Académique Documents
Professionnel Documents
Culture Documents
TABLE DE S MATIERES
DEDICACE ........................................................................................................................... ivv REMERCIEMENTS ............................................................................................................... v RESUME ..............................................................................................................................viiii ABSTRACT .......................................................................................................................... viii ABREVIATION ..................................................................................................................... ix INTRODUCTION ................................................................................................................... 1 CHAPITRE 1 : PRESENTATION DE LA STRUCTURE DACCUEIL ....................... 3 1.1. ORGANISATION DE L'INS ......................................................................................... 3 1.2. LES MISSIONS DE L'INS ............................................................................................. 4 1.3. LA SOUS DIRECTION DES TUDES ET DE LA NORMALISATION STATISTIQUE ........................................................................................................................ 4 CHAPITRE 2 : REVUE DE LA LITTERATURE ............................................................. 6 2.1. CONCEPT DE SECTEUR INFORMEL ..................................................................... 6 2.1.1. Dfinition et historique .................................................................................. 6 2.1.2. Caractristiques gnrales ............................................................................. 8 2.2. CARACTERISTIQUES DU SECTEUR INFORMEL AU CAMEROUN .............. 9 2.2.1. La pauvret : dfinition du concept et mesure .............................................. 9 2.2.1.1. Dfinition ................................................................................................ 9 2.2.2. Mesures de la pauvret ................................................................................ 10 2.2.2.1. La mesure par le revenu ........................................................................ 11 2.2.2.2. Lapproche par les conditions dexistence ........................................... 11 2.2.5. Lapproche subjective ................................................................................. 12
Octobre 2006
CHAPITRE 3 : DEMARCHE METHODOLOGIQUE ET PRESENTATION DU MODELE DE REGRESSION UTILISE ............................................................................ 13 3.1. CHOIX DUN SEUIL DE PAUVRETE.................................................................... 13 3.2. CONSTRUCTION DES SCORES PRIVATIFS ....................................................... 13 3.2.1. Slections des commodits .......................................................................... 14 3.2.2. Codage des variables qualitatives................................................................ 15 Variables ................................................................................................................................. 15 3.2.3. Dfinition des scores privatifs ..................................................................... 16 3.2.4. Seuil de pauvret de qualit de vie. ............................................................. 16 3.2.5. Quelles sont les conditions de vie par secteur dactivit ? .......................... 18 3.3. METHODES STATISTIQUES.................................................................................... 18 3.3.1. Choix des variables dtude......................................................................... 19 3.3.2. Outils thoriques du modle logit ............................................................... 21 3.3.2.1. Rappel sur le modle de rgression linaire ......................................... 22 3.3.2.2. Ncessit dun autre modle de rgression : le modle logistique ....... 22 3.3.2.3. Dfinition du modle Logit .................................................................. 23 3.3.2.4. Importance du modle Logit : lOdds Ratio ......................................... 23 3.3.2.5. Estimation du modle ........................................................................... 24 3.3.3. Evaluation et validation du modle ............................................................. 27 3.3.3.1. Test des paramtres du modle ............................................................. 27 3.3.3.2. Test de Wald ......................................................................................... 27 3.3.3.3. Test de Rapport de Vraisemblance ....................................................... 27 3.3.3.4. Ladquation du modle aux donnes Goodness of fit ................... 28 3.3.3.5. Evaluation de la calibration du modle : le test de Hosmer et Lemeshow .......................................................................................................... 29 3.3.3.6. Lanalyse des rsidus ............................................................................ 30 3.3.3.7. Le Rsidu de Pearson est donn par la formule suivante : ................... 31 3.3.4. Evaluation du pouvoir discriminant du modle : sensibilit, spcificit et courbe ROC ........................................................................................................... 31
Octobre 2006
CHAPITRE 4: PRSENTATION DES RESULTATS .................................................... 33 4.1. ESTIMATION ................................................................................................................ 33 4.2. RESULTAT DE LESTIMATION.............................................................................. 34 4.2.1. Adquation du modle ................................................................................ 35 4.2.3. Analyse des rsidus ..................................................................................... 37 4.3. INTERPRETATION DES RESULTATS................................................................... 38 CHAPITRE 5: CONCLUSION ET RECOMMANDATIONS ....................................... 40 BIBLIOGRAPHIE ................................................................................................................. 42
Octobre 2006
DEDICACE
Je ddie ce mmoire tous les membres de ma famille en particulier mon regrett pre.
Octobre 2006
REMERCIEMENTS
Quil me soit permis la fin de ce modeste travail de remercier: Le Pr. Henri GWET, pour avoir accept de superviser ce travail. La motivation et les conseils quil a su nous apporter durant la formation et pendant la rdaction de ce mmoire ont t dun soutien immesurable dans laccomplissement de ce travail. Le Dr. Eugne, NDONG NGUEMA qui a accept le sujet de ce mmoire et a suivi sa ralisation avec beaucoup d'intrt. Sa disponibilit, son dynamisme et ses judicieux conseils m'ont t d'une inestimable aide dans l'accomplissement de ce travail. M. Arouna ANJUENNEYA NJOYA, qui m'a confi le sujet, a mis ma disposition les donnes et toutes les informations indispensables sa comprhension, et son encadrement dans la production de ce mmoire. Tous les enseignants du Master de Statistique Applique pour assurant ainsi notre initiation la recherche. Mes remerciements vont galement aux personnes suivantes : Messieurs F. Mano et P. TaKam pour tous leurs conseils Esther Kenfack, Florence Magnifo, Alain Beka. Mes amis M. Fonkoua, O. Farikou, C. Etonga, O.Abdoulaye, B.Hema, F. Fotso, Aboubakary, A. Ngock, J. B.Nankap, S. Youmbi, M. Meye, M. Djinang, N. Ndjondo, O. Manga, D. Tchappe, H. Djoufack, C. Zoua, P.Fouelefack, Vachala, S.Tcheutchoua, O. Kamta, Mes camarades de promotion en particulier A. Hyefouais, H. Woubou et A. Ngoko. Tous les membres de la Calybib. les ressources
matrielles quils ont rendu disponibles et les enseignements quils nous ont dispenss,
Octobre 2006
Mes remerciements vont enfin lendroit de tous ceux qui de prs ou de loin ont contribu la ralisation de ce travail.
Octobre 2006
RESUME
Actuellement, la rduction de la pauvret est lun des deux dfis majeurs de la communaut internationale; lautre dfi majeur est dordre climatique : la rduction des gaz effet de serre de manire stopper et rduire le rchauffement de la terre. Cette volont se matrialise travers les objectifs du millnaire pour le dveloppement (OMD) tels que la rduction de moiti de lextrme pauvret (population dont le revenu est infrieur un dollar par jour) et la faim entre 1990 et lan 2015. Au-del des ces objectifs de court et de moyen terme, le but est de rduire la pauvret de manire durable, en particulier dans les pays en dveloppement qui sont les plus affects. Ce mmoire traite de la rduction de la pauvret chez les acteurs du secteur informel au Cameroun. Il sarticule autours de trois principaux axes : le premier fait tat de la construction des scores de privation ; il nous a permis de choisir un seuil de pauvret et didentifier les pauvres. Nous avons, par exemple, constat que le secteur informel avec 55,5% de pauvres, tait le secteur institutionnel le plus menac par la pauvret. Le second axe quant lui identifie les dterminants de la pauvret chez les acteurs du secteur informel au Cameroun ; cette identification sest faite laide de la modlisation logistique. Nous avons vu par exemple que la catgorie socio professionnelle et le niveau dinstruction ont une influence significative sur le niveau de vie des individus exerant dans le secteur informel. Le troisime axe propose des variables sur lesquelles il faudrait intervenir pour amliorer le niveau de vie des oprateurs du secteur informel.
Octobre 2006
ABSTRACT
Presently, poverty reduction is one of the major challenges of the international community; the other challenge is of climatic nature, reduction of greenhouse in a way to stop and reduce the effects of global warming. This commitment is shown though the millennium objectives for development (MOD) such as the reduction by half of extreme poverty (that is that section of the population whose revenue is less than 1 dollar a day) and hunger between 1990 and the year 2015. A part from these objectives which are in the short and medium terms, the goal is to reduce poverty in a sustainable way, more particularly in developing countries which are the most affected. This thesis treats poverty reduction within actors of the informal sector in Cameroon. It revolves around three main axis : the first part shows the construction of deprivation; it has helped us to select a poverty level and identify the poor. We have for example discovered that the informal sector, with 55% of the poor, was the most fragile institutional sector as for as poverty is concerned. The second axis identifies poverty determinants of actors of the informal sector in Cameroon; this identification was done with the help of model sing logistics. We saw for example that the socioprofessional category and the level of education have a very significant influence on the living standards of the people who worked in the informal sector. The third axis proposes variables upon which we have to intervene in other to ameliorate the living standards of those people in the informal sector.
