaque zone sera suivie dune slection alatoire des individus lintrieur
de chaque groupe. La figure 3.3 synthtise le raisonnement suivre pour dterminer le nombre
dtapes dchantillonnage en grappes ncessaire pour obtenir un chantillon alatoire de
nouveaux mnages clients.

Encadr 3.2 Etapes de lchantillonnage en grappes
Etape 1 : Slectionner un chantillon alatoire dagences, ou de rgions si la taille de lIMF le justifie.
Etape 2 : Slectionner un chantillon alatoire de grappes partir dune liste de toutes les grappes dans
chaque rgion.
Etape 3 : A lintrieur de chaque grappe slectionne, dresser une liste de tous les nouveaux mnages
clients de lIMF.
Etape 4 : Choisir une technique dchantillonnage alatoire pour slectionner les mnages clients
interroger.
6 5 4
3 2 1
20
13
23
16
22
15
21
14
26 25 24
19 18 17
7
12 11 10
9 8 7
Grappes
Rgion 2 IMF

Rgion 4 exclue de manire alatoire
Grappes
Rgion 3 de lIMF
Grappes
Rgion 1 de lIMF
31
Etape 5 : Si les clients constituent des groupes, slectionner un chantillon alatoire de groupes
lintrieur de chaque grappe slectionne, puis slectionner un chantillon alatoire de membres
dans chaque groupe.
32
Figure 3.3 Processus dcisionnel visant dterminer les grappes de ltude











A-t-on le temps et les
ressources ncessaires pour
tudier toutes les agences ?
Slectionner un chantillon
alatoire dagences ou
rgions de lIMF.
Diviser chaque agence
slectionne en grappes et
en slectionner alatoire-
ment 5 ou 6 pour ltude.
Non
Les clients sont-ils
constitus en groupes ?
Slectionner un chantillon
alatoire de membres
partir des listes des
groupes.
Oui

Slectionner un chantil lon
alatoire de 5 ou 6 zones
dans chaque grappe
slectionne.
Slectionner un chantillon
alatoire de clients partir
dune liste complte des
nouveaux clients de chaque
grappe slectionne.
Y a-t-il plusieurs centaines
de clients dans chaque
grappe, et les grappes
couvrent-elles une zone
trs tendue ?
Non
Oui
Oui
33
Etape 3 : Dfinir la bonne taille dchantillon
Calculer les tailles dchantillons est lun des aspects les plus techniques de la conception de
ltude. Dun point de vue pratique, la taille de lchantillon est en partie dtermine par les
ressources et le temps disponibles pour ltude. Dun point de vue technique, quatre paramtres
entrent en compte dans le choix de la taille dchantillon : (i) le degr de prcision souhait de
ltude, (ii) la distribution de probabilit de la variable que ltude cherche mesurer, (iii) le
choix du mode dchantillonnage (chantillonnage alatoire unique ou chantillonnage alatoire
plusieurs degrs) et (iv) le nombre de variables (dindicateurs de pauvret pour le cas prsent)
que ltude cherche valuer.
Sans connaissance pralable de la distribution de la pauvret parmi les clients, il est possible
dappliquer une rgle standard approximative pour dterminer la taille de lchantillon. Par
dfaut, ce manuel recommande une taille dchantillon dau moins 500 et un ratio
clients/non-clients de 2/3 dans toutes les grappes de ltude, soit 200 clients pour 300 non-
clients. La taille de lchantillon des non-clients est suprieure celle des clients pour tenir
compte de la variance suppose plus importante parmi les non-clients que parmi les clients pour
tous les indicateurs de pauvret. Du fait du ciblage opr par lIMF et de lautoslection
pratique par les clients, le groupe de clients a toutes les chances dtre moins htrogne (de
prsenter une variance plus faible) que le groupe de non-clients.
Etape 4 : Rpartir proportionnellement les chantillons
Le principal objectif du processus dchantillonnage consiste garantir que lchantillon
slectionn est bien reprsentatif de la population de nouveaux clients de lIMF dans son
ensemble. Lchantillonnage alatoire simple permet de sassurer que chaque nouveau client a
autant de chances dtre slectionn que les autres. Ce type dchantillonnage peut tre appliqu
de deux faons : chantillonnage avec probabilit proportionnelle la taille (PPT) et
chantillonnage proportion gale.
Le choix de la technique dchantillonnage sera fonction de la capacit de lquipe dtude
dterminer le nombre de nouveaux clients dans chaque grappe. Il arrive souvent que le sige des
IMF ne tienne pas de compte juste et dtaill du nombre de nouveaux clients et de leur
anciennet dans lIMF. Cette information se trouve le plus souvent au niveau des agences. Si
lquipe dtude est en mesure de dterminer le nombre de nouveaux clients dans chaque grappe
partir des informations du sige, la mthode PPT est la plus approprie.
En revanche, si le nombre de nouveaux clients dans chaque grappe ne peut pas tre connu sans
visiter chaque agence de terrain, il est plus raisonnable dappliquer la mthode dchantillonnage
proportion gale. La mthode PPT est gnralement prfre lchantillonnage proportion
gale, car elle permet ltude du mme nombre de clients dans chaque grappe de lchantillon,
tandis que la mthode dchantillonnage proportion gale ncessite que le nombre de clients
dans chaque zone dtude soit proportionnel au nombre total de nouveaux clients dans cette
zone.
34
Echantillonnage avec probabilit proportionnelle la taille (PPT)
Cette mthode garantit que tous les mnages ont la mme chance dtre slectionns, mais
ncessite que le nombre de nouveaux clients dans chaque grappe soit connu avant la slection
alatoire des mnages (voir encadr 3.3). Des deux mthodes, celle-ci est la plus facile utiliser
sur le terrain car le nombre de mnages interrogs est le mme dans chaque zone de ltude.
La technique est applique en deux tapes. Dans un premier temps, chaque grappe se voit
attribuer une chance de slection proportionnelle au nombre total de nouveaux clients quelle
contient, de telle sorte quaux grappes plus importantes corresponde une probabilit de slection
plus leve.
35

Encadr 3.3 Exemple dchantillonnage PPT
Au Nicaragua, les nouveaux clients ont t slectionns de manire alatoire partir de deux grandes
rgions sur la base du nombre de nouveaux membres dans chaque rgion. Vingt pour cent des nouveaux
clients taient situs dans la partie nord. Sur les cinq zones dagences slectionnes de manire alatoire,
une tait situe dans la rgion nord et quatre dans la rgion sud.
Comme le nombre de nouveaux clients tait connu pour chaque rgion, la mthode PPT a t utilise pour
dterminer le nombre de clients interrogs dans chaque zone chantillonne. La liste des clients a t
dresse par lagent de crdit au niveau de lagence. Un nombre gal de clients (40) a t slectionn
alatoirement dans chacune des quatre agences. Soixante (60) non-clients ont t slectionns
alatoirement laide de la mthode du parcours alatoire sur chaque site tudi.
La deuxime tape consiste slectionner le mme nombre de nouveaux mnages clients dans
chaque grappe slectionne. Le tableau 3.1 montre les tapes suivre pour pondrer les grappes
proportionnellement au nombre de nouveaux clients prsents dans chacune. Sachant que
seulement trois grappes seront utilises pour lchantillonnage, celles-ci sont slectionnes
alatoirement laide dun tableau de nombres alatoires, une srie de nombres entre 1 et 100
tant attribue chaque grappe en fonction de la proportion de nouveaux clients quelle
contient : 1 16 pour la grappe 1, 17 37 pour la grappe 2, etc. Si les nombres alatoires
slectionns sont, par exemple, 5, 18 et 60, alors les grappes 1, 2 et 4 sont slectionnes. Un
mme nombre de nouveaux clients (67) est ensuite extrait de chaque grappe.
Tableau 3.1 Slection des nouveaux mnages clients de lIMF par la mthode PPT

Un certain nombre de logiciels offrent des fonctions permettant de gnrer des tableaux de
nombres alatoires, comme celui reprsent par le tableau 3.2.

Numro
grappe
Nb nou-
veaux
clients
% du
total des
nouveaux
clients
Intervalle
dchantil-
lonnage
Part de
la taille
dchan-
tillon
Taille chantillon
Mnages Mnages
clients non-clients
1* 600 0,16 116 0,33 67 100
2* 800 0,21 1737 0,33 67 100
3 450 0,12 3849 0,00 0 0
4* 1 250 0,33 5082 0,33 66 100
5 700 0,18 83100 0,00 0 0
Total 3 800 1,00 1,00 200 300
* Grappes slectionnes alatoirement
36
Echantillonnage en proportion gale (EPE)
Cette technique attribue chaque grappe une probabilit de slection gale quelle que soit sa
taille, mais dtermine ensuite le nombre de clients interrogs dans chaque grappe en fonction de
la proportion de nouveaux clients dans cette grappe par rapport au nombre total de nouveaux
clients dans lensemble des grappes slectionnes. De cette manire, si linformation sur les
nouveaux clients nest pas centralise, les valuateurs nont qu dterminer le nombre de
nouveaux clients dans les grappes alatoirement slectionnes. Lquipe dvaluation devra
ensuite visiter les agences pour collecter les donnes sur les nouveaux clients de ces grappes.
Tableau 3.2 Exemple de tableau de nombres alatoires
05 18 60 01 56 20 14 84 34 08
65 11 70 30 59 61 04 41 55 09
46 81 46 61 94 87 98 14 23 16
36 99 65 27 46 95 50 11 80 13
22 05 08 75 21 18 33 95 43 87
09 82 39 06 17 30 04 46 45 74
13 38 21 08 30 55 91 65 18 84
51 23 76 25 10 08 49 34 96 40
12 41 26 44 70 45 09 47 17 31
49 21 31 15 67 86 48 43 54 04

Lorsque lon applique la mthode EPE, le nombre de mnages interrogs dans chaque grappe
diffre. Il y a davantage de mnages slectionns dans les grappes plus importantes, et moins de
mnages dans les grappes plus rduites. Le tableau 3.3 montre un exemple dapplication de la
mthode EPE.
Tableau 3.3 Mthode EPE applique la slection des mnages

Grappe n
Probabilit
de slection
Nb de
nouveaux
clients

Pond-
ration
Taille chantillon
Mnage Mnage
client non-client
1* 0,20 600 0,23 46 69
2* 0,20 800 0,30 60 90
3 0,20 ? 0,00 0 0
4* 0,20 1 250 0,47 94 141
5 0,20 ? 0,00 0 0
Total 1,00 2 650* 1,00 200 300
* Grappes slectionnes alatoirement
Mthode EPE applique aux groupes clients
Dans de nombreuses IMF, les clients sont membres de groupes. Chaque individu membre est
comptabilis comme nouveau client. Cependant, lors de la dfinition des chantillons, les
valuateurs voudront extraire un chantillon de groupes partir duquel slectionner
alatoirement les mnages interroger. Si lon utilise la mthode PPT pour lchantillonnage, le
mme nombre de mnages peut tre slectionn dans chaque groupe, quelle que soit la taille de
37
ce dernier. Par contre, si lon utilise la mthode EPE, le nombre dindividus interrogs dans
chaque groupe doit tre ajust en fonction de la proportion de nouveaux clients dans ce groupe
par rapport au nombre total de nouveaux membres dans la grappe.
Le tableau 3.4 donne un exemple de calcul du nombre de membres dans chaque groupe. Dans cet
exemple, les 46 clients interrogs de la grappe 1 doivent tre choisis dans 5 groupes slectionns
alatoirement. Pour chaque groupe, la taille dchantillon est ajuste proportionnellement en
fonction de la taille du groupe par rapport la taille totale de la grappe.
Tableau 3.4 Slection des mnages au sein des groupes de nouveaux clients
N du groupe
dans la
grappe 1
Nb de nouveaux
clients dans
le groupe
% des nouveaux
clients de la
grappe
Taille chantillon
Mnage Mnage
client non-client
11 27 0,23 11 17
12 17 0,14 6 9
13 28 0,24 11 17
14 27 0,23 10 17
15 20 0,17 8 12
Total 119 1,00 46 72

Etape 5 : Slectionner lchantillon
Jusqu prsent, le manuel a guid le lecteur dans llaboration dun plan dchantillonnage
utilisant plusieurs niveaux de grappes gographiques, qui rduit systmatiquement le nombre de
nouveaux mnages clients partir duquel slectionner un chantillon alatoire. Il a galement
expliqu comment dterminer le nombre de nouveaux mnages clients slectionner dans
chaque grappe de faon ce que tous les mnages de la zone dtude aient la mme chance
dtre slectionns.
Une fois ces deux techniques appliques, la vritable slection alatoire des nouveaux mnages
clients peut commencer. La slection des mnages clients et non-clients est ralise pendant le
droulement de ltude. Cest galement souvent le meilleur moment pour vrifier la justesse des
informations dchantillonnage avec le personnel de terrain.
Echantillonnage alatoire lintrieur des grappes
Lquipe de recherche doit dfinir la mthode de slection alatoire des clients lintrieur de
chaque grappe. Une mthode de slection relativement simple est celle de lchantillonnage
systmatique, les slections tant appliques intervalle fixe dans une liste de la population, en
commenant par une unit alatoire. Cette mthode ncessite la constitution pralable dune liste
de tous les nouveaux clients ou groupes de clients de la grappe.
38
Par exemple, supposons que lquipe dtude ait besoin dun chantillon de 10 sur une liste de
150 clients ou groupes de clients. Elle slectionne dabord alatoirement un nombre entre 1 et 15
(150 divis par dix), correspondant au numro du client partir duquel dbute le dcompte. En
partant de ce point de dpart alatoire, elle slectionne un client sur 15. Si le nombre alatoire de
dpart est 5, lchantillon se composera ainsi des clients 5, 20, 35, 50, 65, 80, 95, 110, 125 et
140. Une autre mthode consiste recourir lchantillonnage alatoire simple. Avec cette
mthode, tous les nouveaux clients se voient attribuer un numro didentification, puis sont
slectionns par tirage au sort (papiers dans un chapeau) ou en utilisant un tableau de nombres
alatoires.
En plus de la slection alatoire des mnages interroger, lquipe dtude doit galement
prparer une seconde liste de mnages slectionns au hasard pour constituer une liste de rserve
en cas de besoin, si un mnage chantillonn ne rpond pas aux critres ou ne peut pas tre
interrog comme prvu. En rgle gnrale, la liste de rserve doit comprendre 4 noms
supplmentaires par srie de 10 noms chantillonns. Une fois ltude commence, le premier
nom de la liste de rserve vient remplacer le premier mnage non valable sur la liste originale, et
ainsi de suite. Tous les remplacements suivent lordre dapparition sur la liste de rserve.
Echantillonnage alatoire des mnages non-clients : le parcours alatoire
Lchantillonnage des mnages non-clients prendrait beaucoup de temps sil fallait tablir une
liste prcise de tous les mnages de chaque zone dtude. Les chercheurs peuvent viter cela en
recourant une technique deux degrs appele mthode denqute par grappes PEV, ou
mthode PEV. Bien que cette mthode soit moins prcise que lchantillonnage partir dune
liste de la population, son efficacit est telle quelle compense cette lgre perte de prcision.
Contrairement au plan dchantillonnage relatif aux mnages clients, la mthode PEV ne
ncessite aucun travail prparatoire autre que la dfinition des limites gographiques des zones
de ltude. La slection alatoire des mnages non-clients est ralise en cours dtude.
La mthode PEV, dveloppe par lUnicef pour estimer la couverture vaccinale des enfants dans
des rgions tendues, peut facilement tre adapte la situation dune IMF. Cette mthode est
utilise lintrieur de la communaut ou subdivision dans laquelle vivent les clients de lIMF
chantillonns. Les limites de la zone peuvent tre dtermines en demandant aux clients de
lIMF didentifier des points de repre physiques dans toutes les directions de faon tablir le
primtre extrieur de la zone dhabitation des mnages clients.
Comme le montre la figure 3.4, lquipe dtude identifie ensuite le point central de la zone ainsi
dfinie et la divise en quatre quartiers (la zone peut tre divise en plus de quatre quartiers si elle
est trs tendue). A partir de ce point central, lquipe dtude choisit une direction de manire
alatoire, en faisant tourner un stylo ou une bouteille sur une surface plane et en notant la
direction vers laquelle pointe lobjet. Lenquteur ne slectionne que les mnages situs dans
cette direction, ou ce quartile. Le deuxime enquteur fait tourner son tour le stylo ou la
bouteille pour choisir une direction suivre, et ainsi de suite pour chaque enquteur.
Figure 3.4 Quartiles dune zone dtude
39

QUARTIER 1
QUARTIER 2 QUARTIER 3
QUARTIER 4

Lorsque les clients sont disperss sur une zone tendue, il peut tre ncessaire de diviser la zone
en quartiers comme indiqu ci-dessus, mais au lieu de slectionner une direction de manire
alatoire partir du centre, plusieurs quartiers sont alatoirement slectionns. A partir dun
nouveau point central lintrieur de chaque quartier, lenquteur se fixe une direction alatoire
le long de laquelle il choisit des mnages au hasard.
Lenquteur doit faire attention ne pas introduire de biais involontaire lors du choix du chemin
suivre. Idalement, lenquteur doit avancer en ligne droite plutt que de suivre une route ou
une rue existante. Il est possible en effet que les habitants dune rue particulire soient diffrents
de ceux dautres rues. Des ajustements peuvent aussi tre apports pour les zones qui ne se
prtent pas facilement au quadrillage. Par exemple, lorsquun site sorganise le long dune route
unique, alors la route elle- mme peut tre divise en sections. Une ou plusieurs de ces sessions
sont ensuite slectionnes de manire alatoire pour dfinir le parcours. Enfin, il faut faire
attention ne pas viter systmatiquement certaines sections dun site, soit parce quelles sont
juges trop difficiles daccs soit parce que lintervalle choisi est trop faible et revient carter
les mnages situs la priphrie.
En fonction de la densit des mnages et de ltendue de la zone dans laquelle rsident les clients
de lIMF, lquipe dtude dtermine un intervalle pour la slection (chantillonnage) et
linterrogation des mnages non-clients. Dans les zones urbaines forte densit de population,
10 est un intervalle appropri. Ainsi lenquteur slectionne et interroge un mnage toutes les 10
habitations rencontres dans la direction alatoire suivie. Dans les zones rurales, un intervalle
plus petit sera plus appropri. Les enquteurs doivent garder lesprit que les mnages ne vivent
pas obligatoirement dans des habitats spars, mais aussi dans des complexes dhabitation. A
lintrieur dun mme btiment, un processus alatoire doit galement tre dfini pour
slectionner les mnages interroger. Plusieurs mnages peuvent vivre dans une mme
habitation et les locataires et squatters sont pris en compte de la mme faon. Lencadr 3.4
dfinit le processus de parcours alatoire.
Encadr 3.4 Le parcours alatoire
Etape 1 : Dfinir approximativement les limites du village ou du site o vivent les nouveaux mnages
clients et tracer grossirement une carte.
Etape 2 : Dterminer le point central et valuer la densit des mnages.
Etape 3 : Diviser la zone en quartiers.
40
Etape 4 : Slectionner alatoirement une ou plusieurs directions en faisant tourner un stylo ou une
bouteille pour identifier le quartier chantillonner. Si les mnages sont disperss, compter les
mnages lintrieur du quartier ; sils sont concentrs, limiter le dcompte un itinraire
donn lintrieur du quartier. Ne PAS slectionner uniquement les mnages situs le long
dune mme route ou rue.
Etape 5 : Suivre la direction identifie pour le parcours alatoire et slectionner les mnages en
respectant lintervalle dtermin en fonction de la densit de population (par exemple un
mnage sur cinq).
Etape 6 : Remplacer tout mnage non interrogeable par le mnage le plus proche.

Dcrire chaque site dtude
Au cours de lenqute auprs des mnages non-clients, les enquteurs doivent noter leurs
impressions gnrales concernant la qualit de lhabitat, le niveau dinfrastructure, la densit de
population et toute autre caractristique notable du quartier, de la ville ou de la zone rurale
tudie. Les enquteurs doivent galement noter en quoi la zone tudie diffre des autres zones
du mme site.

Les questions suivantes renseignent sur les informations runir pour chaque zone dtude :
La zone est-elle principalement urbaine, semi- urbaine ou rurale ?
A quelle distance se situe la grande zone urbaine la plus proche ?
Quel est ltat des principales routes menant cette zone ?
La zone est-elle dote dun systme public dadduction deau ?
La zone est-elle alimente en lectricit ?
Les habitants ont- ils la possibilit de collecter du bois de chauffage ?
Quels sont les groupes ethniques, religieux ou castes situ(e)s dans la zone ?
Quelles sont les principales sources demploi dans la zone et ses alentours ?
Quelle est la topologie du lieu ? son climat ?
Pour les zones rurales : quelles sont les cultures pratiques dans la zone et quelle est
la saison en cours ?

Encadr 3.5 Rsum des tapes de llaboration du plan dchantillonnage
Etape 1 : Dfinir la population et lunit dchantillonnage. La population dsigne lensemble des
clients et non-clients habitant dans la zone dactivit de lIMF. Lunit dchantillonnage est le
mnage de nouveaux clients et de non-clients.
Etape 2 : Elaborer le plan dchantillonnage. Le plan dchantillonnage dsigne la mthode utilise
pour dterminer les zones de ltude partir de linformation sur le nombre de nouveaux clients
dans la zone dactivit de lIMF.
Etape 3 : Dterminer la taille de lchantillon. La taille dchantillon minimale est de 500 mnages,
rpartis en 200 nouveaux mnages clients et 300 mnages non-clients. Le ratio clients/no-
clients respecter est de 2/3.
41
Etape 4 : Dfinir proportionnellement lchantillon. Lchantillonnage proportionnel dsigne les
techniques permettant de structurer la slection des mnages de telle sorte que tous aient la
mme chance dtre slectionns.
Etape 5 : Slectionner lchantillon.

38
CHAPITRE 4
ADAPTER LE QUESTIONNAIRE DEVALUATION
DE LA PAUVRETE AU CONTEXTE LOCAL



Ce manuel fournit une liste teste de questions formules, codes et tries au sein dun
questionnaire conu pour produire des rsultats cohrents et mesurables (un exemplaire
du questionnaire recommand figure en annexe 3). Les questions centrales doivent tre
incluses et conserves dans leur forme gnrale en toutes circonstances. Combines, ces
questions forment des indicateurs qui sont plus tard utiliss pour calculer un indice de
pauvret. La manire dont les rponses sont groupes, ordonnes et mesures est conue
pour permettre lanalyse ultrieure des donnes de ltude.
Identifier les dfinitions locales de la pauvret
Le questionnaire recommand ncessite dtre lgrement adapt aux conditions locales.
Cest lquipe dtude dadapter le questionnaire standard au contexte national, et
parfois aussi local. Pour cela, les chercheurs peuvent commencer par sintresser aux
perceptions locales de la pauvret, de faon vrifier que les aspects soulevs sont bien
abords dans le questionnaire standard.
Les dfinitions locales de la pauvret peuvent tre apprhendes en discutant de manire
informelle avec les habitants de la zone ou avec le personnel de terrain et les clients de
lIMF. Des questions simples permettent souvent de dcouvrir selon quels critres la
population locale fait la distinction ente les mnages trs pauvres, assez pauvres ou non
pauvres de leur communaut. Voici des exemples de ce type de questions :
Comment dcririez-vous les individus ou familles les plus pauvres de votre
quartier ou village ?
Quest-ce qui fait la diffrence avec une personne ou une famille un peu
moins pauvre ?
Comment dcririez-vous une personne de votre communaut qui nest pas
pauvre, qui sen sort plutt bien ?
Dans lune des tudes de cas, les discussions avec les habitants ont permis de dcouvrir
que les mnages considrs comme les plus pauvres taient ceux qui navaient pas les
moyens de contracter une assurance funrailles, les mnages un peu moins pauvres
comme ceux possdant une assurance communautaire et les mnages plutt aiss comme
ceux ayant contract une police dassurance formelle.
39
Les bons indicateurs de pauvret mesurent les volutions de situation diffrents niveaux
de richesse au sein dune mme communaut. Idalement, ils mesurent lamlioration des
conditions de vie du mnage paralllement laugmentation de son niveau de richesse.
Ils ne se basent pas sur des rponses du type oui/non ou possde/ne possde pas .
Ce type dindicateur ne peut pas tre utilis dans une analyse en composantes principales.
Cette analyse ncessite des indicateurs mesurant une quantit, une valeur ou une
frquence.
En outre, les rponses aux indicateurs recueillant des informations qualitatives doivent
tre structures de telle sorte que la premire catgorie de rponse renvoie au niveau de
vie le plus bas et la dernire catgorie de rponse au niveau de vie le plus lev. Aucun
indicateur ne doit pouvoir faire lobjet dune rponse ne sait pas ou non
applicable .
Documenter les perceptions locales de la pauvret doit aider interprter les rsultats de
lvaluation en tenant compte du contexte local. Dans la plupart des cas, la majorit des
caractristiques de la pauvret propres la communaut tudie sera dj traite dans le
questionnaire. Cependant, il peut savrer ncessaire de modifier lgrement la
formulation ou le choix de rponses pour reflter prcisment le contexte local. Pour
viter toute distorsion susceptible de nuire la fiabilit et la validit de la question et de
son indicateur sous-jacent, les personnes charges dadapter le questionnaire doivent
pouvoir se rfrer une synthse de lobjectif poursuivi dans chaque section du
questionnaire standard et une rapide prsentation des adaptations possibles.
La suite de ce chapitre prsente les objectifs et questions associs chaque section du
questionnaire et dcrit la faon dont chaque section peut tre adapte sans altrer leffet
originellement recherch. Les sections de ce chapitre intitules Le formulaire
denqute et Adapter le questionnaire donnent des conseils pour la cration
dindicateurs de pauvret locaux supplmentaires qui napparaissent pas dans le
questionnaire standard.
Prsenter ltude et slectionner les mnages
Idalement, la prsentation doit faire lobjet dun texte rdig lavance, de faon ce
que les enquteurs puissent prsenter les raisons de lentretien et se prsenter eux- mmes
au mnage de manire juste et prcise. Les instructions qui suivent donnent des
indications sur les informations fournir aux enquts.
Comment prsenter ltude
Etape 1. Commencer par se prsenter soi-mme. Les mnages seront plus coopratifs
sils savent qui est lorigine de ltude. Il est important de bien mentionner que lquipe
dtude nest pas directement employe par lIMF. Cette prcision permet dliminer une
source potentielle de biais qui peut intervenir lorsque les mnages pensent que leurs
rponses auront un impact sur leur accs aux services de lIMF.
40
Si lquipe dtude est associe une universit ou une autre institution connue, ce lien
doit tre soulign car il est susceptible dencourager la coopration des mnages. En
revanche, si lorganisation est associe une manation du gouvernement, en particulier
de sa reprsentation locale, ou un parti politique ou un groupe ethnique, beaucoup de
mnages peuvent prouver une certaine rticence donner des informations sur leur
niveau de richesse ou de pauvret. Il est plus prudent dans ce cas de minimiser
limportance de cet aspect.
Etape 2. Montrer les lettres dintroduction et de recommandation. Dans la plupart
des pays, on attendra dune personne extrieure quelle se prsente dabord aux leaders
locaux pour solliciter la permission de se rendre auprs des mnages de la communaut.
Outre la prsentation de ltude, ces visites de courtoisie peuvent galement permettre de
recueillir des informations importantes sur la communaut tudie. Dans certains cas, une
lettre dintroduction manant du sige de lIMF lintention de ses clients ou des
autorits locales lintention des non-clients peut rassurer les mnages et faciliter les
premiers contacts.
Etape 3. Informer les mnages de lobjectif recherch. La plupart des mnages ne
comprendront pas la mthodologie utilise pour ltude. Beaucoup cependant seront en
mesure de comprendre rapidement lobjectif global : dterminer si les conditions de vie
des nouveaux clients diffrent de ceux des non-clients vivant dans la mme zone, et si oui
en quoi. Il nest pas recommand de chercher expliquer plus en dtail pourquoi on
cherche dterminer si les mnages clients sont plutt plus pauvres ou plus riches. Ces
informations pourraient influencer les rponses aux questions et introduire une source
derreur significative dans les rsultats.
Etape 4. Expliquer pourquoi le mnage a t slectionn. Les mnages apprcient
souvent de savoir quils ont t slectionns pour lentretien sur la base dun processus
alatoire. Les personnes charges de la prsentation peuvent expliquer cette notion en
faisant lanalogie avec le tirage au sort de papiers dans un chapeau.
Etape 5. Assurer les personnes interroges de la confidentialit de lentretien. Dans
de nombreux pays, la peur dtre vol ou agress, ou certaines croyances traditionnelles
peuvent galement induire une rticence communiquer des informations prives. La
prsentation de ltude doit clairement prciser la neutralit de lquipe dtude et la
confidentialit des informations collectes dans le cadre de ltude. Lquipe doit garantir
quaucune tierce personne naura accs ces donnes dans un but autre que celui pour
lequel elles ont t recueillies, et doit respecter cet engagement.
Vrifier que les mnages satisfont aux critres
Tous les mnages ne rpondront pas aux critres dfinis pour la participation ltude.
Aprs avoir fait les prsentations et avant de commencer les entretiens, lenquteur doit
vrifier que les mnages correspondent soit au profil du nouveau client, soit au profil du
non-client. Un mnage slectionn car comprenant un membre nouveau client de lIMF
peut tout de mme tre cart, dans les cas suivants :
41
Un autre membre du mnage est galement client et ce depuis plus de six mois
(ou moins si la dure maximale fixe est infrieure).
Un autre membre du mnage a t client de lIMF mais ne lest plus.
Un autre membre du mnage a dj contract deux prts ou plus auprs de
lIMF.
Si lun des mnages clients de lchantillon ne satisfait pas aux critres, il est remplac
par le premier mnage en tte de la liste de rserve.
De mme, un mnage slectionn dans lchantillon des non-clients peut tre cart dans
les cas suivants :
Un autre membre du mnage est client de lIMF.
Un autre membre du mnage a t client de lIMF mais ne lest plus.
Lorsquun mnage est disqualifi pour lune ou lautre de ces raisons, lenquteur
remercie les membres du mnage de lui avoir consacr leur temps et met fin lentretien.
Lorsquil sagit dun mnage non-client, il est remplac par le mnage le plus proche
dans la mme direction.
Choix de la personne interroge et lieu de lentretien
Aprs avoir vrifi que le mnage rpond bien aux critres du profil client ou non-client,
il est galement important de dterminer qui, au sein du mnage, sera charg de rpondre
aux questions. Idalement, les rponses doivent tre donnes la fois par le chef du
mnage et son conjoint. Lorsque cela nest pas possible, comme souvent, le mieux est
dinterroger lune ou lautre de ces personnes. Le lieu de lentretien dtermine galement
en partie les rsultats de certains indicateurs cls. Les entretiens doivent si possible tre
mens au domicile de la personne interroge, ce qui permet lenquteur de juger de la
qualit de lhabitat et du type de biens durables dtenus.
Formulaire denqute
Les sections qui suivent indiquent prcisment quels endroits du questionnaire il peut
tre ncessaire de procder des adaptations. Certains changements ncessiteront de
modifier le questionnaire existant ; pour dautres il faudra laborer des fiches fournissant
les dfinitions des catgories de question et la terminologie requise. Le personnel de
terrain se servira de ces fiches comme rfrence au cours de lenqute auprs des
mnages.
Section A : Donnes didentification des mnages
Objectif. Le tableau 4.1 reprsente la section A du questionnaire. Lune des cls du
succs des enqutes de terrain rside dans la qualit de lidentification permettant de
distinguer les informations provenant de mnages diffrents. Le codage des mnages,
groupes de clients, lieux et grappes est ncessaire pour identifier les mnages des stades
ultrieurs de lanalyse.
42
Conseils. La srie de nombres utilise par chaque enquteur pour chaque mnage doit
tre spcifie pralablement. Pour liminer tout risque de recoupement, il est
recommand qu chaque type de variable didentification soit attribue une srie de
codes didentit, avec un point de dbut et un point de fin. Les valuateurs doivent
attribuer des codes didentification facilement comprhensibles. Ci-dessous, des types de
codes pouvant tre utiliss :
Elment A2 : code de lieu. Les codes associant les sites dtudes au dcoupage
gographique administratif sont utiliss pour lier les donnes dtude aux donnes
secondaires collectes partir dautres sources.
A dfinir : Attribuer des codes numriques chaque zone
administrative dans laquelle se situent les sites dtude et en dresser la
liste sur une fiche de rfrence.
43

Tableau 4.1 Section A du questionnaire denqute
Section A. Evaluer le niveau de vie des mnages

Etude dun institut de recherche local finance par _________________________
Section A Identification du mnage
A1. Date (jj/mm/aaaa) : __/__/____
A2. Code du lieu :
A3. Code de la grappe:
A4. Code du groupe :
A5. Nom du groupe :
A6. Code du mnage :
A7. Mnage choisi comme (1) client de lIMF, ou (2) non-client ?
A8. Le mnage est-il pris sur la liste de remplacement ? (0) Non (1) Oui
A9. Si oui, quen tait-il du mnage initial? : (1) introuvable, (2) ne souhaitait pas rpondre, (3)
statut mal identifi
A10. Nom de la personne interroge :
Nom du chef de mnage :
Adresse du mnage :
A11. Code enquteur : A12. Date vrification par superviseur (jj/mm/aaaa) : __/__/__
A13. Signature du superviseur : _______________________________

Elment A3 : code de la grappe. Chaque questionnaire peut aussi en partie tre
identifi par la zone dtude dans laquelle se situe le mnage interrog. Chacune des
zones doit se voir attribuer un nom et un code, lesquels doivent tre inscrits sur les
questionnaires avant lentretien. Le nombre de zones dtude est gnralement de 5
ou 6.
A dfinir : attribuer des codes numriques chaque zone dtude et en
dresser la liste sur une fiche de rfrence.
Elment A4 : code du groupe. Si les clients sont organiss en groupes, le nom et le
code du groupe deviennent des identifiants importants.
A dfinir : attribuer des codes numriques chaque groupe de clients
interrog et en dresser la liste sur une fiche de rfrence.
Elment A6 : code didentification du mnage. Dans cette tude, le principal moyen
didentification des mnages consiste en lattribution dun code didentit unique. La
taille dchantillon tant de 500, les numros didentification iront jusqu trois
44
chiffres. Ces numros doivent tre attribus avant lentretien, ou inscrits sur le
questionnaire au moment de lentretien. Une fourchette de codes de mnages doit tre
attribue chaque zone dtude, sans recoupement. Par exemple, le premier site
dtude correspond la fourchette de 100 199, le deuxime site de 200 299, et
ainsi de suite.
A dfinir : Attribuer une fourchette de codes didentification des
mnages chaque site dtude et en dresser la liste sur une fiche de
rfrence.
Elment A11 : code de lenquteur. Enfin, pour permettre le contrle des donnes et
de la qualit de lentretien, le questionnaire comporte le nom et le code de lenquteur
ainsi que celui de la personne qui a vrifi le questionnaire sur le terrain.
Tous les codes didentification des mnages, membres, zones et groupes doivent tre
rsums sur la fiche de rfrence distribue chaque enquteur. Le tableau 4.2
montre les fourchettes de diffrents codes didentification utilises dans le cadre
dune enqute relle sur les niveaux de pauvret.

Tableau 4.2 Exemples de sries de codes didentification utilises pour distinguer les mnages
dans le questionnaire
Zone dactivit de lIMF
Type de code didentification
attribu chaque grappe
1 2 3 4 5
Mnage
100199 200299 300399 400499 500599
Groupe de clients 1019 2029 3039 4049 5059
Lieu 1019 2029 3039 4049 5059

Section B : Composition de la famille

Objectif. Les caractristiques telles que le nombre, lge, ltat de sant, le niveau
dducation et lactivit des membres du mnage constituent des indicateurs du capital
humain , une forme de ressources du mnage. Lobjectif de cette section est de
quantifier les aspects cl des investissements du mnage en capital humain. Les objectifs
spcifiques consistent dterminer la composition du mnage sur la base de la dfinition
du mnage adopte pour ltude et noter les caractristiques de pauvret de chaque
membre du mnage.
Conseils. Les dfinitions du mnage sont trs variables. Il est essentiel pour la qualit des
mesures de travailler partir dune seule et mme dfinition. Pour les besoins de cette
mthode dvaluation de la pauvret, un mnage est dfini comme un groupe dindividus
vivant sous le mme toit et partageant rgulirement leurs repas et leurs dpenses. Une
famille ne constitue pas ncessairement un mnage, car elle peut comprendre des
45
membres vivant en dehors du foyer ou qui sont proches mais ne participent ni aux repas,
ni aux dpenses.
Lenquteur doit sassurer que tous les membres du mnage interrog satisfont aux
critres dfinissant un membre du mnage. Dans certains cas, la dfinition pourra tre
largie pour inclure un conjoint qui travaille en dehors du foyer mais qui contribue
rgulirement aux dpenses et nentretient pas dautres mnages. Les autres membres de
la famille vivant en dehors du foyer ne sont pas pris en compte, moins quil ne sagisse
des enfants du chef de famille mis en pension et restant entirement la charge du
mnage.
A dfinir : Dans le cas o lpoux vit en dehors du foyer la plupart du
temps, mais contribue rgulirement lentretien du mnage, et de ce
mnage seulement, le chef de mnage sera lpouse vivant au
domicile. La femme sera donc considre comme chef de famille et
lhomme comme conjoint.

Tous les membres du mnage satisfaisant aux critres doivent tre ports dans la section
B1 ou B2 du formulaire denqute (tableaux 4.3 et 4.4) avec leur nom et leur code
didentification (ces codes seront rutiliss ultrieurement dans le questionnaire). Chaque
colonne de ces tableaux prsente un aspect individuel de la pauvret ; en tant que
catgories, ou modalits, ces colonnes ne doivent pas tre modifies. Cependant, la
formulation des modalits ou des rponses peut ncessiter quelques adaptations.
Membres adultes du mnage. La section B.1 du questionnaire est reprsente dans le
tableau 4.3.
Code du membre. Chaque membre du mnage reoit un numro didentification
unique. Ce numro sera utilis tout au long du questionnaire.
Situation matrimoniale du chef du mnage. Le chef du mnage peut tre une femme
ou un homme. Cette catgorie renseigne sur sa situation matrimoniale au moment de
lentretien. Les diffrentes situations possibles sont numres dans la note (A)
faisant suite au tableau 4.3. Ces codes nont normalement pas tre modifis.
Age. Il arrive que le nombre dannes exact des membres les plus gs soit inconnu.
On peut alors demander la personne interroge destimer lge approximatif de
certains membres adultes lorsquil est trop long de rechercher lge exact.
Dernier niveau dtude atteint. On peut recourir pour cet indicateur des rponses
codes et classes pour mesurer les niveaux successifs. Les catgories de rponses
sont numres dans la note (D) faisant suite au tableau 4.3.
A adapter : Identifier les diffrents niveaux dtude appropris au
contexte et en dresser la liste du plus bas au plus lev.

