Memoire Aissatou

REPUBLIQUE DU SENEGAL
Un Peuple- Un But-Une Foi
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR MINISTERE DE L’AGRICULTURE ET DE

ET DE LA RECHERCHE L’EQUIPEMENT RURAL
Université Alioune Diop de Bambey Direction de l’Analyse, de la Prévision et des
Statistiques Agricoles
UFR : Sciences Appliquées et Technologies de l’Information et de la Communication (SATIC)

Département : Mathématiques
Option : Statistique et Informatique Décisionnelle (SID)
MÉMOIRE DE FIN D’ETUDES POUR L’OBTENTION D’UN DIPLÔME DE LICENCE

PROFESSIONNELLE
Thème de recherche :
ANALYSE EXPLORATOIRE MULTIDIMENSIONNELLE ET TYPOLOGIE DES
PRATIQUES MARAÎCHERES DANS LA ZONE DES NIAYES ET DANS LA
VALLEE DU FLEUVE SENEGAL)
(RGPHAE 2013)
Réalisé par :
Aïssatou SENE
Etudiante en Statistique et Informatique Décisionnelle (SID)
Université Alioune DIOP de Bambey (UADB)
Maître de stage Encadreur Académique

M. El Hadj Mamadou Dieng NGOM Dr Cheikh Tidiane SECK
Ingénieur Statisticien Informaticien à la DAPSA Enseignant à l’UADB
Stage effectué du 06 Août au 06 Novembre 2015

Analyse exploratoire multidimensionnelle et typologie des pratiques maraîchères : UADB-DAPSA
Zone des Niayes et Vallée du fleuve Sénégal 2014-2015
Mémoire de fin de cycle pour l’obtention de la licence

Aïssatou SENE/SID3/UADB 2014-2015
TABLE DES MATIERES
HISTORIQUE DE LA DAPSA ............................................................................................. 14

MISSIONS.............................................................................................................................. 14
ORGANIGRAMME ............................................................................................................... 14
III.1 Contrôle d’exhaustivité et qualité des données ..................................................................... 23

III.2. Correction des données ......................................................................................................... 24
III.3 Stabilisation des données ...................................................................................................... 25
I.1. Tests d’ajustement ................................................................................................................ 26

I.1.1 Test Binomial ........................................................................................................................ 26
I.1.2 Test de Kolmogorov pour un échantillon (Test de Normalité) .............................................. 27
I.1.3 Test d’ajustement de Khi-deux .............................................................................................. 28
I.2 Description sociodémographique des ménages maraîchers ................................................. 30
I.2.1 Description de la variable DEPT .......................................................................................... 30
I.2.2 Description de la variable SEXE .......................................................................................... 31
I.2.3 Description de la variable AGE ............................................................................................ 31
I.3 Description des facteurs de productivité des ménages maraîchers ....................................... 32
I.3.1 Description de la variable NBRET_PARCELLES_EXPLOITEES en 2012-2013)............. 32
I.3.2 Description de la variable SUPT_PARCELLES de ttes les spéculations en ha ..................... 33

I.3.3 Description de la variable SUPT_PARCELLES_EXPOITEES en 2012-2013 ..................... 33

I.3.4 Description de la variable EMPLACEMENT_LIEU_EXPLOITATION ............................. 34
I.3.5 Description de la variable « CULTURE » ............................................................................ 35
I.3.6 Description de la variable NBRET_ANES (nombre total d’ânes) ...................................... 36
I.3.7 Description de la variable NBRET_CHEVAUX .................................................................. 36
I.3.8 Description de la variable POSS_HOUE (possession d’une houe) ....................................... 37
I.3.9 Description de la variable POSS_CHARRETTES (possession de charrettes) ...................... 37
I.3.10 Description de la variable ORG_PRODUCTEURS ............................................................ 38
I.3.11 Description de la variable APPRO_EAU (Mode d’approvisionnement en eau) .................. 38
I.3.12 Description de la variable HOUE_CHARRUE_SEMOIR ................................................... 39
I.3.13 Description de la variable CALECHE_CHARRETTE ....................................................... 40
I.3.14 Description de la variable ANIMAUX_TRAIT .................................................................. 40
II.1 Test d’indépendance de khi-deux .......................................................................................... 41

II.2 Analyse de la variance à un facteur (ANOVA) ..................................................................... 42
II.3 Test de corrélation de PEARSON ......................................................................................... 43
III.1 Analyse en Composante Principale (ACP) ........................................................................... 44

III.2 Analyse factorielle des correspondances simples(AFCS) ..................................................... 49
ANNEXE 1 : Organigramme de la DAPSA ................................................................................... 62

ANNEXE 2 : Fenêtre des analyses et tests sous SPSS ................................................................... 63

DEDICACES
A DIEU le tout Miséricordieux, le très miséricordieux. Gloire à lui, lui qui nous assiste et
nous donne le bon sens.
Je dédie ce modeste travail à mon très cher père Modou.