Octobre 2006
RESUME EXECUTIF
Ce mmoire traite de la rduction de la pauvret chez les acteurs du secteur informel au Cameroun. Il nous parat essentiel de signaler que les donnes utilises dans notre tude sont issues de lEESI phase 1. LEESI est une enqute statistique deux phases visant valuer la situation de lemploi (phase 1) et les activits conomiques des mnages dans le secteur informel (phase 2). La base de donnes de la phase 1 comporte 38 599 individus pour 234 variables. La variable qui a retenu notre attention est la variable secteur institutionnel (SIIND) et un individu dont le secteur institutionnel est le secteur informel (agricole et non agricole) est considr comme une unit statistique pour notre tude. Dans le rapport principal de lEESI phase 1, on pouvait dj noter que le secteur informel, avec 90,4 % des actifs occups (dont 55,2 % dans le secteur agricole), fournit le plus dopportunits dinsertion conomique malgr les conditions de travail trs prcaires. Puisque dans la base de donnes dont nous disposions, aucune variable ne pouvait a priori indiquer si un individu tait pauvre ou non, il nous a paru utile de construire une variable que nous avons nomme niveau de vie prenant deux modalits 1 si lindividu tait pauvre et 0 sinon. Ainsi, sur la base de la revue de la littrature que nous avons faite au pralable et sur la base de notre bon sens propre, nous avons construit des scores de privations et nous avons choisi un seuil de pauvret des conditions dexistence de manire isoler une incidence de la pauvret du mme ordre que la pauvret montaire. La construction de ces scores privatifs nous a permis de constater que le secteur informel, avec 55,5 % de pauvres, tait le secteur institutionnel le plus menac par la pauvret des conditions dexistence. Lobjectif gnral de notre tude tait de dterminer les variables sur lesquelles il faudrait agir pour rduire la pauvret chez les acteurs du secteur informel. Pour atteindre cet objectif, nous avons utilis le Modle Logistique et nous avons montr
Octobre 2006
que les variables sur lesquelles il faudrait agir sont : le niveau dinstruction, la catgorie socioprofessionnelle, le milieu de rsidence et lge. On peut noter que : les individus ayant un niveau dinstruction lev (suprieur) prsentent moins de risque dtre pauvre contrairement ceux ayant un niveau dinstruction faible (primaire et moins). On peut galement noter que les acteurs du secteur informel vivant en milieu rural et semi urbain prsentent plus de risques dtre pauvre que ceux vivant en milieu urbain ; la catgorie socioprofessionnelle laisse prsager une vulnrabilit la pauvret trs leve chez les manuvres, les apprentis et chez les ouvriers non qualifis par rapport aux cadres suprieurs. Pour pouvoir amliorer les conditions de vie des acteurs du secteur informel, lEtat devrait : - Dvelopper les interventions visant amliorer laccs des actifs informels lducation ; - Favoriser le dveloppement des activits conomiques en milieu rural et semi urbain ; - Mettre la pression sur les entreprises pour quelles donnent le minimum ncessaire aux ouvriers afin quils puissent avoir des conditions de vie acceptables.
Octobre 2006
ABREVIATION
BIT : BUCREP : CIST : DEM : DSCN : ECAM : EESI : ENS : INS: MINPLADAT : OMD : PNUD : RGPH : UPI : ZD : Bureau International du Travail Bureau Central du Recensement et des Etudes de la Population Conseil International des Statistiques du Travail Division des Enqutes auprs des Mnages Direction de la Statistique et de la Comptabilit Nationale Enqute Camerounaise Auprs des Mnages Enqute sur lEmploi et le Secteur Informel Etudes et Normalisation Statistique Institut National de la Statistique Ministre de la Planification, la Programmation, du Dveloppement et de lAmnagement de Territoire. Objectifs du Millnaire pour le Dveloppement Programme des Nations Unies pour le Dveloppement Recensement Gnral de la Population et de lHabitat Unit de Production Informelle Zone de Dnombrement
Octobre 2006
INTRODUCTION
Depuis plus dune dcennie, la lutte contre la pauvret est devenue l'axe principal des politiques macro-conomiques africaines. Cette volont de rduire la pauvret nest cependant pas rcente. En Afrique subsaharienne, au sortir des indpendances, tous les efforts ont t orients vers la croissance et la prosprit des peuples. Mais ces efforts n'ont pas port les fruits attendus puisquun quart de sicle plus tard, c'est--dire vers la fin de la dcennie 80, presque tous les pays de cette zone ont connu une priode de crise conomique ; cela a entran une augmentation notable du nombre de pauvres. Dans son rapport sur le dveloppement dans le monde publi en 2000/2001, Combattre la pauvret , la Banque mondiale dnombrait dj 26,6% de pauvres en 1987 et 27,6%1 en 1990 en Afrique subsaharienne. Dans ce mme rapport, la Banque Mondiale prsente trois stratgies de lutte contre la pauvret savoir : - le dveloppement des opportunits ; - linsertion ; - la scurit matrielle. Au Cameroun, les principales opportunits se trouvent dans le secteur informel qui sest dvelopp au cours des annes. Les estimations actuelles attestent que plus de 90% des travailleurs se trouvent dans ce secteur dactivit2. Ce dveloppement du secteur informel semble se faire avec une pauprisation croissante des populations et notamment des actifs informels. En 2001, la deuxime enqute camerounaise auprs des mnages a montr que les acteurs du secteur informel (agricole et non agricole) taient les plus pauvres.3 Face cette situation, les questions suivantes simposent : - Quelle est la situation des actifs informels ? - Quels sont les dterminants de la pauvret des actifs informels ? - Que faut-il faire pour rduire la pauvret des actifs informels ?
Suivant lapproche montaire de la pauvret. Rapport sur lemploi et le secteur informel au Cameroun en 2005. Phase 1 : enqute sur lemploi. Rapport principal, INS, 2005.
2 3 1
Conditions de vie des populations et profil de pauvret au Cameroun en 2001, ECAM II, INS, 2001
Octobre 2006
Lobjectif gnral de cette tude est de dterminer les variables sur lesquelles on peut agir pour rduire la pauvret des acteurs du secteur informel au Cameroun pour faciliter la prise de dcisions visant rduire la pauvret de manire durable. Les deux objectifs spcifiques sont les suivants : 1- Mesurer, analyser et caractriser la situation des acteurs du secteur informel par rapport la pauvret ; 2- Proposer des axes damlioration de leurs activits pouvant jouer sur leur niveau de vie. Le prsent document est divis en cinq chapitres. Le premier chapitre prsente lINS, structure dans laquelle nous avons effectu notre stage, le deuxime fait tat dune revue de la littrature sur les concepts de pauvret et de secteur informel ; le troisime fait tat de la mthodologie danalyse ; le quatrime chapitre prsente les rsultats et les analyses. Les conclusions et les recommandations de ltude sont prsentes dans le dernier chapitre.
Octobre 2006
1.1. ORGANISATION DE L'INS L'Institut National de la Statistique du Cameroun est un tablissement public administratif, dot de la personnalit juridique et de l'autonomie financire. Il nat en lieu et place de la Direction de la Statistique et de la Comptabilit Nationale par dcret prsidentiel N2001/100 du 20 avril 2001. L'INS est sous tutelle technique du Ministre de la Planification, la Programmation, du Dveloppement et de lAmnagement de Territoire. L'INS fonctionne encore selon l'organigramme de la DSCN qui comprend donc : - la Direction Gnrale ; - le Service des Affaires Gnrales ; -le Service d'ordre ; - la Division des Enqutes et des tudes Statistiques auprs des Mnages ; - la Sous Direction des tudes et de la Normalisation Statistiques ; - la Sous Direction de la Comptabilit Nationale et des Synthses Statistiques ; - la Sous Direction des Statistiques dEntreprises ; - la Sous Direction des Statistiques Dmographiques et sociales ; - la Sous Direction de l'informatique et des banques des donnes ; - le Secrtariat permanent au plan comptable ; - des Services Extrieurs dans les dix Chefs lieux de province.