Matrise de lcriture. Renvoie la capacit de lindividu lire et crire, quelle que
soit la langue (sapplique tous les dialectes locaux).
46
Principale activit. Renvoie au type dactivit principal auquel le membre du mnage
se livre quotidiennement. Sil mne plusieurs types dactivits, notez lactivit qui
prend le plus de temps dans la journe. Si les individus passent la plupart du temps
sans travailler, il est trs important de le noter en utilisant le code correspondant
ne travaille pas . Les catgories de rponses sont numres dans la note (F)
faisant suite au tableau 4.3.
47
Tableau 4.3 Section B1 du questionnaire denqute
B1. Membres adultes du mnage (15 ans et plus)
Code

Nom

Situa-
tion du
chef de
m-
nage
(A)
Lien
avec le
chef de
mnage
(B)
Sexe
(C)
Age

Dernier
niveau
dtude
atteint
(D)
Ma-
trise
de
lcri-
ture
(E)
Princi-
pale
activit,
anne en
cours
(F)
Mem-
bre de
lIMF
tudie
(G)
Montant
emprunt
auprs de
lIMF
tudie

Dpenses
vestimen-
taires au c.
des 12 der-
niers mois
(monnaie
locale)
(H)
1
(chef de mnage)
---
2 ---
3 ---
4 ---
5 ---
6 ---
7 ---
8 ---
(A) 1 - clibataire, 2 mari(e), avec conjoint vivant au sein du mnage, 3 mari(e), avec conjoint migrant, 4 veuf(ve), 5 divorc(e)
ou spar(e)
(B) 1 - conjoint, 2 fils ou fille, 3 pre ou mre, 4 petit fils/fille, 5 grand-parent, 6 autre parent, 7 autre sans parent
(C) 1 - masculin, 2 - fminin
(D) 1 pas dtudes primaires, 2 dbut tudes primaires, 3 tudes primaires compltes, 4 cole technique, 5 dbut tudes
secondaires, 6 tudes secondaires compltes, 7 cole suprieure ou universit
(E) 0 - non, 1 - oui
(F) 1 - auto-emploi dans lagriculture, 2 - auto-emploi dans une entreprise non agricole, 3 - tudiant, 4 - ouvrier sans travail fixe ,
5 - travailleur salari, 6 - travail domestique, 7 - la recherche dun emploi, 8 - retrait ou ne cherchant pas travailler, 9 - incapacit
physique (handicap)
(G) 0 - non, 1 - oui
(H) Pour obtenir une rponse prcise, mieux vaut chercher connatre les dpenses vestimentaires de chaque adulte en
prsence du conjoint du chef de mnage. Si les vtements ont t confectionns domicile, fournir le cot du matriel (fil, tissu,
boutons, aiguilles)

Montant emprunt. Indique dans quelle mesure le mnage a fait appel aux services de lIMF
value. Les prts contracts auprs dautres institutions ne sont pas pris en compte. Cette
information permettra de savoir par la suite quels sont les mnages qui ont dj bnfici des
services de lIMF.
Dpenses vestimentaires. Le montant des dpenses vestimentaires (vtements et
chaussures) est susceptible de reflter le niveau relatif de pauvret ou de richesse dun
mnage dans beaucoup de cultures. Il est essentiel que les mesures de cette variable
soient fiables et prcises car cet indicateur doit servir dindicateur de pauvret de
rfrence. Les dpenses sont limites celles ralises par des membres du mnage
dfinis comme tels (pas par des membres de la famille vivant et dnant ailleurs) et ne
comprennent pas les cadeaux faits au mnage. Les articles donns par un membre de la
famille un autre ne sont pas non plus compts comme des dpenses. Le montant de la
dpense est le montant vers pour larticle au moment de son achat.
La priode de temps considre est lanne passe. La plupart des personnes interroges
auront besoin de points de repre (des congs importants, une priode de lanne
46
spcifique comme Nol, un vnement familial, le dbut de lanne scolaire, par
exemple). Les frais de retouche doivent tre pris en compte. Si les vtements sont
confectionns domicile, le cot de tous les matriaux utiliss doit tre estim pour
chaque membre. La personne interroge doit tre encourage demander lavis des
autres membres du mnage si elle nest pas certaine des articles et des montants cits.
Enfants de moins de 15 ans. La section B.2 du questionnaire est reprsente dans le tableau 4.4.
Certaines caractristiques relatives aux enfants constituent dimportants indicateurs du niveau de
pauvret relatif pour de nombreux mnages. Cependant, comme beaucoup de mnages interrogs
nont pas denfant, les questions se limitent recueillir le nombre et lge des enfants et les
dpenses en vtement relatives chacun. Le montant des dpenses vestimentaires est calcul de
la mme manire que celle dcrite dans les deux prcdents paragraphes.
Tableau 4.4 Section B2 du questionnaire denqute
Code Nom Age
Dpenses vestimentaires au
cours des 12 derniers mois
(monnaie locale)*
1
2
3
4
5
6
7
8
9
10
* Les questions sur les dpenses vestimentaires pour les enfants sont poses aprs celles concernant les adultes. Ces
questions sont poses en prsence du conjoint du chef de mnage. Dans le cas darticles prts porter, noter le prix
dachat total ; dans les autres cas, noter le cot du tissu, ainsi que les frais de retouche et de couture.


Section C : Indicateurs relatifs lalimentation
Objectif. Le tableau 4.5 reprsente la section C du questionnaire. Les comportements
alimentaires du mnage sont de bons indicateurs de sa pauvret et vulnrabilit relatives. Le
comportement alimentaire peut tre influenc de plusieurs manires par le niveau de pauvret.
Dabord, les mnages plus pauvres ont tendance salimenter de manire moins rgulire que les
mnages plus aiss, et consommer de moins grandes quantits par personne. Dans certains cas,
ils sont amens sauter des repas ou consommer des quantits plus faibles certains repas, soit
pendant une saison spcifique, soit de manire plus rgulire. Ensuite, les mnages pauvres
tendent consommer davantage daliments peu chers et inversement moins daliments plus
coteux. Enfin, les mnages pauvres sont moins souvent en mesure dacheter des aliments de
base en grande quantit au moment o les prix lunit sont plus favorables, ou de conserver des
stocks de produits de base, achets ou provenant de leurs propres cultures.
47
Tableau 4.5 Section C du questionnaire denqute
Section C. Indicateurs relatifs lalimentation
(Le chef de mnage et son conjoint doivent tous deux tre prsents au moment o sont poses ces questions.)
C1. Un vnement spcial a-t-il eu lieu au cours des deux derniers jours (par ex. vnement familial,
invits) ?
(0) non (1) oui
C2. Si non, combien de repas ont t servis aux membres du mnage au cours des 2 derniers jours ?

(Si oui, combien de repas ont t servis aux membres du mnage au cours des 2 jours prcdant cet
vnement spcial ?)
C3. Des vnements spciaux ont-il eu lieu au cours des sept derniers jours (par ex. vnement familial,
invits ?)
(0) non (1) oui
(Si oui , pour les questions C4 et C5 les sept derniers jours doivent dsigner la semaine
prcdant lvnement spcial.)
C4. Au cours des sept derniers jours, combien de jours les aliments suivants ont-ils t servis au cours
dun repas principal du mnage ?
Aliments de luxe Nombre de jours
Aliment de luxe 1
Aliment de luxe 2
Aliment de luxe 3
C5. Au cours des sept derniers jours, pendant combien de jours le repas principal na consist quen un
aliment de qualit infrieure ?
C6. Au cours des 30 derniers jours, pendant combien de jours votre mnage na-t-il pas eu
suffisamment manger tous les jours ?
C7. Au cours des 12 derniers mois, pendant combien de mois votre mnage a-t-il manqu de nourriture
au moins un jour ?
C8. A quelle frquence achetez-vous les articles suivants ?
Aliments de base Frquence
Aliment de base 1
Aliment de base 2
Aliment de base 3
(1) quotidiennement (2) 2 fois par semaine (3) 1 fois par semaine (4) tous les 15 jours (5) 1 fois
par mois (6) moins dune fois par mois
C9. Combien de semaines couvre votre stock de produits de base locaux ?
Aliments de base Dure du stock
(en semaines)
Aliment de base 1
Aliment de base 2
Aliment de base 3

48
La mesure de ces aspects de scurit alimentaire poursuit deux objectifs spcifiques :
Documenter la quantit et la frquence ou la rgularit des aliments habituellement
servis par le mnage de manire faire ressortir les diffrences de niveaux de vie.
Identifier et documenter la consommation daliments spcifiques traduisant le
pouvoir dachat du mnage.
Dterminer dans quelle mesure le mnage est capable dacheter et de conserver des
stocks de denres de base.
Conseils. Lors de la mesure de la consommation alimentaire, le risque de biais est lev.
Plusieurs tapes sont donc ncessaires pour rduire le risque derreur. Dabord, la priode sur
laquelle porte linformation pour la mesure de la consommation alimentaire doit rester courte.
Peu dindividus sont capables de se rappeler ce quils ont mang plus dune semaine auparavant.
Ensuite, les schmas de consommation peuvent tre radicalement modifis pendant certains
vnements, loccurrence de ces vnements doit donc faire lobjet dun contrle efficace dans le
questionnaire. Il est demand tous les mnages dclarant la tenue dvnements spciaux au
cours des jours passs de baser leurs rponses sur la priode prcdant ces vnements.
Enfin, la formulation des questions relatives la consommation alimentaire doit tre prcise et
rigoureusement respecte. Un repas servi peut tre interprt diffremment dun repas prpar.
Certains mnages ne cuisinent quune fois par jour mais prparent suffisamment de nourriture
pour servir deux repas.
Elment C1 : vnement spcial. La premire question de cette section a pour but de
dterminer si un vnement spcial susceptible de modifier les habitudes alimentaires
courantes a eu lieu au cours des deux derniers jours. Si cest le cas, lenquteur demande au
mnage de rpondre aux questions sur sa consommation en se basant sur son comportement
alimentaire avant cet vnement. Le mme contrle est appliqu aux questions concernant la
consommation daliments de luxe et daliments de base (C4).
Elments C2 : nombre de repas servis aux membres du mnage. La rponse cette question
est gnralement fonction des habitudes alimentaires locales. Si les mnages servent
habituellement trois repas par jour, la rponse attendue sera trois. Sil est inhabituel de
prendre un repas le matin, la rponse attendue peut tre deux par jour. Il est crucial en
revanche que tous les enquteurs soient daccord sur linterprtation du terme repas .
A dfinir : standardiser la dfinition dun repas et la faire apparatre dans la
fiche de rfrence.
Dans lune des tudes de cas, lindicateur a t rvis pour mesurer le nombre de repas
cuisins au cours des deux derniers jours. Presque tous les mnages ont dclar cuisiner un
repas par jour, ce qui tait habituel dans la communaut. Dfini comme tel, lindicateur na
pas permis didentifier des diffrences de niveau de vie.

Elment C4 : aliments de luxe. Le questionnaire requiert que soient identifis, pour chaque
enqute, trois aliments considrs localement comme des aliments de qualit et relativement
chers pour un mnage moyen. La frquence de consommation de ces aliments est mesure en
49
jours. Les aliments dits de luxe sont trs variables en fonction des climats et des
habitudes locales. Habituellement, ces aliments ne peuvent pas tre consomms
rgulirement par tous les mnages, et sont consomms plus frquemment par les mnages
aiss que par les mnages pauvres. Leur consommation nest pas limite aux priodes de
ftes religieuses ou autres traditions culturelles.
La viande, les oeufs ou les produits laitiers ainsi que certains aliments transforms ou
sucreries peuvent tre considrs comme des produits de luxe dans beaucoup de rgions du
monde. Cependant, le riz, dans une rgion dpourvue de culture rizicole, ou les produits
base de bl dans une rgion sans culture de bl, peuvent tre considrs comme des aliments
de luxe. Parfois, les aliments considrs comme luxueux varient selon les saisons. Par
exemple, le riz peut tre considr comme un produit de luxe pendant la saison domine par
la culture du mas, mais perdre ce statut pendant la priode suivant la rcolte du riz, au
moment o les prix chutent. La saisonnalit des fluctuations de prix doit donc tre prise en
compte au moment o la personne interroge dfinit les aliments considrs comme luxueux
lors de lentretien.

A adapter : identifier trois aliments qui peuvent tre considrs comme des
aliments de luxe, comme dans lexemple ci-dessous.

Tableau 4.6 Aliments de luxe utiliss pour
les tudes de cas
Pays Aliments de luxe
Kenya viande, riz, produits base de
bl
Inde lentilles, produits laitiers
Madagascar viande, lgumes
Nicaragua buf, volailles, fromage

Elments C5 : aliments de qualit infrieure. Un aliment de qualit infrieure est loppos
dun aliment de luxe. Un aliment est considr comme infrieur lorsque beaucoup de
mnages dune rgion donne tendent viter sa consommation lorsquils ont les moyens de
recourir une alternative. Un aliment infrieur est gnralement un substitut bon march
dun aliment de base, ou un produit bon march daccompagnement dun aliment de base. Le
manioc est par exemple considr comme un aliment infrieur par beaucoup de mnages
vivant dans des zones de culture rizicole, o le riz est prfr comme denre de base.
A adapter : Identifier laliment le plus susceptible dtre considr comme
infrieur dans lensemble des zones de ltude.
Tableau 4.7 Aliments de qualit infrieure
utiliss pour les tudes de cas
Pays Aliments infrieurs
Kenya manioc
Inde pain grossier et chili
50
Madagascar manioc
Nicaragua tortillas

Elment C6 : nombre de jours o le mnage a manqu de nourriture au cours du mois pass.
Cette question a pour objectif de mesurer les priodes de sous-alimentation saisonnires ou
court terme du mnage. Lenquteur peut expliquer la personne interroge quil sagit de
toutes les fois o le mnage a d sauter un repas par manque de nourriture ou na pas mang
sa faim (c'est--dire a eu une sensation de faim une partie de la journe ou toute la journe).
Dans une tude de cas, la question a t rvise pour mesurer le nombre de fois o le mnage
stait couch avec une sensation de faim. Le repas du soir tant le plus important dans la
rgion o tait mene ltude, les mnages pauvres ressentaient donc souvent une sensation
de faim au cours de la journe mais se couchaient en revanche rassasis. Lindicateur ntait
donc pas appropri pour mesurer les diffrences de niveaux de pauvret.
Elment C7 : nombre de mois comprenant au moins un jour pendant lequel le mnage a
manqu de nourriture. Cette question a pour objectif de mesurer les priodes de sous-
alimentation long terme du mnage. Elle sert compenser tout biais saisonnier qui pourrait
avoir t introduit dans la question prcdente. Si le mnage a connu des priodes
dinsuffisance alimentaire au cours dune saison prcdente, cette question pourra le mettre
en vidence. Comme la priode sur laquelle porte linformation est longue, lenquteur peut
avoir besoin de vrifier que le mnage se souvient bien des saisons pendant lesquelles le prix
des denres alimentaires a eu tendance augmenter au cours de lanne passe.
Elment C8 : achat daliments de base. Cette question mesure la frquence laquelle le
mnage achte des aliments de base. Les mnages faibles revenus ont tendance acheter de
petites quantits plus souvent, bien que cela revienne plus cher, cause du peu de liquidits
disponibles.
A adapter : identifier trois aliments de base ou stockables rgulirement
consomms dans la rgion. Trier les rponses du plus frquent au moins
frquent, comme dans le tableau 4.8.

Tableau 4.8 Aliments de base utiliss dans
les tudes de cas
Pays Aliments de base
Kenya mas, prparation au mas,
pommes de terre
Inde riz, huile de cuisson
Madagascar riz, huile de cuisson
Nicaragua farine de mas, haricots, riz

Elment C9 : stock daliments de base. Cette question sert dindicateur de la capacit du
mnage conserver un stock daliments de base sur une priode tendue, ce qui traduit un
niveau de scurit alimentaire plus lev. Les mnages pauvres sont souvent dans
51
lobligation de vendre leurs stocks de nourriture lorsquils ont besoin dargent, ou ont des
difficults stocker les aliments faute de moyens suffisants.
A adapter : identifier plusieurs aliments de base frquemment stocks par les
mnages pendant de longues priodes (voir tableau 4.9). Sassurer que ces
aliments sont stocks dans toute la zone de ltude et au moment de ltude.

Tableau 4.9 Aliments de base stockables
utiliss dans les tudes de cas
Pays Aliments de base
Kenya mas
Inde conserves de lgumes au vinaigre
Madagascar riz
Nicaragua riz, haricots


Section D : Indicateurs relatifs lhabitat
Objectif. La qualit de lhabitat est en partie dtermine par le niveau relatif de pauvret du
mnage. Les indicateurs de la qualit de lhabitat concernent non seulement la taille de la
maison, mais aussi la rsistance des matriaux de construction et le soin apport au maintien de
son tat. Enfin, les indicateurs concernant lquipement de la maison, notamment les installations
sanitaires et laccs leau potable, peuvent galement constituer des mesures de sa qualit. Plus
spcifiquement, lobjectif de ces mesures consiste valuer la qualit et la taille de lhabitat du
mnage par rapport aux autres mnages de la zone, ainsi que la qualit des quipements utiliss
par le mnage. Le tableau 4.10 reprsente la section D du questionnaire.
Table 4.10 Section D du questionnaire denqute
Section D. Indicateurs relatifs lhabitat
(Les informations collectes doivent concerner le lieu dhabitation actuel du mnage.)
D1. Combien de pices compte la maison ? (inclure les pices part situes dans le mme primtre sil
appartient au mme mnage)
D2. De quel type de matriau le toit de lhabitat principal est-il fait ? (1) toile goudronne, bches
plastiques, ou branches et brindilles (2) herbes (3) pierre ou ardoise (4) plaques daluminium (5)
tuiles de brique (6) bton
D3. De quel matriau les murs extrieurs sont-ils faits ? (1) toile goudronne, bches plastiques, ou
branches et brindilles (2) terre (3) tles daluminium (4) bois (5) briques ou pierres lies par de la
terre (6) briques ou pierres lies par du ciment
D4. Quel est le type de sol de lhabitat ? (1) terre (2) bois (3) ciment (4) ciment et matriau couvrant

D5. Daprs les observations, quel est ltat de lhabitat principal? (1) trs dlabr (2) aurait besoin de
grosses rparations (3) structure saine
D6. La maison est-elle alimente en lectricit ? (1) pas de connexion (2) connexion partage (3)
connexion propre
52
D7. Quel est le type de combustible le plus utilis pour la cuisson ? (1) bouses sches (2) bois ramass
(3) bois achet (4) charbon de bois (5) ptrole (6) gaz (7) lectricit
D8. Quelle est la source deau potable utilise ? (1) eau de pluie, barrage, tang, lac ou rivire (2)
source (3) puits public ouvert (4) puits public ferm par une pompe (5) puits dans une cour prive
(6) adduction deau publique (7) adduction deau dans la maison
D9. De quel type dinstallations sanitaires lhabitat est-il pourvu ? (1) buisson, champ ou pas
dinstallation (2) simple fosse (3) fosse privative (4) latrines fosse amliores et ventiles (5)
latrines privatives plus sophistiques (6) toilettes avec chasse deau, communes ou privatives


Conseils. Les caractristiques spcifiques de lhabitat varient en fonction des rgions et des
cultures. Dans certaines cultures, lhabitat peut consister en plusieurs logements compris dans
une mme enceinte. Dans les zones urbaines, les logements peuvent tre des pices loues
lintrieur dun btiment unique. Il est donc essentiel dajuster les questions de cette section pour
prendre en compte les spcificits de lhabitat des mnages interrogs. Lhabitat se dfinit
comme tous les espaces de vie ferms utiliss par la famille de manire habituelle. Les btiments
utiliss principalement pour lentreposage ou le btail ne sont pas considrs comme faisant
partie de lhabitation.
Une autre difficult concerne le biais intervenant dans les zones o le niveau des infrastructures
locales empche les mnages daccder certains quipements. Par exemple, mme les mnages
aiss nauront pas llectricit dans une zone o llectricit nest pas installe. Ce biais potentiel
sera compens dans ltude par lanalyse de la zone et na pas besoin dtre pris en compte dans
le questionnaire.
Connatre le statut de proprit de lhabitat peut beaucoup aider interprter les autres
informations sur le mnage et les caractristiques de lhabitat. Si lhabitat est construit sur un
terrain squatt peut tre un indicateur du niveau gnral dinscurit et de vulnrabilit.

Elment D1 : nombre de pices. Correspond au nombre de pices utilises par le mnage
pour vivre. La dfinition dune pice doit tre spcifie dans le contexte local. Les logements
spars faisant partie du mme ensemble abritant diffrents membres du mnage doivent tre
pris en compte ; en revanche les remises ou lieux de stockage ne sont pas comptabiliss.
A dfinir : Etablir une dfinition standard de ce qui constitue une pice et
lajouter la fiche de rfrence.
Au Kenya, la dfinition dune pice incluait non seulement les pices situes lintrieur
de lhabitat principal du mnage, mais aussi les logements spars habits par certains
membres.
Elment D2 : type de matriau du toit. Cette question ncessite que les principaux types de
matriaux habituellement utiliss soient identifis, les catgories de choix dfinies et tries
par ordre croissant de qualit, de durabilit ou de cot. Lorsque les mnages vivent dans des
logements spars lintrieur dun mme ensemble, le matriel pris en compte est celui du
toit de la structure principale.
53
A adapter : Dterminer les catgories de matriaux du toit et les trier par ordre
croissant de qualit laide de codes.
En Inde, les toits faits de matriaux non durables taient les plus courants parmi les mnages
pauvres, tandis que les toits de ciment ou de tuiles taient les moins courants au sein de cette
population. Au Kenya, presque tous les toits taient faits de tles mtalliques, quel que soit le
niveau de pauvret du mnage.

Elments D3-D4 : type de murs extrieurs et de sol. Le choix des matriaux utiliss dans la
construction des murs extrieurs et des sols varie en fonction du lieu. Cependant, lordre des
modalits doit tre fonction de la gradation de la qualit, dtermine soit par la durabilit,
soit par le cot. Le numro de code le plus lev doit correspondre aux matriaux de la
meilleure qualit. L encore, ne prendre en compte que les murs et sols de lhabitat principal.
A adapter : Dterminer les catgories de matriaux des murs (et sols) et les
trier par ordre croissant de qualit laide de codes.
Les zones ctires de Madagascar tant souvent touches par des ouragans tropicaux, la
plupart des habitations taient construites laide de matriaux lgers et peu coteux, de
faon pouvoir tre reconstruites facilement. Les types de murs et sols ne constituaient donc
pas un bon indicateur du niveau de pauvret relatif des mnages.
Elment D5 : tat de la structure de lhabitat. Cette question repose sur lvaluation
subjective de lenquteur et suppose que celui-ci puisse voir la structure de lhabitat. Pour
que cette mesure soit cohrente, il faut que les enquteurs sentendent sur la signification de
dlabr , ncessitant des rparations et en bon tat . Ltat ne doit prendre en
compte ni la taille de lhabitat, ni la nature des matriaux utiliss, ceux-ci ayant dj t
mesurs.
A dfinir : Retenir une interprtation standard des trois niveaux dfinis relatifs
ltat de lhabitat et lajouter la fiche de rfrence.
Au Kenya, dlabr tait utilis lorsque la structure de lhabitat ntait pas saine.
Ncessitant des rparations tait utilis lorsque certaines parties de lhabitat avaient
manifestement besoin dtre rpares. En bon tat signifiait quaucune rparation
manifeste ntait ncessaire.
Elment D6 : alimentation lectrique. Les possibilits et moyens dalimentation en lectricit
varient en fonction du lieu. Les rponses proposes peuvent ncessiter des modifications
pour tenir compte du contexte. Elles doivent tre classes par ordre croissant de facilit
daccs et de cot. En cas dabsence dalimentation lectrique, la rponse doit galement tre
note.
A adapter : Dterminer les catgories de niveau daccs llectricit et trier
les rponses par ordre croissant de cot en leur attribuant des codes.
54
En Inde, seulement 20 pour cent des mnages pauvres bnficiaient dune connexion
lectrique, contre 80 pour cent des mnages moins pauvres.
Elment D7 : matriau de combustion. Le type de matriau de combustion principal reflte
les conditions locales spcifiques. Les biais ventuels dus aux diffrences locales
dutilisation du combustible sont traits au cours de la phase danalyse. Les catgories de
combustibles proposes en rponse doivent tre les mmes pour toutes les zones dtude et
doivent tre classes par ordre croissant de cot.
A adapter : Dterminer les catgories de combustibles et les trier par ordre
croissant de cot laide de codes.
Au Kenya, dans les zones rurales, le fait que les mnages achtent ou collectent leur matriau
de combustion tait un indicateur significatif de leur niveau de pauvret relatif.

Elment D8 : source deau potable. La source deau potable sera dtermine par les
conditions locales. En gnral, leau potable tire de sources ouvertes, notamment de puits
ouverts, est de moins bonne qualit que celle obtenue via des systmes dadduction ferms,
quils soient publics ou privs.
A adapter : Dterminer les principales sources deau potable et les trier par
ordre croissant de qualit laide de codes.
A Madagascar et au Kenya, les mnages pauvres utilisaient le plus souvent des sources
ouvertes pour sapprovisionner en eau potable.
Elment D9 : type de latrines. Le type de latrines est une composante de lhabitat et peut tre
en partie dtermin par le niveau de pauvret relatif du mnage. Les catgories de rponses
doivent tre adaptes au contexte local et classes par ordre croissant de qualit ou de cot.
A adapter : Dterminer les principaux types de latrines et les trier par ordre
croissant de qualit laide de codes.

En Inde, mme la plupart des mnages moins pauvres ne disposaient pas de latrines
lintrieur de la maison; cependant la probabilit den avoir tait plus leve pour ces
mnages l (28 pour cent compar moins de 1 pour cent pour les mnages les plus pauvres).
Section E : Autres indicateurs relatifs la possession dactifs
Objectif. La possession dactifs est fortement dpendante du niveau de revenu du mnage. Les
mnages les plus pauvres utilisent leurs revenus pour satisfaire leurs besoins lmentaires et ont
trs peu dexcdents investir dans des biens durables. En mesurant la valeur de certains types
de biens de consommation durables, on peut identifier des diffrences dans les niveaux de
pauvret, sans avoir procder une valuation de lensemble des actifs du mnage. Les
objectifs spcifiques de cette section consistent relever le nombre dactifs dtenus par le
mnage pour chaque catgorie retenue et valuer la valeur marchande de ces actifs au moment
de lenqute. Le tableau 4.11 reprsente la section E du questionnaire.
55
Conseils. Demander aux mnages de donner le dtail de leurs actifs et den estimer la valeur
peut savrer assez dlicat. La liste des actifs doit se limiter dans la mesure du possible aux actifs
observables. Elle ne doit pas prendre en compte les articles appartenant lentreprise dun
membre du mnage lorsque ceux-ci sont considrs comme des stocks. Les stocks sont des biens
qui ont t achets pour tre revendus ou utiliss dans la confection de produits destins tre
vendus.
Si le mnage possde un poste de radio ou un rfrigrateur situ dans les locaux de lentreprise
mais non destin la vente, celui-ci peut tre compt comme un actif du mnage. Enfin, la valeur
dun actif correspond la somme dargent que le mnage peut tirer de la vente de celui-ci au
moment de lenqute. Pour que lestimation soit la plus prcise possible, lenquteur peut
demander au mnage depuis combien de temps il possde lactif et si celui-ci est en bon tat de
marche.
Lorsque de nouveaux clients ont dj obtenu un prt de lIMF, toutes les questions relatives aux
actifs doivent tre adaptes de manire liminer toute acquisition effectue grce au prt. La
meilleure faon de procder consiste demander quels sont les biens achets grce au prt et
les exclure.
Elment E1 : surface foncire. La proprit foncire est un bon indicateur du niveau de
richesse dans beaucoup de pays en dveloppement. La taille du terrain dtenu par un
mnage se mesure par la surface (en acres, hectares ou autre mesure) des terres dtenues
par lensemble des membres du mnage. Le terrain peut tre subdivis en catgories
refltant les diffrences dutilisation ou de valeur relative. Si les mnages sont
susceptibles de connatre la valeur de leur terrain au taux du march et den fournir une
estimation prcise, lenquteur peut galement demander la savoir.
A adapter : Dterminer les types de terrains mesurer agricoles ou non
agricoles, cultivs ou non cultivs et tablir une dfinition standard pour
chacun (voir tableau 4.12). Dterminer si la valeur des terrains peut tre
facilement value et, si oui, fixer des principes standard pour cette
valuation. Utiliser les mesures de superficie locales.
56

Tableau 4.11 Section E du questionnaire denqute
Section E. Indicateurs relatifs la possession dactifs
E1. Surface du terrain dtenu : Agricole :___________ Non agricole :____________
Valeur du terrain dtenu : Agricole :___________ Non agricole :____________
E2. Nombre et valeur des actifs slectionns dtenus par le mnage (demander au mnage didentifier
les biens achets grce au prt de lIMF et liminer ces actifs du tableau)
Type dactif et code Nombre dactifs
dtenus
Valeur de revente au prix
courant du march
Btail
1. Bovins et buffles
2. Moutons, chvres et cochons
adultes

3. Volaille et lapins adultes
4. Chevaux et nes
Moyens de transport
5. Voiture
6. Motocyclette
7. Bicyclette
8. Autre vhicule
9. Charrette
Appareils mnagers/lectriques
10. Tlvision
11. Magntoscope
12. Rfrigrateur
13. Cuisinire lectrique ou gaz
14. Machine laver
15. Radio
16. Ventilateur

E3. Selon vous, quel est globalement le niveau de richesse des clients de lIMF ?
(1) pauvre (2) moyen (3) riche (4) ne connat pas lIMF

Dans les nombreuses rgions o les terres sont proprit commune, les questions mesurant la
proprit ou laccs la proprit foncire peuvent ne pas tre un bon moyen de
diffrenciation des niveaux de pauvret.
57

Tableau 4.12 Catgories lies au foncier dans les tudes de cas
Pays Catgorie de terre
Kenya Utilise pour la production agricole, non utilise pour la
production agricole
Madagascar irrigue, non irrigue
Inde irrigue, non irrigue
Nicaragua irrigue, non irrigue

Elment E2 : valeur des actifs dtenus sous forme de btail (n 1-4). Dans beaucoup de pays,
les animaux constituent un type dactifs important pour le mnage. Parfois, cependant, les
mnages interrogs peuvent avoir une rticence confier le nombre et la valeur de leurs
animaux. Par ailleurs, les mnages vivant en zone urbaine sont moins susceptibles de dtenir
du btail.
A adapter : Dterminer quels animaux peuvent tre rvlateurs du niveau de
richesse du mnage et les reporter dans le tableau E2. Constituer jusqu
quatre catgories.
Au Kenya, la plupart des mnages taient rticents dnombrer leur btail car il est
coutumier de penser que cela porte malheur. En Inde, o le btail est sacr et rarement tu, la
possession de nombreux bovins avait peu de valeur montaire. La valeur des vaches dtenues
par un mnage pouvait donc tre plus instructive que le nombre.

Elment E2 : valeur des moyens de transport (n 5-9). Dans de nombreux pays, la possession
de moyens de transport est rvlatrice du niveau de pauvret relatif des mnages. La
possession de bicyclettes, motocyclettes et autres vhicules motoriss varie beaucoup dun
pays lautre. Dans les rgions montagneuses, les mnages auront moins tendance
possder des bicyclettes quen zone urbaine.
A adapter : Revoir la liste des moyens de transport pour ne garder que ceux
utiliss dans les zones tudies.
Au Kenya, peu de mnages possdaient un vhicule ou une bicyclette ; en Inde, la possession
dune bicyclette tait un indicateur de relative richesse.

Elment E2 : valeur des appareils mnagers/lectriques (n 10-16). Tous les principaux
appareils mnagers ou lectriques sont considrs comme de bons indicateurs du niveau de
pauvret relatif des mnages. Tous ntant pas adapts toutes les zones, la liste devra tre
modifie pour tenir compte des ralits locales.
A adapter : Revoir la liste des appareils mnagers/lectriques pour ne garder
que ceux utiliss dans les zones tudies. Retenez les questions susceptibles
dtre pertinentes pour la majorit des mnages et amenant des rponses
fiables.
58
En Inde, la possession de ventilateurs lectriques tait le signe dune relative richesse. Dans
les rgions montagneuses du Kenya, peu de mnages possdaient un ventilateur mais
beaucoup avaient la tlvision. Au Nicaragua, la plupart des mnages interrogs possdaient
au moins un poste de tlvision et sa valeur tait significative du niveau de richesse du
mnage.
Dans les pays o beaucoup dappareils lectriques peuvent tre achets crdit, la valeur des
actifs peut tre diminue du montant du crdit pour mieux diffrencier le pouvoir dachat des
mnages.
Adapter le questionnaire
Le questionnaire a t test dans quatre pays diffrents et a dmontr son efficacit mesurer le
niveau de pauvret relatif des mnages. Cependant, la version standardise du questionnaire
devra tre adapte pour tenir compte des spcificits locales.
Ladaptation du questionnaire standard intervient deux niveaux. Dabord, pour adapter les
catgories de rponses aux questions standard, les valuateurs devront reformuler certaines
phrases. Ensuite, les chercheurs souhaiteront parfois ajouter des indicateurs spcifiques au
contexte pour mesurer des aspects bien particuliers de la pauvret. Par exemple, au Nicaragua, le
montant des transferts de fonds de travailleurs migrants constitue un indicateur significatif. Dans
tous les cas, lajout dindicateurs spcifiques doit rester occasionnel.
Cet outil limite cinq le nombre dindicateurs supplmentaires permettant de mesurer des
aspects de la pauvret spcifiques au contexte. Lun des moyens de limiter son choix consiste
ne prendre en compte que les caractristiques mentionnes par les habitants et ne figurant pas
dans le questionnaire standard.
Par ailleurs, pour les indicateurs utiliss dans lanalyse en composantes principales, les rponses
doivent tre soit numriques (c.--d. reprsentant une quantit ou une valeur), soit correspondre
des catgories de rponses codes selon la progression suivante : 1 pour la catgorie
infrieure, puis par ordre croissant damlioration du niveau de vie. Aucun indicateur de
pauvret au niveau du mnage ne doit entraner de rponse oui/non ou possde/ne possde
pas . Aucun indicateur ne doit donner lieu des rponses codes correspondant ne sait pas
ou non applicable .
Conseils pour la formulation des questions
Un questionnaire est un formulaire standardis qui permet de collecter des donnes auprs des
personnes interroges des fins de mesure et danalyse quantitative. Il se compose de questions
qui doivent tre poses de la mme faon tous les enquts, et dont les rponses sont reportes
suivant des catgories de rponses standard.
La conception du questionnaire est un art davantage quun processus scientifique. La qualit du
questionnaire dpend du savoir-faire et du jugement du rdacteur, de sa comprhension de
linformation recherche, de la faon dont cette information sera utilise et de sa connaissance
des ventuelles sensibilits des enquts. Les bons questionnaires sont souvent crs en plusieurs
59
tapes et requirent de nombreux tests prliminaires. Les bonnes questions ont en commun
les caractristiques suivantes :
La formulation dune question est dterminante pour que lenquteur et lenqut
interprte sa signification de la mme manire. Il nexiste pas de formulation unique
correcte. Ce qui importe, cest de bien comprendre quel effet telle ou telle
formulation particulire est susceptible davoir sur la rponse.
Les mots utiliss dans la formulation de la question doivent tre bien compris de
lenquteur et de la personne interroge. Ils doivent aussi correspondre lusage local
courant de la langue. Les mots utiliss ne doivent pas tre ambigus, c.--d. ne doivent
pas donner lieu plusieurs interprtations possibles.
Les questions diriges ont tendance suggrer lenqut une rponse attendue.
Prenez- vous trois repas par jour ? est une question plus dirige que combien de
repas prenez- vous par jour ? . De mme, certaines questions peuvent introduire un
biais si certains mots ou certaines phrases semblent indiquer une approbation ou une
dsapprobation. Avez- vous les moyens davoir le tlphone ? est plus susceptible
dintroduire un biais que la question Avez- vous le tlphone ? .
Pour viter toute alternative implicite, les questions doivent indiquer clairement
toutes les alternatives pertinentes en rponse une question, moins que cela ne soit
pas appropri pour une raison ou une autre. Par ailleurs, lordre de prsentation des
alternatives peut avoir un effet sur la rponse, la dernire alternative cite ayant
tendance tre davantage choisie. Pour viter les estimations inutiles, les questions
doivent tre formules dune manire qui permet lenquteur de raliser des calculs
ultrieurement. Demander un mnage combien de sucre il a consomm au cours de
la semaine passe est plus simple et susceptible de susciter une rponse prcise que de
lui demander combien de sucre il a consomm au cours de lanne passe.
Les questions doubles sont galement viter. Celles-ci sont formules de telle faon
quelles appellent deux rponses, alors quune seule rponse est demande. Par
exemple, demander dans la mme question quelle quantit de riz et de sucre la famille
a consomme au cours de la semaine passe conduirait une rponse et une
interprtation difficile.
Enfin, les enquteurs doivent veiller maintenir un cadre de rfrence clair. Les
questions doivent rester orientes sur le mnage interrog. Au lieu de demander si les
mnages de la zone ont eu suffisamment de nourriture au cours du mois pass, ce qui
fait appel un jugement subjectif, il vaut mieux demander au mnage concern si lui-
mme a eu une quantit de nourriture suffisante au cours du mois pass.
La personne interroge doit tre capable de rpondre la question telle quelle est pose, et prte
le faire. Lenqut aura parfois du mal rpondre certaines questions parce quil est mal
inform ou na pas de souvenirs prcis. Dans ce cas, il peut tre ncessaire de faire participer
dautres membres du mnage pour obtenir la bonne rponse.
Par rticence, il peut arriver que la personne interroge refuse de donner une rponse ou
fournisse dessein une rponse errone. La probabilit de ce type de comportement peut tre
rduite si les enquts ont une perception positive de lenquteur et sont convaincus que
60
linformation est recherche dans un but lgitime. Commencer par une bonne prsentation et ne
pas prcipiter lentretien peut contribuer mettre la personne interroge en confiance.
Encadr 4.1 Des questions bien conues
utilisent des mots simples et clairs
ne sont pas diriges et vitent de donner lieu des rponses
biaises
nentranent pas dalternatives, ni dhypothses implicites
nentranent pas destimation
ne sont pas doubles
prennent en compte le cadre de rfrence
indiquent qui elles sont destines
ne sont pas poses la hte
Prcodage du questionnaire
Le questionnaire standardis cr pour ce manuel est format de manire prvoir des rponses
prcodes aux questions qualitatives. Le codage consiste attribuer un nombre chaque rponse
ou catgorie de rponses pour une question donne. Les questions qualitatives de ce
questionnaire sont des questions fermes, ce qui signifie quelles donnent lieu un certain
nombre de catgories de rponses pr- identifies, correspondant chacune un nombre.
Les codes correspondant aux diffrentes rponses ou catgories de rponses ont t structurs de
manire ce que toutes les rponses possibles puissent tre rapportes lun des choix
prdtermins. Cette mthodologie garantit labsence de chevauchement entre les catgories et
les codes. Afin de faciliter lanalyse des donnes, les catgories de rponses sont tries par ordre
croissant de qualit ou de cot. Ces principes doivent tre respects lors de ladaptation du
questionnaire au contexte local.
Le prcodage du questionnaire acclre considrablement le processus de saisie informatique des
donnes et danalyse des donnes laide de procdures statistiques. Lanalyse statistique
informatique requiert des codes au format numrique. Le questionnaire fournit une case
renseigner pour chaque question. La liste des catgories de rponses (modalits) et des codes
associs se situe la suite ou en dessous de la question.
Lorsque le codage dune question doit tre modifi pour adaptation au contexte local, les rgles
suivantes doivent toujours tre respectes :
Les rponses codes se traduisent par un nombre et sont classes par ordre croissant.
Les rponses codes sont places aussi prs que possible de la question et leur
placement est le mme dans tout le questionnaire (toujours droite ou toujours
gauche par exemple)
Les cases remplir correspondant chaque question se distinguent aisment de faon
ce que les enquteurs ne puissent pas se tromper en reportant la rponse.
Les rponses codes sont exhaustives, de sorte que lenquteur nait pas rdiger une
rponse qui nentre pas dans les catgories prvues.
61
Il nexiste pas de codes correspondant autre , ne sait pas ou non
applicable .
Les rponses quantitatives ne sont habituellement pas codes ; reporter lge rel dun
individu est prfrable attribuer des codes des groupes dge.
oui et non sont respectivement cods par 1 et 0.
Le nombre de cases de code fournies pour chaque question doit correspondre au
nombre de chiffres du code le plus lev pour la question donne. Par exemple, une
question code donnant lieu plus de 9 codes de rponse ncessite deux cases.
La liste des codes pour les questions sous forme de tableaux est situe sous le tableau
mais toujours sur la mme page.
Les rponses codes doivent tre clairement dfinies lintention des enquteurs. Outre une
brve description de ce quoi correspond chaque code, une fiche distincte est habituellement
ncessaire pour dfinir exactement ce quinclut chaque modalit. Cette fiche fournit
lenquteur les traductions des termes et de la signification de chaque modalit de rponse dans
la langue locale. Les dfinitions du mnage ou dune pice peuvent aussi y figurer. Cette
fiche de rfrence doit prsenter les informations en suivant le mme ordre que celui du
questionnaire et indiquer le numro correspondant la question concerne.
Le prcodage doit tre effectu par ceux qui adaptent le questionnaire au contexte local et,
idalement, en mme temps que ladaptation de chaque question. Identifier des modalits de
rponses pertinentes, exhaustives, mais ne se recoupant pas, implique gnralement beaucoup de
rflexion. Cette tche ne doit pas tre dlgue un membre junior de lquipe dvaluation.