Honorable, affable et très généreux, vous avez sacrifié des années de votre vie au détriment de
notre réussite; mes frères et moi. Père, vous êtes une personne à qui je prie l’immense bon DIEU
d’accorder une bonne santé et une longévité absolue afin de voir ce que l’avenir nous réserve.
Vos prières et votre bénédiction m’ont été d’un grand secours pour mener à bien mes projets
d’études. Nulle dédicace n’est susceptible de vous exprimer ma profonde affection et mon
immense gratitude pour tous les sacrifices que vous avez faits et que vous allez faire pour mon
éducation.
Vous avez fait plus qu’un père puisse faire pour que ses enfants suivent le chemin de la droiture.
Je vous dédie spécialement ce travail en témoignage de mon profond amour. Puisse Dieu, le tout
puissant, vous préserve et vous accorde Santé, Bonheur et Prospérité.
Ce mémoire est également dédié à ma mère Touty SECK.

Je garderai toujours dans mon cœur, les nombreuses marques de bienveillance que vous m’avez
forgé et je m’efforcerai à sauvegarder l’attachement profond envers votre personne.
Etant l’ossature même de votre famille, vous avez toujours su garder votre bravoure et votre
douceur à l’égard des vôtres. Je vous en serai toujours reconnaissante et il m’incombe de vous en
féliciter par ailleurs.
Aucune dédicace ne saurait exprimer l’amour, l’estime et le respect que j’ai pour vous. Bref, avec
l’aide de Dieu, aucun aspect n’a fait défaut durant mes longues années d’étude, tant sur le plan
matériel qu’intellectuel. Le meilleur reste donc à venir chers parents.
Un vibrant hommage est rendu à tous mes frères et sœurs ainsi que mes oncles, tantes, et
cousins, en souvenir de toutes les joies et forces qui unissent notre famille. Je voudrai bien citer :
Mon frère Khadim SENE, ainsi que tous mes frères et sœurs que j’aime éperdument ; que ce
mémoire vous serve d’exemple et vous exhorte à travailler davantage dans la voie de l’excellence ;
Mon merveilleux oncle Lamine SECK et sa femme qui m’ont beaucoup soutenu ;
Ma grand-mère Mariéma Mboup ainsi que ma tante Maty SECK qui n’a ménagé aucun
effort afin que je réussisse.

REMERCIEMENTS
Je remercie ALLAH le Tout-Puissant de m'avoir permis de mener à terme ce stage de fin de

cycle qui est pour moi le point de départ d'une merveilleuse aventure, celle de la recherche, source
de remise en cause permanente et de perfectionnement perpétuel.
Je veux exprimer, par les lignes qui suivent, ma gratitude envers tous ceux qui, de près ou de loin,
m’ont apporté soutien, disponibilité et conseils. Mais aussi ceux à qui, je ne saurai bien terminer
ce projet et à qui je ne saurai avoir le courage et l’abnégation studieuse à l’accomplir.
Je voudrai nommer :
Ma famille toute entière ;

Dr Ibrahima MENDY, Directeur de la DAPSA, qui a bien voulu m’intégrer en son sein ;
M. Ibrahima FAYE, Ingénieur Agronome et chef de la Division de la Statistique, de la
Documentation et de l’Information Agricole (DSDIA), pour la confiance qu’il m’a accordée à
travailler dans sa division ;
M. El hadj Mamadou DIENG NGOM, Ingénieur Statisticien Informaticien, mon maître de
stage, qui, par sa courtoisie, sa disponibilité et sa modestie a pu faire des pas pour que ce stage soit
accordé. Il a aussi tissé des relations de fraternité afin qu’on puisse travailler dans l’ambiance et la
bonne humeur. J’ai vraiment été réjouis d’avoir fait sa connaissance, de par sa générosité
scientifique mais aussi pour le bon sens et le savoir-faire qui sont en lui.
Veuillez trouver ici, Messieurs, l’expression de ma reconnaissance. L’efficacité et la compétence

sont en vous.
J’aimerai citer :
M. SOME, M. Mar, M. Michel Sadio, M. Soumaré ainsi que tout le personnel de la DAPSA
pour leur amabilité ;
Dr Cheikh Tidiane SECK, responsable de la Licence de cette formation SID, pour son
engagement et sa détermination ;
Dr Gaoussou CAMARA responsable du Master de cette dite formation pour ses bonnes
attitudes à gérer humblement les tâches qui lui sont confié ;
Dr Aba DIOP pour ses conseils et encouragements ;
A tous les professeurs de la formation SID à l’UADB mais aussi à ceux qui m’ont inculqué
du savoir de la CI « école élémentaire » à la terminale (lycée Ababacar SY de Tivaouane) ;
M. Souleymane SAM qui a su coordonné ma venue à la DAPSA ;