Octobre 2006
Secteur Informel et Rduction de la Pauvret au Cameroun 1.2. LES MISSIONS DE L'INS Les principales missions confies lINS sont :
assurer la coordination des activits du systme national dinformation statistique ; rendre disponible les donnes et les indicateurs statistiques ncessaires la gestion conomique et sociale du pays ; assurer la conservation des fichiers des recensements et denqutes ralises par les administrations publiques et les organismes subventionns ou contrls par ltat ; favoriser le dveloppement des sciences statistiques et les recherches conomiques relevant de sa comptence, promouvoir la formation du personnel spcialis pour le fonctionnement du systme national dinformation statistique.
1.3. LA SOUS DIRECTION DES TUDES ET DE LA NORMALISATION STATISTIQUE La Sous Direction des tudes et de la Normalisation Statistique est place sous lautorit dun Sous Directeur et est charge : du dveloppement des mthodes, des enqutes et autres tudes statistiques ; des tudes relatives ladquation de la production nationale de statistiques aux besoins des diffrentes catgories dutilisateurs ; de lactualisation de la rglementation statistique ; de la centralisation de linformation sur les programmes et projets statistiques des administrations et organismes publics ; de linstruction des dossiers de demande de visas statistiques ; de la prparation des dossiers et de tous les lments concourant au bon droulement des sessions du conseil national de la statistique ;
de la centralisation des informations sur la conjoncture ; de la publication et de la diffusion des statistiques de linstitut ; de la gestion des fonds documentaires et des archives de la direction. Elle comprend :
Octobre 2006
Secteur Informel et Rduction de la Pauvret au Cameroun le Service des tudes Statistiques ; le Service de la Normalisation Statistique ;
le Service des Publications, de la Diffusion, de la Communication et des Archives. Le Service des tudes Statistiques a t notre service daccueil. Il est plac sous lautorit dun chef de service et est charg : du dveloppement, avec les services concerns, des mthodes applicables aux travaux statistiques ; de la prparation des projets de plans de dveloppement moyen terme de la statistique en fonction des orientations gnrales arrtes en la matire, et de ltablissement des bilans dexcution de ces plans ; de la prparation, en liaison avec les autres services de linstitut, des projets de programmation annuels et pluriannuels de travaux statistiques de lensemble des administrations et organismes publics et du suivi de leur ralisation ; de lanalyse des ventuelles insuffisances des systmes dinformation statistiques, notamment sur le plan de la mthodologie ; de linstruction des dossiers de demande de visas statistiques. Le Service des tudes Statistiques comprend : le Bureau des tudes et Mthodes ; le Bureau des Programmes.
Octobre 2006
2.1. CONCEPT DE SECTEUR INFORMEL 2.1.1. Dfinition et historique Dans la littrature conomique, lexpression secteur informel est apparue pour la premire fois en Afrique en 1965 au Ghana dans une tude portant sur lemploi urbain. Pour cerner les ralits du secteur informel, beaucoup de chercheurs ont recours de nouvelles dnominations pour mieux qualifier le dit secteur la loupe de leurs proccupations; et c'est pourquoi, il n'est pas rare de rencontrer des terminologies comme secteur de transition, activits marginales, secteur non structur, activits tradi-modernes, conomie populaire, etc. A partir des caractristiques gnrales issues denqutes antrieures, une dfinition internationale du secteur informel a pu tre adopte en 1993 au 15me Conseil International des Statisticiens du Travail, et a permis dtablir des valuations dans les pays o ce secteur joue un grand rle en termes demplois et de contribution au PIB. On peut alors retenir comme dfinition du secteur informel l'ensemble constitu dunits conomiques produisant des biens et des services en vue de crer principalement des emplois et des revenus, travaillant petite chelle, avec un faible niveau dorganisation et une faible division entre capital et travail. Les relations de travail recouvrent troitement les relations de parent, personnelles et sociales . Selon Jacques Charmes4, trois remarques doivent accompagner cette dfinition :
Octobre 2006
- Ces petites units de production se caractrisent avant tout par leur nonenregistrement ou celui des travailleurs, et ce, souvent par dfaut ou incapacit des systmes administratifs. Cependant, le secteur informel, qui concerne des activits dites normales et ne cherchant pas se cacher se diffrencie de lconomie souterraine. Alors que cette conomie fait rfrence au travail illgal et la fraude fiscale, les oprateurs du secteur informel ne cherchent pas dlibrment chapper aux rglementations. - Une autre caractristique importante de cette dfinition adopte en 1993 est sa distinction entre les activits agricoles et les activits informelles qui ne sont pas agricoles. Cette distinction est opre sur des bases empiriques et non thoriques. - Enfin, autre remarque importante, le concept a souvent t critiqu pour son dualisme. Le terme secteur laisse penser que deux secteurs sont strictement spars et quil ny a pas de relation entre les deux. Mais ladoption de ce terme traduit la volont dintgrer le concept dans les systmes de comptabilit nationale. Cest pourquoi le secteur informel a t dfini partir des caractristiques de lunit conomique. Le secteur informel est donc selon cette dfinition un sous-ensemble du secteur institutionnel des mnages en comptabilit nationale. Dans les annes 70, le secteur informel a pris de l'ampleur au point de concurrencer le secteur formel. Dj l'poque coloniale, les agents conomiques arrivaient soustraire leur production de l'impt dit "impt de capitation", dnonc par les leaders des mouvements de rsistance. Le dveloppement du chmage urbain, consquence logique de la crise conomique des annes 80 et 90, s'est accompagn de l'mergence et de l'essor du secteur informel. C'est une question de survie des populations qui narrivent pas sintgrer dans le secteur formel. Le secteur informel joue un rle d'adoption des migrants et un rle d'accueil des agents conomiques exclus du secteur officiel. C'est une zone tampon entre le secteur traditionnel rural (le monde paysan) et le secteur moderne. La fin du troc a chass la population rurale vers le secteur informel, faute d'tre capte par la fonction publique. La divisibilit des produits, et leur demande volutive en raison de la faiblesse de leur pouvoir d'achat, est un facteur qui renforce le couple
Octobre 2006
vendeur/acheteur. Cette relation au-del de sa fonction conomique, favorise une convivialit absente dans le secteur formel ou les prix ne donnent en gnral pas lieu des ngociations.
2.1.2. Caractristiques gnrales Dans les tudes empiriques, les premires caractristiques des activits informelles ont vu le jour au Kenya en 1972. Aprs une tude ralise sur ce secteur, le BIT en donne les caractristiques suivantes : - la facilit daccs aux mtiers ; - le recours aux ressources locales ; - la proprit familiale de lentreprise ; - lchelle restreinte doprations ; - lutilisation des techniques forte intensit de main-duvre et adaptation au milieu ; - lacquisition des qualifications en dehors du systme scolaire officiel ; - la facilit doprer sur des marchs non rglements, mais ouverts et comptitifs5. Sur la base de la complexit des activits du secteur informel et dautres tudes travers le monde, dautres caractristiques et critres se sont ajouts. Signalons ceux proposs par Ilenda6 : - ne pas bnficier dun crdit bancaire ; - prsenter un caractre provisoire ou ambulant ; - se contenter des investissements faibles ; - ne pas tenir de comptabilit ; - ne pas inscrire le personnel la caisse de la scurit sociale ; - avoir un horaire de travail irrgulier ; - ne pas avoir de statut juridique.
BIT, Rapport sur les stratgies pour accrotre lemploi productif au Kenya, Genve, BIT, 1974, p42. Banque mondiale, Zare : Orientations stratgiques pour la reconstruction conomique, Washington, Banque mondiale, novembre 1994, p.2-3 indit.
6
Octobre 2006
2.2. CARACTERISTIQUES DU SECTEUR INFORMEL AU CAMEROUN La littrature sur le secteur informel au Cameroun est rare. Cest en 1993 quune premire tude sur ce secteur dactivit a t ralise dans la capitale camerounaise Yaound. Cette tude avait relev la multiplication des crations dUnits de Production Informelles; ce qui se traduisait par la monte en puissance du secteur informel comme mode dinsertion privilgi de la main-duvre en priode de crise.7 Elle avait galement mentionn plusieurs caractristiques du secteur informel au Cameroun : - une prcarit des conditions dactivit. Prs de 80% des UPI sont abrites par des installations de fortune ; elles sont en gnral mconnues des services de ltat et 16% des UPI payent la patente ; - absence gnrale de protection sociale ; - exclusion du systme bancaire des UPI ; Il faut attendre Dcembre 20058 pour avoir les caractristiques du secteur informel sur le plan national : - ses activits sont concentres en milieu Urbain ; - faible scolarisation des oprateurs ; - la main duvre est jeune ; - la moiti des actifs informels sont des femmes ; - le revenu mensuel des travailleurs est faible.