60
CHAPITRE 5

FORMER LES MEMBRES DE LEQUIPE DEVALUATION




Idalement, la formation des enquteurs doit tre assure par les personnes qui rvisent et
finalisent le questionnaire, et qui ralisent lanalyse des donnes si possible. Cette mthode
permet dviter toute confusion sur lobjectif des questions ou la faon dont elles sont formules
et traduites.
La formation des enquteurs peut suivre une progression destine inculquer les comptences
requises tape par tape. Normalement, la formation des enquteurs requiert un minimum de
deux trois jours, auxquels sajoutent deux jours consacrs aux tests prliminaires. La dure
ncessaire la formation est en majeure partie dtermine par lexprience de terrain antrieure
des enquteurs et des superviseurs de terrain.
Etape 1 : Rsum du contexte, de lobjectif et de la mthodologie de ltude
Mthode : brainstorming et dbat
Matriel : information rsume crite, tableau de papier pour noter les commentaires,
blocs-notes pour les participants
Dure : une journe

Le rle des enquteurs est essentiel pour la qualit de la collecte des donnes. Ceux-ci doivent
prsenter ltude aux personnes interroges de manire convaincante, garantir que la formulation
des questions est respecte et clarifier certains points auprs des enquts qui ont une mauvaise
comprhension ou une certaine rticence rpondre. Pour mener bien leur rle, les enquteurs
ont besoin davoir une bonne comprhension (i) de lobjectif de ltude, (ii) du plan
dchantillonnage utiliser pour lidentification des mnages, (iii) du programme des oprations
de terrain, (iv) du rle de lenquteur et des principes dun bon entretien, et (v) des sources
potentielles derreur.
Toute prsentation informelle laissant la possibilit aux participants de poser des questions
convient pour cette premire tape de formation. Les exemples ci-dessous montrent comment
amener les enquteurs la comprhension de chaque sujet de ltude.
Discuter de lobjectif de ltude
Cette session peut dbuter par un rsum de lobjectif de ltude et une description des rles des
diffrentes organisations qui y participent. Une fois que les enquteurs ont une ide gnrale de
ltude, les formateurs peuvent sassurer quils ont une bonne comprhension de lobjectif et de
limportance de ltude de terrain en posant certaines questions dapprofondissement. Ces
61
questions les amneront rflchir aux raisons et la faon dont ltude est mene. Le chapitre 1
de ce manuel dcrit lobjectif de ltude.
Ci-dessous quelques exemples de questions possibles pour encourager la discussion :
Q : Quentend-on par pauvret ?
R : La plupart des pays ont des dfinitions trs claires de la pauvret. Calculer le niveau de
pauvret dun mnage est trs compliqu. La pauvret est habituellement mesure en termes
absolus, fournissant une mesure des revenus et dpenses actuels du mnage pour dterminer si
celui-ci est pauvre. De manire globale, le seuil de pauvret dun pays correspond un niveau
limite de revenu annuel au-dessous duquel les mnages sont considrs comme pauvres.
Q : Quelle est la diffrence entre pauvret absolue et pauvret relative ?
R : Cet outil dvaluation de la pauvret ne mesure pas le niveau de pauvret rel des mnages,
ce qui dpasserait le cadre de ltude. Ltude consiste plutt comparer le niveau de pauvret
dun mnage donn avec celui des autres mnages vivant dans la mme zone. Les enquteurs
parviennent ce rsultat en posant des questions qui indiquent le niveau relatif de richesse ou de
pauvret dun mnage.
Q : Quels types de caractristiques fournissent des indications sur le niveau de pauvret
relatif dun mnage ?
R : Il existe beaucoup trop de caractristiques pour pouvoir les passer toutes en revue dans un
questionnaire. Beaucoup de questions ont t testes et les chercheurs en ont tir la conclusion
que les questions les plus informatives taient celles lies aux ressources du mnage, que ce soit
sous la forme dactifs, de type dactivit ou de niveau dducation. Dautres caractristiques sont
lies la capacit du mnage satisfaire ses besoins courants, des questions sont donc poses sur
la qualit et ladquation de lalimentation, de leau, des vtements et de lhabitat.
Les questions sont centres sur les caractristiques observables, de prfrence peu sensibles pour
lenqut, qui nimpliquent pas trop de calculs et qui peuvent obtenir des rponses fiables.
Q : Pourquoi les clients dIMF sont-ils compars aux non-clients ?
R : Beaucoup dIMF ont pour but de toucher les pauvres dans leur zone dactivit, mais il est
difficile de dterminer si elles remplissent effectivement cet objectif. Les bailleurs de fonds
financent souvent les IMF condition quelles servent les pauvres. Cette tude sert dterminer
dans quelle mesure les IMF parviennent vritablement atteindre les pauvres dans les zones o
elles oprent. Les mnages non-clients sont interrogs pour effectuer une comparaison entre les
clients des IMF et la population gnrale de la zone concerne.
Q : Quelles motivations pourraient pousser les IMF influencer les rsultats de ltude et
quels moyens auraient-elles de le faire ?
R : Les IMF ont tout intrt ce que beaucoup de leurs clients soient perus comme pauvres,
puisque cela se traduit par une meilleure image de linstitution auprs des bailleurs de fonds et de
la population locale. Certaines IMF pourraient tre tentes de conseiller leurs clients de sous-
estimer leurs biens, la qualit de leur alimentation, ou dautres critres valus lors de ltude. Le
62
meilleur moyen de se prmunir contre cette ventualit est dviter de montrer en dtail les
questions de lenqute au personnel de lIMF.
Discuter du plan dchantillonnage utilis pour lidentification des mnages
Dans de nombreuses tudes, les enquteurs ont tendance viter les cas extrmes de pauvret ou
de richesse. Discuter avec les enquteurs de la manire dont vivent les personnes les plus pauvres
et de leur lieu dhabitation. Si ces personnes sont sans domicile, discuter de la faon dont ils
peuvent tre identifis. Chercher savoir comment et o vivent les mnages riches et comment
ces mnages peuvent tre inclus dans le processus dchantillonnage.
Les enquteurs ont besoin de comprendre pourquoi il importe tellement dinterroger les mnages
de lchantillon slectionn pour cette tude. Les chantillons de mnages clients sont
slectionns partir de listes habituellement dresses pour les besoins de ltude. Si ce sont les
superviseurs travaillant avec les agents de terrain de lIMF qui sont responsables de la cration
de ces listes, cest aux enquteurs de slectionner les mnages clients en suivant lordre de la
liste. Les enquteurs doivent galement choisir des mnages remplaants partir des listes de
rserve. Discuter de la faon dont ces listes sont dresses et du choix dun remplaant lorsque
cest ncessaire. Dcrire le plan que les enquteurs doivent communiquer aux superviseurs pour
identifier un mnage remplaant.
Lchantillonnage des mnages non-clients implique que les enquteurs comprennent
parfaitement le processus de parcours alatoire, au cas o ils auraient besoin de trouver ces
mnages sans laide dun superviseur. Prsenter le matriel requis pour le parcours alatoire
(chapitre 3, page 39) de la manire la plus simple possible. Tester leur comprhension en
demandant comment lchantillonnage peut tre ralis dans diffrents environnements et quels
sont les problmes susceptibles de se poser. Discuter des solutions apporter ces problmes.
Choix des habitations. Lorsquune direction a t choisie de manire alatoire, une habitation
est slectionne en appliquant un intervalle prdtermin. Cet intervalle est fix en fonction de la
taille de la zone et du nombre de mnages interroger de faon assurer une couverture large de
la zone. En gnral, on fixe un intervalle de 1 habitation sur 5 dans une zone peu peuple, de 1
sur 10 ou 15 dans une zone plus tendue ou plus densment peuple. Toutes les habitations
doivent tre soigneusement dnombres, mme les cabanes et les structures provisoires ; celles-
ci ont toutes les chances dabriter des familles pauvres. Les btiments qui ne sont pas des lieux
dhabitation (par ex. glise, cole, mosque, mairie) ne sont pas comptabiliss.
Dans la rue, les habitations sont comptes alternativement sur le ct gauche et sur le ct droit ;
aux intersections, lenquteur prendra alternativement sur la droite et sur la gauche.
Mnages multiples dans une habitation. Lorsque deux ou trois mnages vivent dans la mme
habitation, un numro est attribu chaque mnage et lun dentre eux est slectionn au hasard
(par exemple, les numros sont inscrits sur des bouts de papier et un papier est tir au hasard).
Lorsquune mme habitation abrite un grand nombre de mnages, un numro est attribu
chacun et plusieurs mnages peuvent tre slectionns. Par exemple, si lintervalle est de 1
habitation sur 10, et quil y a 30 mnages dans le mme btiment, 3 mnages sont slectionns.
63
Parcours alatoire dans une ville. Pour une petite ville (moins de 4 ou 5 kilomtres dun bout
lautre), lenquteur doit identifier un point central de la ville (comme une place de march, une
intersection de deux rues principales, une mairie ou un btiment important) qui servira de point
de dpart du parcours alatoire.
Lorsque la ville est tendue, seule la zone dans laquelle sont concentrs les clients chantillonns
est tudie. Idalement, les clients doivent habiter proximit les uns des autres de faon
pouvoir dterminer les limites dune zone. Sil nest pas possible de dfinir des limites claires,
une carte peut tre grossirement trace avec laide des clients ou du personnel local de lIMF.
La carte doit montrer les limites naturelles (comme les rivires, les principales rues ou les parcs)
de faon identifier diffrentes zones. Un numro est ensuite attribu chaque zone et certaines
sont slectionnes au hasard pour ltude. Par exemple, on peut slectionner 3 4 zones sur les
10 zones de la ville. Dans chaque zone slectionne, un point central doit tre identifi pour
dbuter le parcours alatoire.
Parcours alatoire dans une zone rurale. Les distances sont gnralement plus importantes
dans les zones rurales et les cartes officielles la plupart du temps inexistantes dans les pays en
dveloppement. Dans ce cas, la zone administrative tudier est divise en plusieurs zones sur la
base des limites naturelles. Plusieurs zones sont ensuite slectionnes au hasard. Lorsque aucune
rue nest clairement trace, les habitations sont slectionnes en suivant la direction choisie au
hasard.
Mnages de remplacement. Avec la technique du parcours alatoire, le mnage de
remplacement est le mnage suivant (n + 1). Par exemple, si lintervalle retenu est de 1
habitation sur 10 et que le mnage slectionn ne veut pas rpondre au questionnaire, cest celui
de la 11
me
habitation qui le remplacera. Lorsque les mnages sont absents, lenquteur doit
viter de les remplacer systmatiquement. Les membres du mnage peuvent tre au travail ou
momentanment absents. Dans ce cas, lenquteur peut revenir lorsque les membres du mnage
sont rentrs (dans la soire ou le week-end). Si lenquteur remplace systmatiquement les
mnages absents, cela risque de conduire une sous-reprsentation des mnages actifs.
Enfin, discuter avec les enquteurs et les superviseurs du terme dcrivant le mieux la zone
tudie en utilisant les qualificatifs numrs la fin du chapitre 3. Dfinir des moyens pour
distinguer les zones rurales, semi- rurales et urbaines.
Prsenter le plan de mise en uvre sur le terrain
Les enquteurs auront beaucoup de questions sur le type de support dont ils bnficieront sur le
terrain. Ils voudront savoir comment ils seront vhiculs, quel type dhbergement ils peuvent
sattendre, quand ils travailleront, quel type de matriel sera mis disposition, quelles dpenses
seront couvertes par les per diem et quelles sont les mesures prvues au cas o ils tomberaient
malades ou seraient blesss. Passer en revue le calendrier que vous avez dfini pour la mise en
uvre de ltude de terrain et les responsabilits de chaque personne implique dans ltude.
64
Dfinir le rle de lenquteur et passer en revue les principes dun bon entretien
Concernant le rle de lenquteur et lart de lentretien, les points importants souligner sont les
suivants.
Etre comprhensif quant lhoraire des entretiens. Les enquteurs doivent se montrer prts
programmer les entretiens un moment o les personnes interroges sont en mesure de les
rencontrer. Ils doivent galement informer les enquts sur la dure requise pour lentretien (20
minutes environ).
Insister sur le fait que les questions doivent tre poses en utilisant la formulation exacte
crite, tout en conservant un ton dtendu de conversation. Les questions doivent galement tre
enchanes de manire fluide, sans rupture le temps que lenquteur retrouve lendroit o il sest
arrt ou relise la question quil va poser.
Connatre suffisamment bien les questions pour ajouter des claircissements ou des
encouragements si les personnes interroges sont embarrasses ou rticentes rpondre.
Lorsquune rponse ne parat pas fiable, lenquteur doit chercher clarifier la rponse en
douceur jusqu ce quil soit sr de sa fiabilit.
Soigner son apparence et se comporter poliment. Ceci signifie par exemple ne pas manger
pendant les entretiens, se montrer respectueux envers les ans et se vtir modestement. Les
enquteurs ne doivent pas accepter de nourriture ni de prsents de la part du mnage, moins
que ce type de refus ne soit considr comme extrmement impoli dans le contexte concern.
Conserver une attitude neutre par rapport aux questions poses, lobjectif de ltude et
lIMF concerne par ltude.
Discuter des principales sources derreur sur le terrain et des moyens de les contrler
Le personnel de terrain rencontrera invitablement des difficults dans la mise en uvre
planifie de ltude. La faon dont ils greront ces difficults peut cependant considrablement
rduire la probabilit derreur dans les donnes collectes. Certaines des sources derreurs les
plus courantes sont prsentes ci-dessous.
Erreurs de slection de lchantillon. Les erreurs dans la slection de lchantillon peuvent
avoir diffrentes sources. Dabord, elles peuvent provenir de la tentation dexclure certains
clients ou certains lieux pour des raisons qui sortent du plan dchantillonnage. Le personnel de
lIMF peut avoir des raisons dexclure certains groupes dont la participation conduirait biaiser
les rsultats de ltude. A lintrieur dune zone, les enquteurs peuvent avoir tendance viter
volontairement les mnages les moins accessibles ou privilgier les habitations en meilleur tat
et viter les habitations les plus pauvres de mnages non-clients. Toutes ces pratiques peuvent
tre lorigine derreurs significatives.
Erreurs dues labsence de rponse. Ces erreurs se produisent gnralement lorsque les
mnages ne sont pas chez eux ou quils refusent de participer. Pour viter ces erreurs, les
enquteurs doivent se reprsenter ultrieurement chez les mnages absents ou, si le mnage a
65
refus de rpondre, slectionner le mnage suivant sur une liste de rserve pour les clients, ou le
mnage le plus proche pour les non-clients.
Erreurs issues de lentretien. Les enquteurs qui mnent lentretien de manire maladroite,
fatigante ou blessante peuvent mettre en pril la qualit et le niveau de coopration de la
personne interroge. Pour viter ce type derreur, les enquteurs doivent bien connatre les
questions de manire les poser selon la formulation exacte. Ils doivent galement connatre
lordre des questions et toujours respecter cet ordre.
Les enquteurs peuvent amliorer les rponses en aidant les personnes interroges comprendre
les questions. Ces techniques de clarification aident motiver les enquts et les maintenir
concentrs sur linformation spcifique demande. Enfin, si des changements doivent tre
apports au questionnaire, les enquteurs doivent en garder la trace ; tous les enquteurs doivent
ensuite dcider sils approuvent les changements de manire uniforme et simultane. Envisager
de fixer un nombre maximum de questionnaires par jour pour viter que ceux-ci ne soient
complts dans la prcipitation.
Etape 2 : Comprendre le contenu du questionnaire
Mthode : discussion informelle avec questions et rponses
Matriel : copie du questionnaire rvis pour tous les enquteurs, tableau de papier
pour noter les commentaires, feuilles de papier supplmentaires pour les
participants et formateurs
Dure : une demi- journe
Avant la formation des enquteurs, toutes les adaptations locales du questionnaire doivent tre
rdiges par le personnel du projet et la version dite du questionnaire utilise pour la
formation. En formant le personnel lutilisation du questionnaire, il faut sassurer quil
comprend son contenu et la faon dont les rponses doivent tre notes. Il est recommand que le
personnel du projet :
passe en revue toutes les questions pour en identifier lobjectif
clarifie toutes les dfinitions qui ont t adaptes aux conditions locales
distingue les diffrents choix de rponses
dcrive la mthode de notation des rponses laide des codes
explique lordre des questions
mette au point une fiche de codes pour complter le questionnaire
En gnral, il est prfrable que cette tape de la formation reste informelle et permette autant
que possible les questions spontanes. Toute confusion ou scepticisme de la part des enquteurs
sur la formulation des questions, la nature des catgories de rponses ou lordre des questions
peut signaler des problmes dans le questionnaire. Encourager les valuateurs se montrer
ouverts sur les amliorations possibles.
Lorsque chaque section du questionnaire a t passe en revue, demander aux participants de
prendre des notes et dinscrire sur un tableau les points spcifiques lis la faon de poser
66
certaines questions ou dinterprter et de distinguer les catgories de rponses codes. La fiche
de notes prpare pour les enquteurs doit aussi comporter un texte dintroduction ltude, ainsi
quune liste des critres dligibilit pour les mnages clients et non-clients.
Encadr 5.1 Fiche de rfrence pour les enquteurs
La fiche de notes de rfrence fournie aux enquteurs doit comporter des
explications pour chacun des lments ci-dessous.
Slection des mnages :
instructions sur lchantillonnage alatoire
instructions sur le parcours alatoire
Vrification de lligibilit des mnages :
comment se prsenter et prsenter ltude
comment vrifier lligibilit des clients
comment vrifier lligibilit des non-clients
Liste de codes didentification pour :
toutes les zones de ltude et lieux
les groupes ou mnages lintrieur de la zone dtude
les enquteurs
Dfinitions cls :
un mnage
comment calculer la valeur des vtements et chaussures
un repas et pas suffisamment manger
une habitation
comment dfinir trois catgories pour l tat de lhabitat
comment estimer la taille des proprits foncires et distinguer les
diffrents types de terrains
comment guider les enquts pour dterminer la valeur de revente
des actifs
Etape 3 : Standardiser la traduction du questionnaire dans la langue locale
Mthode : petits groupes pour traduire, grands groupes pour relire les traductions
Matriel : exemplaires supplmentaires du questionnaire, feuilles pour prendre des
notes
Dure : une demi- journe

De nombreuses IMF oprent dans des zones o plusieurs langues sont parles. Dans la plupart
des cas, les personnes interroges auront une meilleure comprhension des questions si elles sont
poses dans leur langue locale. Le succs de la mise en uvre de ltude de terrain ncessite de
passer en revue la formulation de chaque question dans chaque langue, les enquteurs devant
sassurer que toutes les rponses mesurent bien la mme chose. La traduction na pas
ncessairement besoin dtre rdige. Si les enquteurs sont trs qualifis et vritablement
bilingues, et sils lisent suffisamment bien le franais pour assurer une traduction prcise au
moment de lentretien, une traduction orale standardise peut suffire.
67
La mthode utilise pour cette tape de la formation ncessite de commencer par rpartir les
enquteurs en petits groupes en fonction de leurs comptences linguistiques. Si leurs
comptences dans la langue locale nest pas suffisante, il peut tre ncessaire de faire appel une
expertise extrieure pour la traduction. Chaque petit groupe se charge de revoir la formulation de
chaque question et de chaque rponse dans chaque langue locale. Ce faisant, ils peuvent noter
des commentaires sur les mots choisis sur des feuilles de papier supplmentaires. Une fois la
version prliminaire de la traduction acheve, le personnel de ltude se runit et revoit chaque
version traduite pour en vrifier la cohrence.
Une fois les traductions revues, les mots cls de chaque question peuvent tre numrs sur une
fiche distincte, accompagns de leur traduction dans dautres langues. Ce moyen permet dviter
de traduire le document entier. Ces fiches sont ensuite utilises comme rfrence pendant les
entretiens.
Etape 4 : Sentraner lentretien en langue locale
Mthode : des petits groupes de trois enquteurs jouent alternativement les rles
denquteur, de personne interroge et dobservateur
Matriel : copies du questionnaire, notes sur la traduction
Dure : une demi- journe
Les bons programmes de formation prvoient toujours de larges priodes de pratique. La
pratique aide les enquteurs : (i) contrler la cohrence du questionnaire dune langue lautre,
(ii) se familiariser avec la formulation exacte et lordre des questions, (iii) sentraner au codage
exhaustif du questionnaire, et (iv) prendre confiance dans leurs capacits mener lentretien.
Cette tape de la formation peut prendre diffrentes formes. La technique du jeu de rles (une
paire denquteurs pour une personne interroge) est efficace, avec ou sans observateur. Le
changement de rles et de partenaires peut apporter de la diversit aux rptitions ncessaires
la pratique. Tous les participants doivent tre fortement encourags donner leur avis leurs
collgues sur la manire damliorer leurs comptences.
Etape 5 : Test prliminaire du questionnaire
Mthode : visite sur des sites non slectionns pour lenqute, ralisation dentretiens
tests en groupe avec deux enquteurs et un observateur, discussion sur les
points problmatiques et les changements ncessaires
Matriel : au moins trois questionnaires pour chaque enquteur
Dure : une journe
Le test prliminaire dun questionnaire sur le terrain implique habituellement tous les niveaux de
lquipe dtude. Le test prliminaire est une pratique standard consistant identifier les points
faibles des questions de ltude et les erreurs sur le plan logistique. Il permet aussi didentifier un
besoin ventuel de formation supplmentaire pour le personnel de terrain. Le test prliminaire
offre la possibilit dapporter des corrections avant de procder lenqute vritable. Pour les
68
concepteurs du questionnaire, cest loccasion de vrifier si la formulation des questions est
approprie et leur interprtation cohrente.
Le test prliminaire du questionnaire sert aussi identifier les rponses imprvues qui nentrent
pas dans les catgories de rponses prdtermines. Celles-ci peuvent conduire complter la
liste des codes existants ou revoir la dfinition dun ou plusieurs codes dfinis. Le test
renseigne par ailleurs les responsables du projet et les superviseurs de terrain sur le temps et les
ressources ncessaires pour localiser et interroger les mnages.
Le processus de test prliminaire ne se rsume pas trouver les mnages et poser les questions.
Il consiste dabord slectionner un site dans lequel rsident des clients de lIMF non
slectionns dans lchantillon. Il doit permettre aux quipes de terrain de sentraner
lchantillonnage alatoire au niveau des clients et des non-clients. Le processus doit aussi
comprendre une visite aux leaders locaux pour tester leur raction aux entretiens.
Le test prliminaire constitue un outil de formation important pour les futurs enquteurs, qui
trouvent l loccasion de sentraner aux mthodes dchantillonnage et de prendre confiance
pour la ralisation des entretiens. Chaque enquteur doit avoir le temps de conduire au moins
deux entretiens superviss, de prfrence trois. Les superviseurs assistent lentretien, vrifient
les questionnaires complts par chaque enquteur et donnent leur avis sur la faon dont ils
peuvent amliorer leurs performances.
En plus de cet avis individuel sur leurs performances, les enquteurs ont lopportunit de
partager leur exprience au sein dun groupe, de poser des questions et de formuler des
suggestions damlioration. Les enquteurs auront probablement des questions lies la mthode
de parcours alatoire pour lchantillonnage des mnages non-clients. Ces questions doivent tre
traites et les rgles dapplication de la technique ventuellement revues.
Tableau 5.1 Calendrier de formation des enquteurs
Jour 1 Jours 2 & 3 Jour 4
Examen du contexte de ltude :
- objectif de ltude
- plan dchantillonnage
pour lidentification des
mnages
- programme des oprations
de terrain
- rle des enquteurs et
principes dun bon
entretien
- sources derreurs potentielles
Examen du contenu du
questionnaire

Traduction standard du
questionnaire en langue(s)
locale(s)

Entranement aux entretiens
en langue(s) locale(s)
Test prliminaire du
questionnaire

Retour sur les changements
ncessaires










PARTIE IV

ANALYSE DES DONNEES

69
CHAPITRE 6

TRAITER LES DONNEES DE LETUDE



La transformation des informations rdiges sur un questionnaire en une base de donnes
lectronique organise ncessite plusieurs stades de travail mticuleux. Il faut dabord dfinir les
variables lectroniques et les types de donnes. Ensuite les donnes sont saisies dans des tableurs
distincts, les fichiers tant clairement lis entre eux. Une fois les donnes saisies, elles doivent
tre nettoyes de faon liminer toute erreur pour assurer une analyse de donnes prcise.
Le traitement des donnes par informatique requiert des comptences spcialises. Le modle
standard de saisie des donnes fourni en annexe 5 de ce manuel peut tre adapt au questionnaire
modifi pour tel ou tel pays ; la personne charge des ajustements doit cependant avoir une
bonne comprhension de lutilisation finale des donnes.
Il est recommand que ladaptation des fichiers de saisie des donnes et la supervision des
personnes charges de la saisie soient confies un spcialiste expriment de lanalyse de
donnes. La saisie des donnes ne ncessite pas de comptences spcialises en informatique,
mais les personnes responsables de cette tche doivent matriser la dactylographie ainsi que la
gestion des fichiers sur un ordinateur. Une mauvaise matrise de la dactylographie allonge
gnralement le processus de saisie et favorise les erreurs. Le nettoyage des donnes fait appel
des techniques quil est prfrable de confier un analyste expriment matrisant les
statistiques. Les personnes charges de la saisie des donnes peuvent ensuite entrer les
corrections.
Les sections qui suivent dcrivent en dtail la faon dont les donnes sont saisies dans des
fichiers bien dfinis, puis nettoyes. Ce manuel part du principe que lanalyse des donnes est
faite laide du logiciel SPSS ; les conseils pour la saisie et le nettoyage des donnes concernent
ce logiciel.
Structure des fichiers de donnes et conception de la base de donnes
Structure des fichiers de donnes
La saisie de lensemble des donnes du questionnaire dans le mme fichier de calcul rendrait
lanalyse finale de ces donnes inefficace et confuse. Pour viter ce problme, plusieurs fichiers
de donnes diffrents ont t dfinis, chacun correspondant des variables spcifiques. Quatre
70
fichiers distincts sont ncessaires pour grer les donnes contenues dans le questionnaire, comme
dcrit ci-dessous.
F1 : Fichier de donnes relatives au mnage. Ce fichier comprend toutes les donnes
collectes au niveau du mnage (toutes les questions de type phrase entranant une seule
rponse par mnage, ou toutes les rponses exceptes celles des tableaux B1, B2 et E2 du
questionnaire).
F2 : Fichier de donnes relatives aux adultes. Ce fichier comprend toutes les donnes
collectes au niveau des adultes du mnage (tableau B1 du questionnaire).
F3 : Fichier de donnes relatives aux enfants. Ce fichier comprend toutes les donnes
collectes au niveau des enfants du mnage (tableau B2 du questionnaire).
F4 : Fichier de donnes relatives la valeur des actifs. Ce fichier comprend toutes les
donnes collectes relatives la possession dactifs (tableau E2 du questionnaire).
Comme not prcdemment, des modles de ces quatre fichiers sont fournis en annexe 5 ; ceux-
ci peuvent tre modifis pour tenir compte des changements apports au questionnaire ou utiliss
comme guides pour la cration de nouveaux fichiers de donnes.
Lier les fichiers au sein dune base de donnes relationnelle
Pour la bonne gestion des donnes, il est ncessaire que toutes les donnes relatives chaque
mnage soient enregistres sous le mme code didentit. Ceci est effectu en crant des fichiers
dans lesquels chaque ligne est traite comme une observation et contient linformation
relative un mnage unique. La ligne dbute toujours par le code didentit unique attribu au
mnage.
Les donnes relatives au mnage peuvent tre saisies dans plusieurs fichiers si des informations
concernant un mme mnage ncessitent plusieurs lignes du tableur. Cest le cas des questions
lies aux membres du mnage et aux actifs. Chaque observation lintrieur du fichier doit tre
identifie de manire unique en rpliquant dans chaque fichier le code didentit du mnage pour
chaque observation et en ajoutant un code didentit supplmentaire pour identifier toutes les
donnes additionnelles spcifiques un mnage donn. Par exemple, si le mnage comprend
plusieurs adultes, on utilise le code du mnage et un code unique par adulte pour enregistrer les
informations relatives chaque adulte.
Le lien entre les fichiers, effectu par recoupement des codes didentit, est essentiel pour
permettre lanalyse des donnes. Le chercheur aura besoin de regrouper les informations
contenues dans les diffrents fichiers pour raliser lanalyse centrale. Ce sont les codes didentit
uniques qui permettent de relier ces fichiers entre eux (des codes supplmentaires, comme ceux
des zones dtude, aident aussi classer les mnages par catgories ; cependant ceux-ci ne sont
pas uniques pour chaque observation). Les codes didentit uniques des quatre fichiers sont les
suivants :
F1 : code didentification du mnage
71
F2 : code didentification du mnage + code didentification de ladulte
F3 : code didentification du mnage + code didentification de lenfant
F4 : code didentification du mnage + code didentification de lactif
La figure 6.1 rsume la structure des fichiers propose pour cette tude.

Figure 6.1 Structure relationnelle des fichiers au sein dune base de donnes SPSS







Organisation gnrale de SPSS
Le logiciel SPSS, un logiciel commercialis prt lutilisation, est un programme fonctionnant
sous Windows qui comprend un menu complet avec barres doutils et icnes.
Barre de menu principale
La barre de menu principale de SPSS est situe en haut de lcran daccueil lorsque lutilisateur
dmarre le programme. Cette barre (figure 6.2)
1
comprend les menus suivants :
Fichier : Utilis pour crer de nouveaux fichiers, ouvrir et enregistrer des fichiers
existants, et imprimer
Edition : Utilis pour annuler, couper, copier, coller et effacer ; utilis aussi pour
rechercher des donnes dans une variable
Affichage : Utilis pour personnaliser le type daffichage de SPSS lcran
Donnes : Pour accder aux commandes permettant de dfinir et de trier des
variables, de fusionner et dagrger des fichiers et de slectionner et
pondrer des observations

1
Toutes les captures dcran de ce manuel sont extraites de la version 10 de SPSS.
F1
Fichier mnages
(code M)
F4
Fichier actifs
(code M)
(code Actif)
F3
Fichier enfants
(code M)
(code Enfant)
F2
Fichier adultes
(code M)
(code Adulte)
72
Transformer: Pour accder aux commandes permettant de transformer ou de convertir
les variables sous une autre forme
Analyse : Permet daccder diffrentes options de techniques danalyse
statistique
Graphes : Utilis pour crer des diagrammes en btons, des diagrammes linaires,
des diagrammes en secteurs, et autres types de diagrammes
Outils : Utilis pour obtenir des informations sur les variables et les fichiers
Fentre : Utilis pour passer dune fentre SPSS une autre
Aide : Pour accder au didacticiel, un guide de syntaxe, la recherche par
rubrique, et la recherche par mots et expressions

73

Figure 6.2 Menu principal de SPSS (fentre Affichage des donnes )

Il est fortement recommand tous les utilisateurs de parcourir en entier le didacticiel en ligne
fourni avec le logiciel SPSS avant de lire ce manuel. Le reste des informations relatives SPSS
dans ce manuel se concentre sur des applications spcifiques ncessaires l Outil dvaluation
de la pauvret en microfinance.
La saisie informatique de donnes peut se faire laide de nombreux logiciels diffrents. Le
moyen le plus courant de saisir de petits ensembles de donnes, comme celui de cette tude,
consiste utiliser un tableur, comme Microsoft Excel, ou un logiciel de gestion de base de
donnes relationnelle, comme Microsoft Access. La plupart des instructions et explications
fournies dans la section qui suit sappliquent ces logiciels et dautres. Quel que soit le logiciel
de saisie des donnes utilis, lanalyse ncessitera cependant SPSS ou SAS, deux logiciels de
statistique permettant lanalyse en composantes principales.
Affichage de SPSS
Outre le menu principal, SPSS compte trois types de fentres pour laffichage des donnes. La
fentre Affichage des donnes affiche les donnes relles sous la forme dun tableau, comme
le montre la figure 6.2. La fentre Affichage des variables (figure 6.3) affiche des
informations sur les dfinitions de variables. Ce mode daffichage dun fichier de donnes est
utilis pour ajouter ou supprimer des variables ou pour changer les caractristiques des variables.
Dans lAffichage des variables, chaque ligne rsume linformation relative une variable unique
et chaque colonne correspond une caractristique de cette variable. En mode Affichage des
donnes et Affichage des variables, lutilisateur peut ajouter, modifier et supprimer les
informations contenues dans le fichier.
Le troisime type de fentre est la fentre Editeur de rsultats (figure 6.4), qui affiche le
contenu dun fichier spar. Quand les procdures sont lances sous SPSS, les rsultats sont
automatiquement affichs dans un fichier ddition des rsultats. En mode Editeur de rsultats, la
fentre est divise en deux parties. La section de gauche contient la synthse des rsultats
contenus dans le fichier et la section de droite contient les tableaux et diagrammes crs par
lutilisateur ; la section de gauche peut tre utilise pour localiser et dplacer les diffrents
rsultats contenus dans le fichier. Dans la figure 6.4, la petite flche apparaissant sur la gauche
du mot Titre renvoie au titre affich dans la section de droite et marqu par une grosse flche.
Les utilisateurs peuvent se servir de la barre de dfilement pour parcourir les rsultats ou double-
cliquer sur licne pour afficher un rsultat particulier.
74
Lorsque de nouvelles procdures sont lances, les tableaux et graphiques qui en rsultent sont
successivement ajouts au fichier ddition des rsultats. Le fichier de rsultats peut tre
sauvegard et rouvert sous un nom quelconque (lextension .spo est automatiquement
ajoute lorsque les fichiers sont sauvegards). Les tableaux contenus dans les fichiers de rsultats
SPSS peuvent tre transfrs dans la plupart des programmes de traitement de texte et peuvent
facilement tre directement ajouts un rapport rsum.