M. Ibrahima Camara BADIANE pour ses conseils et recommandations ;
M. Khaly NIANG pour ses suggestions et remarques.

AVANT PROPOS
L’Université Alioune DIOP de Bambey, dans l’optique d’améliorer la qualité de la formation

universitaire, a opté dès sa création, de sanctionner ses étudiants de diplômes professionnels. Dans
ce sillage, la formation Statistique et Informatique Décisionnelle (SID) a été créée pour une
meilleure aide à la prise de décision. Cette formation oblige les étudiants de l’Université à subir
obligatoirement des stages de fin de cycle pour une découverte du milieu professionnel mais aussi
pour saisir des capacités à travailler en équipe. C’est une formation qui est adaptée aux nouvelles
technologies de l’information et de la communication, et est tournée vers les technologies du
système d’information. Elle permet d’étudier en amont et en avale l’ensemble des aspects, en
adéquation avec les besoins des entreprises et institutions étatiques pour une optimisation de leur
système d’information et une précision réaliste dans la prise de décision.
Promotion après promotion, la fin de formation du premier cycle (Licence) et du second cycle
(Master) d’étude universitaire donne aux étudiants de la SID, l’opportunité de faire des recherches
sur des problématiques réelles afin d’avoir un perfectionnement perpétuel dans tous les domaines
professionnels. En effet, il incombe à chaque étudiant de cette formation, à la fin de chaque cycle,
d’aborder un sujet précis qu’il développe dans un mémoire ou rapport de recherche. C’est pour
cette raison que je suis intégrée à la DAPSA afin de préparer ce mémoire pour l’obtention d’une
licence professionnelle de cette formation.
Selon le dernier rapport définitif du Recensement Général de la Population, de l’Habitat, de

l’Agriculture et de l’Elevage (RGPHAE), l’horticulture est une activité très répandue au Sénégal
en ce sens qu’elle est pratiquée dans toutes ses régions. Hormis ma passion dans ce domaine phare
et très prometteur du secteur Agricole, le thème Analyse exploratoire multidimensionnelle et
typologie des pratiques maraîchères est choisi dans un contexte particulier et un cadre de désir
personnel. En plus de cela, il est constaté que les champs horticoles et même maraîchers sont sous
le point d’être abandonnés par les jeunes du pays. Et pourtant, les fruits et légumes consommés au
quotidien par les ménages proviennent du maraîchage.
C’est dans ce sillage qu’il a été choisi de faire l’étude avec les cultures de légumes, les plus
particulièrement consommés par les ménages, comme l’Oignon, la Pomme de Terre, les
Aubergines, le Chou, la Tomate, la Carotte, le Navet, et le Concombre. Et donc, afin d’atteindre
une autosuffisance alimentaire, il est plus que jamais important de s’intéresser au maraîchage, qui
est pour moi une clé qui pourrait beaucoup aider.
En effet, cette situation m’a poussé à la recherche pour songer sur des questions motrices et voir le
statut actuel des pratiques maraîchères. Au Sénégal, lorsqu’on parle de maraîchage, on pense
automatiquement à la zone des Niayes (les régions de Dakar, Thiès, Louga et le département de
Saint Louis) et à la vallée du fleuve Sénégal (les départements de Dagana et Podor), milieux où
résident la presque totalité des ménages maraîchers du pays.

La réalisation de ce document est une contribution pour une lecture facile et une meilleure
compréhension des résultats issus du quatrième RGPHAE au Sénégal. C’est aussi une façon
d’aller au-delà même des méthodes d’analyses statistiques faites sur le rapport du recensement
afin d’auditer la base de données maraîchères qui en découle.
Dans ce document donc, sont exposés des résultats qui pourront servir à bien le Ministère de
l’Agriculture, à rétablir et renforcer ses politiques Agricoles.