2.2.1. La pauvret : dfinition du concept et mesure 2.2.1.1. Dfinition Depuis le dbut des annes quatre-vingt dix, la pauvret est un thme rcurrent au sein des organisations internationales de dveloppement. En 1990, pour la premire fois, la Banque Mondiale consacre explicitement le rapport sur le dveloppement dans
Il faut signaler quau moment o se ralisait cette tude le Cameroun subissait une rcession conomique. Enqute sur lEmploi et le Secteur Informel au Cameroun en 2005. Phase1 : Enqute sur lemploi rapport principal
8
Octobre 2006
le monde cette notion. De son cot, le PNUD porte une attention croissante cette ralit sociale. Aprs avoir labor la notion de dveloppement humain, le PNUD avance celle de pauvret humaine. Aujourdhui, ces deux organismes saccordent sur le fait que la pauvret est un phnomne complexe, pluridimensionnel ne pouvant tre rduit sa simple expression montaire. Le PNUD, dans son rapport Vaincre la Pauvret Humaine publi en 2000, prsente une dfinition de lextrme pauvret , de la pauvret gnrale et la pauvret humaine . Ainsi, une personne vit dans la pauvret extrme si elle ne dispose pas de revenus ncessaires pour satisfaire ses besoins alimentaires essentiels. Une personne vit dans la pauvret gnrale si elle ne dispose pas de revenus suffisants pour satisfaire ses besoins essentiels non alimentaires. La pauvret humaine est quant elle labsence des capacits humaines de base. Les types de pauvret abords par la Banque Mondiale sont centrs sur laspect montaire. Elle distingue pauvret absolue et pauvret relative. La pauvret absolue concerne les personnes dont le niveau de revenu est infrieur celui ncessaire pour assurer la survie. La pauvret relative, quant elle, reflte une conception plus axe sur la rpartition des revenus. Elle concerne les personnes situes au plus bas de lchelle des revenus. Pour ce faire une ide un peu plus prcise sur la manire dont la pauvret est apprhende, nous prsentons dans la suite les indicateurs utiliss pour la mesurer.
2.2.2. Mesures de la pauvret La grande majorit des travaux existant sur le sujet se sont surtout interrogs sur le ou les meilleurs critres retenir pour dfinir le concept de pauvret et les difficults pour la mesurer. Les analystes de la Banque Mondiale tendent privilgier une valuation montaire et ceux du PNUD font une valuation plus globale par les conditions dexistence.
Octobre 2006
Parmi les multiples approches de mesure de la pauvret, celles qui sintressent laspect montaire sont les plus frquentes : elles considrent comme pauvre, toute personne dont les revenus sont infrieures un certain seuil dit seuil de pauvret. Ces seuils peuvent tre des seuils absolus ou des seuils relatifs. Les seuils absolus font rfrence lide de minimum vital par rapport au niveau et au mode de vie qui prvalent dans une socit un moment donn. Les mesures de la pauvret fondes sur le revenu sont objectives, se prtent trs bien une analyse quantitative et dcrivent avec prcision la pauvret montaire. Cependant, elles omettent les facteurs autres que montaires, comme les niveaux sanitaires et ducatifs.
2.2.2.2. Lapproche par les conditions dexistence Cest une approche de la pauvret en termes de privation relative qui a dabord t dveloppe par Peter Townsend puis, avec une dmarche diffrente, par Paul Dickes. Elle cherche reprer un certain nombre de difficults, de manques ou de privations dans diffrents domaines des conditions dexistence des mnages. Ces domaines peuvent renvoyer une pauvret de nature existentielle (alimentation, logement par exemple) ou de nature sociale (relations, emploi, loisirs,..). Certains auteurs ont propos de recourir diffrents critres, par exemple : un critre objectif, correspondant au fait que les pratiques examines sont diffuses dans la majorit de la population et un critre social, correspondant au fait que les manques sont considrs comme dfavorables ou inacceptables par la majorit de la population. Dans le domaine du logement, il peut sagir du fait de ne pas avoir lusage dun WC ou dune douche, ou habiter dans un logement humide. Pour lalimentation, ne pas avoir mang de viande ou de poisson la plupart des jours de la semaine. Dans le champ des privations sociales, avoir t au chmage, occuper un emploi prcaire, ne pas pouvoir offrir des cadeaux La mise en uvre de cette approche soulve de redoutables difficults et rserve une large place au choix, ncessairement conventionnel, des chercheurs et des concepteurs denqute.
Octobre 2006
Lapproche subjective consiste non pas se rfrer un seuil minimal de ressources dfini conventionnellement ou des conditions objectives dexistence, mais interroger directement les mnages sur la perception quils ont de ces ralits, partir de question sur leur revenu, le revenu minimum ncessaire selon eux pour joindre les deux bouts et /ou leur degr daisance financire. Diffrentes mthodes permettent ensuite, sur la base de ces rponses, dtablir un seuil de pauvret subjectif. Les mnages dont le revenu est infrieur ce seuil seront considrs comme pauvres (inscurit dexistence objective). Un autre indicateur (Inscurit dexistence subjective) consiste dnombrer les mnages qui dclarent prouver les difficults financires boucler leur budget. Les rponses ce type de questions ne sont pas dnues dambigut; dabord parce que, dans leurs rponses sur le revenu minimal ncessaire, la rfrence retenue par les mnages nest pas ncessairement la mme et peut traduire une aspiration plus quune ncessit. Ensuite, parce que la perception que les mnages ont de ces ralits peut tre influence par le besoin psychologique de minimiser les carts entre les aspirations et la ralit. Les mnages les plus dmunis, qui doivent faire avec peu de ressources, peuvent avoir ainsi tendance minimiser les difficults objectives quils rencontrent dans leur vie quotidienne, ce qui risque de biaiser les rsultats. Dans les tudes empiriques concernant les diffrentes mesures de la pauvret, plusieurs auteurs dans leurs analyses ont montr une forte corrlation entre les diffrentes approches de mesure.9 La prsence de lune des formes de pauvret accrot sensiblement la probabilit doccurrence de toutes les autres. Ceci nous parait judicieux dans la mesure o, si lon dispose par exemple dun faible revenu alors, nos conditions de vie ne sauraient tre favorables. Dans la base de lEESI, tout individu dont la modalit pour la Variable SIIND (Secteur Institutionnel ) tait 3 ou 4 tait un acteur du secteur informel.
Les multiples facettes de la pauvret dans un pays en dveloppement : le cas de la capitale malgache : DIAL ; Document de Travail : DT/2001/07
Octobre 2006
CHAPITRE
3:
DEMARCHE
METHODOLOGIQUE
ET
3.1. CHOIX DUN SEUIL DE PAUVRETE Comme nous lavons vu au chapitre deux, la pauvret a plusieurs dimensions. Pour notre tude, compte tenu des donnes de lenqute, il nous faut signaler que ces donnes ne nous permettaient pas de dire a priori qu un individu tait pauvre ou non ainsi, nous avons opt pour lapproche de mesure suivant les conditions de vie. Cest une approche qui consiste reprer un certain nombre de manques chez un individu. Dans cette partie, nous construisons dans un premier temps des scores privatifs dans le but de faire un choix du seuil de pauvret ; ensuite, nous slectionnons la base de la revue de la littrature et du bon sens, les variables qui expliquent le niveau de vie des populations. Enfin, nous procderons une modlisation laide de la rgression logistique.
3.2. CONSTRUCTION DES SCORES PRIVATIFS Lapproche par les conditions dexistence consiste dfinir le seuil de pauvret partir des conditions matrielles dhabitation. Comme lindicateur porte sur les stocks, il permet dapprhender la pauvret dans la dure, par opposition aux variables montaires soumises des variations conjoncturelles (comme le revenu ou les dpenses). Il sagit dun indicateur objectif non montaire abordant la pauvret sous langle des rsultats plutt que des moyens, mme si le fait de disposer par
Octobre 2006
exemple dun logement confortable peut aussi constituer un moyen damliorer par exemple sa productivit au travail et daccrotre son revenu. 3.2.1. Slections des commodits Les commodits retenues sont celles des variables slectionnes parmi celles qui sont les plus caractristiques des conditions et du cadre de vie des populations. Ces items prsentent ncessairement une dpendance vis--vis du revenu. En effet, dans lanalyse, le manque dune commodit doit tre considr comme une manifestation de la pauvret. Dix-huit commodits, parmi les plus rvlatrices du niveau de vie, ont t retenues pour la construction du score de pauvret dexistence. La liste complte de ces commodits est la suivante : - matriau des murs ; - matriaux du toit ; - matriau du sol ; - approvisionnement en eau de boisson ; - type de lieu daisance ; - clairage ; - nergie pour cuisine ; - voiture ; - tlviseur ; - rfrigrateur ; - rchaud ptrole ; - tlphone portable ; - fer repasser ; - ordinateur ; - rchaud gaz ; - poste radio ; - ventilateur ; - lecteur de DVD/CD vido.