Figure 6.3 Fentre Affichage des variables SPSS

Echelle


Figure 6.4 Fentre Editeur de rsultats SPSS


75
Mthodes de saisie des donnes de ltude
Prparation des formulaires de saisie des donnes et de la documentation des fichiers
Pour les besoins de la saisie, un nom de variable est ncessaire pour chaque type de donnes
collectes sur le questionnaire. Chaque colonne de la feuille de travail porte le nom de lune de
ces variables ; ces noms de variables, ou tiquettes, sont habituellement tris dans lordre o ils
apparaissent sur le questionnaire.
Dans la plupart des tableurs et logiciels de statistiques, le processus de cration des variables est
automatis, de sorte que la dfinition des variables peut tre saisie en mme tant que la cration
de ltiquette de la variable. La dfinition de la variable explicite non seulement la signification
de ltiquette de la variable, mais indique aussi le format des donnes de la variable, numre les
numros de code et fournit une cl donnant le sens de chaque code pour toutes les rponses
prcodes.
Le type de variable indique si les donnes sont des nombres, des dates, des monnaies ou des
chanes. La plupart des variables de ce questionnaire sont numriques de faon pouvoir tre
analyses laide de procdures statistiques. Toutes les donnes composes de lettres ou la fois
de lettres et de nombres sont considres comme des chanes.
La variable et les tiquettes de valeurs sont cres dans la fentre Affichage des variables .
Tout nom de variable doit commencer par une lettre et ne peut pas excder huit caractres. Outre
le nom de la variable, la dfinition de la variable et les tiquettes de valeurs reprsentant les
diffrents codes de rponse doivent galement tre spcifis dans la bote de dialogue
Etiquettes de valeurs (figure 6.5). On accde cette bote de dialogue partir de la fentre
Affichage des variables en cliquant lextrme droite des cellules de valeurs concernant cette
variable.
La mesure de la variable indique la manire dont les donnes sont mesures pour chaque
variable. SPSS dfinit les donnes comme nominales, dchelle ou ordinales. Les termes
apparaissent dans la colonne lextrme droite de la figure 6.3.
Figure 6.5 Bote de dialogue Etiquettes de valeur de SPSS

76
Les variables sont analyses en fonction du type de mesure utilis. Les variables cres partir
du questionnaire correspondent trois types de mesure :
Donnes nominales : les codes numriques reprsentent des tiquettes pour les modalits
de rponses. Ces codes tendent identifier linformation. Exemples tirs du
questionnaire : codes de situation matrimoniale, de sexe et de lieu. Les numros de code
ne reprsentent pas de hirarchie entre les catgories.
Donnes ordinales: la squence des codes numriques pour une variable donne reflte
une hirarchie. Les rponses codes pour les donnes ordinales sont supposes mesurer
des points le long dune fonction continue sous-jacente qui peut indiquer une gradation
de la qualit ou du cot. Les donnes ordinales sont par exemple le niveau dducation
des adultes (du niveau le plus faible au niveau le plus lev), ou la qualit de leau
potable et des sanitaires (de la qualit la plus faible la qualit la plus leve).
Donnes dchelle proportionnelle : ces donnes requirent un zro absolu. Elles
reprsentent une unit de mesure relle, comme une valeur, une quantit, une taille, un
poids ou une distance. Les dpenses vestimentaires sont un exemple dchelles
proportionnelles. Les donnes dchelles proportionnelles ne ncessitent pas de codage.
La mesure relle peut tre porte sur le questionnaire.
Lorsque cest possible, les variables quantifiables sont enregistres en tant que donnes
dchelles proportionnelles, car ce type de donnes permet un test statistique plus rigoureux. Une
liste de toutes les dfinitions de variables et tiquettes de valeurs peut tre dresse par SPSS en
slectionnant le menu Outils et loption Informations sur le fichier. La figure 6.4 montre un
exemple de cette liste. Limpression de cette liste montre tous les noms de variables, leur
dfinition, le type de mesure et toutes les tiquettes de valeurs pour les donnes nominales et
ordinales. Cette liste doit tre attentivement vrifie et finalise avant toute saisie de donnes. La
saisie de donnes ne peut pas commencer tant que les fichiers de saisie des donnes ne refltent
pas exactement le contenu du questionnaire adapt. Cela signifie que tous les noms et dfinitions
de variables, et tous les numros de codes et tiquettes correspondent aux adaptations apportes
au questionnaire.
Saisie des donnes
Avant de procder la saisie vritable des donnes, tout le personnel de saisie doit sentraner
entrer les donnes relles du questionnaire. Lors de ce stage de pratique, chaque oprateur de
saisie a lopportunit de sentraner modifier, sauvegarder et rouvrir les fichiers de donnes.
Les donnes peuvent tre saisies deux fois pour sassurer de leur cohrence et de leur fiabilit.
Lidal est de raliser la saisie des donnes en suivant des procdures systmatiques pour
minimiser le risque derreur de saisie. Gnralement, loprateur de saisie doit entrer lensemble
des donnes dun questionnaire avant de passer au suivant. Cependant, on peut faire exception
cette rgle lorsque la saisie des donnes est organise par fichier plutt que par questionnaire.
Dans les deux cas, loprateur doit indiquer sur chaque questionnaire le nom de la personne qui a
saisi les donnes et la partie du questionnaire qui a t saisie.
77
Les valeurs manquantes des questionnaires ncessitent une procdure spciale de saisie. Dans
cette mthodologie dvaluation, toutes les valeurs manquantes seront enregistres de la
mme faon, savoir en laissant la cellule vierge. Cette procdure est rendue ncessaire par
lanalyse en composantes principales, qui remplace les valeurs manquantes par les moyennes des
indicateurs. Les valeurs manquantes peuvent tre de deux types. Dabord, il peut se faire
quaucune rponse ne soit attendue de certains mnages, auquel cas lenquteur laisse
dlibrment la rponse vide. Ceci ne constitue pas une vritable valeur manquante ; dans le
fichier de saisie des donnes, la cellule correspondant cette variable et cette observation doit
tre laisse vierge. Sous SPSS, une virgule apparatra au milieu de la cellule pour indiquer
quelle est vide. Lordinateur traitera cette cellule en tant que SYSMIS , ou valeur manquante.
Dans dautres cas, une valeur est attendue mais aucune nest fournie. Il sagit dans ce cas dune
valeur manquante et il faut parvenir dterminer la valeur correcte appartenant la cellule
concerne. Si aucune valeur ne peut tre trouve, la cellule est l aussi laisse vierge et traite en
tant que valeur manquante par dfaut. Le nombre 0 ne doit jamais tre utilis pour enregistrer
une valeur manquante, car 0 correspond une rponse possible pour beaucoup de variables
quantitatives. Idalement, les valeurs manquantes doivent tre signales lenquteur afin de
dterminer si celui- ci est en mesure de se rappeler la bonne rponse.
Sauvegarde des fichiers lectroniques
La saisie des donnes est un processus long. Une fois saisies, les donnes sont nettoyes, puis
prpares pour lanalyse, ce qui prend galement du temps. Une bonne gestion des donnes passe
entre autre par la sauvegarde rgulire de tous les fichiers et le stockage de copies dans diffrents
endroits. Une fois les donnes saisies et nettoyes, les versions originales des fichiers de donnes
doivent aussi tre sauvegardes et mises en lieu sr. Les modifications apportes ultrieurement
ces versions originales doivent tre enregistres et sauvegardes sous des noms diffrents.
Nettoyage des donnes
Un moyen efficace de dtecter les erreurs avec un minimum defforts consiste saisir toutes les
donnes deux fois, dans deux fichiers distincts. Les observations peuvent ensuite tre compares
dun fichier lautre pour identifier les diffrences ventuelles. La dure de saisie des donnes
tant estime trois ou quatre jours maximum, la double saisie peut savrer plus efficace et
conomique que la recherche derreurs aux stades ultrieurs.
Les erreurs de saisie des donnes peuvent se produire de diffrentes manires. Dabord, des
codes peuvent tre saisis pour une variable alors quils nexistent pas dans le questionnaire
original. Ensuite, loprateur de saisie peut se tromper en entrant les valeurs correspondant une
variable. Des erreurs de donnes peuvent aussi tre commises sur le questionnaire au moment de
lentretien et rester non dtectes la fois par le personnel de terrain et par loprateur de saisie.
Il peut sagir de valeurs inappropries par rapport la question concerne ou qui contredisent des
informations fournies par dautres variables. Enfin, certains questionnaires peuvent contenir des
78
donnes manquantes, soit parce que la personne interroge na pas rpondu la question, soit
parce que lenquteur a oubli denregistrer la rponse.
Procdures de nettoyage des donnes
Le nettoyage des donnes consiste en une srie de procdures localisant les diffrents types
derreurs dcrits ci-dessus et aidant les personnes charges de cette tche apporter les
corrections ncessaires. Ces procdures sont brivement dcrites ci-dessous.
Codes errons. Lensemble de donnes doit tre nettoy de manire supprimer tous les codes
qui nexistent pas pour une variable donne. Pour identifier ces codes errons , une mthode
consiste effectuer un test de frquence sur chaque indicateur et comparer les codes de valeur
de chaque indicateur la rponse du questionnaire original. Lorsque lon trouve des codes
errons et que des donnes leur sont attribues, il faut rutiliser le questionnaire original pour
ressaisir le code correct. La procdure SPSS suivre pour le test de frquence est dcrite dans la
section ci-dessous intitule Appliquer les procdures SPSS pour le nettoyage des donnes .
Vrification de la cohrence. Les erreurs peuvent galement tre identifies grce des
vrifications portant sur la structure logique des rponses. Les vrifications de la cohrence
peuvent tre ralises de plusieurs manires sous SPSS. Une mthode consiste filtrer dabord
lensemble de donnes pour conserver uniquement les observations rpondant dune certaine
manire, puis raliser un test de frquence sur une seconde variable pour identifier les
incohrences ventuelles.
Par exemple, les mnages qui indiquent quils nont pas connu de priode de sous-alimentation
au cours de lanne passe (lment C7) ne peuvent pas rpondre quils ont manqu de
nourriture au cours du mois pass (lment C6). Si les donnes sont propres, tous les mnages
ayant rpondu 0 C7 doivent aussi avoir rpondu 0 C6. Un test de frquence sur les
rponses la question C6 portant sur lensemble des mnages ayant rpondu zro C7 doit
permettre de dcouvrir toute rponse incohrente.
Pour identifier les incohrences ventuelles entre variables laide dun petit nombre de
catgories de rponses, une autre mthode consiste crer des tableaux croiss dans lesquels les
rponses une variable sont recoupes avec celles dune autre variable. Un exemple consisterait
vrifier que les mnages qui cuisinent llectricit (lment D7) ont galement affirm avoir
accs lalimentation lectrique (lment D6). La procdure de SPSS relative au test de
frquence est traite dans la section suivante. Les procdures de cration de tableaux croiss sont
dcrites dans le chapitre 8.
Dtection des valeurs extrmes. Il arrive que les rponses certaines questions semblent
fortement improbables, soit parce quelles sont radicalement diffrentes des rponses donnes
par les autres mnages, soit parce quelles semblent peu plausibles la lumire des autres
rponses donnes par le mme mnage. Dans lune des tudes de cas, lenqute rvlait le cas
dun mnage possdant peu dactifs, un stock dalimentation trs limit, un rgime pauvre et de
faibles dpenses dalimentation et dhabillement, mais une proprit foncire dune valeur de
prs de 500 000 USD. Non seulement cette valeur tait bien plus leve que celle de tous les
79
autres mnages de ltude, mais elle semblait fortement incohrente par rapport aux autres
rponses du mnage. On a finalement dcouvert que loprateur de saisie avait par erreur tap
trop de zros dans la cellule correspondant cette variable.
Sous SPSS, les observations extrmes peuvent tre identifies par le biais de plusieurs
techniques. La plus simple est peut tre de crer une bote moustaches des rponses aux
variables, comme dcrit plus bas.
Corriger les erreurs de donnes
Les procdures de correction des donnes dpendent de la source de lerreur. Dans la plupart des
cas, la source ne peut pas tre dtermine sans vrifier le questionnaire lui- mme. Si la rponse
porte sur le questionnaire est diffrente du nombre saisi dans le fichier, lerreur provient de la
saisie des donnes. Elle est alors corrige en remplaant le nombre saisi dans le fichier par celui
apparaissant sur le questionnaire.
Si la rponse porte sur le questionnaire est la mme que celle saisie dans le fichier, deux
scnarios sont possibles. Dabord, il se peut que le nombre ne soit pas une erreur mais
simplement une rponse inhabituelle. Pour vrifier cette hypothse, il faut parcourir les rponses
du mnage aux autres questions pour dterminer si la rponse est plausible pour ce mnage. Si
elle semble cohrente, il faut laisser la rponse inchange. La deuxime possibilit est que la
rponse semble peu plausible, auquel cas la cellule est libre de la rponse errone et traite
comme une valeur manquante SYSMIS . Une virgule apparat alors automatiquement dans la
cellule vide.
Utiliser les procdures SPSS pour nettoyer les donnes
Les trois procdures courantes de SPSS pour le nettoyage des donnes sont les frquences, les
analyses descriptives et les botes moustaches (box plots). Pour localiser la ou les
observations comprenant des erreurs de donnes, il faut dabord slectionner des sous-ensembles
dobservations.
Localiser les observations comprenant des erreurs
La slection de sous-ensembles de fichiers de donnes est une technique utile pour le nettoyage
des donnes. Elle est gnralement utilise pour rduire lanalyse un groupe dobservations
spcifique. Dans le cadre du nettoyage des donnes, elle sert localiser la ou les observations
contenant des erreurs.
La slection de sous-ensembles dobservations est facilite par lutilisation des menus de SPSS.
Commencer par cliquer sur Donnes dans le menu principal et slectionner loption
Slectionner des observations pour ouvrir la bote de dialogue Slectionner des
observations (figure 6.6). Par dfaut, la slection des observations est configure pour prendre
en compte toutes les observations ( Slectionner : Toutes les observations ). Pour changer la
80
configuration par dfaut, cliquer sur selon une condition logique , comme le montre la figure
6.6. Cette manipulation rend le bouton Si actif. Cliquer sur ce bouton pour ouvrir la bote de
dialogue Slectionner des observations : Si (figure 6.7).
Dans cette deuxime bote de dialogue, utiliser la barre de dfilement pour trouver et
slectionner les variables de la liste situe sur la gauche. Cliquer sur le bouton avec la flche
pour transfrer les noms des variables dans lencadr en haut droite ; slectionner dans les
boutons des oprateurs et des nombres les composants ncessaires pour crer une quation
dfinissant la rgle de slection des observations. Les oprateurs les plus couramment utiliss
dans les rgles sont >, <, =, et ~= (diffrent de).
Par exemple, rgion = 1 slectionne les observations dans la premire zone dtude de lIMF.
Cliquer sur Poursuivre pour retourner au menu prcdent (figure 6.6) et vrifier que
Filtres est slectionn (le cercle ct est coch) sous Les observations non slectionnes
sont . Cliquer sur OK pour lancer la commande de slection. Noter que cliquer sur
Supprimes sous Les observations non slectionnes sont supprime du fichier de donnes
toutes les observations non slectionnes. Ne pas cocher loption supprimes moins davoir
une raison inhabituelle de le faire.
Dans cet exemple, une fois le nombre dobservations limit la zone 1 de lIMF, la procdure de
frquence consiste vrifier quaucun code de lieu ou de groupe ne se trouve en dehors de la
fourchette attribue cette zone.
Une fois la slection effectue, SPSS affiche lextrme gauche du fichier de donnes une barre
oblique sur les numros des observations non slectionnes. Pour dslectionner toutes les
observations, retourner la bote de dialogue Slectionner des observations et cliquer sur
Toutes les observations , puis cliquer sur OK .
81
Figure 6.6 Bote de dialogue Slectionner des observations de SPSS


Figure 6.7 Bote de dialogue Slectionner des observations : Si de SPSS

82
Frquences
La fonction de frquence de SPSS peut tre utilise pour dterminer la frquence de diffrentes
rponses pour une variable donne. Pour calculer les frquences, cliquer sur Analyse dans le
menu principal, puis sur Statistiques descriptives, puis sur Frquences. Cela ouvrira la bote de
dialogue Frquences (figure 6.8). Cliquer sur les variables analyser dans la liste de gauche,
puis sur la flche pour les transfrer dans lencadr Variables sur la droite.
Figure 6.8 Bote de dialogue Frquences de SPSS

La procdure de frquence peut tre davantage spcifie pour prsenter les rsultats sous forme
de diagramme (voir par exemple dans la figure 6.9) ou pour produire des rsums statistiques
spcifiques. Au bas de la fentre se trouvent les boutons suivants, qui peuvent tre utiliss pour
affiner la procdure de frquence :
Statistiques permet daccder une bote de dialogue pour slectionner les types
de statistiques descriptives
Diagrammes permet daccder une bote de dialogue pour crer des diagrammes
de frquences
Format permet daccder une bote de dialogue pour dfinir lordre de
prsentation des rsultats
Le tableau 6.1 montre les rsultats obtenus laide de la fonction frquence de SPSS. A la
place des noms des variables et des codes de valeurs, SPSS affiche ltiquette de la variable
dfinie et les tiquettes de valeurs dans le tableau. Si celles-ci napparaissent pas, cela signifie
quelles nont peut-tre pas t saisies. A partir de la fentre Affichage des variables , cliquer
sur la colonne Etiquette pour ajouter une dfinition de variable, puis cliquer sur Etiquette .
Cliquer sur la colonne Valeurs pour ajouter des tiquettes de valeurs.
Dans le tableau 6.1, il y a une variable manquante pour le type de combustible. Pour trouver
quelle observation contient la valeur manquante, utiliser la bote de dialogue Slectionner des
83
observations : Si (accs par la bote de dialogue Slectionner des observations ) et dfinir la
condition Si partir de la fonction MISSING [combust] . Raliser le test de frquence
pour le code didentification du mnage afin de localiser le code de lobservation ayant une
valeur manquante. Utiliser ensuite loption Aller lobservation dans le menu Donnes pour
localiser chaque observation. Une fois lobservation examine, localiser le questionnaire original
pour vrifier que la rponse correcte y est apporte.
Tableau 6.1 Exemple de tableau de frquences SPSS : type de combustible utilis par les mnages
Catgories de rponses Frquence
Pourcen-
tage
%
valide
%
cumul
Bois collect 179 35,8 35,9 35,9
Bois achet ou sciure de bois 128 25,6 25,7 61,5
Charbon 108 21,6 21,6 83,2
Krosne 61 12,2 12,2 95,4
Gaz 15 3,0 3,0 98,4
Electricit 8 1,6 1,6 100,0
Sous total 499 99,8 100,0
Manquante 1 0,2
Total 500 100,0

Les diagrammes de frquences sont utiles pour valuer visuellement la distribution des rponses
pour une variable donne, ce qui peut aider identifier des valeurs extrmes. La figure 6.9
reprsente la distribution des dpenses vestimentaires par personne ; elle indique galement la
moyenne et lcart type pour la variable. Comme la variable comprend un grand nombre de
valeurs diffrentes, les donnes ont t reprsentes graphiquement par segments.
Le diagramme montre que la distribution est lgrement dcale sur la droite, avec deux
rponses beaucoup plus leves que toutes les autres. Celles-ci peuvent ou non reprsenter des
erreurs de donnes. Pour le dterminer, isoler les mnages qui ont enregistr des dpenses par
personne suprieures 20 000, puis vrifier que les autres rponses de ces mnages indiquent un
niveau de richesse lev.
84
Figure 6.9 Exemple de diagramme SPSS montrant la distribution des rponses
par montant des dpenses vestimentaires

Statistiques descriptives
La fonction descriptive permet non seulement de calculer toutes les statistiques fournies par la
fonction de frquence, mais elle fournit aussi un tableau de statistiques synthtique. Les tableaux
de statistiques descriptives sont crs en cliquant sur loption Statistiques descriptives du menu
Analyse, puis sur Caractristiques. Le tableau 6.2 est un exemple de tableau de statistiques
descriptives qui montre un rsultat inhabituel : un mnage na rien dpens en vtements et
chaussures pendant une anne entire. Lexamen du questionnaire et les discussions avec le
superviseur de terrain ont permis de dterminer que la valeur ntait pas errone mais seulement
inhabituelle.
Tableau 6.2 Exemple de statistiques descriptives SPSS
N Minimum Maximum Moyenne Ecart type
Dpenses vestimentaires
par personne
500 0,00 26666,67 2740,8159 2617,4092
N valide (listwise) 500

Botes moustaches
Outre les tableaux de frquences et de statistiques descriptives, les donnes peuvent tre
explores par lutilisation dune bote moustaches . Au lieu de montrer les valeurs relles, la
bote moustache montre la mdiane, le 25
me
centile, le 75
me
centile, et les valeurs trs cartes
des autres. Dans la figure 6.10, la grosse ligne proche du milieu de chaque bote reprsente la
mdiane de chaque groupe dobservations. La zone grise reprsente la fourchette dans laquelle
se situent 50 pour cent de lensemble des observations du groupe. La bote moustaches
comprend deux catgories dobservations prsentant des valeurs loignes. Les observations
dont les valeurs se situent plus de 3 longueurs de bote partir de la limite infrieure ou
suprieure de la bote sont appeles valeurs extrmes et sont marques dun astrisque (*).
Les observations dont les valeurs sont situes entre 1,5 et 3 longueurs de bote partir dune des
Dpenses vestimentaires par personne
Ecart type = 2617.41

Moyenne = 2740.8

N = 500.00
F
r

q
u
e
n
c
e

85
limites de la bote sont considres comme des valeurs loignes et sont marques de la lettre
O .
Les botes moustaches peuvent tre utilises pour nettoyer les donnes en identifiant les valeurs
extrmes. Elles sont galement utiles pour comparer la distribution des valeurs entre diffrents
groupes. La bote moustache de la figure 6.10 reprsente le nombre dadultes et denfants de
chaque mnage en groupant les donnes en fonction du statut du client. Comme le montre le
graphique, la taille mdiane de la famille est environ de cinq, la fois pour les clients et les non-
clients, avec seulement trois valeurs loignes et sans valeur extrme dtecte. Ces rsultats
nindiquent pas de problme derreur de donnes.
Les botes moustaches et les autres graphiques sont crs en slectionnant loption Bote
moustaches du menu Graphes. Choisir Simple pour le style de diagramme et Rcapitulatif
pour les groupes dobservations . Cela ouvre la bote de dialogue Bote moustaches simple :
groupes dobservation reprsente par la figure 6.11. Choisir la variable reprsenter
graphiquement et la variable qui permettra de distinguer des groupes dobservations.
Suggestion de routines de nettoyage des donnes
Une fois les erreurs localises, elles sont corriges dans les fichiers de donnes originaux. Cette
section dtaille les tches spcifiques relatives au nettoyage des donnes de chacun des quatre
types de fichiers de donnes. La liste nest pas exhaustive ; les tches sont simplement prsentes
comme des exemples de mthodes de nettoyage des donnes. Des vrifications supplmentaires
appliquant ces concepts pour tester la prsence derreurs dans les diffrentes variables seront
certainement ncessaires.
Fichier de donnes sur les mnages (F1)
Raliser des tests de frquence sur toutes les variables comprenant un nombre limit de valeurs
pour les rponses. Celles-ci incluent toutes les variables correspondant des modalits de
rponses dfinies. Seules les variables mesurant un nombre rel ncessitent un examen rigoureux
(voir lments C2, C4, C5, C9 et D1 du questionnaire).
86
Figure 6.10 Exemple de bote moustaches SPSS pour les
donnes collectes sur la taille du mnage



200 300 N =
MFI client status
client of mfi non-client of mfi
T
o
t
a
l

n
u
m
b
e
r

o
f

a
d
u
l
t
s

a
n
d

c
h
i
l
d
r
e
n

i
n

h
o
u
s
e
h
o
l
d
14
12
10
8
6
4
2
0
140 60
208 100 92
33 79
Statut client/non-client
Non-client de lIMF Client de lIMF
N
o
m
b
r
e

t
o
t
a
l

d

a
d
u
l
t
e
s

e
t

d

e
n
f
a
n
t
s

d
u

m

n
a
g
e

87
Figure 6.11 Bote de dialogue SPSS Bote moustaches simple


Vrifier quaucun mnage na indiqu un nombre de repas anormalement faible ou lev au
cours des deux derniers jours (lment C2). Utiliser un tableau de frquences ou une bote
moustaches pour identifier dventuelles valeurs aberrantes. Si de telles valeurs apparaissent,
vrifier le questionnaire original pour dterminer si elles sont inhabituelles ou errones. Modifier
la valeur en cas derreur de saisie ou supprimer la valeur si aucune correction ne peut tre
apporte.
A laide dun tableau de frquences, vrifier quaucune rponse aux lments C4 et C5 nexcde
la valeur 7, le nombre maximum de jours possible, ou nest infrieure 0. Pour la question C9,
vrifier laide dune bote moustaches quaucune rponse aberrante na t enregistre
concernant les semaines de stockage de produits de base locaux. Enfin, pour la question D1,
vrifier laide dune bote moustaches quaucune rponse aberrante na t enregistre
concernant le nombre de pices dans lhabitat du mnage.
Fichier de donnes sur les adultes (F2)
Le fichier adultes reprend la variable du statut du client de A6. Vrifier que les mnages
reports en tant que clients de lIMF sont rellement clients de lIMF. Cette vrification peut tre
effectue en vrifiant que tous les mnages numrs en tant que clients ont bien affirm
compter parmi leurs membres un client de lIMF dans le tableau B1 du questionnaire. La
procdure inverse peut tre utilise pour vrifier que les mnages reports en tant que non-clients
sont rellement non-clients. Ceci peut tre fait en ne slectionnant que des observations de non-
clients et en crant un tableau de frquences pour les adultes membres.
Crer des tableaux de frquences pour toutes les variables comptant un nombre limit de valeurs
de rponses. Celles-ci incluent toutes les variables except lge et les dpenses vestimentaires.
Crer des tableaux de statistiques descriptives ou des botes moustaches pour identifier
dventuelles valeurs aberrantes pour ces deux variables. Toute observation pour laquelle lge
enregistr est infrieur 15 ans indique une erreur. Un ge suprieur 100 est galement
douteux. Les dpenses en vtements dont le montant est bien suprieur la fourchette de la
plupart des mnages doivent galement tre vrifies en sassurant que les mnages concerns
88
ont aussi indiqu un niveau de richesse plus lev dans leurs rponses concernant lalimentation,
lhabitat et la proprit dactifs.
Vrifier que chaque mnage a t correctement identifi. Aucun individu ayant un code
dident ification de 1 (correspondant au chef de mnage) ne doit avoir une rponse la
variable relation avec le chef de mnage , et aucun mnage ne doit compter plus dun membre
ayant code ID gal 1 . Choisir loption Slectionner des observations dans le menu
Donnes pour extraire les observations ayant un code ID individuel gal 1 , soit chef de
mnage, puis crer un tableau de frquences en utilisant la variable relation avec le chef de
mnage .
Fichier de donnes sur les enfants (F3)
Crer des tableaux de statistiques descriptives ou des botes moustaches pour identifier
dventuelles valeurs aberrantes concernant les variables de lge et des dpenses vestimentaires.
Tout cas dont lge report est suprieur 14 indique une erreur. Si de telles observations sont
identifies, slectionner les observations o ge>14 et lancer un test de frquence pour le
code du mnage. Comme prcdemment, vrifier que tout niveau inhabituellement lev de
dpenses vestimentaires pour un enfant est cohrent avec le niveau de dpenses pour les autres
enfants et adultes du mnage.
Fichier de donnes sur les actifs (F4)
Les dclarations concernant la proprit dactifs sont susceptibles de varier considrablement
dun mnage lautre. Les erreurs proviennent en partie du fait que certains mnages dforment
linformation sur le nombre et la valeur de leurs actifs. Elles peuvent aussi provenir de la prise en
compte de certains actifs qui ne sont pas entirement dtenus par le mnage (par exemple achets
crdit ou lous).
Les procdures de nettoyage des donnes concernant les actifs ont donc pour objectif didentifier
les ventuelles combinaisons dinformations inhabituelles. Par exemple, un mnage qui
possderait quatre vhicules dune valeur estime 25 000 USD, mais nayant pas dappareils
mnagers ou lectroniques semblerait peu plausible. Utiliser loption Slectionner Si pour
filtrer les observations possdant des actifs dune valeur inhabituellement leve et utiliser un
test de frquences pour dterminer les codes didentification des mnages. Vrifier chaque cas en
confrontant les donnes suspectes aux rponses aux autres questions.

86
CHAPITRE 7

TRAITER LES DONNEES SOUS SPSS



Une fois les donnes nettoyes, il est ncessaire de les prparer lanalyse laide de
fonctions et techniques SPSS particulires. Les donnes contenues dans les quatre
fichiers spars dcrits dans le chapitre 6 sont dabord combines en un fichier unique
une version tendue du fichier F1 sur les mnages. Cela fait appel aux procdures SPSS
consistant (i) agrger les donnes puis (ii) fusionner les fichiers. Les donnes
enregistres sur les adultes, les enfants et les actifs sont ensuite utilises pour crer de
nouvelles variables agrges qui enregistrent linformation au niveau du mnage. Une
fois toutes les donnes analyser contenues dans un seul fichier, plusieurs nouvelles
variables sont calcules partir des variables existantes. On utilise pour cela la fonction
SPSS de transformation des donnes.
Mthodes dagrgation des donnes pour la gnration de nouvelles
variables sous SPSS
Les fichiers de donnes concernant les adultes des mnages (F2), les enfants des mnages
(F3) et le rsum des actifs individuels (F4) contiennent tous des donnes quil faut
agrger au niveau du mnage. Ce processus est ncessaire pour crer des variables
relatives au mnage pouvant tre analyses avec dautres variables relatives au mnage
dj existantes.
Par exemple, si lobjectif est de connatre le nombre dadultes qui savent crire dans
chaque mnage, cette information peut tre gnre partir du fichier sur les adultes en
comptant le nombre dadultes qui ont rpondu oui sait crire dans chaque mnage.
Cependant, le rsultat est un nombre mesur au niveau du mnage et ne correspond donc
plus au fichier sur les adultes. La fonction dagrgation calcule la nouvelle variable et la
fonction de fusion transfre la nouvelle variable dans le fichier relatif aux mnages.
Agrger les donnes et les transposer du niveau relatif aux individus ou aux actifs au
niveau relatif aux mnages ncessite plusieurs tapes. Dabord on dfinit le type de
variable crer partir de chacun puis on lance une fonction SPSS pour la calculer.
Ensuite la variable nouvellement cre est sauvegarde dans un fichier temporaire. Enfin,
le fichier temporaire est fusionn avec le fichier relatif aux mnages en faisant
correspondre les codes de mnages pour chaque observation.
87
Fonction SPSS dagrgation des donnes
Le processus dagrgation sous SPSS ncessite que les variables agrges mesures au
niveau des mnages soient temporairement sauvegardes dans de nouveaux fichiers. La
fonction dagrgation des donnes est une option du menu Donnes. Dans la bote de
dialogue Agrger les donnes (figure 7.1), cliquer sur le nom de la variable pour le
code du mnage dans la liste de gauche, puis cliquer sur la flche pour le transfrer dans
la case de droite intitule Critre(s) dagrgation . Le critre dagrgation est le
niveau auquel les donnes seront agrges. Toutes les agrgations utiliseront le code du
mnage comme critre dagrgation et toutes les variables nouvellement cres doivent
tre relatives aux mnages.
Figure 7.1 Bote de dialogue SPSS Agrger les donnes

Replacer le curseur dans la mme liste de variables et slectionner la variable agrger.
Utiliser la flche du bas pour transfrer ce nom de variable dans la case intitule
Variable(s) agrge(s) . Les boutons Nom et tiquette et Fonction sont
maintenant actifs. Cliquer sur Fonction pour ouvrir la bote de dialogue Agrger les
donnes : Fonction agrgation (figure 7.2).
88

Figure 7.2 Bote de dialogue SPSS Agrger les donnes :
Fonction agrgation

Dans la bote de dialogue Fonction agrgation (figure 7.2), spcifier comment
calculer chaque variable agrge. Slectionner Somme des valeurs si un nombre total
est ncessaire pour chaque mnage, Moyenne des valeurs pour la moyenne, ou
Pourcentage au-dessus , Pourcentage au-dessous pour une limite de pourcentage
spcifique (les deux dernires options ncessitent de dfinir une valeur limite pour le
pourcentage saisir ; les alternatives pourcentage compris ou pourcentage non
compris ncessitent la saisie dune fourchette de pourcentages). Slectionner Nombre
dobservations pour les variables dont le nombre doccurrences doit tre compt
lintrieur de chaque mnage. Dans lexemple du tableau 7.1, la fonction Moyenne des
valeurs a t slectionne pour calculer lge moyen des adultes du mnage.
Agrger danciennes variables pour gnrer de nouvelles variables
Les variables peuvent tre agrges par un grand nombre de fonctions. Les mthodes les
plus couramment utilises dans cette tude enregistrent la valeur de chaque observation
relative au mnage en tant que (i) moyenne, soit la moyenne de toutes les observations
relatives aux individus ou aux actifs, (ii) somme, soit le total de toutes les observations
relatives aux individus ou aux actifs, ou (iii) nombre, soit le nombre doccurrences dune
rponse ou condition particulire.
Les indicateurs individuels agrger au niveau du mnage sont numrs dans les
tableaux 7.1 et 7.2. Les indicateurs lis aux actifs agrger au niveau du mnage sont
numrs dans le tableau 7.3.

89
Il est facile de faire des erreurs dans le processus dagrgation si les tapes ne sont pas
bien rflchies. La colonne des tableaux la plus gauche numre les variables originales
utilises pour raliser lagrgation. Celles-ci sont places dans la case Variable(s)
agrge(s) La colonne du milieu nomme et dfinit lindicateur rsultant qui sera cr
pour chaque observation relative au mnage. Les nouveaux indicateurs seront
sauvegards dans des fichiers de rsultats temporaires. La colonne la plus droite dcrit
les procdures suivre dans SPSS.

90

Tableau 7.1 Agrgation des donnes du fichier F2 : caractristiques des adultes de la famille
(gs de 15 ans et plus)
Variable individuelle Indicateur rsultant Mthode dagrgation

Code individuel du
membre
Nombre dadultes par
mnage (NBADULT)
Slectionner Nombre dobservations dans la
bote de dialogue Fonction Agrgation

Age Age moyen des adultes
(AGE_MOY)
Slectionner Moyenne des valeurs dans la
bote de dialogue Fonction Agrgation

Niveau dducation
maximum
Pourcentage dadultes avec
un niveau dducation
minimum spcifi
(EDUC1 EDUC2)
Slectionner Pourcentage au-dessus et
spcifier un code de rponse pour le niveau
dducation seuil (lyce ou au-dessus, par
exemple) ; utiliser diffrents niveaux seuils
pour crer plusieurs variables agrges

Matrise de lcriture Nombre dadultes sachant
crire
(NBECRIR)
A partir du menu Donnes, slectionner les
observations (en choisissant Slectionner
observations ) pour lesquelles la rponse est
oui . Slectionner Nombre
dobservations dans la bote de dialogue
Fonction Agrgation

Activit principale Nombre dadultes avec une
activit principale
(OCCUP1 OCCUP2)
A partir du menu Donnes, slectionner les
observations pour chaque rponse < 7 , puis
slectionner Nombre dobservations dans
la bote de dialogue Fonction Agrgation .
Six indicateurs seront crs pour chaque
catgorie dactivit

Activit principale Nombre dadultes inactifs
(NBINACT)
A partir du menu Donnes, slectionner les
observations pour lesquelles le code dactivit
est > 6 , puis slectionner Nombre
dobservations dans la bote de dialogue
Fonction Agrgation

Client actuel de lIMF Nombre de clients de lIMF
dans le mnage
(NBCLIENT)
A partir du menu Donnes, slectionner les
observations rpondant oui , puis
slectionner Nombre dobservations dans
la bote de dialogue Fonction Agrgation

Dpenses
vestimentaires
Montant total des dpenses
vestimentaires
(DEPADU)
Slectionner Somme des valeurs dans la
bote de dialogue Fonction Agrgation

Sexe + chef du
mnage
Femme chef du mnage
(FCM)
A partir du menu Donnes, slectionner les
observations pour lesquelles le code du
membre = 1 (c.--d. chef de mnage), et le
sexe est fminin puis slectionner Nombre
dobservations dans la bote de dialogue
Fonction Agrgation

91

Tableau 7.2 Agrgation des donnes du fichier F3 : caractristiques des enfants de la famille
(gs de 0 14 ans)
Variable individuelle Indicateur rsultant Mthode dagrgation

Code ID individuel
du membre
Nombre denfants par
mnage
(NBENF)
Slectionner Nombre dobservations dans la
bote de dialogue Fonction Agrgation

Age Age moyen des enfants
(AGEENF)
Slectionner Moyenne des valeurs dans la bote
de dialogue Fonction Agrgation

Dpenses
vestimentaires
Montant total des dpenses
vestimentaires
(DEPENF)
Slectionner Somme des valeurs dans la bote de
dialogue Fonction Agrgation


Tableau 7.3 Agrgation des donnes du fichier F4 : valeur des actifs du mnage
Variable individuelle Indicateur rsultant Mthode dagrgation

Valeur des animaux
par type (code
dactif = 1, 2, 3, 4)
Valeur totale du btail
(VALANIML)
A partir du menu Donnes, slectionner les
observations (en cliquant sur Slectionner
observations ) pour lesquelles le code dactif est
< 5, puis slectionner Somme des valeurs dans
la bote de dialogue Fonction Agrgation

Valeur des
quipements de
transport (code
dactif = 5, 6, 7, 8,
9)
Valeur totale des
quipements de
transport (VALTRANS)
A partir du menu Donnes, slectionner les
observations pour lesquelles le code dactif est > 4
et < 10, puis slectionner Somme des valeurs
dans la bote de dialogue Fonction Agrgation

Valeur des appareils
mnagers et
lectroniques
Valeur totale des appareils
mnagers et
lectroniques
(VALELEC)
A partir du menu Donnes, slectionner les
observations pour lesquelles le code dactif
est > 9, puis slectionner Somme des valeurs
dans la bote de dialogue Fonction Agrgation

Lagrgation des donnes relatives aux actifs ncessite de calculer pralablement de
nouvelles variables qui reprsentent la somme des valeurs totales des actifs. Les trois
variables calculer sont les suivantes :
Valeur totale du btail = somme des codes dactif 1 4
Valeur totale des quipements de transport = somme des codes dactif 5 9
Valeur totale des appareils mnagers et lectroniques = somme des codes
dactif 10 15
Aucune agrgation nest ncessaire pour crer les indicateurs de rsultat tels que la valeur
des postes de tlvision, cependant le transfert des donnes suit la mme procdure. Pour
tre certain que la variable cre peut tre retrouve ultrieurement, cliquer sur Nom &
tiquette au bas de la bote de dialogue Agrger les donnes . Dans la bote de
92
dialogue Nom et tiquette de la variable (figure 7.3), saisir un nom et une tiquette
identifiant la variable en cration.

Figure 7.3 Bote de dialogue SPSS Agrger les donnes :
Nom et tiquette de la variable

Sauvegarder les rsultats dans de nouveaux fichiers
Dans la plupart des cas, plusieurs variables individuelles peuvent tre agrges en mme
temps et les indicateurs qui en dcoulent sauvegards dans le mme fichier de rsultats.
Cependant, si la procdure dagrgation ncessite quun seul sous-ensemble
dobservations soit slectionn pour mener bien lagrgation, il sera ncessaire de
recourir des fichiers de rsultats distincts pour chaque agrgation laide de la
procdure Slectionner Si . Chaque fichier de rsultat doit porter un nom unique. La
totalit du processus dagrgation rsultera dans la cration dune dizaine de fichiers de
rsultats temporaires. Utiliser des noms de fichiers permettant aux utilisateurs de se
souvenir du contenu.

La sauvegarde du rsultat de chaque groupe de variables agrges ncessite la cration
dun nouveau fichier. Dans la bote de dialogue Agrger les donnes (figure 7.1),
cliquer sur le petit cercle gauche de Crer un nouveau fichier puis cliquer sur le
bouton Fichier . La bote de dialogue Spcification du fichier rsultats (figure 7.4)
saffiche, permettant la saisie dun nom pour le fichier contenant les nouvelles variables.
Utiliser un nom facilement comprhensible pour la suite.
93
Figure 7.4 Bote de dialogue SPSS Agrger les donnes :
Spcification du fichier rsultats

Fusion des fichiers
La section prcdente donne des conseils pour la cration de plusieurs fichiers
temporaires contenant les variables de donnes agrges. Dans SPSS la procdure de
fusion des fichiers est utilise pour combiner les variables de deux fichiers diffrents. La
fusion de diffrentes variables relatives aux mmes observations ncessite que les deux
fichiers partagent une variable commune avec des valeurs uniques pour chaque
observation (le code du mnage) et soient structurs de sorte que la variable commune
soit ordonne de la mme faon dans les deux fichiers (par exemple du code du mnage
le plus petit au plus grand).
Pour dfinir lordre des donnes du fichier, slectionner Trier les observations partir
du menu Donnes (figure 7.5). Slectionner la variable code du mnage et la transfrer
dans la case Trier par , puis cliquer sur Croissant et enfin sur OK . Sauvegarder
le fichier tri.
94
Figure 7.5 Bote de dialogue SPSS Trier les observations

Une fois que le fichier relatif aux mnages et le fichier temporaire de donnes agrges
sont tris par ordre croissant de codes des mnages, slectionner Fusionner des fichiers
partir du menu Donnes, puis cliquer sur Ajouter des variables . La bote de
dialogue Ajouter des variables : Lire le fichier souvre. Slectionner le fichier sur les
mnages dans lequel vous voulez ajouter de nouvelles variables. Cliquer sur Ouvrir
pour ouvrir la bote de dialogue Ajouter des variables de (figure 7.6).
SPSS identifie automatiquement les variables communes, qui comprennent toujours le
code des mnages. Cocher la case Apparier les observations sur les cls des fichiers
tris , puis cliquer sur le code des mnages et le transfrer dans la case Cl(s)
dappariement en cliquant sur le bouton du bas portant une flche. Vrifier que les
variables ont t correctement fusionnes puis sauvegarder le nouveau fichier sous un
nom diffrent.
95
Figure 7.6 Bote de dialogue SPSS Ajouter des variables de


Pour crer un fichier complet au niveau des mnages, il faut agrger toutes les variables
numres dans les tableaux 7.1, 7.2 et 7.3 et les fusionner avec les donnes relatives aux
mnages.
Transformer les variables pour recoder les donnes
Une variable peut tre recode pour crer une nouvelle variable ou pour remplacer la
variable existante. Le recodage est parfois ncessaire pour effectuer des calculs. Recoder
des valeurs manquantes SYSMIS en 0 permet dviter quune observation soit
exclue dun calcul ou dune analyse. Par exemple, pour ajouter les rponses de C2 aux
rponses de C3, toutes les valeurs SYSMIS peuvent dabord tre transformes en
0 puis ajoutes pour crer une nouvelle variable mesurant le nombre de repas pris par
lensemble des mnages.
Dans le menu Transformer, slectionner Recoder, puis Recodage de variables.
Spcifier les variables recoder dans la bote de dialogue. Une rgle de slection peut
tre spcifie en cliquant sur Si et en suivant les indications du menu pour dfinir la
rgle. La bote de dialogue Recodage de variables (figure 7.7) permet loprateur de
rassigner les valeurs de variables existantes ou de rduire une srie de valeurs existantes
dans de nouvelles valeurs. Le recodage de variable peut galement servir transformer
des codes manquants en dautres valeurs.
96
Figure 7.7 Bote de dialogue SPSS Recodage de variables


Pour recoder la variable, cliquer sur Anciennes et nouvelles valeurs et utiliser la bote
de dialogue affiche (figure 7.8) pour indiquer quelles sont les anciennes valeurs
modifier et quelles sont les nouvelles valeurs. Aprs avoir slectionn les anciennes et les
nouvelles valeurs, cliquer sur Poursuivre , puis sur OK pour lancer la procdure de
recodage. Dans la figure 7.8, la valeur SYSMIS est transforme en 0 .
Figure 7.8 Bote de dialogue SPSS Recodage de variables :
Anciennes et nouvelles valeurs


Seul un petit nombre de variables spcifiques aura besoin dtre recod, ces variables
provenant toutes de lagrgation des donnes au niveau du mnage (F1). Pour chaque
indicateur agrg numr ci-dessous, recoder lancienne valeur SYSMIS
( manquante par dfaut ) en une nouvelle valeur gale 0 , dans la mme variable,
comme indiqu ci-dessous :
Suite lagrgation des indicateurs relatifs aux adultes prsents dans le
tableau 7.1, recoder SYSMIS en 0 pour EDUC1, EDCU2, etc.,
97
NBECRIR, OCCUP1, OCCUP2, etc., NBINACT, NBCLIENT, DEPADU, et
FCM
Suite lagrgation des indicateurs relatifs aux enfants, recoder SYSMIS
en 0 pour NBENF et DEPENF
Tous les indicateurs relatifs la valeur des actifs sont ensuite agrgs dans le
fichier des mnages (numrs dans la colonne du milieu du tableau 7.3).
Procdures de calcul de nouvelles variables
Au tout dbut de lanalyse, le chercheur devra calculer de nouvelles variables partir des
variables existantes. Le tableau 7.4 montre quels sont les calculs ncessaires pour la
cration de nouvelles variables dans le fichier des mnages.
Tableau 7.4 Calcul de variables au niveau du mnage
Variable calculer Procdure de calcul

Taille de la famille (NBMB) Ajouter le nombre dadultes (NBADULT) au nombre denfants
(NBENF)

Dpenses en alimentation et
vtements par personne
(DEPVETPP)
Ajouter les dpenses en alimentation et vtements des adultes
(DEPADU) et des enfants (DEPENF), puis diviser par le
nombre de membres de la famille (NBMB)

Pourcentage des adultes du mnage
sachant crire (PRCWRIT)
Diviser le nombre dadultes sachant crire (NBECRIR) par le
nombre de membres adultes du mnage (NBADULT)

Pourcentage dadultes du mnage
ayant atteint un certain niveau
dducation (PRCEDUC1,
PRCEDUC2)
Diviser le niveau dducation (par exemple, EDUC1) par
NBADULT

Pourcentage dadultes du mnage
ayant diffrents types dactivits
(PRCOCCU1, PRCOCCU2)
Diviser le type dactivit (par exemple, OCCUP1) par
NBADULT

Ratio de dpendance enfants/adultes
(ENFDEPR)
Diviser NBENF par NBADULT

Ratio de dpendance inactifs/actifs
(INACDEPR)
Diviser NBINACT par NBADULT

Pices par personne (PIECEPP) Diviser NBPIECE par NBMB

Nombre total de repas pris au cours
des deux jours passs (NBREPAS)
Recoder les valeurs manquantes en 0 , puis ajouter NBREP2
EVEREP2

Superficie totale des terres dtenues
par le mnage (SURFTOT)
Recoder les valeurs manquantes en 0 , puis ajouter les terres
cultives (SURFIRRI) aux terres non cultives (SURFNIRR)

Valeur totale des terres dtenues
(VALTER)
Ajouter la valeur des terres cultives (VALIRRI) la valeur des
terres non cultives (VALNIRR)

Valeur totale des actifs du mnage
(TOTACTIF)
Faire la somme de VALANIMA, VALELEC, VALTRANS et
VALTER

98
Valeur des actifs par personne
(ACTIFPP)
Diviser TOTACTIF par NBMB

Pour calculer de nouvelles variables sous SPSS, slectionner Transformer dans le menu
principal, puis Calculer. La bote de dialogue Calculer la variable (figure 7.9)
souvre. Placer le curseur dans la case Variable destination et taper le nom de la
nouvelle variable calculer. Puis se placer dans la case Expression numrique et taper
les variables entrant dans le calcul de la nouvelle variable. La formule peut tre tape ou
forme partir des listes de variables et de fonctions en utilisant les flches appropries.
Une fois la variable cre, ouvrir la bote de dialogue Calculer la variable : Type et
tiquette en cliquant sur Type et tiquette et entrer une dfinition de la variable ainsi
que des tiquettes de valeurs le cas chant.
Figure 7.9 Bote de dialogue SPSS Calculer la variable


Dans certains cas, le calcul de nouvelles variables ncessite le recours une expression
conditionnelle pour trier les valeurs de la variable existante ou les variables utiliser dans
la cration dune nouvelle variable. Pour ce faire, une bote de dialogue spciale est
prvue sous SPSS (figure 7.10). On y accde en cliquant sur le bouton Si apparaissant
sur la figure 7.9. Une fois ouverte, cette bote de dialogue permet de dfinir une rgle
pour slectionner ou exclure des observations donnes. Lorsque lexpression
conditionnelle est dfinie, cliquer sur Poursuivre , puis sur OK pour lancer le
calcul.
Des prcautions particulires sont prendre lors du calcul de variables partir dautres
variables comprenant des valeurs manquantes (SYSMIS). En effet, toute somme dun
nombre et dune valeur SYSMIS est gale une valeur SYSMIS. Pour viter ce
99
problme, exclure ces valeurs du calcul laide de lexpression conditionnelle NE
MISSING[NOM DE LA VARIABLE] (figure 7.10).
Figure 7.10 Bote de dialogue SPSS Calculer la variable : Si les observations


Rsum
Ce chapitre guide les utilisateurs dans le processus dagrgation et de fusion des donnes
des fichiers adultes (F2), enfants (F3) et actifs (F4) avec les donnes du fichier relatif aux
mnages. Il donne aussi des indications pour transformer des variables en vue de crer de
nouveaux indicateurs relatifs aux mnages. Le rsultat final de ce processus est la
cration dune version tendue du fichier relatif aux mnages, comprenant tous les
indicateurs socioconomiques et de pauvret requis pour mener bien lvaluation du
niveau de pauvret. Ce fichier peut maintenant tre utilis pour achever le stade initial de
lanalyse visant la cration dun indice de pauvret.