ABREVIATIONS, SIGLES ET ACRONYMES
ACP Analyse en Composante Principale

AFCS Analyse Factorielle des Correspondances Simples
ANOVA Analyse of Variance
ANSD Agence Nationale de la Statistique et de la Démographie
CV Coefficient de Variation
CSSC Contre Saison Sèche Chaude
CSSF Contre Saison Sèche Froide
DAP Division de l’Analyse et de la Prévision
DAPSA Direction de l’Analyse, de la Prévision et des Statistiques Agricoles
DHORT Direction de l’Horticulture
DPP Division des Programmes et Projets
DSDIA Division des Statistiques, de la Documentation et de l’Information Agricoles
MAER Ministère de l’Enseignement Supérieur et de la Recherche
OMD Objectifs du Millénaire pour le Développement
ONG Organisation Non Gouvernementale
RGPH Recensement Général de la Population et de l’Habitat
RGPHAE Recensement Général de la Population, de l’Habitat, de l’agriculture et de l’élevage
SAED Société d’Aménagement et d’Exploitation des Terres du Delta
SID Statistique et informatique décisionnelle
SPSS Statistical Package of Social Science
UFR Unité de Formation et de Recherche
UNFPA Fonds des Nations Unies pour la Population

LISTE DES TABLEAUX
Tableau 1 : Présentation des variables de la base de données ....................................................... 22

Tableau 2 : Récapitulatif des observations .................................................................................... 24
Tableau 3 : Analyse statistique de fiabilité ................................................................................... 25
Tableau 4 : Test binomial .............................................................................................................. 27
Tableau 5 : Test de normalité ........................................................................................................ 28
Tableau 6 : Test de Khi-deux ........................................................................................................ 29
Tableau 7 : Effectifs des ménages selon la variable DEPT........................................................... 30
Tableau 8 : Effectifs des ménages selon la variable SEXE........................................................... 31
Tableau 9 : Description de la variable AGE ................................................................................. 31
Tableau 10 : Description de la variable NBRET_PARCELLES_EXPLOITEES ........................ 32
Tableau 11 : Description de la variable SUPT_PARCELLES de ttes les spéculations en ha ...... 33
Tableau 12 : Description de la variable SUPT_PARCELLES_EXPLOITEES en 2012-2013..... 34
Tableau 13 : Effectifs de la variable EMPLACEMENT_LIEU_EXPLOITATION .................... 34
Tableau 14 : Spéculations observées selon les contres saisons sèches ......................................... 35
Tableau 15 : Pourcentages des spéculations observées selon les contres saisons sèches ............. 35
Tableau 16 : Description de la variable NBRET_ANES .............................................................. 36
Tableau 17 : Description de la variable NBRET_CHEVAUX ..................................................... 37
Tableau 18 : Effectifs des ménages selon la variable POSS_HOUE ........................................... 37
Tableau 19 : Effectifs des ménages selon la variable POSS_CHARRETTES ............................. 38
Tableau 20 : Effectifs des ménages selon la variable ORG_PRODUCTEURS ........................... 38
Tableau 21 : Effectifs des ménages selon la variable APPRO_EAU ........................................... 39
Tableau 22 : Effectifs des ménages selon la variable HOUE_CHARRUE_SEMOIR ................. 39
Tableau 23 : Effectifs des ménages selon la variable CALECHE_CHARRETTE....................... 40
Tableau 24 : Effectifs des ménages selon la variable ANIMAUX_TRAIT ................................. 40
Tableau 25 : Test d’indépendance de Khi-deux ............................................................................ 41
Tableau 26 : ANOVA entre les variables AGE et APPRO_EAU ................................................ 43
Tableau 27 : Corrélation entre les variables AGE et NBRET_PARCELLES_EXPLOITEES .... 44
Tableau 28 : Indice KMO et test de Bartlett ................................................................................. 45
Tableau 29 : Qualité de la représentation de l’ACP ...................................................................... 45
Tableau 30 : Variance totale expliquée ......................................................................................... 46
Tableau 31 : Répartition entre les variables et les facteurs ........................................................... 48
Tableau 32 : Matrice des composantes ......................................................................................... 48
Tableau 33 : Tableau des correspondances DEPT/ CULTURE en CSSF .................................... 50
Tableau 34 : Tableau résumé DEPT/CULTURE en CSSF ........................................................... 51
Tableau 35 : Caractéristiques des points lignes DEPT en CSSF .................................................. 51
Tableau 36 : Caractéristiques des points colonnes CULTURE en CSSF ..................................... 53
Tableau 37 : Tableau des correspondances DEPT/CULTURE en CSSC ..................................... 55
Tableau 38 : Tableau résumé DEPT/CULTURE en CSSC .......................................................... 55
Tableau 39 : Caractéristiques des points lignes pour DEPT en CSSC.......................................... 56
Tableau 40 : Caractéristique des points colonnes pour CULTURE en CSSC .............................. 58

LISTE DES FIGURES
Figure 1 : Répartition des ménages selon le département d’habitation......................................... 30