Octobre 2006
La variable accs aux soins de sant qui est en fait une variable trs caractristique du niveau de vie manque dans les commodits retenues du fait de son absence dans la base de donnes. 3.2.2. Codage des variables qualitatives Pour des besoins de simplifications de notre dcompte des scores privatifs, nous avons procd un codage systmatique des variables qualitatives que nous avons slectionnes parmi les dix-huit commodits. Les valeurs accordes aux modalits de chaque variable sont consignes dans le tableau 4 suivant :
0
- Bton, parpaing, brique en terre cuite - Pierre de taille - Planche Ciment Tle Tuile Ciment Bton carreaux
Matriau de murs
Matriaux du toit
-
Matriau du sol
- Puits - Rivire - Lac - Marigot - Bonne Fontaine gratuite Revendeur deau de Robinet - Source non amnage - Pas de WC - Latrines non amnages Ptrole Bois ramass ou reu Sciure Copeau de bois
- Robinet individuel (abonnement individuel SNEC) - Robinet commun SNEC - Forage Latrines amnages WC avec chasse eau lectricit AES SONEL Groupe lectrogne Gaz Gaz Electricit Ptrole
Octobre 2006
Secteur Informel et Rduction de la Pauvret au Cameroun 3.2.3. Dfinition des scores privatifs
Un score privatif est une valeur numrique qui quivaut au nombre de manque (parmi les commodits retenues) qui est observ chez un individu. Pour obtenir les scores privatifs, lon commence par dfinir des commodits de privations partir des commodits lmentaires retenus. Ainsi, chaque commodit lmentaire donne naissance une commodit de privation qui vaut 1 si le manque est observ et 0 sinon. Le score privatif ou score de pauvret en termes de conditions de vie est obtenu par sommation simple des items de privation . Cela suppose que lon donne le mme poids (on appelle famille de poids une famille sous la forme {Pi, Pi>0 pour tout i lment de I o I est un ensemble fini ou non et tel que: P = 1 }) aux diffrents manques subits par les individus. Il est cependant iI i possible daffecter aux items de privation des pondrations issues des donnes, mais nous nadoptons pas ici cette dmarche, tant donn que la pauvret des conditions de vie concerne des scores suffisamment levs pour liminer le risque de mauvais classement. Un score privatif lev traduit une prcarit de conditions de vie et inversement. Un score privatif de 18 traduira une situation de pauvret extrme des conditions de vie.
3.2.4. Seuil de pauvret de qualit de vie. Ltude de la pauvret des conditions de vie ne peut conduire un dcompte des pauvres mais seulement un examen des caractristiques de ceux qui vivent dans linconfort. Dans cette tude, nous fixons de faon arbitraire un seuil de pauvret des conditions de vie de manire isoler une incidence de la pauvret du mme ordre que la pauvret montaire [11, 12, 13]. La distribution des scores de pauvret dexistence est donne par le tableau 5.
Octobre 2006
17 16 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1
9,4 14,2 11,3 9,7 7,2 5,9 5,1 5,7 6,5 5,3 5,3 5,0 4,1 3,0 1,6 0,6 0,1
9,4 23,6 34,9 44,6 51,8 57,7 62,8 68,5 75,0 80,3 85,6 90,6 94,7 97,7 99,3 99,9 100,0
La population tudie une taille de 38 599 sur lequel 234 variables ont t tudies. Deux valeurs du tableau 5 (troisime colonne) encadrent le taux de pauvret montaire au niveau des individus qui tait de 40,2% en 200110. Nous optons pour la valeur suprieure11 (44,6%), bien quelle soit un peu loigne du taux de pauvret montaire. Ainsi, un individu sera considr comme pauvre sil ne dispose pas dau moins 14 des 18 commodits retenues. Ainsi, la variable indicatrice de pauvret que nous nommons niveau de vie vaut 1 si le score atteint 14 et 0 dans le cas contraire.
DSCN (2001), Rsultats de lECAM II Il nous parat en effet plus excusable de surestimer la pauvret que de la sous-estimer du fait des implications que cela peut avoir sur les politiques de lutte contre la pauvret.
11
10
Octobre 2006
3.2.5. Quelles sont les conditions de vie par secteur dactivit ? Lorsquon sintresse au taux de pauvret selon le secteur institutionnel, on observe que la pauvret en termes des conditions de vie pargne relativement les deux secteurs dactivits formelles (cf. Tableau 6). Seulement 8,0 et 6,0 % dindividus vivent dans des conditions prcaires respectivement dans le secteur public et dans le secteur priv formel. A loppos, le secteur agricole informel, avec 74,3 % dindividus vivant dans linconfort, est le secteur dactivit o les individus vivent le plus dans linconfort. Il est suivi du secteur informel non agricole. Par ailleurs, en associant les deux secteurs dactivit informels et en y faisant une valuation de la pauvret, on constate que 55,5% dindividus dont le secteur dactivit est le secteur informel agricole et non agricole sont pauvres.
Tableau 6 : Rpartition des individus par secteur dactivit Secteur institutionnel Public Prive formel Informel non agricole Informel agricole Pourcentages des individus pauvres 8,0 6,0 25,1 74,3 Pourcentages des individus non pauvres 92,0 94,0 74,9 25,7
3.3. METHODES STATISTIQUES Rappelons que dans notre travail, lun des objectifs est de dceler les facteurs lorigine de la pauvret chez les acteurs du secteur informel. Comme les facteurs lorigine de la pauvret ne sont pas les mmes chez les individus, il sera donc question de retenir de manire gnrale les facteurs qui font preuve dun risque lev. Dans cette section, nous dcrivons les outils statistiques utiliss pour tudier ces facteurs. Soit Y, le caractre binaire signalant pour un oprateur du secteur informel donn, son appartenance au groupe 0 ou 1.
Octobre 2006
A chaque i, on associe la variable alatoire Yi qui reprsente la valeur du caractre Y pour loprateur i.
Yi=1groupe0(i) o 1groupe0 est la fonction indicatrice du groupe0.
Dans la suite, les acteurs informels appartenant au groupe0 (Y=0) sont non pauvres tandis que ceux du groupe1 (Y=1) sont pauvres. Nous voulons mettre en vidence des variables X1,,Xp telle quon puisse affirmer de manire crdible que leur valeur affectent voire influencent celle de Y de faon significative parmi un certain nombre de variables que nous avons a priori choisi dinclure dans notre tude. Ces variables ont t choisies sur la base de critres issus de la revue de la littrature mais aussi accessible dans la base de donnes disponible lINS. Une fois les variables X1,,Xp choisies, le problme revient dterminer la loi de Y conditionnellement X, o X=( X1,,Xp). Dterminer cette loi revient estimer les paramtres ( X ) dune loi de Bernoulli. Ayant observ X=x sur un oprateur donn, on pourra dire que (x) reprsente le risque a priori que celui-ci se rvle tre pauvre. A chaque individu numro i (i=1,,n) des acteurs du secteur informel, on associe la variable alatoire Yi qui est une copie du caractre Y sur lindividu numro i de la population ( Yi {0,1}).
Yi=yi, valeur du caractre Y sur lacteur numro i
Pour chaque j=1,,p, on observe Xji=xji qui est donc la valeur de la variable Xj sur lacteur numro i. Cest partir de ces observations que nous allons estimer la loi de Y conditionnellement X. Pour arriver cette fin, nous allons dvelopper dans les paragraphes suivants, lapproche logistique travers lusage du modle logit ou logistique.