98
CHAPITRE 8

REALISER UNE ANALYSE DESCRIPTIVE DES
DONNEES


Rechercher les diffrences significatives
entre mnages clients et non-clients
Identifier les diffrences de caractristiques socioconomiques entre les clients et les non-
clients peut nous aider comprendre en quoi les deux groupes diffrent en terme de
niveau de pauvret.
Les diffrences entre groupes peuvent tre dtermines laide du test t de comparaison
des moyennes ou du khi-deux pour les tableaux croiss. Le choix du test appliquer
dpend du type de mesure utilise pour la variable. Pour les donnes nominales et
ordinales, lanalyse descriptive de la relation entre deux variables requiert la cration de
tableaux croiss pour identifier les diffrents profils de rponses en fonction du statut
client/non-client.
Pour dterminer si les diffrences de rponses entre les groupes chantillons sont
significatives c'est--dire pour sassurer que les deux variables ne sont pas
indpendantes lune de lautre on utilise le test khi-deux. Pour dterminer si la
diffrence entre les moyennes de deux groupes dchantillons indpendants relatifs une
variable dchelle est significative, on utilise le test t de comparaison des moyennes. Les
diffrences significatives trouves dans les chantillons peuvent tre considres comme
reprsentatives de la population. Dans le cas prsent, la population dsigne lensemble du
groupe de clients et non-clients situs dans la mme zone.
Tableaux croiss et test khi-deux
Comment appliquer les tableaux croiss
Lorsquune ou plusieurs variables sont mesures suivant une chelle nominale ou
ordinale, le tableau crois est le moyen didentifier une relation entre deux variables. Le
tableau crois fournit dans des cellules le nombre et le pourcentage de cas de
combinaisons de diffrentes rponses. Par exemple, si un chercheur veut examiner les
diffrences dactivits entre les mnages clients et les mnages non-clients enquts, le
tableau crois lui fournira le nombre de mnages de chacun de deux types travaillant dans
chaque domaine dactivit, ainsi que le pourcentage correspondant par rapport
99
lensemble des mnages. De cette faon, les ventuelles diffrences de profil entre clients
et non-clients sont plus facilement dtectables.
Le tableau 8.1 montre un exemple de tableau crois rpartissant les rponses par statut
(client/non-client) et par type dactivit. Il est extrait de lune des tudes de cas ayant
servi tester loutil dvaluation. Comme le montrent les pourcentages du tableau, les
non-clients sont plus susceptibles de mener une activit dauto emploi dans lagriculture,
doccuper des emplois temporaires ou dtre sans activit en recherche demploi. Les
clients de lIMF sont plus susceptibles de mener une activit dauto-emploi dans une
entreprise non agricole.
Ces rsultats sont notables car ils indiquent que les critres de slection de lIMF, tels que
lengagement du client dans une microentreprise, se traduisent par une sur-reprsentation
des mnages comptant des adultes entrepreneurs par rapport la population gnrale. Si
les mnages comprenant des microentrepreneurs ont tendance tre plutt plus riches ou
plus pauvres que les autres mnages, cela aura une grande influence sur le classement des
mnages clients dans lindice de pauvret.
Tableau 8.1 Exemple de tableau crois du statut des clients par activit principale des adultes du
mnage
Principale activit
Nb de
clients
% des
clients
Nb de non-
clients
% des
non-clients
Total
enquts
% du total des
enquts

Auto-emploi dans lagriculture 125 17,5% 311 32,3% 436 26,0%

Auto-emploi dans une entreprise
non agricole 218 30,6% 151 15,7% 369 22,0%

Ecolier/tudiant 154 21,6% 148 15,4% 302 18,0%

Travail temporaire 20 2,8% 59 6,1% 79 4,7%

Travailleur salari 98 13,7% 143 14,8% 241 14,4%

Travail domestique 62 8,7% 75 7,8% 137 8,2%

Inactif, en recherche demploi 22 3,1% 62 6,4% 84 5,0%

Retrait/ne souhaitant pas
travailler 6 0,8% 8 0,8% 14 0,8%

Incapacit travailler/handicap 8 1,1% 6 0,6% 14 0,8%

TOTAL 713 100,0% 963 100,0% 1676 100,0%

Le test khi-deux est ensuite utilis pour dterminer si les diffrences dans la rpartition
des rponses entre les catgories sont statistiquement significatives. Le test khi-deux
rpond la question suivante : les diffrences de rponses observes selon les catgories
refltent-elles une erreur dchantillonnage ou indiquent-elles une relation ? Dans
lexemple du tableau 8.1, une valeur khi-deux significative de 0,05 (ou moins)
suggrerait quil existe une diffrence entre les mnages clients et non-clients en termes
de rpartition des activits. La nature de cette relation ne peut cependant tre dcouverte
que par lexamen du tableau crois.
100
Le tableau 8.2 prsente les rsultats du khi-deux pour le tableau crois 8.1. Le niveau de
signification du khi-deux est infrieur 0,001, indiquant une forte diffrence dans le
profil dactivit des clients et des non-clients.
Tableau 8.2 Exemple de tableau de rsultat SPSS du test khi-deux du tableau crois
Valeur ddl Sig. asymp. (bilatrale)
Khi-deux de Pearson
105,191 8 0,000
Rapport de vraisemblance 107,098 8 0,000
Association linaire par linaire 0,022 1 0,881
Nombre dobservations valides 1676,000

Tableaux croiss sous SPSS
Pour lancer la procdure de tableau crois sous SPSS, cliquer sur Statistiques
Descriptives dans le menu Analyse, puis sur Tableaux croiss. La bote de dialogue
Tableaux croiss souvre (figure 8.1). Transfrer la variable dsignant le statut
client/non-client de la liste de gauche jusque dans la case Colonne(s) . Dplacer les
variables comparer en fonction du statut dans la case Ligne(s) . Plusieurs variables
peuvent tre slectionnes en mme temps dans la case Ligne(s) , mais chaque
combinaison doit faire lobjet dun tableau crois distinct. Pour crer un tableau crois
pour chaque zone dtude, transfrer le code de zone de lIMF dans la case Strate 1 sur
1 .
Figure 8.1 Bote de dialogue SPSS Tableaux croiss


101
Cliquer maintenant sur Statistiques au bas de la page pour ouvrir la bote de dialogue
Tableaux croiss : Statistiques (figure 8.2). Cocher la case Khi-deux et cliquer sur
Poursuivre pour retourner la bote de dialogue Tableaux croiss . Cliquer sur
Cellules pour ouvrir la bote de dialogue Tableaux croiss : Contenu des cases
(figure 8.3) et vrifier que la case Observ est bien coche sous Effectif , ainsi que
la case Colonne sous Pourcentages . Cliquer sur Poursuivre pour retourner la
bote de dialogue Tableaux croiss , puis sur OK pour lancer la cration du tableau
crois. Les rsultats apparaissent automatiquement dans la fentre Editeur de
rsultats .
Figure 8.2 Bote de dialogue SPSS Tableaux croiss : statistiques


Figure 8.3 Bote de dialogue SPSS
Tableaux croiss : Contenu des cases

102
Interprter un tableau crois
Il est possible de saisir plusieurs variables sur la mme ligne lors de la cration de
tableaux croiss, mais assurez-vous didentifier uniquement la variable de statut dans la
case Colonne(s) . Dans la bote de dialogue Tableaux croiss : Contenu des cases
(figure 8.3), cocher uniquement loption Colonne sous Pourcentages , car une
rpartition des pourcentages par ligne ne serait pas utile. Une fois que le test est lanc,
vrifier que le fichier de rsultat apparaissant lcran ne comporte pas derreurs de
spcification.
Interprter correctement un tableau crois demande de la pratique. Dans la plupart des
cas, la valeur absolue donne dans chaque cellule du tableau donne peu dindications en
elle- mme. En revanche, le pourcentage des observations totales reprsent par chaque
cellule est plus significatif pour identifier des diffrences dans la rpartition des rponses.
Les pourcentages peuvent tre exprims par rapport au nombre total de cases de la
colonne ou de cases de la ligne. Dans cette tude, on utilisera le plus souvent des
pourcentages rapports au total des colonnes lorsque la variable en colonne indique le
statut de lenqut (mnage client ou non-client de lIMF).
Les tableaux croiss peuvent tre raliss diffrents niveaux de donnes. Pour affiner la
nature des diffrences entre clients et non-clients, il est possible de diviser les donnes en
plus petites catgories, par exemple par rgion dtude. De cette faon, la source des
diffrences apparaissant dans les donnes agrges peut tre identifie avec prcision et
attribue une relation plus spcifique. Dans le mme temps, un tableau crois plus
dtaill peut permettre de dcouvrir une fausse relation napparaissant que lorsque les
sous catgories sont agrges. La question se poser lorsque lon dcide dapprofondir le
niveau de dtail est : dans quelles conditions cette relation existe-t-elle ? .
Dans lexemple prcdent du tableau 8.2, un test de signification effectu au niveau des
rgions denqute a fourni les rsultats prsents dans le tableau 8.3. Sur la base du
niveau de signification du khi-deux, on note que les diffrences dactivit entre les clients
et non-clients sobservent dans quatre rgions sur cinq. La rgion dans laquelle cette
diffrence nest pas observe est une rgion fortement urbaine, ce qui signifie quelle
prsente peu de possibilits de travailler au sein dentreprises agricoles.
103

Tableau 8.3 Exemples de test de signification portant sur le statut de lenqut et son
activit au niveau des rgions
Code rgion Test Valeur ddl
Sig. asymp.
(bilatrale)

Rgion 1 Khi-deux de Pearson 30.970 6 0.000
Rapport de vraisemblance 31.864 6 0.000
Association linaire p. linaire 23.413 1 0.000

Nb dobservations valides 379

Rgion 2 Khi-deux de Pearson 13.707 6 0.033
Rapport de vraisemblance 14.041 6 0.029
Association linaire p. linaire 0.616 1 0.433

Nb dobservations valides 336

Rgion 3 Khi-deux de Pearson 1.043 6 0.984
Rapport de vraisemblance 1.045 6 0.984
Association linaire p. linaire 0.156 1 0.693

Nb dobservations valides 288

Rgion 4 Khi-deux de Pearson 18.361 6 0.005
Rapport de vraisemblance 19.178 6 0.004
Association linaire p. linaire 8.979 1 0.003

Nb dobservations valides 342

Rgion 5 Khi-deux de Pearson 15.539 6 0.016
Rapport de vraisemblance 15.833 6 0.015
Association linaire p. linaire 4.266 1 0.039

Nb dobservations valides 331

Raliser une analyse spcifique laide de tableaux croiss
La liste dindicateurs relatifs au fichier adulte (F2) ci-dessous peut tre utilise pour
identifier les diffrences significatives entre les clients et non-clients laide de tableaux
croiss :
Principale activit des adultes du mnage
Niveau dducation des adultes du mnage
Situation matrimoniale du chef de mnage
Pour chaque indicateur, lanalyse peut galement tre ritre au niveau des rgions. Si
des diffrences significatives sont observes entre lactivit et le niveau dducation, la
source probable de ces diffrences doit faire lobjet dune interprtation.
104
Test t de comparaison de moyennes
Comment le test t est -il appliqu ?
Pour la plupart des indicateurs socioconomiques examins par cet outil dvaluation, le
nombre de valeurs possibles pour une variable donne sera trop important pour pouvoir
recourir un tableau crois. Cest particulirement vrai pour les variables dchelle
(dintervalle ou proportionnelle). Lun des moyens didentifier les diffrences
significatives entre clients et non-clients dune IMF sur des donnes dchelle consiste
comparer les moyennes dune variable donne pour les deux groupes diffrents.
Les diffrences de moyenne entre les deux groupes et les carts la moyenne lintrieur
de chaque groupe sont utiliss pour dterminer une valeur t. Cette valeur peut tre
compare ce quon appelle la valeur t critique . Si la valeur t est suprieure la
valeur t critique, les groupes peuvent tre considrs comme diffrents. A linverse, si la
valeur t calcule est infrieure la valeur t critique, on peut en conclure quil nexiste
aucune diffrence entre les deux groupes concernant la variable en question. Si la valeur t
relle est suprieure la valeur t critique, le niveau de signification est alors de 0,05 ou
moins.
Procdure SPSS pour la ralisation dun test t de comparaison des moyennes
Pour lancer un test t, cliquer sur Comparer les moyennes dans le menu Analyse, puis
sur Test T pour chantillons indpendants. Cela ouvre la bote de dialogue Test T
pour chantillons indpendants (figure 8.4), dans laquelle lutilisateur peut slectionner
des variables dchelle comme variables test. La variable de groupement statut
client/non-client dtermine comment diffrencier les deux groupes dobservations.
Slectionner le statut de lenqut comme variable de groupement unique, puis cliquer
sur Dfinir les groupes pour spcifier les deux codes des groupes comparer.
Sassurer que les codes utiliss correspondent bien ceux qui ont t saisis dans le fichier
de donnes.

105
Figure 8.4 Bote de dialogue SPSS Test t pour chantillons indpendants

Les tableaux 8.4 et 8.5 montrent les rsultats de la comparaison de la moyenne des deux
chantillons indpendants. Le premier tableau indique le nombre dobservations de
chaque sous-catgorie utilis dans le calcul. La colonne situe au milieu montre les
moyennes calcules pour chaque groupe (clients et non-clients), ainsi que lcart type
associ chacun. Le tableau renseigne sur la proportion des adultes du mnage sachant
crire, en fonction du statut. Comme le code utilis est 0 pour non et 1 pour
oui , la moyenne peut facilement tre traduite en pourcentage. Quatre-vingt-quinze
pour cent des adultes des mnages clients savent crire, contre quatre-vingt-douze dans le
cas des mnages non-clients.
Tableau 8.4 Exemple de tableau de rsultat SPSS de test t
pour chantillons indpendants
N Moyen-
ne
Ecart-type Erreur standard
moyenne
Adultes sachant crire
Clients de lIMF 713 0.95 0.22 8.42E-03
Non-clients 963 0.92 0.27 8.80E-03

Pour dterminer si la diffrence ente les moyennes est significative, il faut examiner le
deuxime tableau de rsultat (tableau 8.5). Dabord, le tableau indique si les variances
entre les deux groupes peuvent tre considres comme gales (test de Levene). Si le
niveau de signification est infrieur 0,05, la valeur t calcule est celle indique sur la
ligne des variances gales.
Dans cet exemple, la valeur t calcule est de 2,2 et la signification de cette valeur est de
0,03, ce qui signifie que la valeur t calcule est significativement suprieure la valeur t
critique. On peut conclure sur la base de ce rsultat que les mnages clients de lIMF
comptent un nombre dadultes sachant crire significativement suprieur celui des
mnages non-clients.
NBECRIR
106
Tableau 8.5 Exemple de test t pour chantillons indpendants
Test de Levene sur
lgalit des variances

Test t pour galit des moyennes

F Sig. t ddl
Sig.
(bilatrale)
Diffrence
moyenne
Diffrence
cart -type
Adultes sachant crire



Hypothse de variances gales 19.96 0.000 2.211 1674 0.027 2.77E-02 1.25E-02
Hypothse de variances ingales 2.275 0.023 2.77E-02 1.25E-02

Raliser une analyse spcifique laide du test t de comparaison des moyennes
Les rsultats du test t des moyennes portant sur des donnes dchelle peuvent tre
rsums dans un fichier de rsultat SPSS. En outre, il est possible de prparer une fiche
descriptive rsume indiquant les diffrences significatives entre clients et non-clients
identifies par lanalyse des variables numres ci-dessous. A laide des techniques de
tableau crois et de test t expliques dans ce chapitre, le fichier de donnes des mnages
(F1) peut tre complt avec les variables suivantes :
Taille de la famille
Nombre denfants
Pourcentage de mnages dont le chef est une femme
Superficie moyenne des terres dtenues
Valeur moyenne des terres dtenues
Le fichier de donnes relatif aux adultes peut tre complt par une variable indiquant le
pourcentage dadultes sachant crire, et le fichier relatif aux enfants (F3) avec une
variable indiquant lge moyen des enfants.
Rsum
Dans ce chapitre, nous avons concentr lanalyse sur la manire didentifier des
diffrences entre clients et non-clients sur la base dun certain nombre dindicateurs
socioconomiques. Lorsque lon trouve des diffrences significatives entre les deux
groupes, cela peut signifier que les critres de slection de lIMF induisent des
diffrences entre les groupes qui ne sont pas directement lies leur niveau de pauvret,
mais qui peuvent influer sur ce niveau. Ces diffrences doivent tre notes lors de
linterprtation de la mesure du niveau de pauvret relatif des mnages. Cette mesure est
traite dans le chapitre 9.


98
CHAPITRE 9

CREER UN INDICE DE PAUVRETE



Cet outil dvaluation de la pauvret repose sur le principe suivant : lintrieur de la
srie dindicateurs de pauvret collects par les techniques denqute se trouve un sous-
ensemble dindicateurs mesurant diffrents aspects de la pauvret relative du mnage. La
combinaison dindicateurs la plus approprie pour mesurer le niveau de pauvret relatif
diffre dun contexte donn un autre, souvent de manire assez facile prvoir.
Dans les pays dextrme pauvret, les indicateurs signalant des famines chroniques
tendent diffrencier la pauvret relative des mnages. Dans les pays forte densit de
population, la proprit de terres et dune habitation peut tre un meilleur indicateur de la
pauvret relative. Les diffrences culturelles influencent galement certains types
dindicateurs.
Dvelopper une mesure objective de la pauvret ncessite dabord didentifier les
indicateurs individuels les plus dterminants pour distinguer les niveaux de pauvret
relative puis dintgrer leur valeur au sein dun mme indice. Ce chapitre guide les
utilisateurs dans la ralisation dune analyse des donnes visant : (i) dterminer quels
indicateurs correspondent aux mesures les plus pertinentes de la pauvret relative pour les
mnages interrogs, (ii) crer une liste classe de ces variables sur la base de leur
corrlation avec lindicateur de pauvret de rfrence le montant des dpenses
vestimentaires par personne et (iii) appliquer ces indicateurs de manire systmatique
pour calculer lindice de pauvret du mnage.
Procdures statistiques permettant de trier les indicateurs de pauvret
Coefficient de corrlation linaire
La procdure de corrlation linaire est le premier moyen de trier les indicateurs de
pauvret pour dterminer quelles variables paraissent les plus appropries pour identifier
les diffrences dans le niveau de pauvret relative des mnages. Tester le niveau et le
sens de corrlation dune srie de variables ordinales et dchelle avec lindicateur de
pauvret de rfrence (DEPVETPP) - montant des dpenses vestimentaires par personne
constitue le premier moyen de dterminer la force des indicateurs.
Le coefficient de corrlation linaire est une procdure statistique utilise pour mesurer le
degr de relation entre deux variables. Le coefficient de corrlation permet de dterminer
le niveau et le sens de la relation entre les deux variables. Cette technique nimpose pas
99
que les units utilises pour chaque variable soient les mmes. La valeur du coefficient de
corrlation schelonne entre 1,00 et +1,00 ; le signe et la valeur renseignent sur la faon
dont les deux variables sont lies. Un coefficient gal 1, ou proche de 1, indique que
les variables sont inversement proportionnelles, c'est--dire que lorsque lune est leve,
lautre est faible.
Le niveau dducation par exemple peut tre inversement proportionnel la
consommation daliments infrieurs : un niveau dducation plus lev permet souvent
un revenu plus lev ce qui son tour permet une alimentation de meilleure qualit. Un
coefficient proche de 1 indique une relation forte entre les deux variables. Par exemple, le
nombre de membres dun mnage est fortement proportionnel au nombre de pices de la
maison. Une valeur gale 0, ou proche de 0, indique quaucune relation forte nexiste
entre les variables.
Linterprtation des rsultats se fonde sur la thorie de la probabilit. Cette thorie
dtermine selon quel niveau de signification les diffrences observes entre les groupes
chantillons peuvent tre appliques lensemble de la population dtude. Dans loutil
dvaluation de la pauvret, le niveau de signification est fix 0,05, ou moins, ce qui
signifie quun minimum de 95 pour cent est utilis pour accepter ou rejeter lhypothse
que le lien entre deux variables est alatoire. Si le niveau de signification savre
infrieur 0,05, la corrlation entre les deux variables est considre comme forte ; si le
niveau de signification est infrieur 0,01, la corrlation est considre comme trs forte.
Utilisation de SPSS pour mesurer la corrlation linaire
Les tableaux de corrlation sont crs sous SPSS en slectionnant Corrlation dans le
menu Analyse, puis Bivarie comme type de corrlation. La bote de dialogue
Corrlations bivaries (figure 9.1) souvre. Slectionner les variables ordinales ou
dchelle dans la liste gauche et les faire passer dans la colonne de droite en cliquant sur
la flche.
Au bas de la bote de dialogue, cocher Pearson comme type de coefficient de
corrlation, et slectionner Bilatral comme type de test de signification. Choisir
DEPVETPP, ou dpenses vestimentaires par personne, comme premire variable dans la
case Variables . Ajouter dautres variables lies aux indicateurs recenss dans
lencadr 9.1 en groupes de six huit maximum.
Interprter un tableau de corrlation SPSS
Les tableaux de corrlation crs par SPSS sont affichs dans la fentre Editeur de
rsultats sous la forme dune matrice. Si la variable DEPVETPP est en haut de la liste
de la bote de dialogue Corrlations bivaries , la premire colonne du tableau de
rsultats montrera les niveaux de corrlation entre DEPVETPP et toutes les autres
variables incluses dans la procdure.
100
Figure 9.1 Bote de dialogue SPSS Corrlations bivaries

Le tableau 9.1 est un exemple de tableau de rsultat de corrlation. Les rsultats montrent
que sur les trois variables corrles avec le montant des dpenses vestimentaires par
personne (en gris), seules les deux premires rvlent une corrlation significative. Il
sagit du nombre de jours o de la viande a t servie et du nombre de jours o du riz a
t servi. Le niveau de signification est infrieur dans les deux cas p = 0,01, ce qui
permet daffirmer 99 pour cent que la corrlation nest pas alatoire.
Bien que le coefficient de corrlation concernant le nombre de jours o du riz a t servi
soit de 0,179, noter que la corrlation est quand mme considre comme fortement
significative. La variable nombre de jours de consommation daliments infrieurs est
ngativement corrle avec les dpenses, comme ctait prvisible, mais le niveau de
signification (0,376) indique quil ny a pas de corrlation entre les dpenses
vestimentaires par personne et la consommation daliments infrieurs.
Sur la base des rsultats apparaissant dans le tableau 9.1, les deux variables concernant le
nombre de jours o de la viande et du riz ont t servis peuvent tre ajoutes la liste
slectionne dindicateurs mesurant des aspects de la pauvret. Pour achever le processus
de tri, toutes les autres variables numres dans lencadr 9.1 sont corrles avec la
variable DEPVETPP et celles dmontrant un niveau significatif de corrlation ajoutes
la liste trie des indicateurs de pauvret.
Lorsque lon est en prsence dune base de donnes importante, comme dans le cas de
cette mthodologie, mme les petits coefficients de corrlation peuvent signaler un lien
entre les deux variables. Pour le vrifier, contrler que le lien est significatif (niveau de
signification infrieur 0,01).
101
Slectionner des variables pour le test de corrlation
La procdure de corrlation doit toujours tre dfinie de faon ce que lindicateur de
rfrence, les dpenses vestimentaires par personne, soit la premire variable de la liste
dans la bote de dialogue Corrlation bivarie (figure 9.1). Pour que les tableaux de
rsultat gardent une taille raisonnable, crer des tableaux de corrlation distincts pour
chaque groupe dindicateurs numrs dans lencadr 9.1. En conservant toujours la
variable DEPVETPP en tte de liste, la premire colonne du tableau de rsultat indiquera
toujours les coefficients de corrlation entre lindicateur de pauvret de rfrence et tous
les autres indicateurs.
Encadr 9.1 Variables ordinales et dchelle
Ressources humaines (section B du questionnaire)
ge moyen des adultes du mnage
pourcentage dadultes sachant crire
pourcentage dadultes ayant atteint un certain niveau dducation
pourcentage dadultes ayant une activit spcifique
nombre denfants
taille de la famille
ratio de dpendance enfants/adultes
ratio de dpendance inactifs/actifs
dpenses vestimentaires par personne
Scurit alimentaire et vulnrabilit (section C du questionnaire)
nombre de repas pris au cours des 2 derniers jours
nombre de jours o laliment de luxe 1 a t servi
nombre de jours o laliment de luxe 2 a t servi
nombre de jours o laliment de luxe 3 a t servi
nombre de jours o un aliment de qualit infrieure a t servi
nombre de jours avec nourriture insuffisante au cours du mois pass
nombre de mois avec nourriture insuffisante au cours de lanne
passe
semaines de stock de produits de base
frquence dachat, produit de base 1
frquence dachat, produit de base 2
frquence dachat, produit de base 3
Habitat (section D du questionnaire)
nombre de pices par personne
tat de la structure de lhabitation
qualit des latrines
qualit de leau potable
qualit des murs de lhabitation
qualit du toit
qualit des sols
niveau dutilisation de llectricit
qualit du combustible
Actifs (section E du questionnaire)
valeur des appareils mnagers et lectriques
102
valeur des matriels de transport
valeur des terres dtenues (irrigues et non irrigues)
superficie des terres dtenues
valeur des animaux
valeur des actifs par personne (ou par adulte)

Tableau 9.1 Exemple de tableau de rsultat de corrlation
Variable

Type de
corrlation

Dpenses
vestimen-
taires par
personne
Nombre de
jours riz
Nombre de
jours viande

Nombre de
jours aliment
qualit
infrieure
Dpenses vestimentaires
par personne

Corrlation de
Pearson 1.000 0.179


0.439 0.040

Sig. (bilatrale) 0.000* 0.000* 0.376

N 500 499 499 495


Nombre de jours avec riz
servi au cours des 7
derniers jours

Corrlation de
Pearson
0.179 1.000

0.328 0.129

Sig. (bilatrale) 0.000* . 0.000* 0.004*

N 499 499 499 495


Nombre de jours avec
viande servie au cours
des 7 derniers jours

Corrlation de
Pearson
0.439 0.328

1.000 0.144

Sig. (bilatrale) 0.000* 0.000* 0 0.001*

N 499 499 499 495


Nombre de jours avec
aliment de q. infrieure
servi au cours des 7
derniers jours


Corrlation de
Pearson
0.040 0.129


0.144 1.000

Sig. (bilatrale) 0.376 0.004* 0.001* .

N 495 495 495 495
* La corrlation est significative au niveau 0.01 (bilatral).
Les rsultats de lanalyse peuvent tre rsums dans un tableau numrant tous les
indicateurs tests, tris en fonction de la force de la corrlation mesure, et indiquant le
nombre dobservations avec valeurs manquantes. Un exemple de ce type de tableau est
donn ci-dessous (tableau 9.2). Les indicateurs ayant dmontr le niveau de signification
le plus lev (p<0.01) seraient en tte de liste, tandis que ceux ayant rvl des niveaux
de corrlation non significatifs (p>0.05) seraient exclus de la liste.
Il est important de noter le signe du coefficient de corrlation, qui indique si la relation
est ngative ou positive. Ce mme tableau sera utilis lors de lestimation de lindice de
pauvret.
103
Tableau 9.2 Modle des indicateurs tris par niveau
de corrlation avec lindicateur de pauvret de rfrence
Indicateur
Niveau de
signification
Valeur et signe du
coefficient de
corrlation
Nombre
dobservations avec
valeurs manquantes
1.
2.
3.


Estimer un indice de pauvret laide de lanalyse en composantes
principales

Cet outil dvaluation permet de dvelopper un indice de pauvret relative en appliquant
la mthode de lanalyse en composantes principales (ACP). La mthode de lACP est
utilise pour dterminer comment linformation des diffrents indicateurs peut tre
efficacement combine pour mesurer le niveau de pauvret relative dun mnage. Le
produit final de lACP est un indice unique de pauvret relative qui attribue chaque
mnage de lchantillon une valeur spcifique, appele un facteur, reprsentant le niveau
de pauvret du mnage par rapport tous les autres mnages de lchantillon. Lanalyste
cre lindice partir de la combinaison de plusieurs indicateurs significativement corrls
entre eux sur la base de composantes de pauvret sous-jacentes communes.
LACP est utilise pour identifier (ou extraire) les composantes sous-jacentes dun
groupe dindicateurs pouvant expliquer au moins en partie pourquoi les valeurs de
lindicateur diffrent dun mnage lautre de la manire observe. Chaque composante
est cense enregistrer un attribut unique commun tous les mnages de lchantillon.
Lune des raisons pour lesquelles les mnages rpondent diffremment aux questions
associes aux indicateurs est leur niveau de pauvret relative.
Si les indicateurs sont lis de plusieurs manires, alors plusieurs composantes sous-
jacentes seront cres. Cependant, une seule mesurera le niveau de pauvret relative. Les
indicateurs peuvent aussi tre lis entre eux du fait du contexte rural ou urbain des
mnages ou de conditions rgionales spcifiques. Dautres composantes sous-jacentes
peuvent mesurer des aspects lis aux similarits entre les mnages en terme dducation,
dactivit ou de pratiques culturelles.
Gnralement, chaque composante extraite mesure un attribut unique commun aux
mnages enquts. Le nombre de composantes pouvant tre extraites augmente avec
le nombre dindicateurs inclus dans lanalyse. La figure 9.2 montre comment les
composantes sont lies aux variables de lindicateur utilises pour les dcrire.
104
Lutilisation de lanalyse en composantes principales dans le cadre de lvaluation du
niveau de pauvret a pour principal objectif dextraire la composante de pauvret
pouvant tre utilise pour calculer un indice de pauvret relative spcifique aux mnages.
Cest pourquoi lapplication de lACP utilise en premier lieu les indicateurs qui
dmontrent dj une forte corrlation avec lindicateur de pauvret de rfrence, les
dpenses vestimentaires par personne.
Filtrer les indicateurs de cette manire permet de garantir la slection dune composante
de pauvret solide offrant la meilleure relation avec les indicateurs dont lanalyste
pense quils mesurent le mieux le degr de pauvret relative.
Figure 9.2 Indicateurs et composantes sous -jacentes














Outils statistiques utiliss pour crer un indice de pauvret
Les tapes de cration dun indice de pauvret laide de la mthode ACP sont les
suivantes :
1. Slectionner un groupe de variables fortement corrles avec lindicateur de
pauvret de rfrence.
2. Lancer un modle test et interprter les rsultats.
3. Rviser le modle sur la base des rsultats du premier test jusqu ce que les
rsultats rpondent aux critres de performance.
4. A partir du modle finalis, sauvegarder les facteurs de la composante de
pauvret en tant que variable de lindice de pauvret.
Etape 1 : Slectionner un groupe dindicateurs
Avant dappliquer la mthode ACP aux donnes, les indicateurs de pauvret sont soumis
une srie de slections pour sassurer que lindice final ne constituera pas une mesure
Indicateurs
ressources
humaines
Indicateurs
habitat
Indicateurs
actifs
Indicateurs
alimenta-
tion
Autres
indicateurs
Pauvret
Caractristiques
dmographiques
Composantes :
Indicateurs :
105
fausse du niveau de pauvret. Une liste de tous les indicateurs corrls avec lindicateur
de pauvret de rfrence a t cre dans la premire section de ce chapitre.
La liste rduite dindicateurs prsente dans lencadr 9.1 constitue lensemble des
indicateurs issus de la premire slection en vue de lanalyse en composantes principales.
Ces variables sont toutes ordinales ou dchelle, condition requise pour lACP. Examiner
la liste pour identifier les variables caractrises par plus de 25 valeurs manquantes et
veiller utiliser celles-ci le moins possible. Ajouter la variable DEPVETPP la liste. Elle
est maintenant traite comme toutes les autres variables pour lanalyse en composantes
principales.
Pour affiner la slection des variables destines au modle danalyse en composantes
principales, on applique les deux actions suivantes :
Limiter le nombre dindicateurs utiliss. Limiter le nombre de variables permet de
rduire la complexit du calcul des composantes. Pour cela, on peut trier les variables
lies qui mesurent le mme phnomne et ne retenir que la plus forte pour le modle
ACP.
Par exemple, si les trois aliments de luxe sont fortement corrls avec les dpenses
vestimentaires par personne, on nen choisit quun ou deux. Il est recommand dutiliser
au moins 10 variables mais pas plus de 20 pour la cration de lindice de pauvret.
Equilibrer les indicateurs pour reflter les diffrentes dimensions de la pauvret. Il
est possible dinclure plusieurs indicateurs mesurant des aspects similaires de la pauvret
dans le modle danalyse en composantes principales ; cependant, une concentration trop
forte dindicateurs similaires risque de fausser lindice de pauvret rsultant du fait de la
surreprsentation dun aspect donn de la pauvret. Pour viter ce biais, slectionner
plusieurs indicateurs de chaque section du questionnaire.
Etape 2 : Lancer un modle test et interprter les rsultats
Il existe plusieurs techniques permettant dextraire les composantes dune srie
dindicateurs, cependant une seule lanalyse en composantes principales - est
approprie pour la mthodologie dvaluation de la pauvret utilise ici. Dans lanalyse
en composantes principales, chaque composante sous-jacente calcule reprsente une
combinaison linaire des variables des indicateurs utilises dans le modle.
La premire composante est la combinaison correspondant la valeur de la variance de
lchantillon la plus leve. La seconde composante correspond la deuxime valeur la
plus leve de la variance et nest pas corrle avec la premire. Les composantes
suivantes reprsentent progressivement une proportion de plus en plus petite de la
variance totale de lchantillon. Les composantes ne sont pas corrles entre elles. Du fait
de cette caractristique, une seule peut tre considre comme mesurant la pauvret
relative.
106
Utiliser SPSS pour gnrer un modle danalyse en composantes principales. Vous
tes maintenant prt gnrer un premier modle dACP. A partir du menu Analyse,
slectionner Factorisation, puis Analyse factorielle. La bote de dialogue Analyse
factorielle (figure 9.3) souvre. Slectionner 6 10 indicateurs sur la liste des variables
de lencadr 9.1 qui dmontrent le degr de corrlation le plus fort avec lindicateur de
rfrence. Faire dfiler la liste des variables gauche et slectionner les indicateurs les
mieux corrls aux dpenses vestimentaires. Les faire passer dans la case de droite
laide de la flche la plus haute.