Figure 2 : Répartition des ménages selon le genre ........................................................................ 31
Figure 3 : Histogramme de la variable AGE ................................................................................. 31
Figure 4 : Histogramme de la variable NBRET_PARCELLES_EXPLOITEES en 2012-2013... 32
Figure 5 : Histogramme de la variable SUPT_PARCELLES de ttes les spéculations en ha ........ 33
Figure 6 : Histogramme de la variable SUPT_PARCELLES_EXPLOITEES en 2012-2013 ...... 34
Figure 7 : Répartition des ménages selon EMPLACEMENT_LIEU_EXPLOITATION ............ 34
Figure 8 : Description de la variable « CULTURE ».................................................................... 35
Figure 9 : Histogramme de la variable NBRET_ANES ............................................................... 36
Figure 10 : Histogramme de la variable NBRET_CHEVAUX .................................................... 37
Figure 11 : Description de la variable POSS_HOUE ................................................................... 37
Figure 12 : Description de la variable POSS_CHARRETTES ..................................................... 38
Figure 13 : Répartition des ménages selon la variable ORG_PRODUCTEURS ......................... 38
Figure 14 : Répartition des ménages selon la variable APPRO_EAU .......................................... 39
Figure 15 : Répartition des ménages selon la variable HOUE_CHARRUE_SEMOIR ............... 39
Figure 16 : Répartition des ménages selon la variable CALECHE_CHARRETTE ..................... 40
Figure 17 : Répartition des ménages selon la variable ANIMAUX_TRAIT ................................ 40
Figure 18 : Test de khi-deux entre EMPLACEMENT_LIEU_EXPLOITATION et DEPT ........ 42
Figure 19: Carte factorielle de l’ACP avec rotation VARIMAX .................................................. 49
Figure 20: Carte factorielle de l’AFCS pour DEPT en CSSF ....................................................... 52
Figure 21 : Carte factorielle de l’AFCS pour CULTURE en CSSF ............................................. 54
Figure 22 : Carte factorielle de l’AFCS pour DEPT en CSSC ..................................................... 57
Figure 23: Carte factorielle de l’AFCS pour CULTURE en CSSC .............................................. 59

INTRODUCTION
Le domaine très large de l’Agriculture comporte le secteur horticole qui à son tour englobe le
maraîchage, l’arboriculture et la floriculture. Le maraîchage ou la culture des légumes est une
activité très répandue au Sénégal, elle est concentrée principalement dans la bande littorale des
Niayes et dans la vallée du fleuve Sénégal. La zone des Niayes (de Dakar à Saint-Louis), qui, est
créditée de plus de 60% des récoltes du pays, fournit les légumes comme l’oignon, la pomme de
terre, la carotte, le chou, la tomate, l’aubergine, la laitue et le piment ; alors que la vallée du
fleuve, avec ses immenses potentialités est spécialisée dans la production de tomates industrielles,
d’oignons et de patates douces.
Au Sénégal, le calendrier agricole est essentiellement pluvial et saisonnier. Mais les activités
maraîchères se déroulent suivant deux périodes, la Contre Saison Sèche Chaude (CSSC) qui
commence au mois d’Avril pour terminer au mois de Juin et la Contre Saison Sèche Froide
(CSSF) qui va du mois d’Octobre au mois de Mars. Le maraîchage en CSSF mobilise un grand
nombre de ménages horticoles au Sénégal, plus de cinquante-trois mille (53000) selon le rapport
définitif du dernier RGPHAE. Les cultures les plus cultivées sont dans l’ordre l’oignon (40,1%),
le piment (35,5%), l’aubergine amère (28,4%), le chou (27,2%) et l’aubergine douce (26,3%). Par
contre, il est dénombré environ trente mille (soit 29800) ménages agricoles qui pratiquent le
maraîchage en CSSC. Et tout comme la CSSF, l’oignon (38,3%) et le piment (37,3%) restent les
cultures les plus pratiquées avec des pourcentages importants de ménages maraîchers. Ensuite
viennent dans l’ordre la tomate (36,5%), l’aubergine amère (28,9%), le gombo (27,5%),
l’aubergine douce (27,0%) et le chou (26,3%).
Cette présente étude se focalisera sur la pratique des cultures maraîchères à savoir l’oignon, la
tomate, l’aubergine amère, l’aubergine douce, la pomme de terre, la carotte, le chou, le
concombre et le navet.
Le monde, se tournant de plus en plus vers des économies de marché, il est plus que jamais
important de disposer de données agricoles, à jour et fiables pour prendre les décisions qui
s’imposent aux niveaux national et international. De nos jours, les statistiques agricoles jouent un
rôle capital dans les prises de décision des gouvernements en termes de sécurité alimentaire et
nutritionnelle. Pourtant, les statistiques agricoles, étant mal connues, détiennent d’innombrables
outils et méthodes concernant tous les domaines scientifiques. On peut ainsi citer les méthodes de
sondages agricoles, les méthodes de suivi évaluation de projets agricoles, les méthodes de
traitement de données agricoles sans oublier les techniques de modélisation et de prévision agro-
météorologique.
Au Sénégal, la Direction de l’Horticulture (DHORT) est la structure compétente ayant la

responsabilité de produire des statistiques horticoles annuelles au service du gouvernement. Au-
delà même de cette fonction, la DHORT favorise la centralisation et la diffusion de ses
informations au sein des autres structures partenaires.