3.3.1. Choix des variables dtude Notre but tant dobtenir des rsultats aussi fiables et crdibles que possible, sur la base de critres socio-conomiques disponibles dans la revue de littrature et la base de donnes de lINS, nous avons port notre attention sur les variables suivantes :
Octobre 2006
Sexe : nous voulons savoir sil existe un lien entre le sexe et le niveau de vie. Nous voulons par exemple savoir si les femmes qui exercent dans le secteur informel sont plus pauvres que les hommes. Age : nous voulons savoir si les jeunes sont plus vulnrables la pauvret que les vieux. Cette variable a t recode en classe : [10 ; 24[, [24 ; 58[ et plus de 58 ans. Milieu de rsidence : nous voulons savoir si en milieu rural et semi urbain, les actifs informels sont plus exposs la pauvret quen milieu urbain. Niveau dinstruction : en introduisant cette variable dans notre tude, nous supposons que le niveau dinstruction doit avoir une influence sur le niveau de vie des individus. Taille du mnage : nous entendons ici par taille du mnage le nombre dindividus qui constituent un mnage. Au regard de la revue de littrature, nous voulons savoir sil existe une forte association entre la taille du mnage et le niveau de vie. Nous avons recod cette variable comme suit : [0 ; 3[, [3 ; 9[ et plus de 9 individus. Type de mnage : comme pour la taille du mnage, on se propose dtudier la corrlation entre le type de mnage et le niveau de vie. Maison en location : pour la plupart dindividus, la possession des biens tels que des maisons en location cre des revenus supplmentaires. Ce qui peut expliquer de manire importante leur niveau de vie. Catgorie socio-professionnelle : bien qua priori ceci peut prter confusion, la statistique descriptive de la base de donnes que nous disposons nous a montr que le secteur informel au Cameroun tait bien organis en catgorie socio professionnelle. Le tableau 7 nous donne une illustration des rsultats. En introduisant cette variable dans notre tude, nous voulons par exemple vrifier linformation suivant laquelle les cadres sont moins vulnrables la pauvret par rapport aux ouvriers. Type de mnage : comme pour la taille du mnage, on se propose dtudier la corrlation entre le type de mnage et le niveau de vie Nombre de personnes travaillant dans ltablissement : plus un tablissement est rentable, plus il recrute demploys et ils sont en gnral bien pays, ce qui amliore leur niveau de vie. Le lieu o est exerc lemploi secondaire : le lieu o sexerce un emploi dpend du type demploi, voire la rmunration qui peut en dcouler.
Octobre 2006
Rgime fiscal : le rgime fiscal auquel est assujetti un tablissement peut influencer le niveau de vie de ces employs. En effet, un tablissement ne payant pas dimpts ne connat pas les mmes problmes quun autre qui les paye.
Y est une variable alatoire reprsentant la survenue ou non dun vnement cod en 0
et 1. Dans toute la suite, Y=1 matrialise le fait que lon ait observ la pauvret chez un individu Y=0 matrialise le contraire. Lintrt de ce chapitre est de spcifier (x) pour x fix.
Octobre 2006
Secteur Informel et Rduction de la Pauvret au Cameroun 3.3.2.1. Rappel sur le modle de rgression linaire
On dispose des observations {(xi , zi), i=1,...,n} o xi IR p est une variable explicative, et zi est la variable expliquer, z i IR . Le modle de rgression linaire se traduit par la relation perturbe suivante :
z i = t xi + i , i = 1, L , n,
o = t ( 1 ,L , p ) est la transpose du vecteur ligne ( 1 ,L, p ), et o les hypothses suivantes sont faites :
H1 : E( i / xi ) = 0 ( esprance de i conditionnellement xi ) ; H 2 :Var( i ) = (variance de i ) ; H 3 : Cov( i , j ) = 0 pour i j
avec i , pour i fix, un bruit blanc (BB) encore appel rsidu. Les paramtres du modle sont et . Ajuster le modle revient donc donner une estimation de et .
Limite du modle linaire standard pour notre tude Supposons que la variable dpendante Z est une variable continue valeurs dans [0,1]. La rgression linaire peut stendre linfini lorsque la valeur de la variable indpendante saccrot jusqu linfini, alors quune probabilit, par dfinition doit se situer entre 0 et 1. Ainsi, on a recours au modle Logit qui, est un cas particulier des modles linaires gnraliss.
3.3.2.2. Ncessit dun autre modle de rgression : le modle logistique Ici, on cherche estimer P(Y=1/X=x)= ( x) . Dans la suite, nous noterons parfois au lieu de ( x), qui est donc la probabilit pour un individu dtre pauvre, et on a alors : 0 1 . Le problme pos est quune probabilit est borne droite et gauche. Dans le modle logistique, on essaie dabord de se librer de cette entrave. On procde alors de la faon suivante : On divise par 1- , ainsi la borne droite est supprime, puisque, quand tend vers 1
1
Octobre 2006
On applique alors une seconde transformation, du type logarithmique cette fois de telle sorte que pour tendant vers 0+, la transformation tend vers -.
La fonction K(x) = Logit( ) est appele une link function (fonction de lien en
franais) dans la thorie des modles linaires gnralis12.
qui nest rien dautre que la fonction de rpartition de la loi logistique, do la terminologie modle logistique. Cest une fonction dont le graphe sur IR admet le point (0, ) pour centre de symtrie.
1 2
3.3.2.4. Importance du modle Logit : lOdds Ratio Si le modle logit est frquemment utilis, cest cause de linterprtation de lexponentielle du coefficient dune co-variable comme un Odds Ratio (Rapport de chance en franais). On entend par Odds Ratio le quotient
OR( x i ) = p(Yi = 1 x i ) (xi ) = = ex , 1 ( x i ) p(Yi = 0 x i )
i
Le modle logit traduit que le log du rapport des chances suit le modle linaire xi . Linterprtation de est la suivante :
12
Octobre 2006
ralise quil ne se ralise pas. Soit x une variable binaire, par exemple la variable sexe, alors lodds ratio se dfinit comme suit :
p1 1 p1 , OR(sexe) = p0 1 p0
o p0 reprsente la probabilit dtre pauvre pour une femme et p1 la probabilit dtre pauvre pour un homme. Ainsi, Si OR=1, alors le risque dtre pauvre nest pas li au sexe. Si OR>1, cela signifie que le risque dtre pauvre est plus lev chez les hommes que chez les femmes. Cest le cas contraire si OR<1.
3.3.2.5. Estimation du modle Elle se fait par la mthode du maximum de vraisemblance que nous dcrivons cidessous. On commence toujours par crire la vraisemblance de lchantillon observ de la variable dpendante conditionnement aux valeurs observes des variables explicatives. En cas de donnes individuelles {(yi , xi), i=1,...,n}, cette vraisemblance vaut :
i =n i =1 i =n i =1
Octobre 2006
Dans ces expressions, <,> dsigne le produit scalaire sur IRp : si a IR p et b IR p , < a, b >= t ab . Contrairement au modle de rgression linaire o lon sait dterminer une estimation de de manire explicite, ici lon dtermine une estimation base dun
algorithme numrique. On note n , lestimateur du maximum de vraisemblance de .
Octobre 2006
Secteur Informel et Rduction de la Pauvret au Cameroun Proposition 1. La fonction ln( ) est strictement concave 2.
3. la loi asymptotique de :
n est N p (0, ( I n ( )) 1, identifiable, c' est - - dire que si ' les lois de
Rappel sur la mthode du maximum de vraisemblance Soit X, une variable alatoire obissant une loi de probabilit de paramtre
: f ( X , ). Ayant observ X1 =x1,...,Xp = xp, on voudrait estimer la valeur inconnue du
paramtre partir de ces observations. Principe de la mthode : on estime cette valeur par celle qui maximise la probabilit dobtenir les valeurs observes sur X. Cette mthode suppose : La dfinition de FV( ), dite fonction de vraisemblance, et qui permet de dcrire la probabilit dobtenir les valeurs observes :
FV ( ) = f ( X 1 , ) f ( X 2 , ) L f ( X n , ) = f ( X i , ).
i =1 n
Dans le cas dune variable discrte qui va nous concerner dans notre travail,
FV( ) est un produit de probabilits. La fonction FV( ) atteint son maximum en la
En pratique, afin de rendre la tche moins difficile, on opre sur la transformation logarithmique. On pose alors :
L( ) = log FV ( ).
Octobre 2006
3.3.3. Evaluation et validation du modle La qualit dun modle statistique se conoit en gnral sur la significativit individuelle des coefficients, sur la significativit globale du modle au moyen des tests de vraisemblance, lanalyse des rsidus et sur la puissance de discrimination de ce modle.
3.3.3.1. Test des paramtres du modle Avant toute rgression, il est indispensable de sassurer que les variables explicatives introduites dans le modle sont indpendantes entre elles. Le test de Khideux est un test dindpendance bien appropri cet effet. Le logiciel STATA, que nous avons utilis pour notre tude statistique du modle envoie un message derreur en cas de dpendance de deux variables explicatives aprs la rgression. Pour tester la significativit dun ou plusieurs coefficients du modle, on utilise soit la statistique de Wald W, soit le test de Rapport de Vraisemblance LR.
3.3.3.2. Test de Wald Pour un seul coefficient, la statistique de Wald scrit : ) k W = ) ) N ( 0 ,1) . k 0 es k
( )
( ( ))
Loi 2 (q ) .