Une fois les variables slectionnes, slectionner dans la liste lindicateur qui distingue
les clients de lIMF des non-clients. Cliquer sur la flche basse pour transfrer cet
indicateur dans la case Variable de filtrage . Cliquer sur Valeur pour choisir la
valeur reprsentant les mnages non-clients (dsigns par 0 dans le questionnaire).
Cela permet de rduire le modle initial en nincluant que les 300 mnages non-clients.
Lchantillon de non-clients reprsente la population gnrale ; cest un groupe plus
appropri pour crer le modle initial.
Figure 9.3 Bote de dialogue SPSS Analyse factorielle


Cliquer sur Caractristiques pour ouvrir la bote de dialogue illustre par la figure 9.4.
Dans cette bote de dialogue, cocher la case Structure initiale en haut gauche et
Indice KMO et test de Bartlett en bas. Cliquer sur Poursuivre pour retourner la
bote de dialogue principale Analyse factorielle . Dans cette bote de dialogue, cliquer
sur Extraction pour ouvrir la bote de dialogue de la figure 9.5. Dfinir la mthode
dextraction ACP en slectionnant Composantes principales dans la liste droulante
Mthode . Sous Analyser , cocher la case Matrice de corrlation . Sous
Afficher , cocher la case Structure factorielle sans rotation .
Noter que dans la partie infrieure de la bote de dialogue, il est possible de modifier la
valeur propre minimale ou de limiter le nombre de facteurs extraire. Slectionner la
107
valeur propre minimum de 1 (valeur par dfaut). Cette valeur sera utilise au moment
de la sauvegarde des rsultats finaux du modle. Cliquer sur Poursuivre pour
retourner la bote de dialogue principale Analyse factorielle .
108

Figure 9.4 Bote de dialogue SPSS
Analyse factorielle : Caractristiques

Figure 9.5 Bote de dialogue SPSS
Analyse factorielle : Extraction



Au bas de la bote de dialogue Analyse factorielle , cliquer sur Rotation . Dans la
bote de dialogue qui souvre alors, cocher la case aucune sous Mthode . Cliquer
sur Poursuivre pour retourner la bote de dialogue Analyse factorielle .
Enfin, en bas droite de la bote de dialogue (figure 9.3), cliquer sur Options . Dans la
bote de dialogue qui souvre, sous Valeurs manquantes , slectionner Remplacer
par la moyenne . Dans la section en bas de lcran, noter les options permettant de
classer les variables par taille et de choisir une valeur minimale daffichage lcran. Ces
options peuvent tre utilises ultrieurement au moment daffiner le modle. Cliquer sur
Poursuivre pour retourner la bote de dialogue Analyse factorielle .
109
Etape 3 : Rviser le modle jusqu ce que les rsultats rpondent aux critres de
performance
Lanalyse en composantes principales noffre pas un moyen simple de gnrer un modle
immdiatement appropri pour dterminer un indice de pauvret. Lapproche requiert
plusieurs essais, la correction derreurs et un examen minutieux continu des variables
pour dterminer quelle combinaison produit les rsultats les plus logiques. La premire
stratgie consiste slectionner systmatiquement la liste des variables pouvant tre
utilises dans le modle sans compromettre le pouvoir explicatif de lindice de pauvret.
Le point de dpart de cette slection est la matrice des composantes, dcrite dans la
section suivante. Outre la matrice des composantes, plusieurs autres techniques peuvent
tre utilises pour dterminer comment amliorer le modle danalyse en composantes
principales produisant lindice de pauvret.
La matrice des composantes. Le produit initial du modle dACP comprend quatre
tableaux : la matrice des composantes, la qualit de reprsentation, la variance explique
totale et lindice de KMO et test de Bartlett. Chacun deux peut tre utilis pour
interprter les rsultats et affiner le modle. Cependant, la matrice des composantes (voir
lexemple du tableau 9.3) est le rsultat le plus intressant pour dterminer la composition
de lindice de pauvret. Si les rsultats prsents dans les autres tableaux peuvent signaler
la ncessit de certains changements, les rsultats de la matrice des composantes
indiquent quant eux quels sont les changements apporter.
Pour valuer la capacit du modle dACP crer lindice de pauvret, il faut valuer les
coefficients de chaque composante, appels poids . Lanalyse de ces coefficients est
en effet le dterminant le plus important pour la cration de lindice de pauvret. Les
poids des composantes reprsentent le niveau de corrlation entre la variable de la
composante et la variable de lindicateur. Pour vrifier que le modle danalyse en
composantes principales est correctement spcifi, effectuer les vrifications suivantes :
1. Vrifier le montant de la valeur absolue des poids pour chaque indicateur.
Celui-ci indique le degr de corrlation entre la composante et lindicateur.
Des valeurs absolues leves indiquent un degr de corrlation lev,
linverse des valeurs faibles indiquent un faible degr de corrlation. Pour tre
considre comme significative au niveau 0.01 dans un chantillon de 300
units, la valeur du coefficient doit tre au moins de 0.180 (selon la formule
de Burt-Banks), mais de prfrence suprieure 0.300.
2. Vrifier que le signe de chaque poids des composantes est bien celui attendu
pour chaque indicateur du modle. Les coefficients positifs indiquent une
relation directe entre lindicateur et le niveau de richesse relative du mnage.
Lorsque les valeurs dun indicateur augmentent, il en va de mme de la valeur
de la composante, qui dans ce cas reprsente le niveau de richesse relative du
mnage. Les coefficients ngatifs indiquent une relation inverse entre
lindicateur et le niveau de richesse relative du mnage. Le tableau 9.3 montre
les poids des composantes dun modle danalyse en composantes principales
110
utilis pour calculer un indice de pauvret. Comme on peut lobserver, deux
composantes ont t calcules partir des indicateurs.
Tableau 9.3 Exemple de matrice des composantes sous SPSS

Variable

Poids des composantes
1 2
Nombre de jours avec bl servi au cours des 7 derniers jours 0,729 0,109
Nombre de jours avec viande servie au cours des 7 derniers jours 0,772 3,002E-02
Revenu mensuel extra dpens en nourriture 0,539 0,649
Le mnage a eu suffisamment de nourriture au cours du dernier
mois
0,512 0,339
Source de combustible du mnage 0,462 0,497
Utilisation de llectricit par le mnage 0,624 0,342
Qualit des latrines 0,560 0,118
Pourcentage dadultes sachant crire 0,471 0,655
Pourcentage dadultes ayant achev leurs tudes secondaires 0,612 8,014E-02

Dpenses vestimentaires par personne 0,713 0,128
Valeur des actifs par personne 0,464 0,244
Valeur des postes de radio dtenus par le mnage 0,612 0,131
Valeur agrge des appareils mnagers et lectriques 0,654 0,122
Note : la mthode dextraction utilise est lanalyse en composantes principales
Dans lexemple ci-dessus, la valeur absolue de tous les poids de la premire composante
indique que tous peuvent tre considrs comme des indicateurs significatifs. Le signe
des coefficients correspond aussi aux caractristiques attendues de la pauvret relative.
La seconde composante de ce modle mesure un autre aspect commun aux mnages et
peut suggrer une relation davantage lie aux mnages ruraux. Elle ne semble pas
mesurer la variance lie la pauvret relative de manire cohrente, car pour certaines
variables le signe des coefficients nest pas pertinent, leur montant nest pas significatif et
les rsultats ne semblent pas cohrents dune variable lautre.
Lanalyste peut amliorer le pouvoir explicatif du modle en cartant les variables dont le
poids relatif la composante de pauvret est faible, car celles-ci namliorent pas le
pouvoir explicatif de lindice, et en ajoutant dautres variables de lencadr 9.1 pour voir
si ces ajouts amliorent ou affaiblissent les rsultats du modle.
Le tableau 9.4 montre une deuxime matrice des composantes, faisant apparatre
quelques indicateurs qui semblent peu contribuer la qualit du modle. Les indicateurs
nombre de jours avec aliment de qualit infrieure servi et nombre de taureaux et
vaches ont des coefficients bien plus faibles que les autres indicateurs du modle, bien
que le signe des coefficients soit conforme la relation attendue entre ces indicateurs et
le niveau de richesse du mnage (ces deux indicateurs ntaient pas significativement
corrls avec lindicateur de pauvret de rfrence et ne sont inclus ici qu titre
dillustration).
111
Le modle du tableau 9.4 pourrait tre amlior en supprimant ces deux indicateurs et en
restimant les coefficients des indicateurs restants. Lorsque des variables faibles sont
supprimes du modle, les coefficients des variables restantes augmentent souvent et le
nombre de composantes extraites diminue.
Tableau 9.4 Exemple de matrice des composantes SPSS avec variables supplmentaires
Composante 1 2 3

Nombre de jours avec bl servi au cours des 7
derniers jours
0,698 -0,293 -9,075E-02

Nombre de jours avec riz servi au cours des 7
derniers jours
0,476 -0,435 -6,430E-02

Nombre de jours avec viande servie au cours des 7
derniers jours
0,720 -0,151 -8,171E-02

Nombre de jours avec aliment de q. infrieure servi
au cours des 7 derniers jours
-0,256 0,232 0,643

Qualit des murs de lhabitation 0,406 8,688E-02 0,393

Utilisation de llectricit par le mnage 0,563 -6,438E-02 0,280

Dpenses vestimentaires par personne 0,629 4,306E-02 0,153

Valeur des actifs par personne 0,454 0,510 -0,300

Pourcentage dadultes ayant achev leurs tudes
secondaires
0,565 -9,476E-02 0,228

Valeur des appareils mnagers et lectriques 0,660 0,357 1,027E-02

Valeur des postes de radio dtenus par le mnage 0,565 0,237 -3,203E-03

Nombre de jours avec nourriture suffisante au cours
du dernier mois
0,402 -0,464 -0,353

Qualit des latrines 0,592 0,196 0,203

Nombre de taureaux et vaches 0,142 0,533 -0,508
Note : la mthode dextraction utilise est lanalyse en composantes principales ; trois
composantes extraites


Mme lanalyste le plus chevronn aura besoin de tester de nombreuses combinaisons de
variables afin de dterminer la combinaison la plus pertinente pour expliquer la
composante de pauvret sous-jacente. Lanalyse des rsultats peut tre renouvele
chaque modification, jusqu ce que le modle gnr semble le plus appropri aux
donnes dtude. Idalement, la version finale mesurera plusieurs dimensions de la
pauvret (par exemple scurit alimentaire, ressources humaines et accumulation
dactifs). La mesure globale ne doit pas tre constitue dun seul groupe de mesures.
Normalement, le modle dfinitif ne doit pas contenir plus de 20 indicateurs.
Variance explique totale. Le tableau de rsultats SPSS Variance explique totale
prsente les valeurs propres calcules pour chaque composante (voir tableau 9.5). La
taille de la valeur propre indique le niveau de la variance dans lanalyse en composantes
principales explique par composante. Plus la valeur propre est leve, plus la
composante est explique par les indicateurs du modle. Dans le tableau 9.5, la
112
deuxime colonne partir de la gauche montre les valeurs propres calcules pour chaque
composante.
Si le modle a t soigneusement affin pour ne conserver que des indicateurs de
pauvret, la premire composante est susceptible dexpliquer la variance associe la
pauvret. Comme les variables sont systmatiquement ajoutes ou supprimes, les
valeurs propres et le niveau de variance associ expliqu par la composante de pauvret
peuvent guider lanalyste pour affiner le modle. Lorsque des variables sont supprimes,
la valeur propre de la composante de lindice de pauvret change, ainsi que le
pourcentage de la variance totale expliqu par la composante. Un changement de la part
de la variance explique peut indiquer si lajout ou la suppression dune variable a
amlior ou rduit le pouvoir explicatif de lindice de pauvret.
Tableau 9.5 Exemple de tableau SPSS de variance explique totale

Valeurs propres initiales Sommes des carrs charges


Compo-
sante

Total
% de la
variance
% cumuls
Total
% de la
variance
% cumuls
1 4,128 37,530 37,530 4,128 37,530 37,530
2 1,395 12,681 50,210 1,395 12,681 50,210
3 0,891 8,101 58,311
4 0,830 7,541 65,853
5 0,715 6,505 72,357
6 0,704 6,396 78,753
7 0,614 5,581 84,334
8 0,505 4,588 88,923
9 0,457 4,152 93,075
10 0,406 3,687 96,762
11 0,356 3,238 100,000
Note : la mthode dextraction utilise est lanalyse en composantes principales.
En rgle gnrale, une valeur propre minimum de 1 est ncessaire pour considrer la
composante comme reprsentative dune dimension sous-jacente commune. Dans le
tableau 9.5, seules les deux premires composantes indiquent quune dimension
commune est mesure. La premire composante (dans ce cas, lindice de pauvret)
explique 37,5 pour cent de la variance totale ; la deuxime 12,7 pour cent. Gnralement,
du fait que le modle a t affin pour crer une mesure de la pauvret relative, il est
raisonnable de sattendre ce que lindicateur de pauvret explique la plus grande partie
de la variance.
Qualit de reprsentation. Un autre moyen de tester la pertinence du modle consiste
examiner la qualit de reprsentation du modle. Les valeurs rapportes dans la colonne
Extraction du tableau 9.6, ou communalits , renseignent sur le degr de corrlation
linaire entre les variables et les composantes. Statistiquement, elles reprsentent la
mme mesure que R
2
dans une analyse de rgression. La valeur des communalits se
113
situe entre 0 et 1, les nombres les plus levs indiquant que les composantes extraites
expliquent une plus grande part de la variance commune.
Les communalits indiquent dans quelle mesure les indicateurs se combinent pour
identifier les diffrentes composantes. Etant donn que nous ne sommes intresss que
par une des composantes, les communalits nindiquent pas elles seules la pertinence de
la variable pour le modle de gnration de lindice de pauvret. Amliorer les valeurs
des communalits namliorera pas la composante de lindice de pauvret si les variables
ajoutes sont fortement corrles avec des composantes autres que la pauvret.
Certaines variables peuvent cont ribuer au pouvoir explicatif dun facteur de pauvret,
mais ne pas expliquer les variances exprimes par dautres facteurs communs. Par
consquent, les variables peuvent avoir de faibles coefficients mais tre tout de mme
pertinentes pour la cration dune composante de pauvret. En gnral, cependant, les
communalits proches de 0 (infrieures 0,1) signalent que la variable en question peut
tre exclue lors des essais suivants. Le tableau 9.6 est un exemple de tableau de qualit de
reprsentation.
Tableau 9.6 Exemple de tableau SPSS de qualit de reprsentation
Variable Initial Extraction
Nombre de jours avec bl servi au cours des 7 derniers j. 1,000 0,543
Nombre de jours avec viande servie au c. des 7 derniers j. 1,000 0,597
Revenu mensuel extra dpens en nourriture 1,000 0,524
Le mnage a eu suffisamment de nourriture au cours du
dernier mois
1,000 0,377
Source de combustible du mnage 1,000 0,461
Utilisation de llectricit par le mnage 1,000 0,506
Valeur agrge des appareils mnagers et lectriques 1,000 0,443
Valeur des postes de radio 1,000 0,415
Pourcentage dadultes ayant achev leurs tudes
secondaires
1,000 0,381
Pourcentage dadultes sachant crire 1,000 0,652
Dpenses vestimentaires par personne 1,000 0,713
Taille de la famille 1,000 2,82E-02
Matriau de construction des murs 1,000 0,198
Note : la mthode dextraction utilise est lanalyse en composantes principales.
Le tableau montre que les communalits schelonnant entre 0,198 et 0,713 peuvent tre
considres comme situes dans une fourchette acceptable ; tous les indicateurs se
rvlent trs explicatifs par rapport la composante de pauvret prsente dans le tableau
9.3. Seul lindicateur de la taille de la famille est dot dun coefficient proche de zro.
Mesure dadquation dchantillonnage de Kaiser-Meyer-Olkin. Le test de Kaiser-
Meyer-Olkin (KMO) est un indice permettant de comparer le niveau des coefficients de
corrlation observs avec celui des coefficients de corrlation partiels. Plus la valeur de
lindice est faible, moins le modle est appropri. Gnralement, on considre les
114
rsultats suprieurs 0,60 comme acceptables, suprieurs 0,70 comme bons, suprieurs
0,80 comme trs bons et suprieurs 0,90 comme exceptionnels.
Le premier tableau de rsultat SPSS montre la fois les rsultats du test KMO et du test
Bartlett de sphricit. Si le tableau napparat pas, cela peut signifier que le modle
contient des variables qui dupliquent la mme information. Vrifier la liste des variables
pour identifier une ventuelle duplication. Le tableau 9.7 est un exemple de la faon dont
le tableau apparat dans l Editeur de rsultats de SPSS. Dans la premire cellule de la
colonne de droite du tableau se trouve lindice KMO pour le modle. Dans ce cas, le
nombre 0,855 est situ dans la fourchette acceptable pour un modle bien spcifi. Le test
khi-deux nest pas utilis dans cette mthodologie, car le test se traduira presque toujours
par un niveau de signification infrieur 0,001 pour des tailles dchantillons aussi
importantes (500).
Tableau 9.7 Test KMO-Bartlett
Test Valeur
Mesure de prcision de lchantillonnage de Kaiser-
Meyer-Olkin
0,855
Test de sphricit Bartlett
Khi-deux approch 918,033
ddl
Signification 0,000
Etape 4 : Sauvegarder les facteurs de la composante en tant que variables de lindice de
pauvret
Une fois le modle de calcul de lindice de pauvret finalis, la taille dchantillon
utilise pour calculer la composante de pauvret peut tre augmente de lchantillon de
300 non-clients lchantillon total de 500 mnages clients et non-clients. Cela peut tre
fait lintrieur de la bote de dialogue Analyse factorielle (figure 9.3) en supprimant
la variable statut client/non-client de la bote Variable de filtrage . En utilisant la taille
dchantillon de 500, relancer le modle pour enregistrer les calculs finaux de la
composante, puis vrifier quaucun rsultat inhabituel nest produit.
Si les mesures dadquation diminuent lgrement, ne pas redfinir les spcifications du
modle. Comme lchantillon alatoire de clients de lIMF ne peut pas tre considr
comme une reprsentation non biaise de la population locale, les observations des
clients de lIMF ne sont pas utilises pour dfinir les spcifications du modle.
En utilisant la version finale du modle ACP, sauvegarder les valeurs standardises de la
composante de pauvret comme une variable du fichier de donnes sur les mnages. Cela
se fait facilement sous SPSS partir de la bote de dialogue Analyse factorielle (voir
figure 9.3). Dabord cliquer sur Facteurs au bas de la fentre pour ouvrir la bote de
dialogue Analyse factorielle : Facteurs (figure 9.6). Dans cette bote de dialogue,
cocher Enregistrer dans des variables et, sous Mthode , cocher Rgression .
Cliquer sur Poursuivre .
115
Ouvrir ensuite la bote de dialogue Analyse factorielle : Extraction en cliquant sur
Extraction dans la bote de dialogue Analyse factorielle . Cocher Nombre de
facteurs (voir figure 9.5). La case droite devient active. Entrer 1 pour indiquer que
seule la premire composante doit tre sauvegarde en tant que variable. Relancer le
modle danalyse en composantes principales. Vrifier quune nouvelle variable,
FAC1_1 , facteur de rgression, a bien t cre dans le fichier des mnages.
Renommer la variable en POVINDEX et ajouter une dfinition, telle que indice de
pauvret des mnages .
Figure 9.6 Bote de dialogue SPSS
Analyse factorielle : Facteurs

Proprits de la variable indice de pauvret
Lindice de pauvret cr par extraction selon la mthode de lanalyse en composantes
principales est estim partir de valeurs dindicateurs standardises. Cette
standardisation est effectue automatiquement par SPSS avant le lancement de lanalyse
en composantes principales. Lindice de pauvret est galement produit sous une forme
standardise. Standardiser une variable consiste supprimer lunit dans laquelle la
variable est mesure. Une variable standardise a une moyenne de zro et un cart type
de 1. La figure 9.7 montre la distribution dun indice de pauvret sous une forme
standardise. Les valeurs reprsentes sur le graphique schelonnent entre 2,51 et 3,72.
Environ deux-tiers des mnages se situent dans la fourchette entre 1 et 1.
La figure 9.8 reprsente la frquence cumule dun indice de pauvret diffrent,
reprsent pour les clients et les non-clients. Comme le montre la figure, il existe une
diffrence assez importante entre les deux groupes, except pour les mnages les plus
pauvres, pour lesquels la diffrence entre clients et non-clients se rduit. Pour les 10 pour
cent de mnages les plus pauvres, aucune diffrence nest observe dans le niveau de
pauvret des clients et des non-clients.
Cependant, pour tous les autres niveaux de pauvret relative, les clients apparaissent plus
pauvres que les non-clients. Ces rsultats peuvent tre recoups avec lindice de pauvret
moyen des clients et non-clients. Dans lexemple de la figure 9.8, la valeur moyenne est
de 0,22 pour les non-clients et de 0,13 pour les clients, ce qui signifie quen moyenne
les clients sont plus pauvres que les non-clients de la mme rgion.
116
Figure 9.7 Histogramme dun indice de pauvret
standardis

Ecart t. =
1.00

Moy. = 0.00

N = 499.00
Valeur de lindice de pauvret standardis
117

Figure 9.8 Exemple de frquence cumule de lindice de pauvret par statut














Vrifier les rsultats de lindice
Une fois dfinie la composition de lindice de pauvret, le chercheur peut examiner les
rsultats, dabord pour identifier les diffrences de niveau de pauvret relative entre les
clients et les non-clients, et ensuite pour vrifier que lindice de pauvret distingue les
niveaux de pauvret relative entre les mnages de manire cohrente dune zone dtude
lautre, et par rapport aux indicateurs individuels.

Pour identifier les diffrences significatives entre le niveau de pauvret relative des
clients et celui des non-clients, effectuer un test t de comparaison des moyennes en
utilisant lindice de pauvret comme variable dpendante et le statut client/non-client
comme variable indpendante. Vrifier si le niveau de signification est infrieur 0,05. Si
non, alors il ny a pas de diffrence significative entre les chantillons.

Continuer explorer lindice en recherchant les diffrences significatives entre les
mnages classs parmi les plus pauvres (indice de pauvret infrieur 1,0) ainsi que
pour ceux situs entre 1,0 et 0, entre 0 et +1,0 et enfin pour les moins pauvres obtenant
un score suprieur +1. Noter o se situent les diffrences significatives, ou bien o ces
diffrences paraissent les plus fortes. Vrifier les moyennes chaque test pour dterminer
qui des mnages clients ou non-clients ressortent comme les moins pauvres.

Lindice de pauvret peut galement servir identifier les diffrences de niveau de
pauvret dune zone dtude lautre. Comparer les moyennes entre clients et non-clients
au niveau des agences de lIMF. Reprsenter graphiquement les rsultats comme dans la
figure 9.9 pour illustrer les niveaux de pauvret moyens par agence et par statut
client/non-client.

Distribution cumule de lindice de pauvret par statut
(Etude de cas Inde)
-2,0
-1,0
0,0
1,0
2,0
3,0
0 20 40 60 80 100
Pourcentage cumul
I
n
d
i
c
e

d
e

p
a
u
v
r
e
t


Clients
Non-client
118

Vrifier que le niveau de pauvret moyen des non-clients dans les diffrentes zones
dtude correspond la connaissance que lquipe a du niveau de pauvret relative de
chaque zone. Les rsultats dune tude de cas reprsents dans la figure 9.9 suggrent que
le niveau de richesse est globalement plus faible dans les agences 2, 3, 4 et 5 et suprieur
dans les agences 1 et 6 de lIMF.

En outre, lIMF semble attirer des mnages plus pauvres dans les zones 2, 3 et 4 et plutt
moins pauvres dans les zones 1, 5 et 6 par rapport la population non-cliente des mmes
zones. Il est intressant de noter dans cet exemple particulier, que les clients des zones 1,
5 et 6 participent un programme dnu de mcanisme spcifique de ciblage, tandis que
les clients des zones 2, 3 et 4 sont issus dune slection ne retenant que les mnages les
plus pauvres.

Lorsque les clients et non-clients sont tris par type de programme pour cette mme tude
de cas, comme dans la figure 9.10, on observe un fort contraste du niveau de pauvret
entre les programmes cibls et les programmes non cibls. Les clients cibls sont en
moyenne les plus pauvres, et les non-clients situs dans la zone du programme cibl sont
en moyenne plus pauvres que les clients et non-clients du programme non cibl.

119
Figure 9.9 Etude de cas du niveau moyen de pauvret relative
par zone dtude et par statut
Branch code
6.00 5.00 4.00 3.00 2.00 1.00
M
e
a
n

p
o
v
e
r
t
y

i
n
d
e
x
1.0
.5
0.0
-.5
-1.0
Client of mfi
Client of MFI
Non client of MFI

Figure 9.10 Etude de cas du niveau moyen de pauvret relative
par type de programme et par statut
Type of programme
Non-targeted Targeted
M
e
a
n

p
o
v
e
r
t
y

i
n
d
e
x
. 6
. 4
. 2
0.0
-.2
-.4
-.6
-.8
Client of mfi
Client of MFI
Non client of MFI


Statut de lenqut
Client de lIMF
Non-client de lIMF
Code de lagence
I
n
d
i
c
e

d
e

p
a
u
v
r
e
t


m
o
y
e
n

Statut de lenqut
Client de lIMF
Non-client de lIMF
Type de programme
Non-cibl Cibl
I
n
d
i
c
e

d
e

p
a
u
v
r
e
t


m
o
y
e
n

120
Utiliser les terciles de pauvret relative pour interprter lindice de
pauvret
Dfinir les pauvres au sein de la population locale
La cration de lindice de pauvret attribue un score chaque mnage. Plus le score est
faible, plus le mnage est pauvre comparativement tous les autres mnages ayant des
scores suprieurs. Les scores des mnages clients et non-clients de lIMF peuvent tre
compars pour dterminer dans quelle mesure lIMF touche les pauvres.
Pour cela, il faut dabord dcider de la part de la population locale susceptible de former
le groupe le plus pauvre, tel quil est dfini dans le projet dvaluation de la pauvret. Si
le chercheur souhaite dterminer dans quelle mesure lIMF parvient toucher les
mnages les plus pauvres de la population locale, prendre comme repre les 20% les plus
pauvres de la population semble appropri. La dfinition peut cependant tre plus large et
inclure la moiti la plus pauvre de la population.
Comme on la vu dans le chapitre 1, la mthodologie dvaluation de la pauvret mise en
oeuvre utilise une proportion de 33 pour cent pour dfinir le groupe le plus pauvre au sein
de la population locale. Il est en effet utile de diviser la population en terciles reprsentant
respectivement le groupe de mnages les plus pauvres, le groupe de mnages assez
pauvres et le groupe de mnages les moins pauvres, sur la base de leur niveau de pauvret
relative. La mthodologie peut tre adapte de faon inclure des catgories
supplmentaires, par exemple en dfinissant des quartiles ou des quintiles. Bien que le
manuel utilise des terciles, il est conseill dutiliser la rpartition la plus pertinente par
rapport au contexte national.
Chaque valuation porte sur un chantillon alatoire de 300 mnages non-clients et de
200 mnages clients. Pour utiliser lindice de pauvret des fins de comparaison,
lchantillon de non-clients est dabord tri par ordre croissant des scores de pauvret
obtenus. Une fois tris, les mnages non-clients sont diviss en terciles sur la base de leur
score ; le tiers suprieur des mnages non-clients correspond la catgorie
suprieure , suivie de la catgorie moyenne et enfin de la catgorie infrieure .
Les mnages non-clients tant au nombre de 300, chaque catgorie comprend 100
mnages. Les scores infrieur et suprieur de chaque tercile dfinissent les limites de
chaque groupe de pauvret.
Les mnages clients sont ensuite rpartis en trois catgories de la mme faon sur la base
de leur scores. La figure 9.11 montre comment les scores seuils servent dlimiter les
terciles de pauvret partir du classement des mnages non-clients. Les valeurs seuils de
0,70 et +0,21 ont t calcules dans le cadre de lune des tudes de cas. Comme on la
vu dans le chapitre 1, chaque valuation de la pauvret utilisera des valeurs seuils
diffrentes pour grouper les mnages en terciles. Les tapes ncessaires pour dterminer
et appliquer ces valeurs sont dcrites dans la section suivante.
121
Figure 9.11 Construire les groupes de pauvret
























Procdure SPSS pour crer les terciles de pauvret
Etape 1 : Limiter lchantillon aux non-clients. Dans un premier temps, ne grouper
que les 300 mnages non-clients en terciles. Dans le menu Donnes de SPSS, cliquer sur
Slectionner des observations , puis sur Slectionner Si . Utiliser la bote de dialogue
affiche pour filtrer les observations de faon ne retenir que celles relatives aux non-
clients.
Etape 2 : Classer les mnages non-clients de faon crer trois terciles de pauvret
relative. Les terciles de lindice de pauvret sont crs en slectionnant Ordonner les
observations partir du menu Transformer. Dans la bote de dialogue Ordonner les
observations (figure 9.12), slectionner indice de pauvret des mnages dans la liste
dobservations gauche, puis cliquer sur la flche pour le transfrer dans la case
Variable(s) droite. Cliquer sur Plus petite valeur sous Affecter le rang 1 ,
puis cliquer sur Types de rangs pour ouvrir la bote de dialogue Ordonner les
observations : Types (figure 9.13).
Cliquer sur Fractiles et taper le nombre 3. Ainsi, lchantillon de 300 non-clients sera
segment en trois groupes. Si tout a t effectu correctement, environ 33 pour cent de
tous les mnages non-clients, soit environ 100 mnages, seront compris dans chacun des
trois groupes.
Mnages clients dont le
score est suprieur 0,21
Mnages clients dont le score
se situe entre 0,70 et 0,21
Mnages clients dont le
score est infrieur
0,70
Infrieur Moyen Suprieur
Indice de pauvret
-2,51 -0,70 0,21 3,75

100 mnages
non clients +
pauvres

100 mnages
non clients
intermd.

100 mnages
non clients -
pauvres

122
Pour vrifier que lordonnancement a t correctement ralis, effectuer un test de
frquences sur la variable dordonnancement automatiquement cre par SPSS. Cette
variable commence toujours par la lettre N. Ajouter les sept premiers caractres du nom
de la variable (indice de pauvret) : NPOVINDE.
Figure 9.12 Bote de dialogue SPSS Ordonner les observations


Figure 9.13 Bote de dialogue SPSS Ordonner les observations : Types


Etape 3 : Intgrer les mnages clients de lIMF dans les catgories de pauvret
relative. Chaque tercile cr pour les mnages non-clients correspond une fourchette
de valeurs de lindice de pauvret diffrente. Les valeurs minimales et maximales de
chaque fourchette peuvent maintenant tre utilises pour dterminer les catgories dans
lesquelles se placent les mnages clients.
Pour crer les terciles de pauvret, slectionner dans un premier temps uniquement les
observations actuellement comprises dans le tercile de pauvret intermdiaire. Cliquer sur
Slectionner observations dans le menu Donnes, puis trier les observations pour ne
retenir que celles dont le tercile de pauvret est gal 2.
A partir du menu Analyse, slectionner Statistiques descriptives, puis
Caractristiques. Dans la bote de dialogue qui souvre, transfrer la variable indice de
pauvret dans la case Variable(s) puis cliquer sur OK . Le tableau gnr est
123
similaire au tableau 9.8. Noter les valeurs minimum et maximum ; ces valeurs seront
utilises pour dfinir les fourchettes permettant de classer les clients de lIMF dans les
trois terciles.
Tableau 9.8 Exemple de statistiques descriptives pour le tercile de pauvret intermdiaire
N Minimum Maximum Moyenne Ecart type
Indice de pauvret
des mnages
100 0,70134 0,21338 0,2470421 0,2703259
N valide (listwise) 100
Une fois dtermine la fourchette de valeurs pour chaque tercile de non-clients, rpartir
les mnages clients de lIMF dans chaque tercile en fonction de leur score dindice de
pauvret. Lidal pour cela est de calculer une nouvelle variable POVGROUP, qui
dressera la liste des numros de groupe des 500 mnages de lchantillon. Avant de
calculer cette variable, cependant, vrifier que les 500 mnages sont bien dots dune
valeur de lindice de pauvret. Dans le cas contraire, limiter lchantillon de faon
exclure toutes les observations avec valeurs manquantes avant dentamer la procdure
suivante.
Assigner des valeurs la variable POVGROUP comme suit :
1 pour toutes les observations dont le score dindice de pauvret est infrieur
la valeur minimum apparaissant dans le tableau danalyse descriptive gnr par
SPSS (-0.70134 dans lexemple du tableau 9.8)
2 pour toutes les observations dont le score dindice de pauvret se situe entre
la valeur minimum et la valeur maximum (ou est gal ces valeurs) apparaissant
dans le tableau danalyse descriptive (-0.70134 et 0,21338 dans lexemple)
3 pour toutes les observations dont le score dindice de pauvret est suprieur
la valeur maximum apparaissant dans le tableau danalyse descriptive (0.21338
dans lexemple)
Commencer par slectionner Calculerdans le menu Transformer. Dans la bote de
dialogue qui souvre, taper le nouveau nom de la variable, POVGROUP, dans la case en
haut gauche, et entrer 2 dans la case de droite. Cliquer sur OK . La valeur 2 sera
assigne la nouvelle variable.
Modifier maintenant la variable nouvellement calcule en rptant la procdure ci-dessus
mais taper cette fois 1 dans la case en haut droite (partie suprieure de la figure
9.14) et cliquer sur Si pour ouvrir la bote de dialogue Calculer la variable : Si les
observations (partie infrieure de la figure 9.14). Dfinir la condition si en tant que
POVINDEX<-0,70134 de faon ce quelle ne sapplique quaux observations dont la
valeur de lindice de pauvret est infrieure la valeur minimum de lindice de pauvret
du tableau descriptif (tableau 9.8). Les valeurs de POVGROUP doivent maintenant tre
gales 1 lorsque la valeur de lindice de pauvret est infrieure 0,70134.
124
Calculer les valeurs de POVGROUP une dernire fois pour assigner une valeur 3 aux
valeurs de lindice de pauvret suprieures au niveau maximum du tercile intermdiaire.
Dans notre exemple, cette valeur est gale 0,21338.
Figure 9.14 Botes de dialogue SPSS Calculer la variable et Calculer la variable : Si
les observations


Etape 4 : Vrifier que tous les mnages ont t correctement rpartis dans les
catgories. Une fois toutes les observations rparties dans les groupes de pauvret,
gnrer un tableau de frquences de POVGROUP pour vrifier que les rsultats sont
corrects. Vrifier galement que toutes les observations comportant des valeurs
manquantes pour lindice de pauvret ont galement des valeurs manquantes au sein de la
variable POVGROUP. Choisir Slectionner les observations dans le menu Donnes et
dfinir la condition si en tant que MISSING(povindex) . Si ces observations ont
des valeurs gales 1, recoder les observations en SYSMIS laide de loption Recoder
dans le menu Transformer. Enfin, ajouter une tiquette de variable ordonnancement
des mnages en fonction de la pauvret relative et attribuer des tiquettes de valeurs
pour la nouvelle variable : 1 = infrieur, 2 = intermdiaire, et 3 = suprieur.
<
125
Evaluer la porte de lIMF auprs des pauvres laide des catgories de
pauvret
Maintenant que toutes les observations concernant les clients et non-clients de lIMF ont
t rparties dans les catgories de pauvret, il est possible didentifier par comparaison
les diffrences entre les deux distributions. Si le profil de pauvret des mnages clients
est similaire celui des mnages non-clients, les mnages clients seront galement
rpartis entre les trois catgories de pauvret, comme les mnages non-clients, raison de
33 pour cent dans chaque groupe. Ainsi, tout cart par rapport cette galit de
proportion signale une diffrence entre les populations cliente et non-cliente. Par
exemple, si 60 pour cent des mnages clients se situent dans le premier tercile, soit la
catgorie de pauvret infrieure, cela signifie que lIMF touche un nombre
proportionnellement lev de clients trs pauvres par rapport la population globale.

La figure 9.15 montre les rsultats dune tude de cas mettant en lumire les diffrences
significatives dans la distribution de la pauvret entre clients et non-clients. Le graphique
montre que les clients sont sur-reprsents dans le tercile infrieur et sous-reprsents
dans le tercile suprieur. Cela indique que lIMF touche une proportion de mnages
pauvres plus large que la proportion habituelle de pauvres au sein de la population. A
linverse, les rsultats dune deuxime tude de cas, illustrs par la figure 9.16, indiquent
une tendance oppose. Les rsultats de cette figure montrent que les clients de lIMF sont
sous-reprsents dans le tercile infrieur et sur-reprsents dans le tercile suprieur. Cela
implique que lIMF touche les mnages les plus aiss.
Pour crer des graphiques similaires ceux des figures 9.15 et 9.16 sous SPSS, cliquer
sur Graphes, puis sur Btons. La bote de dialogue Diagrammes en btons souvre.
Cliquer sur Juxtapos et slectionner Rcapitulatifs pour groupes dobservations
sous Donnes du diagramme . Cliquer sur Dfinir pour ouvrir la bote de dialogue
Diagramme en btons juxtaposs . Dans la partie suprieure de la bote, slectionner
loption % dobservations , puis slectionner la variable POVGROUP comme axe de
modalits et la variable statut client/non-client pour dfinir les groupes de btons. Cliquer
sur Titres en bas droite pour ajouter des titres au diagramme.
126
Figure 9.15 Etude de cas 1 : Bonne porte auprs des pauvres

Figure 9.16 Etude de cas 2 : Faible porte auprs des pauvres

Outre la comparaison des diffrences de pauvret, les terciles de pauvret peuvent
galement tre utilises pour valuer comment se situent les diffrents indicateurs dans
chaque groupe de pauvret. Cest un bon moyen de vrifier dans quelle mesure lindice
de pauvret parvient rendre compte des diffrences de niveau de pauvret entre les
mnages.
La figure 9.17 montre les donnes dune tude de cas sur la proportion dadultes ayant
achev au moins 7 annes dtude. Au sein du groupe infrieur, environ 40 pour cent des
adultes des mnages ont atteint au moins ce niveau dducation, compar 70 pour cent
des adultes du groupe suprieur. Le graphique montre une nette tendance ascendante
proportionnelle au niveau de richesse des mnages ; il indique galement que les rsultats
sont cohrents dune agence lautre.
0
10
20
30
40
50
60
Groupe de pauvret
P
o
u
r

c
e
n
t
Client IMF
Non-client IMF
Statut
0
10
20
30
40
50
60
70
Groupe de pauvret
P
o
u
r

c
e
n
t
Client IMF
Non-client IMF
Statut
127
Figure 9.17 Exemple dtude de cas : pourcentage moyen des adultes du mnage
ayant achev 7 annes dtude, par agence
poverty group
highest middle Lowest
M
e
a
n

p
e
r
c
e
n
t

a
b
o
v
e

g
r
a
d
e

7
90
80
70
60
50
40
30
20
Branch code
1.00
2.00
3.00
4.00
5.00
6.00


Une vrification similaire de lindice de pauvret peut tre effectue laide dun tableau
crois des indicateurs ordinaux par groupe de pauvret. Le tableau 9.9 prsente les
donnes dune autre tude de cas, qui montre que 97 pour cent des mnages du groupe
suprieur ont leurs propres latrines ou toilettes avec chasse deau, compar 58 pour cent
des mnages du groupe infrieur. Un examen du khi-deux dans le tableau 9.10 montre
que ces diffrences sont trs significatives.

Enfin, il est possible de vrifier la pertinence des indicateurs de lindice de pauvret en
identifiant les ventuelles incohrences au niveau des infrastructures des zones dtude.
Labsence de systme dadduction deau ou dlectricit dans certaines zones est
notamment susceptible dintroduire un biais dans le classement des mnages de cette
zone, si les indicateurs supposent que ces services sont disponibles.

Vrifier la contribution de chaque indicateur utilis pour crer lindice de pauvret
laide de diagrammes des moyennes pour chaque variable dchelle et de tableaux croiss
pour chaque variable ordinale. Si des incohrences sont identifies entre les agences ou
les codes de rponse, il faut envisager de remplacer lindicateur en question par un autre
qui ne souffre pas des mmes incohrences. Une fois que toutes les variables ont t
revues et les ventuels changements apports, la composition de lindice de pauvret peut
tre finalise et lanalyste peut procder linterprtation des rsultats, comme expliqu
dans le chapitre 10.
Groupe de pauvret
Infrieur Intermdiaire Suprieur
Code dagence
P
o
u
r
c
e
n
t
a
g
e

m
o
y
e
n


a
u
-
d
e
s
s
u
s

d
e

7

a
n
s

128

Tableau 9.9 Exemple de tableau crois des types de latrines et groupes de pauvret
Groupe de pauvret
Infrieur Intermdiaire Suprieur Tous groupes

Type de latrines

Nb
dobser-
vations
% du
groupe de
pauvret

Nb
dobser-
vations
% du
groupe de
pauvret

Nb
dobser-
vations
% du
groupe de
pauvret

Nombre
total
% du
groupe de
pauvret
Pas de latrines 56 32,7% 20 11,6% 3 1,9% 79 15,8%

Latrines
communes
16 9,4% 10 5,8% 1 0,6% 27 5,4%

Fosse prive 99 57,9% 141 82,0% 125 79,6% 365 73,0%

Toilettes prives
avec chasse deau
-- -- 1 0,6% 28 17,8% 29 5,8%

TOTAL 171 100,0% 172 100,0% 157 100,0% 500 100,0%

Tableau 9.10 Test khi-deux du tableau crois
Test Valeur ddl Sig. asymp. (bilatrale)
Khi-deux de Pearson 129,143 6 0,000
Rapport de vraisemblance 138,285 6 0,000
Association linaire par linaire 107,374 1 0,000
Nombre dobservations valides 500
Note : Aucune cellule (0,0%) ne peut avoir une valeur < 5. La valeur minimale attendue est 8,48.