Ainsi, l’Agence Nationale de la Statistique et de la Démographie (ANSD) qui est chargée de

l’exécution du RGPHAE, détient une série de données sur les ménages pratiquants de
l’horticulture au Sénégal. Un ensemble de variables caractéristiques de ces dits ménages a été
renseigné sur toute l’étendue du pays. Néanmoins, une analyse approfondie sur la typologie des
pratiques horticoles demeure nécessaire afin d’éclairer davantage les spécificités culturales surtout
dans le domaine maraîcher.
L’objectif de cette étude est d’utiliser toutes les méthodes de la statistique exploratoire
multidimensionnelle (analyse univariée, bivariée comme multivariée). Cela permettra de faire
sortir une analyse multidimensionnelle catégorielle pour mieux distinguer les ménages maraîchers
considérés dans les Niayes mais aussi dans la vallée du fleuve Sénégal. Puisque ces zones sont les
plus importantes, car étant fréquentées par les exploitants sur une bande de terre allant de la région
de Dakar à la région de St Louis, le présent document exposera l’ensemble des résultats de l’étude.
Ainsi, le document s’articulera sur trois (3) principales chapitres:
Première chapitre : Cadre théorique et méthodologique ;

Deuxième chapitre : Source, présentation et traitement de la base de données ;
Troisième chapitre : Méthodes d’analyses exploratoires multidimensionnelles.
Toutes ces étapes favoriseront le développement d’un ensemble de règles techniques et statistiques
permettant de mieux améliorer la construction des indicateurs de politiques agricoles dont la
DAPSA est la principale concernée.

PRESENTATION DE LA DAPSA
HISTORIQUE DE LA DAPSA
Par Décret N° 99-909 du 14 septembre 1999 portant organisation du Ministère de l'Agriculture, il

a été créé au sein dudit Ministère par arrêté N° 003304 du 15 Mars 2000 la Direction de l'Analyse,
de la Prévision et des Statistiques Agricoles (DAPSA). Elle émane de la fusion de l'ancienne Unité
de Politique Agricole (UPA) et de la Division des Statistiques Agricoles (DISA). Sous l'autorité
du Ministre de l'Agriculture, la DAPSA est chargée des fonctions d'analyse, de préparation, de
suivi évaluation et de contrôle des politiques, programmes, projets et actions de développement de
la collecte, de la centralisation, du traitement et de la diffusion des informations et statistiques
agricoles.
MISSIONS
Cette structure du Ministère de l’Agriculture et de l’Equipement Rural (MAER) fait partie du

poumon de l’agriculture. A cet effet, la DAPSA a pour missions :
L’élaboration des propositions de politique, de planification et de stratégies de

développement agricole ;
Le suivi de la mise en œuvre et de l’évaluation des résultats des politiques, plans et
stratégies de développement agricole ;
La préparation et la recherche de financement des programmes, projets et actions de
Le suivi de l’exécution et de l’évaluation des programmes, projets et actions de
La représentation du Ministère de l’Agriculture dans ses relations avec les structures
intervenant dans le financement du développement agricole ;
La collecte, la centralisation, l’analyse, le traitement et la diffusion des statistiques
agricoles ;
La planification des ressources économiques du ministère.
ORGANIGRAMME
La DAPSA est dirigée par un fonctionnaire de la hiérarchie A, nommé par décret sur proposition
du Ministre de l’Agriculture et de l’Equipement Rural. Elle est organisée comme suit :
Division de l'Analyse et de la Prévision (DAP) ;

Division des Programmes et Projets (DPP) ;
Division des Statistiques, de la Documentation et de l'Information Agricoles (DSDIA) ;
Bureau administratif et financier (BAF).