Octobre 2006
la statistique du RV scrit :
3.3.3.4. Ladquation du modle aux donnes Goodness of fit Une fois que les tapes du choix des co-variables et de leurs formes fonctionnelles ont t effectues, on peut dterminer la qualit de lajustement du modle aux donnes ou, en anglais, le Goodness of fit . Pour fixer les ides, notons les valeurs observes de loutcome y=(y1,...,yn) et
les valeurs prdites par le modle y ' = ( y1 ,L, y n ) , o n est la taille de lchantillon. On
considrera que lajustement est satisfaisant si : 1. La distance entre loutcome observ y et loutcome prdit par le modle est petite. 2. Le modle est bien calibr , cest--dire les frquences prdites sont proches de celles observes. 3. Le modle permet de bien discriminer entre les oprateurs non pauvres et ceux qui sont pauvres en fonction des variables explicatives cest--dire on obtient de bonnes sensibilits et spcificits. Pour nous aider dans cette tche, nous allons nous appuyer sur des tests de Goodness of fit comme, le test de Hosmer et Lemeshow, la statistique de Pearson, sur lanalyse des rsidus comme, les rsidus de Pearson, ainsi que sur lvaluation de la capacit discriminer les outcomes positifs y = 1 des outcomes ngatifs y = 0 par linspection de la courbe ROC. La dmarche que nous allons adopter consiste valuer, dabord, globalement ladquation du modle au moyen des diffrents tests de Goodness of fit , puis, en principe lorsquon est satisfait de la qualit de lajustement global, dterminer sil ny a pas localement des observations trs mal ajustes et ayant possiblement un effet important sur lestimation des coefficients. Le but des ces valuations globale et locale est de sassurer que lajustement du modle soit satisfaisant pour toutes les valeurs observes dans lchantillon des variables explicatives. Finalement, lvaluation du
Octobre 2006
pouvoir discriminant du modle nous permettra dapprhender si nous avons choisi les bonnes variables explicatives ou sil manque dimportants rgresseurs pour arriver prdire avec suffisamment de prcision loutcome.
3.3.3.5. Evaluation de la calibration du modle : le test de Hosmer et Lemeshow Le test de Hosmer et Lemeshow est bas sur un regroupement des probabilits prdites par le modle, par exemple par dcile. On calcule, ensuite, pour chacun des groupes le nombre observ de pauvres et de non pauvres, que lon compare au nombre espr prdit par le modle. On calcule alors une distance entre les frquences observes et prdites au moyen dune statistique du Khi-deux. Lorsque cette distance est petite on considre que le modle est bien calibr. Ce test comporte les tapes suivantes : Estimer le modle ; Obtenir les = Pr(Y = 1/X) ; i i Ordonner dans le sens croissant les ; i Partager les en G groupes (quintile, dcile ou percentile) ; i Calcul de la statistique.
G y n yg = i , g = i . g=1 ng i=1 ng 2 n (ng y g - ng g ) HL = ~ (G - 2). i=1 ng g (1 - g )
Si p-value< = 0.05, alors le modle nest pas adquat aux donnes ou bien la qualit de lajustement est douteuse. NB : les statistiques de Hosmer et Lemeshow (HL) dpendent du nombre de groupes choisis. Cest pour cela queux-mmes le recommandent comme un indicateur et non comme un test proprement dit. Cest pour cela quavant de prendre la dcision que le
Octobre 2006
modle est adquat, ou non, il faut lui associer les critres tels que AKAIKE (AIC) et BIC, et faire la courbe de lissage.
3.3.4.6. Lanalyse des rsidus Un rsidu est une mesure de la distance entre loutcome observ y et loutcome prdit par le modle . Comme on va le voir, il existe plusieurs dfinitions de rsidus et chacune delle correspond un concept particulier de distance. Le but de lanalyse des rsidus est multiple : 1) il sagit de vrifier quil ny a pas des erreurs systmatiques ; 2) de dterminer sil y a des observations trs mal expliques (rsidus extrmes) ; 3) et si certaines observations ont un effet important de levier sur les rsultats des estimations. Comme chaque observation a son rsidu associ il y a autant de rsidus que dobservations. Lon considrera donc des mesures globales rsumant lensemble des rsidus par un seul chiffre et permettant ainsi dapprcier lajustement global du modle aux donnes (autrement dit on rsume la distance entre y et ), ainsi que des mesures locales fournies par chacun des rsidus et permettant de vrifier que la contribution la mesure globale de chacune des observations est plus ou moins quivalente. Eventuellement, certaines valeurs caractristiques dune variable explicative peuvent tre limines de lanalyse si elles sont juges trop loin du nuage de points et quelles ont un effet de levier important sur lestimation des coefficients. On cherche, en dfinitive, ajuster le modle sur le centre de gravit du nuage de points et il nest pas dsirable que quelques valeurs extrmes (qui peuvent tre des erreurs de mesure ou des cas compltement atypiques) modifient sensiblement les estimations.
Octobre 2006
i (1 i )
, i=1,...,n
Ce rsidu sera dautant plus grand que le nombre de pauvres prdit est diffrent du nombre observ et que le dnominateur est petit. De plus son interprtation est dlicate en ce sens quelle dpend de lamplitude y i i et de la variance i (1 i ) de sorte que le rsidu de Pearson nest pas standardis. Pour cela, nous dfinissons le rsidu de Pearson standardis. Le rsidu de Pearson standardis est dfini comme :
ri s = ri
1 hii ; i = 1, L, n.
Avec
hii = i (1 i ) t X iVar ( ) X i .
3.3.4. Evaluation du pouvoir discriminant du modle : sensibilit, spcificit et courbe ROC Dans le but de construire le modle de prdiction, il est dun intrt de faire un examen de son pouvoir discriminant. Cet examen se fait par calcul de laire au-dessous de la courbe ROC (Receiver Operating Characteristic) ou courbe de caractristiques defficacit. Cette courbe permet dtudier les variations de la spcificit et de la sensibilit dun test pour diffrentes valeurs du seuil de discrimination. Sur laxe des abscisses, on porte la variable 1- spcificit donnant leffectif (en pourcentage) de non pauvres parmi les pauvres, sur laxe des ordonnes, on place la sensibilit gale leffectif (en pourcentage) de vrais pauvres parmi les non pauvres. Si Se et Sp dsignent respectivement la sensibilit et la spcificit du test, nous avons :
Se=Pr(le test dcide que lindividu est pauvre sachant quil est effectivement
pauvre) ;
Sp=Pr(le test dcide que lindividu nest pas pauvre sachant quil nest
effectivement pas pauvre).
Octobre 2006
La surface sous cette courbe nous permet dvaluer la prcision du modle pour discriminer les oprateurs pauvres des oprateurs non pauvres. On retiendra comme rgle du pouce : Si aire ROC = 0.5 il ny a pas de discrimination ; Si 0.5 aire ROC < 0.7 la discrimination est insuffisante ; Si 0.7 aire ROC < 0.8 la discrimination est acceptable ; Si 0.8 aire ROC < 0.9 la discrimination est excellente ; Si aire ROC 0.9 la discrimination est exceptionnelle.
Octobre 2006
Octobre 2006
de la population dintrt, comme par exemple : lassociation entre lge et le niveau de vie. Les variables candidates retenues ont t utilises comme co-variables pour la rgression logistique multivariable, avec comme variable dpendante niveau de vie (code : 1 si lindividu est pauvre et 0 sinon). Notre objectif tant didentifier les covariables qui sont associes au niveau de vie chez les acteurs du secteur informel.
4.2. RESULTAT DE LESTIMATION Nous avons obtenu le modle final aprs une valuation pas pas. Le modle obtenu est le suivant : Logit()= -1.54 - 0.17agee -0.312taille - 0.38sexe + 0.248ap3 + 1.23g5 - 1.11e24 - 0.89nivinst + 0.03as8, o agee, taille, ap3, g5, e24, nivinst et as8 dsignent respectivement lage, la taille du mnage, la catgorie socio professionnelle, le milieu de rsidence, le nombre de maisons en location, le niveau dinstruction et le type de local o est exerc lemploi. Le test de Wald a ensuite t effectu et a montr que les coefficients retenus dans le modle taient significativement diffrents de zro au seuil de 5%.