PARTIE V

INTERPRETATION DES RESULTATS



125
CHAPITRE 10

INTERPRETER LES RESULTATS




Pour tre complte, lvaluation dune IMF doit comprendre lvaluation de sa porte auprs des
pauvres, mais aussi le degr de correspondance entre cette porte dune part et sa mission et les
objectifs de son programme dautre part. Le contexte gographique, la mission nonce, le type
de segment de march recherch, la culture institutionnelle sont autant de facteurs qui
diffrencient les IMF les unes des autres. Si lon ne tient pas compte de ces facteurs ou si les
informations institutionnelles sont incompltes, on napprhende quune partie de la ralit.
Interprter les rsultats dune valuation de la pauvret dans le contexte spcifique de lIMF
permet dapprofondir la mesure quantitative des diffrences de pauvret relative entre les clients
et non-clients.

Le Cadre dvaluation du CGAP contient des conseils pratiques et des indicateurs pour la
mesure des performances financires et organisationnelles dune IMF. Ces performances peuvent
tre tudies la lumire des contraintes externes, de la vision interne et de la stratgie de faon
cerner le contexte dans lequel les rsultats en terme de porte auprs des pauvres doivent tre
interprts.

Ce chapitre aide les chercheurs utiliser lindice de pauvret des fins de comparaison entre
programmes et entre pays en expliquant comment dvelopper des mesures synthtiques. Ces
mesures peuvent tre utilises en combinaison avec des informations relatives la rgion ou au
pays pour interprter et comparer la porte des diffrentes IMF auprs des pauvres. La dernire
section de ce chapitre relie lensemble du processus dvaluation au contexte spcifique dune
IMF donne et conseille les utilisateurs sur la faon de prparer une synthse des rsultats.
Comparer les rsultats aux niveaux local, rgional et national
La porte des IMF auprs des pauvres peut tre value trois niveaux :
Local : dans quelle mesure lIMF fournit-elle des services diffrents niveaux de
pauvret relative dans la zone de ltude ?
Rgional : quel est le niveau de pauvret relatif de la rgion dtude par rapport au
niveau national ?
National : quel est le niveau de pauvret relatif du pays par rapport aux autres pays ?

Le premier niveau dvaluation a constitu lessentiel de ce manuel, cependant une conclusion
gnrale concernant la porte de lIMF en terme de pauvret doit explicitement prendre en
compte les niveaux rgional et national. La base des comparaisons finales doit cons ister en une
126
image globale prenant en compte les trois niveaux. Ces niveaux dinformation supplmentaires
peuvent ensuite tre combins avec une analyse institutionnelle qualitative de lIMF pour
interprter son profil en terme de porte auprs des pauvres.
Comparer les niveaux de pauvret au niveau local
Les scores de pauvret des mnages et les groupes de pauvret nindiquent pas le niveau de
pauvret absolu de la zone locale. Une IMF peut oprer la fois dans des zones o 90 pour cent
de la population locale vit dans des conditions dextrme pauvret, et dans des zones o pas plus
de 10 pour cent de la population est considre comme pauvre. Les comparaisons entre clients et
non-clients ne peuvent renseigner que sur les diffrences de distribution de la pauvret relative
entre ces deux groupes.
Si le profil de pauvret des mnages clients est similaire celui des mnages non-clients, les
mnages clients seront galement rpartis entre les trois catgories de pauvret, comme les
mnages non-clients, raison de 33 pour cent dans chaque groupe. Ainsi, tout cart par rapport
cette galit de proportion signale une diffrence entre les populations cliente et non-cliente.
Deux mesures peuvent tre observes sur la base de cet cart :
Mesure 1 : indique dans quelle proportion les mnages pauvres sont reprsents au sein
de la population cliente. Une mesure de 33 pour cent indique que la proportion de
mnages pauvres au sein de la clientle de lIMF est la mme quau sein de la population
globale. Une mesure suprieure 33 pour cent signifie que la proportion de mnages
pauvres au sein de la clientle est suprieure la proportion habituelle au sein de la
population. A linverse, une mesure infrieure 33 indique que la part de mnages
pauvres parmi les clients de lIMF est infrieure la part habituelle au sein de la
population.
Mesure 2 : indique dans quelle mesure les mnages les moins pauvres sont reprsents
dans la population cliente. Une mesure infrieure 33 indique que, compar la
population non-cliente, une proportion infrieure de mnages clients se trouve dans le
groupe suprieur.
Encadr 10.1 Ecart par rapport la distribution en terciles
Mesure 1
pourcentage de clients appartenant au tercile de pauvret infrieur
les valeurs plus leves traduisent une porte plus importante auprs des mnages pauvres dans la
zone concerne
Mesure 2
pourcentage de clients appartenant au tercile de pauvret suprieur
les valeurs plus leves traduisent une porte plus importante auprs des mnages aiss dans la
zone concerne
127
Comparer le niveau de pauvret de la zone dactivit de lIMF avec le niveau de pauvret
national
Une valuation de la pauvret relative des clients dIMF au niveau local ne dit pas tout dans la
mesure o lIMF peut tre situe dans des zones plutt pauvres ou plutt riches du pays. Dans
des rgions plus riches, les clients relativement pauvres peuvent tre en moyenne plus aiss que
les mnages vivant en dehors de la zone oprationnelle de lIMF. A linverse, dans des rgions
plus pauvres, les mnages appartenant au groupe suprieur peuvent tre en moyenne plus
pauvres que les mnages vivant en dehors de la zone oprationnelle de linstitution. Raliser des
valuations aux niveaux rgional ou national implique de slectionner des chantillons de
mnages lextrieur de la zone dactivit de lIMF, ce qui augmente le cot de ltude de
manire exponentielle et le rend inabordable.
Il existe deux possibilits pour comparer le niveau de pauvret de la zone oprationnelle dune
IMF celui dautres rgions du pays. La premire option consiste recueillir des mesures de la
pauvret au niveau rgional partir de sources publies existantes. Cette option nest possible
que dans les pays o ces informations secondaires sont disponibles, fiables et dsagrges par
rgion. Or les donnes secondaires suffisamment dsagrges pour permettre des comparaisons
entre la zone oprationnelle de lIMF et le reste du pays ne sont disponibles que dans un petit
nombre de pays en dveloppement.
En outre, lorsque les donnes sont compiles partir de plusieurs sources diffrentes (cas de
figure le plus probable), il peut y avoir des diffrences dans la dcomposition des zones
gographiques, les units de mesure, les dfinitions des termes et lanne de collecte des
donnes. Lapproche quantitative nest possible que si une mthodologie standard valable la
fois aux niveaux national et local peut tre utilise pour mesurer la pauvret. Dans tous les autres
cas, il vaut mieux appliquer la seconde option impliquant lavis dun expert.
Utiliser des donnes secondaires. Les mesures quantitatives de la pauvret peuvent prendre
diffrentes formes. Le chercheur devra examiner plusieurs mesures diffrentes pour arriver une
juste valuation. Les indicateurs couramment utiliss par les gouvernements et organisations
internationales pour mesurer la pauvret comprennent par exemple : (i) des donnes statistiques
officielles sur la pauvret, comme le pourcentage de la population vivant au-dessous du seuil de
pauvret ou une estimation de lcart de pauvret par zone gographique, (ii) des enqutes
nationales rcentes de la consommation et des dpenses annuelles par mnage et par personne,
dsagrges par zones gographiques, (iii) des bases de donnes mesurant le niveau dinscurit
ou de vulnrabilit alimentaire par zone gographique, telles que les cartes de pauvret servant
la distribution de laide alimentaire, et (iv) un indicateur agrg de la qualit des infrastructures
par zone gographique.
128

Encadr 10.2 Utiliser des donnes secondaires dans le cadre dune valuation de la pauvret
Dans le cadre de ltude de cas mene en Afrique du Sud, plusieurs formes de donnes secondaires ont
t utilises pour tablir que le niveau de pauvret gnral de la zone dactivit de lIMF la province du
Nord se situait au-dessous de celui des autres rgions du pays. En comparant lindice de dveloppement
humain (IDH) de la province lindice national de lAfrique du Sud, on a constat que lIDH de la
province du Nord tait de 0,470, soit 69 pour cent de lIDH national. Cette comparaison a montr que la
province tait fortement dfavorise. En outre, le programme ne ciblait que la population africaine, qui est
connue pour tre le groupe ethnique le plus pauvre de la rgion et du pays dans son ensemble.
Les donnes secondaires ont galement permis de constater que les niveaux de revenus lintrieur de la
zone taient comparables ceux observs dans les pays les plus pauvres dAfrique. Les donnes
indiquaient aussi que la rgion tait plus pauvre que les autres parties du pays et que lIMF avait tendance
oprer dans les districts les plus pauvres de la rgion.
Utiliser des mthodes qualitatives. La seconde option pour valuer les niveaux de pauvret au
sein de la zone dactivit dune IMF consiste mener une valuation qualitative. Ce type
dvaluation, dont les tapes sont dtailles ci-aprs, fait appel des experts qui peuvent valuer
le niveau de pauvret de la zone oprationnelle de lIMF par rapport aux normes rgionales et
nationales.
Etape 1. Dfinir les zones valuer. Lvaluation doit inclure lensemble de la zone
oprationnelle de lIMF et non uniquement les agences slectionnes pour lenqute
auprs des mnages. Dans un premier temps, dresser une liste de toutes les rgions ou
agences, puis indiquer le nom des lieux o vivent les clients.
Si les lieux ne peuvent pas tre facilement reconnus par une quipe dexperts
potentielle (voir tape 2 ci-dessous), dresser la carte de chaque zone par rapport
lensemble gographique le plus proche dont les coordonnes sont connues, tel quun
village ou une unit administrative locale (sur lequel linformation est relativement facile
recueillir). La liste finale doit tre prsente comme le tableau 10.1, les deux dernires
colonnes tant complter par lanalyste.
129
Tableau 10.1 Grille dvaluation des niveaux de pauvret de la zone dopration de lIMF


Zone oprationnelle
de lIMF
Zone administrative
officielle quivalente et
description de la zone
(A COMPLETER PAR
LANALYSTE)
Niveau de pauvret gnral de
la population (score*)
(A COMPLETER PAR
LANALYSTE)
Rgion 1
Zone 1A
Zone 1B
Zone 1C
Zone 1D


Rgion 2
Zone 2A
Zone 2B
Zone 2C
Zone 2D


Rgion 3
Zone 3A
Zone 3B
Zone 3C
Zone 3D

* Score :
1 = La zone oprationnelle se situe largement au-dessous de la moyenne nationale
2 = La zone oprationnelle se situe lgrement au-dessous de la moyenne nationale
3 = La zone oprationnelle se situe peu prs au niveau de la moyenne nationale
4 = La zone oprationnelle se situe lgrement au-dessus de la moyenne nationale
5 = La zone oprationnelle se situe largement au-dessus de la moyenne nationale

Etape 2. Dfinir le panel dexperts. Les candidats potentiels peuvent venir de plusieurs
types dinstitutions, comme des instituts reconnus de recherche en sciences sociales, des
organisations gouvernementales ou non gouvernementales impliques dans des
programmes de la lutte contre la pauvret (programme de distribution alimentaire par
exemple), ou tre des experts reconnus dans le domaine mais indpendants. Il est
extrmement important de sassurer que lquipe dexperts possde une connaissance
concrte de la zone oprationnelle de lIMF. Cela leur donne la capacit de classer la
zone par rapport aux normes rgionales ou nationales.
Les fonctionnaires des ministres de la sant et de lagriculture et les autorits locales ont
souvent une connaissance approfondie des diffrentes zones du pays et sont en mesure de
faire des comparaisons entre les rgions ou zones administratives. Slectionner huit dix
experts provenant de diffrents milieux institutionnels (gouvernement, instituts de
recherche en sciences sociales et organisations non gouvernementales impliques dans
des programmes de lutte contre la pauvret).
Il peut tre ncessaire dinterroger un groupe dexperts rgionaux pour valuer le niveau
des zones spcifiques par rapport celui de la rgion dans son ensemble, et des experts
nationaux pour valuer le niveau de la rgion par rapport celui du pays.
130
Etape 3. Fixer les critres dvaluation de la pauvret au niveau local. Lvaluation de la
pauvret au niveau local fait appel lavis dun groupe dexperts charg destimer le
niveau de pauvret global dune zone oprationnelle spcifique par rapport au niveau de
pauvret moyen national. Les membres du groupe doivent attribuer un score chaque
zone en utilisant la classification ci-dessous :
1 = La zone oprationnelle se situe largement au-dessous de la moyenne nationale
2 = La zone oprationnelle se situe lgrement au-dessous de la moyenne
nationale
3 = La zone oprationnelle se situe peu prs au niveau de la moyenne nationale
4 = La zone oprationnelle se situe lgrement au-dessus de la moyenne nationale
5 = La zone oprationnelle se situe largement au-dessus de la moyenne nationale
Pour sassurer que le classement est simple et sans ambigut pour le panel dexperts,
seuls cinq niveaux sont utiliss. Il est important de donner des directives claires aux
experts concernant le classement et lattribution des scores. Il doit tre bien compris que
lvaluation se base sur la prise en compte de facteurs tels que :
les niveaux de salaire et demploi (ou de chmage), le type demplois
le niveau des infrastructures physiques et sociales en rponse aux besoins des
habitants en matire deau potable ; niveau de prestation des services
mdicaux par les cliniques ou hpitaux
les niveaux dalphabtisation ; possibilits de scolarisation lmentaire et
secondaire
les conditions de pratique de lagriculture (pour les zones rurales), niveau de
commercialisation, degr dinscurit alimentaire
les circonstances exceptionnelles telles que instabilit politique, catastrophes
naturelles ou pidmies susceptibles daffecter considrablement les
conditions de vie des habitants
Etape 4. Obtenir les informations du panel dexperts. La grille du tableau 10.1 est
distribue tous les membres du panel dexperts, qui on demande de remplir la colonne
trois en attribuant un score chaque zone de chaque rgion. Si les experts ne sont pas
familiers dune zone donne, ils doivent laisser la ligne vide plutt que dinscrire une
supposition.
Etape 5. Triangulation. La triangulation de linformation reue des diffrents experts est
ncessaire, particulirement lorsque ceux-ci ont des points de vue trs divergents. Cela
peut arriver par exemple lorsquun expert attribue un score de cinq et un autre un score de
un la mme zone. Dans ce cas, les rsultats du groupe doivent dans un premier temps
tre prsents sous forme de tableau de faon faire ressortir clairement les scores
attribus par chaque membre pour chaque zone.
131
En outre, chaque fois que lcart entre les scores dpasse trois points, les experts dont
les avis divergent doivent produire une brve justification crite expliquant leur
conclusion. Le tableau des rsultats, accompagn des notes explicatives, doit ensuite de
nouveau circuler entre les experts pour leur donner la possibilit de revoir leur score la
lumire des rsultats globaux et des explications produites. Si des modifications sont
apportes, le processus doit tre rpt jusqu ce quil ny ait plus aucun changement
apporter.
Dans le meilleur cas de figure, un consensus gnral finit par merger. Lorsque ce nest
pas le cas, mais que les scores individuels ne diffrent pas de plus de deux points, chaque
avis dexperts se voit attribuer la mme pondration et les scores moyens sont calculs
suivant la mthode dcrite ltape 6. Si certains scores divergent de trois points ou plus,
il est fortement probable que certains des membres se soient fonds sur des informations
incompltes.

Dans ce cas, lanalyste doit valuer indpendamment toutes les explications pour en
vrifier la cohrence et la crdibilit globales, puis dcider des avis carter. Pour
prendre cette dcision, toutes les donnes secondaires disponibles doivent tre utilises et
les raisons qui ont pouss carter un avis clairement expliques dans le rapport
dvaluation final. Une fois la dcision prise, les scores moyens peuvent tre calculs
partir des rsultats retenus.
Etape 6. Calculer un score moyen pondr pour la rgion dactivit de lIMF. Le tableau
10.2 dcrit le processus permettant de calculer le score global de la rgion oprationnelle
de lIMF. Pour chaque zone, les scores moyens sont calculs en faisant la somme de tous
les scores obtenus pour la zone et en divisant le rsultat par le nombre de rponses des
experts. Cette moyenne est saisie dans la colonne 3 du tableau 10.2. Le score global pour
la rgion dactivit de lIMF dans son ensemble est ensuite obtenu en calculant la
moyenne pondre de tous les scores locaux, en prenant la proportion de clients de
lIMF dans la zone comme facteur de pondration.
Pour effectuer ce calcul, le nombre de clients actifs dans chaque zone doit tre saisi dans
la colonne 4 et la part des clients vivant dans chaque zone dans la colonne 5. La part des
clients est obtenue en divisant le nombre de clients de la zone par le nombre total de
clients de lIMF. Ltape suivante consiste multiplier la colonne 3 par la colonne 5 et
inscrire le rsultat dans la colonne 6. La somme de cette colonne constitue le score de
pauvret moyen pondr de la rgion dactivit de lIMF. Il est recommand dutiliser un
tableur tel que Microsoft Excel pour crer le tableau des moyennes pondres.
132

Tableau 10.2 Grille de calcul du score de pauvret de la rgion dactivit de lIMF


Rgion oprationnelle de
lIMF
(1)

Zone
administrative
officielle
quivalente
(2)

Niveau de
pauvret de la
population
globale
(3)



Nombre de
clients actifs
(4)


Pondration
en fonction du
% de clients
(5)

Niveau de
pauvret
pondr
(6)

Rgion 1
Zone 1A
Zone 1B
Zone 1C
Zone 1D


Rgion 2
Zone 2A
Zone 2B
Zone 2C
Zone 2D


Rgion 3
Zone 3A
Zone 3B
Zone 3C
Zone 3D


Rgion oprationnelle
de lIMF dans son
ensemble
--- ---

Le rsultat de cette valuation peut tre exprim sous la forme dun ratio en divisant le score
pondr de la rgion dactivit de lIMF par 3, savoir la valeur du niveau de vie national moyen
(voir tape 3 ci-dessus). Les valeurs du ratio infrieures 1 indiquent que la rgion
oprationnelle de lIMF se situe globalement sous la moyenne nationale du niveau de vie ; les
valeurs suprieures 1 indiquent le contraire.
Encadr 10.3 Ratio dvaluation de la pauvret rgionale
Mesure 3
Diviser le score pondr de la rgion oprationnelle de lIMF par 3. Cette mesure indique si lIMF touche
des rgions plutt pauvres ou plutt riches du pays :
les valeurs < 1 indiquent que lIMF touche des rgions plutt pauvres
les valeurs >1 indiquent que lIMF touche des rgions plutt moins pauvres
Comparaison des niveaux de pauvret nationaux
Comme le niveau absolu de pauvret diffre dun pays lautre, les comparaisons entre pays ne
peuvent pas tre ralises sur la base des classements de pauvret nationaux, que ce soit au
niveau rgional ou du client. Par exemple les mnages les plus pauvres en Amrique latine
pourraient savrer plus aiss que les mnages moins pauvres dAsie et dAfrique. Cest pour
133
cette raison que les classements au niveau individuel et au niveau rgional doivent tre complts
par des classements au niveau national pour permettre des comparaisons entre pays.
Les moyennes nationales du revenu rel par habitant prenant en compte les diffrences dans le
prix des biens et services dun pays lautre sont frquemment utilises par les agences
internationales, comme la Banque mondiale, pour classer les pays. Cependant, pour assurer la
cohrence avec lapproche par indicateurs utilise dans ce manuel, et pour tenir compte de la
nature multidimensionnelle de la pauvret, il est recommand dutiliser lindice de
dveloppement humain (IDH) calcul par le Programme des Nations Unies pour le
Dveloppement pour effectuer des comparaisons au niveau international (voir annexe 4).

LIDH combine des donnes sur les revenus avec des informations sur les acquis en matire de
sant et dducation. Deux indicateurs peuvent tre dduits de lIDH : (i) le rang du pays dans la
liste de 174 pays et (ii) le ratio IDH du pays rapport lindice moyen de lensemble des pays en
dveloppement. Plus le ratio est lev, plus le pays est ais, les ratios suprieurs 1 indiquant
que le niveau de pauvret dun pays est infrieur la moyenne et les ratios infrieurs 1 que le
niveau de pauvret du pays est suprieur la moyenne (voir encadr 10.4).

Encadr 10.4 Crer un ratio comparatif laide de lIndice de dveloppement humain (IDH)
le classement IDH renseigne sur le rang du pays par rapport aux autres pays
en divisant lindice du pays par la moyenne de lensemble des pays, on connat le degr de pauvret
relative du pays par rapport aux autres pays en dveloppement (ratio IDH)
les valeurs du ratio < 1 indiquent que le pays est plus pauvre que la moyenne des pays en
dveloppement
les valeurs du ratio > 1 indiquent que le pays est moins pauvre que la moyenne des pays en
dveloppement


Le tableau 10.3 donne un exemple des cinq mesures utilises pour comparer la porte des IMF
auprs des pauvres dun programme lautre et dun pays lautre. Le tableau montre les
donnes provenant de deux tudes de cas utilises pour tester et dvelopper la mthodologie
dvaluation de la pauvret contenue dans ce manuel. On observe que le pourcentage de mnages
clients du mme niveau de pauvret que le tiers le plus pauvre de la population non-cliente est
beaucoup plus lev pour lIMF D (58 pour cent) que pour lIMF C (16 pour cent). La mesure 1
qui en rsulte montre que les mnages relativement pauvres sont fortement sur-reprsents parmi
les clients de lIMF D (la mesure 1 est suprieure 33) et sous-reprsents parmi les clients de
lIMF C (la mesure 1 est infrieure 33).
De mme, le pourcentage de mnages clients qui sont aussi aiss que le tiers le moins pauvre de
la population non-cliente est beaucoup plus lev dans le cas de lIMF C (51 pour cent) que dans
le cas de lIMF D (3,5 pour cent). La mesure 2 montre que les mnages les moins pauvres sont
sur-reprsents parmi les clients de lIMF C (la mesure 2 est suprieure 33 pour cent), mais
sous-reprsents parmi les clients de lIMF D (la mesure 2 est trs infrieure 33).
La mesure 3 na pas t rigoureusement teste dans les tudes de cas initiales cause du manque
de donnes secondaires fiables, et elle napparat ici qu des fins dillustration. Cette
information est cruciale pour comparer le niveau de pauvret relatif de la zone oprationnelle de
134
lIMF la moyenne nationale, ce qui permet de replacer les mesures 1 et 2 en contexte. Le
niveau de pauvret absolu diffre dun pays lautre et cette information doit tre prise en
compte pour complter lexercice dvaluation de la pauvret. Par exemple, il peut arriver que
les mnages les plus pauvres de la zone oprationnelle de lIMF D soient plus aiss que les
mnages moins pauvres de la zone oprationnelle de lIMF C, comme le suggre le ratio
IDH.
Le Rapport sur le dveloppement humain du PNUD utilis pour ce manuel (PNUD 2000)
attribue un IDH de 0,563 au pays dimplantation de lIMF D et de 0,508 au pays de lIMF C.
LIDH moyen de lensemble des pays en dveloppement est de 0,642 ; le ratio IDH indique que
le niveau de vie est plus lev dans le pays de lIMF D que dans celui de lIMF C.
Tableau 10.3 Niveau de pauvret relative des clients par rapport aux non-clients
Mesure IMF C IMF D
1. Pourcentage de mnages clients aussi pauvres
que le tiers le plus pauvre de la population
non-cliente
16% 58%

2. Pourcentage de mnages clients aussi aiss
que le tiers le moins pauvre de la population
non-cliente
51% 3.5%

3. niveau de pauvret de la zone oprationnelle
par rapport au niveau de pauvret national
Un peu au-
dessus de la
moyenne
n.a.

4. classement IDH (sur 174) 138 128

5. ratio IDH (valeur IDH du pays divise par
lindice moyen de lensemble des PED)
0.79 0.88

Comparer les rsultats de lvaluation
la mission et aux objectifs de lIMF
Comme le souligne le dbut de ce chapitre, pour tre complte, lvaluation de la porte dune
IMF auprs des pauvres doit tre place dans le contexte de la mission et des objectifs du
programme de lIMF. Dans les tudes de cas prsentes dans le tableau 10.3 par exemple, il faut
savoir que ladhsion lIMF C fonctionne selon un systme de parts sociales et est ouverte
tous les individus, tandis que lIMF D cible explicitement ses services sur les mnages les plus
pauvres de sa zone oprationnelle. Une valuation de la pauvret qui ne prendrait pas en compte
ces informations institutionnelles, ou se fonderait sur des informations incompltes, ne reflterait
pas toute la ralit et pourrait facilement tre mal interprte.
La ralisation dune valuation de la pauvret doit toujours saccompagner dune valuation
institutionnelle globale (comme celle prsente dans le Cadre dvaluation du CGAP) qui prend
en compte les questions contextuelles numres dans lencadr 10.5.
135

Encadr 10.5 Rsultats dune valuation de la pauvret replacs dans leur contexte
Les rsultats dune valuation de la pauvret doivent tre analyss dans le contexte dun ensemble de
composantes lies entre elles, notamment
mission ou vision stratgique guidant lIMF et ses procdures oprationnelles
gamme de produits et services de lIMF et leur impact sur la slection globale des clients
situation gographique spcifique de lIMF
conditions imposes par les investisseurs, promoteurs, gouvernements et communauts locales
nature des contraintes politiques et autres contraintes externes rencontres par lIMF
niveau de comptition sur le march o opre lIMF
stade de dveloppement institutionnel de lIMF
orientation probable de la porte future en terme de pauvret et raisons de cette orientation
Prsenter les conclusions
La meilleure faon de prsenter les rsultats de lvaluation de la pauvret consiste rdiger un
rapport. Le plan de ce rapport final doit comprendre les lments suivants :
rsum des principaux rsultats
introduction et objectifs de lvaluation
contexte de lIMF : mission, structure, implantation gographique, performances
des dernires annes, orientations futures
rsum de la mthodologie, notamment du cadre dchantillonnage, contenu du
questionnaire, mise en oeuvre et analyse des donnes
explicitation des contraintes et limites inhrentes aux donnes et linterprtation
des rsultats
rsultats de lindice de pauvret, y compris calcul des mesures de pauvret
rgionales et nationales, tels que les illustrent les tableaux et diagrammes
statistiques
valuation rgionale comparant le niveau de pauvret de la zone oprationnelle de
lIMF au niveau national
discussion qualitative interprtant les rsultats, notamment sur toutes les
diffrences notables entre les groupes clients et non-clients
analyse du degr dadquation entre le contexte institutionnel et environnemental
de lIMF et ses performances en terme de porte auprs des pauvres
annexes : rsultats des tests statistiques, questionnaire et autres documents
pertinents
Lvaluation de la porte auprs des pauvres est susceptible dintresser un certain nombre
dinstitutions diffrentes. Cependant, de nombreuses IMF peuvent considrer la publication de
ces rsultats comme un sujet sensible et sopposer une diffusion large. Il est fortement
recommand dorganiser un atelier, uniquement sur invitation, lors duquel le personnel de lIMF,
les reprsentants des bailleurs, et lquipe de recherche discutent des rsultats de ltude, font des
suggestions damlioration et dterminent la faon dexploiter les rsultats. Bien que lexercice
136
dvaluation de la pauvret soit confidentiel, les IMF sont fortement encourages diffuser
largement linformation sur leur porte auprs des pauvres en plus de leurs tats financiers.

Habituellement, les rsultats pourront tre prsents et discuts en une demi- journe. Si toutes
les parties sont daccord, latelier peut tre ouvert une audience plus large. Le lieu de runion
doit tre suffisamment spacieux pour accueillir tous les participants, et distinct du lieu de travail
de faon viter les perturbations. Lencadr 10.6 propose un droulement type de cet atelier.

Encadr 10.6 Droulement de latelier: prsentation des rsultats de lvaluation de la pauvret
Accueil et introduction
Bref aperu des objectifs et de la mthodologie
- quelles questions ont t tudies et pour qui
- comment les rsultats seront utiliss
- comment marche loutil dvaluation de la pauvret
Contexte de lIMF
- bref rsum de la mission, des objectifs et de la stratgie de lIMF
- principaux facteurs externes ayant une influence sur lactivit de lIMF
- stratgie de ciblage de la clientle
Rapport sur ltude de terrain
- adaptations fondes sur les conditions locales
- mthode dchantillonnage et zones tudies
- obstacles inhabituels rencontrs lors de la collecte de donnes
Prsentation des rsultats
- indicateurs utiliss dans le calcul de lindice de pauvret
- rsultats locaux quantitatifs reprsents graphiquement, agrgs et dcomposs par zone dtude
et par programme
- comparaison du niveau de pauvret de la zone oprationnelle de lIMF par rapport au niveau de
pauvret national
- comparaison entre pays laide du classement IDH
Interprtation qualitative des rsultats et recommandations
- orientation future de lIMF par rapport au ciblage des pauvres
- changement dans la stratgie et lenvironnement oprationnel de lIMF

La diffusion des rsultats de ltude que ce soit sous la forme dune publication ou dun
bulletin dinformation requiert le consentement de lorganisme bailleur et de lIMF, qui doit
tre autorise relire lensemble des documents avant publication.

136
ANNEXE 1

APPROCHES ALTERNATIVES
DEVALUATION DE LA PAUVRETE


Il existe trois principales mthodes dvaluation du niveau de pauvret dun mnage : (i) analyse
des dpenses du mnage et calcul dun seuil de pauvret, (ii) mthodes de recherche acclre ou
participative et (iii) analyse dindicateurs laide dun indice de pauvret relative.
Le dtail de ces mthodes et de leurs avantages et inconvnients en tant quoutils pratiques est
brivement dcrit ci-dessous lintention de lvaluateur. Un certain nombre de rfrences sont
galement fournies pour les lecteurs souhaitant approfondir leur connaissance de ces mthodes.
Etude dtaille des dpenses des mnages
La mthode danalyse des dpenses est couramment utilise dans les enqutes sur les mnages au
plan national, telles que lenqute de mesure du niveau de vie (Living Standard Measurement
Survey) de la Banque mondiale. Pour lvaluation de la pauvret, la pratique courante consiste
utiliser le montant total des dpenses des mnages comme mesure principale de leur niveau de
vie. Cette mthode part du principe que le montant total des dpenses constitue une bonne
mesure de la matrise du mnage sur les biens et services quil choisit de consommer.
Le critre de base utilis pour valuer si le mnage est pauvre ou non est le niveau de ses
revenus. Ceux-ci sont- ils suffisants pour rpondre aux besoins de base (alimentaires et autres) de
tous les membres du mnage, leur permettant une vie active et saine ? Pour raliser lvaluation,
on constitue un panier de biens et services satisfaisant un niveau prdfini de besoins
lmentaires. Ce panier correspond aux schmas de consommation locaux et sa valeur est
calcule sur la base des prix locaux la consommation, au cot minimum dacquisition.
La valeur de ce panier daliments, marchandises, et services minimum est alors baptis seuil de
pauvret . Ce seuil de pauvret est le plus gnralement exprim en montant par personne. Si le
revenu par personne des membres du mnage est au-dessous du seuil de pauvret, le mnage et
ses membres sont considrs comme pauvres. Dans le cas contraire, le mnage est class dans la
catgorie non-pauvre. Pour d'autres rfrences relatives aux enqutes sur les dpenses des
mnages et le seuil de pauvret, voir par exemple Aho, Larivire et Martin (1997) ; Chung et al.
(1997) ; et Lipton et Ravaillon (1995).
L'avantage de cette mthode est qu'elle est largement reconnue et quelle constitue un outil assez
prcis de mesure de la pauvret, du moins en ce qui concerne la dimens ion du revenu. La
mthode du seuil de pauvret permet la comparaison entre clients des IMF et non-clients
lintrieur d'une zone donne d'un pays et dun pays lautre. Cependant, cette mthode
implique des conditions de collecte des donnes trs exigeantes et requiert des questionnaires
standardiss trs complets. La pratique standard consiste collecter des donnes sur la
consommation alimentaire portant sur la semaine prcdant lenqute et combinant des
137
informations sur diffrents biens non alimentaires se rapportant des priodes mensuelles et
annuelles. Bien que les mnages pauvres dans les pays en dveloppement consomment un
nombre rduit de biens, l'exactitude des donnes rapportes est toujours un problme, tant
donn la dure sur laquelle portent les informations.
Une mthode plus prcise consiste demander aux mnages de tenir un compte crit de leurs
dpenses, mais ceci est difficilement envisageable dans des pays ou des environnements o
lanalphabtisme est courant. En outre, mme si les articles de consommation sont nots avec
prcision, dautres problmes demeurent : lorsque linformation sur les marchs est inexistante, il
faut trouver dautres moyens de dterminer la valeur des produits cultivs par le mnage ;
lirrgularit des poids et mesures complique la fixation des quantits ; linformation relative
certains biens de valeur, comme la valeur de location dune habitation, est souvent insuffisante.
Etant donn ces difficults, on peut sattendre ce que les donnes collectes sur les dpenses
des mnages souffrent dinexactitude. Bien sr, lampleur de ces difficults peut tre
considrablement diminue par une formation approfondie des enquteurs, des visites multiples
auprs de mnages et le catalogage des poids et mesures informels. Cependant, limpact sur le
cot de lenqute et le temps ncessaire aux contrles a toutes les chances dtre trs lev.
En outre, lanalyse des donnes sur les dpenses ncessite des comptences spcialises en
analyse statistique. Ce besoin se traduit par des cots levs la fois pour la collecte et lanalyse
des donnes. Un autre inconvnient de cette mthode rside dans le fait que la dfinition du
panier de biens et services alimentaires et non alimentaires correspondant au niveau de vie
standard minimum peut diffrer dun pays lautre, ce qui rend difficile les comparaisons
internationales.
Le cot dune enqute sur la clientle dune IMF peut tre rduit si lvaluateur a accs aux
donnes de rfrence dune enqute nationale rcente sur la pauvret des mnages. Si ces
donnes sont accessibles, lanalyste peut choisir dentreprendre une enqute similaire sur les
mnages ne portant que sur les clients de lIMF, et de comparer ces rsultats avec les rfrences
nationales (voir par exemple Navajas et al. 2000). Si cette approche est susceptible de rduire les
cots, elle nest cependant envisageable que dans les pays qui ont rcemment entrepris une
enqute de pauvret nationale. Dans beaucoup de pays en dveloppement, ces donnes sont
inexistantes, obsoltes ou difficiles et coteuses obtenir. En termes de cot, il faut aussi prvoir
que lvaluateur devra prendre beaucoup de temps pour se familiariser avec les donnes
nationales.
En rsum, si la mthode denqute sur les dpenses des mnages reprsente une mesure fiable et
valide de la pauvret, elle est beaucoup trop coteuse, lourde et techniquement exigeante pour
constituer la mthode la plus pratique dvaluation du niveau de pauvret des clients dune IMF.
Recherche acclre et recherche participative
Deux autres mthodes utilises pour lvaluation de la pauvret sont la recherche acclre
(Rapid Appraisal) et la recherche participative (Participatory Appraisal). On confond souvent
ces deux mthodes, car toutes deux consistent susciter le partage dinformation de la part de la
138
communaut et de ses membres laide de techniques similaires, telles que le classement par
niveau de richesse et la cartographie communautaire.
Lobjectif ultime de la recherche participative est lmancipation du groupe cible, qui passe par
la participation large de la communaut et suppose un programme de recherche et
dveloppement ouvert. Cette mthode demande du temps. La recherche acclre linverse a
pour but de fournir aux valuateurs des donnes sur la communaut dans un laps de temps trs
court. Cette mthode ncessite aussi la participation de la communaut mais dans un cadre
temporel limit et court (habituellement visite dun jour la communaut) et le programme est
dtermin lavance.
Les mthodes de recherche acclre et participative sont des outils largement utiliss et
reconnus pour lidentification de groupes vulnrables au sein dune communaut. Ils sont trs
couramment utiliss par les programmes et institutions de dveloppement, notamment par les
IMF, pour orienter leurs services sur les clients pauvres (Hatch et Frederick 1998). La mthode
de recherche acclre en particulier est apprcie parce que la collecte des donnes est trs
rapide.
Si ces mthodes sont adaptes au ciblage et la conception participative des projets et services
de dveloppement, elles prsentent un certain nombre dinconvnients pour les valuations de la
pauvret cherchant faire des comparaisons rgionales, nationales ou internationales. Dabord
les rsultats sont difficiles vrifier, car ils sont fonds sur lavis subjectif des membres de la
communaut quant au niveau de pauvret de chacun. Ensuite, lapproche a toutes les chances de
trouver des personnes pauvres dans toutes les communauts et peu prs le mme pourcentage
de personnes pauvres dans tous les villages.
En dautres termes, cette mthode peut tre utile pour dfinir le tiers le plus pauvre dun village,
mais moins pour dterminer quelles sont les communauts dans lesquelles rside le tiers le plus
pauvre dune rgion. Enfin, la mthode de recherche participative requiert des communicateurs
comptents et expriments. Dans le cadre de comparaisons nationales et internationales, il faut
par ailleurs tre bien conscient du biais potentiel rsultant de la manire dont la mthode a t
mise en uvre.
Mthode fonde sur les indicateurs
Une autre mthode dvaluation de la pauvret des mnages consiste identifier une srie
dindicateurs reprsentatifs des diffrentes dimensions de la pauvret, pour lesquels des
informations fiables peuvent tre collectes de manire rapide et peu coteuse. Une fois
collectes les informations relatives aux indicateurs, ceux-ci peuvent tre agrgs sous la forme
dun indice de pauvret unique. Lannexe 2 dtaille les attributs souhaitables des indicateurs de
pauvret.
Lune des applications bien connues de cette mthode est lIndice de dveloppement humain
(IDH) du Programme des Nations-Unies pour le Dveloppement (les valeurs de lIDH utilises
dans ce manuel sont celles de ldition PNUD 2000). Celui-ci se fonde sur trois composantes :
niveau dducation atteint, esprance de vie la naissance, et revenu par habitant (en dollars en
139
parit de pouvoir dachat). Les deux derniers indicateurs sont coteux mesurer par des enqutes
et donc peu oprationnels.
Un autre exemple est lindice de logement (housing index), utilis par de nombreuses IMF
(particulirement en Asie du Sud et du Sud-Est) pour cibler les clients pauvres. Son avantage
rside dans le fait que les indicateurs entrant dans la composition de lindice, tels que la qualit
du toit ou des murs de lhabitation, peuvent tre rapidement renseigns par une inspection
visuelle de la maison. Linconvnient majeur de cette mthode est quelle se concentre sur un
seul aspect de la pauvret (lhabitat), sans tenir compte daspects complmentaires, tels que la
scurit alimentaire et les ressources humaines. En outre, cet indice nest pas applicable dans un
environnement o lhabitat est homogne au sein de la communaut, ou quand il ne constitue pas
un aspect important de la pauvret, par exemple dans une rgion bnficiant de conditions
climatiques clmentes.
En principe, le temps et le cot associs la collecte et lanalyse des donnes dans le cas de
cette mthode par indicateurs sont relativement limits si le nombre dindicateurs de lindice de
pauvret est restreint. La mthode est considre comme valide si plusieurs dimensions de la
pauvret sont prises en compte. Cest pour ces raisons que la mthode par indicateurs a t
retenue pour mesurer le niveau de pauvret des clients des IMF dans lOutil dvaluation de la
pauvret en microfinance.
Dune manire gnrale, un bon indicateur est une mesure facilement observable, vrifiable et
fournissant une description objective de la pauvret. Il est recommand dutiliser une gamme
large dindicateurs pour saisir les diffrentes dimensions sous-jacentes de la pauvret relative des
mnages.
Deux principaux types dindicateurs peuvent tre utiliss pour valuer le niveau rel de la
pauvret dun mnage : les indicateurs relatifs au revenu et les indicateurs relatifs la
consommation. Les tudes ayant compar diffrents indicateurs relatifs au revenu et la
consommation montrent quil est difficile de recommander une approche plutt quune autre
(Skoufias, Davis et Sotto 2000). Cependant, le schma de consommation dans le temps (saisons
ou annes) est plus stable que celui des revenus, et les mnages donnent plus facilement des
informations sur ce quils consomment que sur ce quils gagnent. Cest pourquoi cet outil repose
sur des indicateurs choisis relatifs la consommation, bien que certains indicateurs slectionns
traduisent les moyens dont dispose le mnage pour augmenter son niveau de vie.
La principale difficult lie au choix dindicateurs fiables est didentifier des composantes cls
de la consommation qui soient ou des mesures non ambigus de la pauvret en elles- mmes
(comme les pisodes de famine) ou des mesures dmontrant une bonne corrlation avec le
montant total des dpenses du mnage. Ainsi, il nest pas ncessaire de compiler toutes les
dpenses alimentaires et non alimentaires dun mnage, car certains types de dpenses
uniquement sont fortement corrls avec le niveau de pauvret du mnage.
Des tudes ont montr que la proportion des dpenses en vtements et chaussures dans le budget
des mnages restait stable diffrents niveaux de revenu, soit entre 5 et 10 pour cent des
dpenses totales (Aho, Larivire et Martin 1997 ; Minten et Zeller 2000). Une tude rcente
mene par Morris et autres (1999) a conclu que les dpenses dhabillement taient lune des
140
dpenses qui augmentait proportionnellement aux dpenses totales du mnage. Etant donn que
lhabillement, contrairement aux produits alimentaires, ncessite habituellement lachat dun
vtement fini ou de matriel pour raliser un vtement, il vite galement les problmes
destimation de la valeur marchande poss par lautoconsommation alimentaire.