La Division de l’Analyse et de la Prévision (DAP)
Elle a pour mission l’élaboration de politiques agricoles, de suivre leur mise en œuvre et
l’évaluation des résultats. A ce titre, elle est chargée :
D’élaborer les méthodes et instruments de politique, de programmation, d’analyse et de

suivi-évaluation du secteur agricole, de les diffuser auprès des services du Ministère à tous les
niveaux et d’apporter l’appui nécessaire en vue de leur utilisation, notamment par les
organisations professionnelles agricoles et les collectivités locales ;
De concevoir les instruments d’élaboration, de circulation, de traitement des informations
(documentation, fiches de suivi d’activités, statistiques, bases de données, etc.) nécessaires au
suivi de l’évolution du secteur agricole et des programmes et projets de développement ;
De la mise en œuvre des stratégies et politiques agricoles ;
De procéder aux analyses diagnostiques et prospectives du secteur agricole et d’élaborer, sur
cette base, les politiques et stratégies de développement agricole ;
D’évaluer la mise en œuvre des programmes et projets du secteur agricole et d’identifier les
mesures d’ajustement nécessaires.
La Division des Programmes et Projets (DPP)
Elle assure la coordination, la préparation et le suivi des programmes et projets et veille à leur
cohérence avec les objectifs de politique agricole. Elle est chargée :
De la préparation, la négociation et le suivi des projets de coopération internationale dans le

domaine agricole ;
D’assurer la cohérence des programmes et projets agricoles en rapport avec les politiques du
secteur agricole ;
De tenir à jour l’information sur l’état d’avancement des projets et d’en établir des synthèses
périodiques en vue de la mise en place d’un tableau de bord ;
D’assurer la concertation avec les ONG et le secteur privé et d’assurer le suivi de leurs
actions dans le secteur agricole, d’établir des comptes rendus périodiques sur l’exécution de leurs
actions de développement agricole et sur leur comptabilité avec la politique nationale ;
De représenter le Ministère, dans ses relations avec ses partenaires de coopération bilatérale
et multilatérale.
La Division des Statistiques, de la Documentation et de l'Information Agricoles

(DSDIA)
Elle a pour mission de centraliser les informations et les statistiques agricoles, de tenir et de mettre
à jour la documentation agricole, d’aider à l’introduction et à l’extension des méthodes et modèles
informatiques adaptés aux besoins des services. Elle est en outre chargée de la communication du
Ministère de l’Agriculture avec les acteurs publics et privés. A ce titre, elle est chargée :

D’élaborer les programmes nationaux d’enquêtes statistiques du secteur agricole, d’en

évaluer les moyens et d’organiser leur exécution en collaboration avec les directions régionales de
développement rural ;
De concevoir la méthodologie et les supports systématiques des enquêtes statistiques
spécifiques initiées par les directions techniques et de les diffuser auprès des services statistiques
déconcentrés chargés de les réaliser ;
D’assister et conseiller les services statistiques déconcentrés pour la conception des enquêtes
initiées à leur niveau ;
D’apporter son appui aux directions régionales en méthodes, formation et moyens
logistiques en vue de la réalisation des enquêtes locales spécifiques ;
D’analyser les données collectées et publier les résultats consolidés dans les publications
périodiques ;
De collecter, traiter, analyser et diffuser, en collaboration avec les différents opérateurs, les
données nécessaires à la constitution d’une base de données statistiques ;
De centraliser, gérer et tenir à jour la documentation technique et économique utile sur le
secteur agricole et la mettre à la disposition des utilisateurs ;
D’apporter l’appui technique aux directions régionales de l’agriculture, en vue de la
constitution de centres de documentation régionaux sur le secteur agricole et la mise à jour
régulière de leurs contenus ;
De gérer le Centre de Documentation du Ministère de l’Agriculture (CDMA);
De définir les méthodes et instruments standardisés informatiques utiles pour l’ensemble du
département et d’assurer leur diffusion et la formation auprès des directions concernées,
D’apporter son expertise et son appui informatique à toute direction qui en fait la demande,
De développer les applications nécessaires aux directions, à tous les niveaux, qui dépassent
leurs domaines de compétences ;
D’assurer la bonne circulation de l’information agricole entre le Ministère de l’Agriculture
et tous les utilisateurs publics et privés.
Le Bureau administratif et financier (BAF)
Le Bureau Administratif et Financier assure pour l’ensemble des divisions relevant de l’autorité
du Directeur, des missions d’administration générale et de gestion financière destinées à leur
fournir les moyens de leurs activités. A ce titre, il est chargé :
De la détermination des besoins en moyens de fonctionnement et d’équipements ;
De la préparation, de l’élaboration et de l’exécution du budget d’investissement et de
fonctionnement ;
De la gestion administrative du personnel des immobilisations, des équipements, des
matériels, du mobilier et du suivi financier des opérations ;
De créer des conditions de gestion saine et rationnelle des cadres ;
De l’accueil du public, de la circulation des informations de type administratif et de leur
archivage.
Les Directions régionales et les services départementaux sont chargés de mettre en œuvre les
activités de la DAPSA à leur niveau.