Octobre 2006
Secteur Informel et Rduction de la Pauvret au Cameroun Tableau 8 : Estimation des paramtres du modle
niveaude agee taille sexe ap3 g5 e24 nivinst as8 cons Coef. -0.170 Std. Err. 0.072 z -2.33
P>|z| 0.020
IC 95 %13
[-0.313 ; -0.027] [-0.443 ; -0.180] [-0.555 ; -0.212] [0.150 ; 0.346] [1.123 ; 1.341] [-1.481 ; -0.741] [-1.01 ; -0.781] [0.008 ; 0.064] [-2.443 ; -0.639]
<10
-3 -3
Ces rsultats indiquent que les variables qui sont caractristiques du niveau de vie sont : lage, la taille du mnage, le sexe, la catgorie socio-professionnelle, le milieu de rsidence, le nombre de maison en location, le niveau dinstruction, le type de local o est exerc lemploi.
4.2.1. Adquation du modle Dans le cas de ce travail, nous nous sommes limits calculer la valeur de laire au dessous de la courbe ROC, car elle est ncessaire pour examiner le pouvoir discriminant du modle. Pour ce modle, laire sur la courbe ROC vaut 83.71%, ce qui traduit un pouvoir discriminant excellent. La statistique R de Mac Fadden vaut 0,4065 ce qui explique 40.65%, de dviance du modle : ceci traduit une performance acceptable du modle tant donn que nous sommes en prsence des donnes denqute.
13
Intervalle de confiance 95 %
Octobre 2006
0.00 0.00
0.25
Sensitivity 0.50
0.75
0.25
0.75
1.00
Le seuil de discrimination est de 0.49 (voir figure 3) propre aux donnes correspond au point o la sensibilit est gale la spcificit contrairement la valeur 0.5 gnralement prise comme valeur par dfaut. A ce seuil, la classification fournie par le modle est bonne soit 75.91%.
Figure 3 : Graphe des courbes de sensibilits et spcificits
1.00 0.00 0.00 Sensitivity/Specificity 0.25 0.50 0.75
0.25
1.00
CALIBRATION DU MODELE Dans notre tude, nous avons regroup les individus en 10 groupes et, le test de Hosmer et Lemeshow a donn une p-value de 0.561 On constate que dans le cas du
Octobre 2006
modle retenu, ce test donne un rsultat convaincant par consquent, lajustement global du modle aux donnes est satisfaisant.
4.2.3. Analyse des rsidus En plus de ltude de ladquation, de la classification, et du calibrage du modle qui fournissent de bonnes performances, une analyse des rsidus de Pearson est effectue afin de vrifier quil y a pas derreur systmatique et de dterminer quil ny a pas des observations trs mal expliques (rsidus extrmes). Rappelons quun rsidu est une mesure de la distance entre la valeur observe y et la valeur prdite : il y a autant de rsidus que dobservations. Ainsi, daprs la figure 4 qui ressort le nuage des rsidus standardiss de Pearson en fonction des probabilits prdites par le modle, nous ne constatons pas de grand dsquilibre dans la distribution des rsidus, nanmoins, les individus numrots: 1409, 14303 sont des observations mal expliques (aberrantes cest--dire que ces observations sont sources dinstabilit pour les paramtres estims et ont t supprimes afin damliorer les performances du modle), environ 95% des points sont dans lintervalle [-2 ; 2].
Octobre 2006
Nous ne notons pas un gros dsquilibre dans la distribution des rsidus autour de zro pour toutes les observations et, en prenant en compte les performances signales cidessus, nous concluons que la qualit du modle retenu est globalement satisfaisante.
4.3. INTERPRETATION DES RESULTATS Le modle que nous avons construit nous a permis de constater que la pauvret des conditions de vie chez les acteurs du secteur informel au Cameroun est fonction du niveau dinstruction, de la catgorie socioprofessionnelle, du sexe, de lage, du milieu de rsidence, du nombre de maison en location, mais galement de la taille du mnage dans lequel vit lacteur du secteur informel. Lanalyse des rsultats de cette tude nous a amen tirer les conclusions suivantes sur les dterminants de la pauvret des oprateurs du secteur informel. Au niveau de lage, on note un risque pas trs lev dtre pauvre pour les adultes que pour les jeunes. On constate galement que le niveau de vie est fonction de lage : plus on est g plus on est menac par la pauvret. Pour ce qui est du sexe, nous avons not une propension un peu plus leve aux hommes tre pauvres que les femmes bien que ceci paraisse surprenant.
Octobre 2006
Il est presque vident que la classe sociale dun individu influence de faon trs significative son niveau de vie. Ainsi, la catgorie socioprofessionnelle laisse prsager une vulnrabilit la pauvret trs leve chez les manuvres, les apprentis et chez les ouvriers non qualifis par rapport aux cadres suprieurs.
De la description de notre modle, nous notons que les individus ayant un niveau dinstruction lev (suprieur) prsentent moins de risque dtre pauvre contrairement ceux ayant un niveau dinstruction faible (primaire et moins).
Il faut galement noter que les acteurs du secteur informel vivant en milieu rural et semi urbain prsentent respectivement 10 et 2 fois plus de risque dtre pauvre par rapport ceux vivant en milieu urbain. Ceci nest pas du tout surprenant quand on sait quau Cameroun comme dans beaucoup de pays dAfrique subsaharienne, lactivit conomique est consacre dans la plus par des grandes mtropoles qui sont en gnrale situe en milieu urbain.
Bien que nous pensions que le lieu o est exerc lemploi pouvait avoir une influence sur le niveau de vie des acteurs du secteurs informels, il ressort de cette tude que cette variable ne contribue aucunement lexplication du niveau de vie des acteurs du secteurs informel au Cameroun.
Octobre 2006
Octobre 2006
Il faut galement favoriser un dveloppement des activits conomiques en milieu rural et semi urbain; ceci dans le but de diminuer le risque de pauvret dans ces milieux de rsidence. LEtat devrait mettre la pression aux entreprises pour quelles puissent donner le minimum ncessaire aux ouvriers afin quils puissent avoir des conditions de vie acceptables. Cette tude bien quintressante et profitable, ne devrait pas se limiter ce niveau. Des tudes beaucoup plus sophistiques doivent tre envisages compte tenu de lampleur de la situation. Ces tudes devront intgrer tous les paramtres ncessaires.
Octobre 2006
BIBLIOGRAPHIE
1. E. P. NDONG NGUEMA, (2006), Cours de Data Mining, ENSP, Universit de Yaound I, Cameroun. 2. P. KOUEKAM, (2006), Mmoire de Master de Statistique Applique, Universit de Yaound I, Cameroun 3. E. NDORUHIRWE, (2005) Mesure, analyse et caractrisation de la pauvret infantile en Guine, Mmoire de Matrise en Economie, Universit Laval, Canada. 4. C. OLM et M. SIMON, (2005), Une approche de la pauvret partir de lhtrognit des conditions de vie. CAHIER DE RECHERCHE N 214, Paris France. 5. INS, (2005), EESI : Document de mthodologie, Cameroun. 6. INS, (2005), Rapport principal phase 1 de lESSI, Cameroun. 7. Patrick Taff, (2004), Cours de Rgression Logistique Applique. Institut Universitaire de Mdecine Sociale et Prventive et Centre dEpidmiologie Clinique. Lausanne, 64 P. 8. I. Aminot, MN. Damon, (2002), Rgression logistique: intrt dans lanalyse de donnes relatives aux pratiques mdicales, Revue Mdicale de lAssurance Maladie volume 33 n2. 9. DIAL, (2001), Les multiples facettes de la pauvret dans un pays en dveloppement : le cas de la capitale malgache, Document de Travail. 10. Rapport sur le dveloppement dans le monde 2000/2001 Combattre la pauvret . 11. P. Traissac, Y. Martin-Prvel, F. Delpeuch et al., (1999), Rgression logistique vs autres modles linaires gnraliss pour lestimation de rapports de prvalences, Revue dEpidmiologie et de Sant publique, 47 :593-604. 12. S. LOLLIVIER et D. VERGER, (1997), Une approche de la pauvret par les condition de vie, Document de travail, N 97-01, Direction des Statistiques Dmographiques et Sociales de lINSEE.
Octobre 2006
13. S. LOLLIVIER et D. VERGER, (1996), Les indicateurs de privation des mnages en 1994 dans le panel europen, Document de travail, N 97-06, Direction des Statistiques Dmographiques et Sociales de lINSEE. 14. B. NOLAND et C. T. WHELAN, (1996), Resources, Definitions an the measurement of poverty, Oxford Clarendon Press. 15. DNSC, (1993), Le secteur informel Yaound: Principaux rsultats Enqute 12-3 1993 phase 2, Cameroun. 16. DW Hosmer and S.Lemeshow, (1989), Applied logistic regression. John Wiley & Son. 17. A. Albert and JA Anderson, (1984), On the existence of maximum likelihood estimates in logistic regression models, Biometrika. 71:1-10.
Octobre 2006