140
ANNEXE 2

LISTE DES INDICATEURS DE PAUVRETE ET LEUR
CLASSEMENT
Classement des indicateurs de pauvret
Cette annexe dtaille les indicateurs individuels utiliss dans la mthodologie dtude de la pauvret
et leur classement par rapport aux critres de slection cls. Un score est attribu chaque indicateur
en fonction des critres suivants :
M statistiquement dterminant dans certains modles statistiques
N valable au plan national (peut tre utilis dans diffrents contextes locaux, urbains ou
ruraux)
O question peu sensible (peut tre pose de manire ouverte)
P pratique (peut tre renseign aussi bien par observation que par une question)
Q de qualit leve (lindicateur permet de distinguer sensiblement les niveaux de
pauvret)
R fiable (faible risque derreur ou de falsification ; peut tre vrifi)
S simple (rponse directe par opposition une donne calcule)
T demandant peu de temps (peut tre rapidement renseign)
U universel (peut tre utilis dans diffrents pays)
Lorsque lindicateur remplit lun des critres ci-dessus, il est marqu dune lettre en majuscule.
Lorsquil ne satisfait pas au critre, la lettre est indique en minuscule. Le score de lindicateur
correspond au nombre de lettres en majuscule ; il schelonne entre 0 et 9.
Groupe dindicateurs 1 : Facteurs dterminants de la production de richesses
Capital humain
Score Indicateur Critres
Structure de la famille
6 Nombre/ge des adultes (18-55), homme/femme M N O p q R S t U
7 Nombre/ge des enfants dge prscolaire (0-6) M N O p q R S t U
6 Nombre/ge des enfants (7-17), garon/fille M N O p q R S t U
6 Nombre/ge des personnes ges (>55) M N O p q R S t U
6 Femme la tte du mnage M N O p q R S t U
6 Nombre de personnes invalides m N O p q R S T U
6 Nombre de femmes ayant eu un enfant avant 16 ans m N O p q R S T U

141
Score Indicateur Critres
Education
5 Nombre denfants en ge dtre scolariss m N O p q R S t U
6 Distance jusqu lcole m n O P q R S T U
7 Niveau dalphabtisation des adultes M N O p q R S T U
6 Nombre dannes de scolarisation des adultes M N O p q R S t U
7 Niveau dducation atteint par le chef de mnage M N O p q R S T U

Revenus
Revenus agricoles
4 Revenu moyen mensuel/annuel du mnage M N o p Q r s t U
6 Source de revenu agricole (culture vivrire/c. de rente/btail) M N O p q R S T u
6 Statut demploi (autoemploy/agriculteur) m N O p q R S T U
4 Rendement des cultures de lanne passe m N O p q r s T U
Revenus non agricoles
4 Revenu moyen mensuel/annuel du mnage M N o p Q r s t U
6 Situation demploi m N O p q R S T U
6 Source de revenu non agricole M N O p q R S T u
6 Nombre demploys (famille/salaris) de la microentreprise m N O p q R S T U
7 Nombre dadultes salaris m N O p Q R S T U
7 Nombre dadultes sans emploi m N O p Q R S T U
4 Montant de la dot m N O p q r S T u
7 Travail des enfants m N O p Q R S T U
Transferts
6 Envoi de fonds de la part de travailleurs migrants (du pays/de ltranger) M N O p Q r S T u
5 Pension (vieillesse) m N O p q r S T U
3 Dons de la famille, des amis, des voisins m N O p q r s t U
6 Pension sociale m N O p Q r S T U
Endettement
5 Dettes auprs dinstitutions financires M N o p q r S T U
4 Dettes auprs de prteurs privs ou de commerants m N o p Q r S t U
3 Dettes auprs damis ou de la famille m N o p q r S t U
Actifs
Terrains
6 Sans terre (oui/non) M n O p Q r S T U
5 Valeur du terrain dtenu, lou M n O p Q r s T U
5 Qualit du terrain m n O p Q r S T U
3 Taille du terrain m n O p q r s T U
4 Valeur marchande du terrain m n O p Q r s T U
142
Score Indicateur Critres
5 Rgime de proprit foncire m n O p q R S T U
6 Accs lirrigation M n O p Q R S T u
3 Superficie des terres irrigues/non irrigues m n O p Q r S t u
6 Utilisation dintrants agricoles m n O p Q R S T U
Autres actifs productifs
7 Nombre/type/valeur des animaux M N O p Q R S t U
5 Nombre/type/valeur des arbres m N O p q r S T u
5 Nombre/type/valeur des constructions, machines, quipements m N O p Q R s t U
7 Nombre/type/valeur des voitures/mobylettes/bicyclettes m N O p Q R S T U
6 Niveau dpargne montaire dpose dans une institution financire m N O p Q r S T U
4 Niveau des crdits accords des amis, parents, voisins m N O p q r S t U
Actifs non productifs
5 Nombre et type dustensiles de cuisine m N O p q R S t U
5 Nombre et type de bijoux m N O p q R S t U
7 Appareils lectriques (radio, TV, tlphone) m N O p Q R S T U

Groupe dindicateurs 2 : Besoins lmentaires
Sant
5 Immunisation des enfants m n O p q R S T U
6 Nombre de jours de travail perdus pour raisons de sant m N O p q R S T U
6 Frquence des maladies lies la contamination de leau/aliments m N O p Q R S t U
5 Frquence des maladies lies lhygine domestique m N o p Q R S t U
5 Nombre denfants de moins de 6 ans dcds de maladies m N o p q R S T U
6 Accs aux services mdicaux m N O p q R S T U
6 Enfants ns lhpital/clinique ou domicile (accoucheuse) m N O p Q R S t U
Alimentation/eau
7 Nombre de repas par jour m N O p Q R S T U
6 Apport calorique journalier M N O p Q R s t U
8 Consommation hebdomadaire de viande, poisson ou aliment de luxe M N O p Q R S T U
7 Substitution par des produits de base (moins chers) m N O p Q R S T U
7 Besoin dacheter des produits de base pendant la saison de soudure m N O p Q R S T U
5 Niveau de malnutrition des enfants m N O p Q R s t U
7 Type daccs leau potable m N O P q R S T U
143
Habitat
Score Indicateur Critres
Indice de logement
7 Taille de lhabitat m N O P q R S T U
7 Nombre dtages m N O P q R S T U
7 Etat de la structure m N O P Q R S T u
7 Matriau de construction du toit m N O P Q R S T u
7 Matriau de construction des murs m N O P Q R S T u
6 Fourniture en lectricit m N O P q R S T u
7 Alimentation en eau par canalisations m N O P Q R S T u
7 Vhicule m N O p Q R S T U
5 Valeur marchande de la maison m N O p Q r S t U
6 Proprit de la maison m N O p q R S T U
6 Menace dexpulsion (zone urbaine) m n O p Q R S T U
7 Type de toit/murs/sol m N O P Q R S T u
6 Source dclairage m N O P q R S T u
6 Source de combustible m N O p Q R S T u
7 Type de latrines m N O p Q R S T U
5 Installation douche/bain m N O p q R S T u
5 Conditions de couchage m N O p q R S T u
4 Mobilier m N O p q R S t u
Dpenses
5 Dpenses alimentaires hebdomadaires M N O p Q r s t U
6 Achat daliments de base plus dune fois par semaine M n O p q R S T U
5 Dpenses non alimentaires hebdomadaires M N O p Q r s t U
5 Part des dpenses alimentaires dans le budget total m N O p Q r s T U
5 Montant des dpenses inhabituelles au cours du dernier mois m N O p q R s T U
6 Versement priodique loyer/remboursement crdit habitat m N O p q R S T U
5 Cot damliorations rcentes de lhabitat m N O p q R S t U

Groupe dindicateurs 3 : Autres aspects des conditions de vie
Scurit
6 Nombre de mois avec nourriture insuffisante m n O p Q R S T U
6 Nombre de mois de migration m N O p q R S T U
5 Nombre de rcoltes nulles au cours des 3 dernires annes m n O p q R S T U
6 Nombre de catastrophes naturelles au cours des 3 dernires annes m N O P q R S T u
4 Stratgie en cas de crise imprvue dans le flux de revenus,
question ouverte m N O p q R s t U


144
Score Indicateur Critres
Situation sociale
6 Appartenance une caste m N O p Q R S T u
5 Groupe ethnique m N O p q R S T u
5 Minorit m N O p q R S T u
4 Niveau de participation dans lorganisation locale m N O p q R s t U
4 Relation avec les lites locales m N O p q R s t U
7 Sexe M N O p q R S T U
6 Situation matrimoniale m N O p q R S T U
Environnement local
5 Distance jusqu une route carrossable m n O P q R S T u
7 Distance jusqu banque/poste/transport public/services de sant/cole
M n O P q R S T U

145
ANNEXE 3

QUESTIONNAIRE RECOMMANDE

Evaluation du niveau de vie des mnages
Institut de recherche local
Une tude finance par __________________________________
______________________________________________________________________________
Section A. Identification du mnage
A1. Date (jj/mm/aaaa) : __/__/_____
A2. Code du lieu :
A3. Code de la grappe :
A4. Code du groupe :
A5. Nom du groupe :
A6. Code du mnage :
A7. Mnage choisi comme (1) client de lIMF ou (2) non-client ?
A8. Le mnage est- il pris sur la liste de remplacement ? (0) non (1) oui
A9. Si oui, quen tait- il du mnage initial ? : (1) introuvable, (2) ne souhaitait pas rpondre,
(3) statut mal identifi
A10. Nom de la personne interroge :
Nom du chef de mnage :
Adresse du mnage :
A11. Code enquteur : A12. Date vrification par superviseur (jj/mm/aaaa) :___/___/_____
A13. Signature du superviseur : _______________________________
146
Section B. Structure de la famille
B1. Membres adultes du mnage (15 ans et plus )
code
ID

Nom

Situa-
tion
du
chef
de m-
nage
(A)
Rela-
tion
avec le
chef de
mnage
(B)
Sexe
(C)
Age

Dernier
niveau
dtude
atteint
(D)
Ma-
trise
de
lcri-
ture
(E)
Princi-
pale
activit,
anne
en
cours
(F)
Mem-
bre de
lIMF
tudie
(G)
Montant
emprunt
auprs de
lIMF
tudie

Dpenses
vestimentai
res au c. des
12 derniers
mois
(monnaie
locale)
(H)
1 (chef de mnage) ---
2 ---
3 ---
4 ---
5 ---
6 ---
7 ---
8 ---
(A) 1 - clibataire, 2 - mari(e), avec conjoint vivant au sein du mnage, 3 - mari(e), avec conjoint migrant, 4 - veuf(ve),
5 - divorc(e) ou spar(e)
(B) 1 - conjoint, 2 - fils ou fille, 3 - pre ou mre, 4 petit fils/fille, 5 grand-parent, 6 - autre parent, 7 - autre sans parent
(C) 1 - masculin, 2 - fminin
(D) 1 - pas dtudes primaires, 2 - dbut tudes primaires, 3 - tudes primaires compltes, 4 - cole technique, 5 - dbut tudes
secondaires, 6 - tudes secondaires compltes, 7 - cole suprieure ou universit
(E) 0 - non, 1 - oui
(F) 1 - auto-emploi dans lagriculture, 2 - auto-emploi dans une entreprise non agricole, 3 - tudiant, 4 - ouvrier sans travail fixe, 5 - travailleur
salari, 6 - travail domestique, 7 - la recherche dun emploi, 8 - retrait ou ne cherchant pas travailler, 9 - incapacit physique (handicap)
(G) 0 - non, 1 - oui
(H) Pour obtenir une rponse prcise, mieux vaut chercher connatre les dpenses vestimentaires de chaque adulte en prsence du conjoint du
chef de mnage. Si les vtements ont t confectionns domicile, fournir le cot du matriel (fil, tissu, boutons, aiguilles)


B2. Membres enfants du mnage (de 0 14 ans)
code ID Nom Age
Dpenses vestimentaires au cours
des 12 derniers mois (monnaie
locale)*
1
2
3
4
5
6
7
8
9
10
* Les questions sur les dpenses vestimentaires pour les enfants sont poses aprs celles concernant les adultes. Ces questions
sont poses en prsence du conjoint du chef de mnage. Dans le cas darticles prts porter, noter le prix dachat total ; dans
les autres cas, noter le cot du tissu, ainsi que les frais de retouche et de couture.
147
Section C. Indicateurs relatifs lalimentation

(Le chef de mnage et son conjoint doivent tous deux tre prsents au moment o sont poses
ces questions.)
C1. Un vnement spcial a-t- il eu lieu au cours des deux derniers jours (par ex. vnement
familial, invits) ? (0) non (1) oui
C2. Si non, combien de repas ont t servis aux membres du mnage au cours des 2 derniers
jours ?
(Si oui, combien de repas ont t servis aux membres du mnage au cours des 2 jours
prcdant cet vnement spcial ?)
C3. Des vnements spciaux ont- il eu lieu au cours des sept derniers jours (par ex. vnement
familial, invits ?) (0) non (1) oui
(Si oui , pour les questions C4 et C5 les sept derniers jours doivent dsigner la
semaine prcdant lvnement spcial.)
C4. Au cours des sept derniers jours, combien de jours les aliments suivants ont- ils t servis
au cours dun repas principal du mnage ?
Aliments de luxe Nombre de jours
Aliment de luxe 1
Aliment de luxe 2
Aliment de luxe 3
C5. Au cours des sept derniers jours, pendant combien de jours le repas principal na consist
quen un aliment de qualit infrieure ?
C6. Au cours des 30 derniers jours, pendant combien de jours votre mnage na-t-il pas eu
suffisamment manger tous les jours ?
C7. Au cours des 12 derniers mois, pendant combien de mois votre mnage a-t- il manqu de
nourriture au moins un jour ?
C8. A quelle frquence achetez-vous les articles suivants ?
Aliments de base Frquence
Aliment de base 1
Aliment de base 2
Aliment de base 3
(1) quotidiennement (2) 2 fois par semaine (3) 1 fois par semaine (4) tous les 15 jours
(5) 1 fois par mois (6) moins dune fois par mois
148
C9. Combien de semaines couvre votre stock de produits de base locaux ?
Aliments de base Dure du stock
(en semaines)
Aliment de base 1
Aliment de base 2
Aliment de base 3

Section D. Indicateurs relatifs lhabitat
(Les informations collectes doivent concerner le lieu dhabitation actuel du mnage.)
D1. Combien de pices compte la maison ? (inclure les pices part situes dans le mme
primtre si elles appartiennent au mme mnage)
D2. De quel type de matriau le toit de lhabitat principal est- il fait ? (1) toile goudronne,
bches plastiques, ou branches et brindilles (2) herbes (3) pierre ou ardoise (4) plaques
daluminium (5) tuiles de brique (6) bton
D3. De quel matriau les murs extrieurs sont- ils faits ? (1) toile goudronne, bches
plastiques, ou branches et brindilles (2) terre (3) tles daluminium (4) bois (5) briques
ou pierres lies par de la terre (6) briques ou pierres lies par du ciment
D4. Quel est le type de sol de lhabitat ? (1) terre (2) bois (3) ciment (4) ciment et matriau
couvrant
D5. Daprs les observations, quel est ltat de lhabitat principal ? (1) trs dlabr (2) aurait
besoin de grosses rparations (3) structure saine
D6. La maison est-elle alimente en lectricit ? (1) pas de connexion (2) connexion partage
(3) connexion propre
D7. Quel est le type de combustible le plus utilis pour la cuisson ? (1) bouses sches (2)
bois ramass (3) bois achet (4) charbon de bois (5) ptrole (6) gaz (7) lectricit
D8. Quelle est la source deau potable utilise ? (1) eau de pluie, barrage, tang, lac ou rivire
(2) source (3) puits public ouvert (4) puits public ferm par une pompe (5) puits dans une
cour prive (6) adduction deau publique (7) adduction deau dans la maison
D9. De quel type dinstallations sanitaires lhabitat est- il pourvu ? (1) buisson, champ ou pas
dinstallation (2) simple fosse (3) fosse privative (4) latrines fosse amliores et
ventiles (5) latrines privatives plus sophistiques (6) toilettes avec chasse deau,
communes ou privatives
149
Section E. Indicateurs relatifs la possession dactifs

E1. Surface du terrain dtenu : Agricole :______________ Non agricole : ______________
Valeur du terrain dtenu : Agricole :______________ Non agricole : ______________
E2. Nombre et valeur des actifs slectionns dtenus par le mnage (demander au mnage
didentifier les biens achets grce au prt de lIMF et liminer ces actifs du tableau)

Type dactif et code

Nombre dactifs
dtenus

Valeur de revente au prix
courant du march
Btail
1. Bovins et buffles
2. Moutons, chvres et cochons
adultes

3. Volaille et lapins adultes
4. Chevaux et nes
Moyens de transport
5. Voiture
6. Motocyclette
7. Bicyclette
8. Autre vhicule
9. Charrette
Appareils mnagers/lectriques
10. Tlvision
11. Magntoscope
12. Rfrigrateur
13. Cuisinire lectrique ou gaz
14. Machine laver
15. Radio
16. Ventilateur
E3. Selon vous, quel est globalement le niveau de richesse des clients de lIMF ? (1) pauvre
(2) moyen (3) riche (4) ne connat pas lIMF
______________________________________________________________________________

150
ANNEXE 4

INDICE DE DEVELOPPEMENT HUMAIN DU PNUD
(IDH), 1998

Rang Pays Valeur
1

(1988)

Dveloppement humain lev
1 Canada 0,935
2 Norvge 0,934
3 Etats-Unis 0,929
4 Australie 0,929
5 Islande 0,927
6 Sude 0,926
7 Belgique 0,925
8 Pays-Bas 0,925
9 Japon 0,924
10 Royaume-Uni 0,918
11 Finlande 0,917
12 France 0,917
13 Suisse 0,915
14 Allemagne 0,911
15 Danemark 0,911
16 Autriche 0,908
17 Luxembourg 0,908
18 Irlande 0,907
19 Italie 0,903
20 Nouvelle-Zlande 0,903
21 Espagne 0,899
22 Chypre 0,886
23 Isral 0,883
24 Singapour 0,881
25 Grce 0,875
26 Hong Kong, Chine (SAR) 0,872
27 Malte 0,865
28 Portugal 0,864
29 Slovnie 0,861
30 Barbade (La) 0,858
31 Core, Rpublique de 0,854

1
Programme des Nations Unies pour le dveloppement (PNUD), Rapport sur le dveloppement humain
2000 (New York: Oxford University Press, 2000), 157-60. Disponible sur Internet ladresse
www.undp.org.
Rang Pays Valeur
(1988)


151
32 Brunei Darussalam 0,848
33 Bahamas 0,844
34 Rpublique tchque 0,843
35 Argentine 0,837
36 Kowet 0,836
37 Antigua-et-Barbuda 0,833
38 Chili 0,826
39 Uruguay 0,825
40 Slovaquie 0,825
41 Bahren 0,820
42 Qatar 0,819
43 Hongrie 0,817
44 Pologne 0,814
45 Emirats arabes unis 0,810
46 Estonie 0,801

Dveloppement humain moyen
47 Saint-Kitts-et-Nevis 0,798
48 Costa Rica 0,797
49 Croatie 0,795
50 Trinit-et-Tobago 0,793
51 Dominique 0,793
52 Lituanie 0,789
53 Seychelles 0,786
54 Grenade 0,785
55 Mexique 0,784
56 Cuba 0,783
57 Bilorussie 0,781
58 Honduras britannique 0,777
59 Panama 0,776
60 Bulgarie 0,772
61 Malaisie 0,772
62 Fdration russe 0,771
63 Lettonie 0,771
64 Roumanie 0,770
65 Venezuela 0,770
66 Fidji (les) 0,769
67 Suriname 0,766
68 Colombie 0,764
69 Macdoine, TFYR 0,763
70 Georgie 0,762
71 Maurice (le) 0,761
72 Jamahiriya 0,760
73 Kazakhstan 0,754
Rang Pays Valeur
(1988)


152
74 Brsil 0,747
75 Arabie saoudite 0,747
76 Thalande 0,745
77 Philippines 0,744
78 Ukraine 0,744
79 Saint-Vincent-et- les Grenadines 0,738
80 Prou 0,737
81 Paraguay 0,736
82 Liban 0,735
83 Jamaque 0,735
84 Sri Lanka 0,733
85 Turquie 0,732
86 Oman 0,730
87 Rpublique Dominicaine 0,729
88 Sainte-Lucie 0,728
89 Maldives 0,725
90 Azerbadjan 0,722
91 Equateur 0,722
92 Jordanie 0,721
93 Armnie 0,721
94 Albanie 0,713
95 Samoa Occidentale 0,711
96 Guyane 0,709
97 Iran, Rp. Islamique d 0,709
98 Kirghizistan 0,706
99 Chine 0,706
100 Turkmnistan 0,704
101 Tunisie 0,703
102 Moldavie, Rpublique de 0,700
103 Afrique du Sud (Rpublique d) 0,697
104 Salvador 0,696
105 Cap-Vert (le du) 0,688
106 Ouzbkistan 0,686
107 Algrie 0,683
108 Vietnam 0,671
109 Indonsie 0,670
110 Tadjikistan 0,663
111 Syrie (Rpublique arabe) 0,660
112 Swaziland 0,655
113 Honduras 0,653
114 Bolivie 0,643
115 Namibie 0,632
116 Nicaragua 0,631
117 Mongolie 0,628
118 Vanuatu 0,623
Rang Pays Valeur
(1988)


153
119 Egypte 0,623
120 Guatemala 0,619
121 Salomon (les) 0,614
122 Botswana 0,593
123 Gabon 0,592
124 Maroc 0,589
125 Myanmar 0,585
126 Irak 0,583
127 Lesotho 0,569
128 Inde 0,563
129 Ghana 0,556
130 Zimbabwe 0,555
131 Guine quatoriale 0,555
132 So Tom et Prncipe 0,547
133 Papouasie-Nouvelle-Guine 0,542
134 Cameroun 0,528
135 Pakistan 0,522
136 Cambodge 0,512
137 Comores (Les) 0,510
138 Kenya 0,508
139 Congo 0,507

Dveloppement humain faible
140 Laos, Rpublique populaire dmocratique 0,484
141 Madagascar 0,483
142 Bhoutan 0,483
143 Soudan 0,477
144 Npal 0,474
145 Togo 0,471
146 Bangladesh 0,461
147 Mauritanie 0,451
148 Ymen 0,448
149 Djibouti 0,447
150 Hati 0,440
151 Nigeria 0,439
152 Congo, Rpublique dmocratique du 0,430
153 Zambie 0,420
154 Cte dIvoire 0,420
155 Sngal 0,416
156 Tanzanie, Rpublique Unie de 0,415
157 Bnin 0,411
158 Ouganda 0,409
159 Erythre 0,408
160 Angola 0,405
Rang Pays Valeur
(1988)


154
161 Gambie 0,396
162 Guine 0,394
163 Malawi 0,385
164 Rwanda 0,382
165 Mali 0,380
166 Rpublique centrafricaine 0,371
167 Tchad 0,367
168 Mozambique 0,341
169 Guine-Bissau 0,331
170 Burundi 0,321
171 Ethiopie 0,309
172 Burkina Faso 0,303
173 Niger 0,293
174 Sierra Leone 0,252

Tous pays en dveloppement 0,642


ANNEXE 5

INFORMATIONS SUR LES FICHIERS DE DONNES


Fichier des mnages F1

Liste des variables des fichiers de travail


Nom Position

DATE date de l'interview 1
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: EDATE8
Write Format: EDATE8

CODE code du mnage 2
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F4
Write Format: F4

RGION rgion d'enqute 3
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

1 est
2 central
3 nord
4 ouest
5 sud

MFICLIEN type de client (non client, caisse classique) 4
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

0 non membre
1 Membre caisse classique


REPLAC mnage de la liste de remplacement? 5
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

0 Non
1 Oui

ORIGIN mnage d'origine 6
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

1 non trouv
2 ne dsire pas rpondre
3 statut de client mal renseign

NOMENQ nom de l'enqut 7
Measurement Level: Nominal
Column Width: 8 Alignment: Left
Print Format: A20
Write Format: A20

NOMMEN nom du mnage 8
Measurement Level: Nominal
Column Width: 8 Alignment: Left
Print Format: A20
Write Format: A20

NBMB nombre de membres 9
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

EVEN2J vnement spcial dans les 2 jours? 10
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

Value Label

0 Non
1 Oui


NBREPAS nb de repas servis sur les deux derniers jours 11
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

PL1 produit de luxe1 12
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

Value Label

1 Anguille
2 Poulet ou canard ou autre volaille
3 Viande de porc
4 Viande de zbu
5 Poisson
6 Lgumes
7 Autre

CONSPL1 consommation produit de luxe1 13
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

PL2 produit de luxe2 14
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

Value Label

1 Anguille
2 Poulet ou canard ou autre volaille
3 Viande de porc
4 Viande de zbu
5 Poisson
6 Lgumes
7 Autre

CONSPL2 Consommation produit de luxe2 15
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

CONSPL3 Consommation produit de luxe3 16
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

PL3 Produit de luxe3 17
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

Value Label

1 Anguille
2 Poulet ou canard ou autre volaille
3 Viande de porc
4 Viande de zbu
5 Poisson
6 Lgumes
7 Autre

PINF Produit inferieur 18
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

Value Label

1 Brdes ou autres feuilles
2 Angivy
3 Petites crevettes sches
4 Manioc fruits pain igname
5 autre

CONSPINF Consommation produit inferieur 19
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F8
Write Format: F8

STATMAIS Statut de la maison 20
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 En proprit
2 Prete par de la famille ou d'autre personne sans frais
3 Fournie par le gouvernement
4 Loue

SQUAT La maison est squatte 21
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Non
1 Oui

NBETAGE Nombre d'tages 22
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

NBPIECE Nombre de pices 23
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

NBCHAMB Nombre de chambres coucher 24
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

MATTOIT Type de matriel pour le toit 25
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Bozaka ou satrana
2 Tole de fut dcoup
3 Tole galvanis
4 Tuile
5 Autre

MATMUR Type de matriel pour le mur 26
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Satrana
2 Bambou tress
3 Tole
4 Bois
5 Terre ou tanimanga
6 Brique
7 Brique enduit ciment
8 Parpaing
9 Parpaing enduit

ELECT Branchement lectrique 27
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Pas de branchement
2 Branchement partag avec les autres
3 Propre branchement

COMBUST Type de combustible utilis pour la cuisine 28
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Bois collect
2 Bois achet ou sciurre de bois
3 Charbon
4 Krosne
5 Gaz
6 Electricit

EAU Accs l'eau potable 29
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Eau de pluie
2 mare
3 Lac
4 Rivire
5 Source
6 Puits ou pompe public ouvert
7 puits ou pompe publics ferms
8 puits ou pompe dans la cours
9 robinet public
10 robinet dans la cours ou dans la maison
11 autre

TOILETTE Type de toilettes 30
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Pas de toilette
2 Latrine traditionnelle
3 Toilette amliore partage
4 Toilette amliore prive

STRUCMAI Structure de la maison 31
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Srieusement endommage
2 besoin de rparation
3 Bonne structure

ACHATRIZ Frquence d'achat de riz 32
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Tous les jours
2 Deux fois par semaine
3 Toutes le semaines
4 Tous les 15 jours
5 Tous les mois
6 Moins frquemment que tous les mois
9 Ne s'applique pas

ACHATCOM Frquence d'achat de conbustible 33
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Tous les jours
2 Deux fois par semaine
3 Toutes le semaines
4 Tous les 15 jours
5 Tous les mois
6 Moins frquemment que tous les mois
9 Ne s'applique pas

ACHATBOU Frquence d'achat de bougies 34
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Tous les jours
2 Deux fois par semaine
3 Toutes le semaines
4 Tous les 15 jours
5 Tous les mois
6 Moins frquemment que tous les mois
9 Ne s'applique pas

DEPVETPP depenses vetement par personne 35
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F8.2
Write Format: F8.2


IRRIG Possede une terre agricole irrigue 36
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Non
1 Oui

SURFIRRI Surface de la terre agricole irrigue possd 37
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

NONIRRIG Possede une terre agricole non irrigue 38
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Non
1 Oui

SURFNIRR Surface de terre agricole non irrigue possde 39
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

SURFMAIS Surface de l'emplacement de la maison 40
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

PROPCONS Part du revenu supplmentaire destin l'alimentation 41
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

MENVILL Classement des mnages par rapport au niveau du village 42
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Moins riche que la moyenne
2 Dans la moyenne
3 Plus riche que la moyenne

MENPROPR Propre classement du menage 43
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Pauvre
2 Moyen
3 Riche

Fichier des adultes F2


Liste des variables du fichier de travail

Name Position

CODE Code du mnage 1
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

CODEID Numero des membres 2
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

STAT Statut du chef de mnage (CM) 3
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 clibataire
2 mari avec conjoint resident dans le menage
3 mari avec conjoint migrant
4 veuf
5 divorc

RELAT Relation avec le CM 4
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Femme ou mari
2 Fils ou fille
3 Pere ou mere
4 Petis fils
5 Autre membre de la famille
6 Autre membre, non parent


SEXE Sexe du membre 5
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Masculin
2 fminin

AGE Age du membre 6
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

LIRE Peut lire 7
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Non
1 Oui

ECRIR Peut ecrire 8
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Non
1 Oui

NIVMAX Niveau max d'ducation 9
Measurement Level: Ordinal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Pas d'ducation
1 Pas fini l'cole primaire
2 A fini l'cole primaire
3 Ecole secondaire 1
4 Ecole secondaire 2
5 Universit

OCCUP Occupation principale 10
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 Agriculture propre exploitation
2 Propre entreprise non agricole
3 Eleve Etudiant
4 Salari journalier
5 Salari permanent
6 Travail domestique
7 En chommage cherchant du travail
8 Ne cherchant pas du travail retrait
9 Incapable de travailler

JOURMAL Nombre de jours de travail perdus par maladie sur 30 dernier 11
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

CLIENT Membre actuel de lIMF 12
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

0 Non
1 Oui

MOISMB Mois d'adhsion 13
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

ANNEEMB Annee d'adhesion 14
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

DEPENS Depenses en vetements et chaussures sur 12 derniers mois 15
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Fichier des enfants F3


Liste des variables du fichier de travail

Nom Position

CODE Code du mnage 1
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

CODEID Numero des enfants 2
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

SEXE Sexe de l'enfant 3
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Value Label

1 masculin
2 fminin

AGE Age de l'enfant 4
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11


DEPENS Depenses en vetements et chaussures sur 12 derniers mois 5
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F11
Write Format: F11

Fichier des actifs F4


Liste des variables du fichier de travail


Nom Position

DATE date de l'interview 1
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: EDATE8
Write Format: EDATE8

CODE code du mnage 2
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F4
Write Format: F4

RGION rgion d'enqute 3
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

1 est
2 central
3 nord
4 ouest
5 sud

MFICLIEN type de client (non client, caisse classique) 4
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

0 non membre
1 Membre caisse classique


ACTIF type dactifs 5
Measurement Level: Nominal
Column Width: 8 Alignment: Right
Print Format: F2
Write Format: F2

Value Label

1 volaille
2 porc adulte
3 moutons ou chevres
4 vaches laitieres ou taureaux adultes
5 vlo
6 mobylette
7 voiture
8 ventilateurs
9 tlphones
10 radio


NBACTIF Nombre dactifs possds 6

Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F4
Write Format: F4

VALACTIF Valeur de revente au prix actuel du march 7
Measurement Level: Scale
Column Width: 8 Alignment: Right
Print Format: F9.2
Write Format: F9.2
168
GLOSSAIRE DES TERMES STATISTIQUES

analyse en composantes principales. Technique statistique utilise pour identifier un nombre
relativement restreint de composantes reprsentatives des relations existant entre plusieurs
variables corrles.
analyse factorielle. Mthode permettant de rduire un grand nombre de variables en un petit
nombre de facteurs communs qui rendent compte de leur intercorrlation.
base de donnes relationnelle. Forme dorganisation des donnes lectroniques lintrieur de
tables relies entre elles par un lment commun.
coefficient de corrlation. Statistique descriptive permettant de dterminer le degr et le sens de
la relation linaire entre deux variables.
communalits. Carr du coefficient de corrlation multiple entre une variable et toutes les autres
variables, indiquant le degr de corrlation linaire entre toutes les variables.
donnes dchelle proportionnelle. chelle de mesure dans laquelle les nombres reprsentent
des distances entre des vnements ou des objets. Lchelle contient un zro absolu.
donnes nominales. chelle de mesure dans laquelle les nombres reprsentent des catgories ou
des tiquettes.
donnes ordinales. chelle de mesure qui spcifie la relation ordonne des objets ou
vnements.
chantillonnage proportion gale. Technique dchantillonnage selon laquelle la taille de
lchantillon lintrieur dune grappe donne est dpendante de la part de la population
dans cette grappe, par rapport la population totale de lensemble des grappes slectionnes.
chantillonnage alatoire simple. Technique dchantillonnage qui garantit que chaque unit
dchantillonnage au sein de la population a la mme chance dtre slectionne.
chantillonnage avec probabilit proportionnelle la taille (PPT). Technique
dchantillonnage qui garantit une chance de slection gale au sein dune population en
ajustant la probabilit de slection au nombre dunits dchantillonnage dans chaque grappe
par rapport la population totale.
chantillonnage en grappes. Echantillonnage dans lequel les grappes ou groupes dunits
dchantillonnage sont slectionns de manire alatoire.
matrice des composantes. Matrice faisant apparatre les poids des composantes, ou la
corrlation entre chaque composante et la variable correspondante.
moyenne. Mesure de la tendance centrale pour les donnes dchelle (intervalle et
proportionnelle). Se calcule en divisant la somme des valeurs par la taille de lchantillon.
niveau de signification. Niveau de probabilit de survenue dune erreur de type I.
169
parcours alatoire. Technique dchantillonnage deux degrs dveloppe par lUnicef. Une
zone dtude est dabord subdivise en secteurs, parmi lesquels un ou plusieurs sont
slectionns de manire alatoire. Les units dchantillonnage sont leur tour slectionnes
de manire alatoire au sein de chaque secteur laide dun intervalle alatoire.
population. Ensemble agrg de toutes les units dchantillonnage, dfini pralablement au
processus dchantillonnage.
tableau crois. Matrice affichant les modalits de deux variables nominales et indiquant le
nombre et le pourcentage de rponses pour chaque modalit.
test khi-deux. Test conu pour comparer une distribution de population hypothtique avec une
distribution obtenue par chantillonnage ; utilis avec des donnes nominales.
test t. Test consistant comparer deux moyennes.
unit dchantillonnage. Unit de lchantillon sur lequel est recherche linformation.
variance. Mesure de la dispersion de distribution des variables ordinales et dchelle.
zone ou rgion oprationnelle. Zone gographique dans laquelle une institution de
microfinance mne ses activits et o se situent ses clients.
170

BIBLIOGRAPHIE


Aho G., S. Larivire et F. Martin, 1997. Manuel danalyse de la pauvret au Bnin. Programme
des Nations Unies pour le Dveloppement, Universit Nationale du Bnin et Universit
Laval, Canada.
Basilevsky A., 1994. Statistical Factor Analysis and Related Methods. New York: John Wiley
and Sons, Inc.
Bennett S., A. Radalowicz, V. Vella et A. Tomkins, 1994. A Computer Simulation of
Household Sampling Schemes for Health Surveys in Developing Countries. International
Journal of Epidemiology 23 (6): 128291.
Carletto C., 1999. Constructing Samples for Characterizing Household Food Security and for
Monitoring and Evaluating Food Security Interventions: Theoretical Concerns and
Practical Guidelines. Technical Guide No. 8. Washington, D.C.: International Food Policy
Research Institute.
Child D., 1990. The Essentials of Factor Analysis. 2
nd
ed. London: Cassell Educational Limited.
Chung K., L. Haddad, J. Ramakrishna et F. Riely, 1997, Identifying the Food Insecure: The
Application of Mixed-method Approaches in India. Washington, D.C.: International Food
Policy Research Institute.
Gibbons D. S., A. Simanowitz et B. Nkuna, 1999, Cost-effective TargetingTwo Tools to
Identify the Poor: Operational Manual. CITY OF PUBLICATION MISSING: Credit and
Savings for the Hardcore Poor (CASHPOR) et Small Enterprise Foundation (SEF).
Grootaert C. et J. Braithwaite, mai 1998, Poverty Correlates and Indicator-based Targeting in
Eastern Europe and the Former Soviet Union. Washington, D.C.: The World Bank.
Filmer D. et L. Pritchett, 1998, Estimating Wealth Effects without Expenditure Dataor Tears:
An Application to Educational Enrollments in States of India. Washington, D.C.: The World
Bank.
Hatch J. et L. Frederick, 1998, Poverty Assessment by Microfinance Institutions: A Review of
Current Practice. Bethesda, Md.: Microenterprise Best Practices.
Lipton M. et M. Ravallion, 1995, Poverty and Policy. In Handbook of Development
Economics. Vol. IIIB. Edited by J. Behrman et T. Srinivasan. Amsterdam: Elsevier.
Minten B. et M. Zeller, eds. 2000, Beyond Market Liberalization: Income Generation, Welfare
and Environmental Sustainability in Madagascar. Aldershot, U.K.: Ashgate Publishing
Company.
Morris S., C. Carletto, J. Hoddinott et L. J. M. Christiaensen, octobre 1999, "Validity of Rapid
Estimates of Household Wealth and Income for Health Surveys in Rural Africa." Food and
Consumption Division Discussion Paper No. 72. Washington, D.C.: International Food
Policy Research Institute.
171
Navajas S., M. Schreiner, R. Meyer, C. Gonzalez-Vega et J. Rodriguez-Meza, 2000, Micro-
credit and the Poorest of the Poor: Theory and Evidence from Bolivia. In World
Development Report, 2000. Washington, D.C.: The World Bank.
Skoufias E., B. Davis et H. Soto, 2000, Practical Alternatives to Consumption-based Welfare
Measures.
*

Streeten, P. 1994, Poverty Concept and Measurement. In Poverty Monitoring: An
International Concern. Publi par R. van der Hoeven et R. Anker. New York: St. Martins
Press.
Programme des Nations Unies pour le dveloppement, 1990, 1997, 1999, 2000. Rapport sur le
dveloppement humain, New York: Oxford University Press.



*
Document reproduit de manire informelle qui peut ne pas tre couramment disponible en bibliothque.