I. DEFINITION DES CONCEPTS
Dans cette section on s’intéresse à l’ensemble des connaissances et théories qui ont un
rapport quelconque avec l’étude. Ces éléments servent de points de repères et facilitent la
compréhension du thème. On peut définir dans ce cadre les concepts suivants:
Ménage agricole
C’est un ménage où il y a au moins une personne qui pratique l’agriculture au sens large
(production végétale, production animale) sans y être salarié (qui n’est pas rémunéré pour le
travail d’exploitation agricole).
Exploitation agricole
C’est une unité économique de production agricole. On peut aussi la définir comme étant
l’unité de base de toutes les séries de statistiques agricoles.
Unité statistique (ou individu)
Elément de base constitutif de la population à laquelle il appartient. Il est indivisible et peut-

être un animal, un végétal, un humain ou un objet.
Population
Ensemble d’individus (ou d’unités statistiques) présentant un caractère commun. Pour une
thématique donnée, la population regroupe toujours la totalité des individus relatifs à cette
thématique (notion d'exhaustivité).
Calendrier agricole
Il est établi en fonction des saisons de pluies et du cycle des cultures. Les parcelles des
cultures pluviales se mettent en place pendant les saisons des pluies et les parcelles des cultures de
contre saison se mettent en place pendant les saisons sèches.
Parcelle
Portion de terrain exploitée par un ou plusieurs membres du ménage et portant une seule
culture ou une association de cultures.

Champ
C’est un terrain situé dans une parcelle, mais séparé du reste de celle-ci par des lignes de
démarcations clairement visibles (paysages, délimitations, cadastrales et/ou date de plantation
spécifiques).
Horticulture
Activité principale permettant à ses pratiquants, l’exploitation de la terre par les activités
liées soit au maraichage, soit à l’arboriculture ou soit à la floriculture.
Maraîchage
Le maraîchage ou horticulture maraîchère est la culture de légumes, de certains fruits, de

certaines fines d’herbes et fleurs à usage alimentaire, de manière professionnelle, c'est-à-dire dans
le but d'en faire un profit ou simplement d'en vivre.
Le maraîchage s'est d'abord développé dans la proche périphérie des villes pour approvisionner les
marchés en légumes frais, souvent dans des zones marécageuses (Zones humides), comme les
hortillonnages ou le plus souvent dans les plaines alluviales des fleuves comme les jardins
maraîchers. Ce type de maraichage se caractérise par la petite surface des exploitations de type
familiales, par sa production diversifiée et souvent par la vente directe traditionnelle, les
maraichers tenant eux-mêmes un étal dans les marchés locaux.
Zone des Niayes
Les Niayes sont une zone géographique du nord-ouest du Sénégal, constituée de dunes et de
dépressions propices aux cultures maraîchères.
Contexte géographique et administratif
Cette bande étroite, d'une longueur de 180 km et d'une largeur variant entre 25 et 30 km, s’étend
d'une part entre la presqu’île du Cap-Vert et la frontière mauritanienne et d'autre part entre la
frange littorale appelée Grande côte et, approximativement, la route menant de Dakar à Saint
Louis. Quatre subdivisions administratives se partagent la zone des Niayes : la région de Dakar, la
région de Thiès, la région de Louga et la région de Saint Louis.
Climat, sols, faune et végétation
La région se situe dans le sud du Sahel africain et la saison humide y est concentrée sur trois mois
(de juillet à septembre). Même si les conditions climatiques sont assez favorables, notamment
grâce à la proximité de l'océan une menace de désertification existe, liée au réchauffement
climatique global. Des dispositions ont été prises, comme la plantation d'un cordon de filao destiné
à protéger les cultures du sable.

Economie
Sur le plan économique, 80 % de la production horticole sénégalaise sont concentrés dans les
Niayes. Ce pourcentage important de production assure l'approvisionnement de l'agglomération du
pays en produits frais. Dans cette zone, des milliers de producteurs gagnent leur vie en pratiquant
des cultures maraîchères. Mais la spéculation foncière menace l’avenir du maraîchage.
Vallée du fleuve Sénégal
La région naturelle de la vallée du fleuve Sénégal fait partie de la région administrative de

Saint Louis située au Nord du Sénégal à deux cent soixante-dix (270) kilomètres au Nord de
Dakar. Ainsi, située à l'embouchure du fleuve Sénégal, cette zone (on s’intéresse essentiellement
aux départements de Podor et Dagana) présente des conditions climatiques océaniques favorables
à la production maraîchère. Les terres et l'eau y sont disponibles en abondance. Les superficies
aménagées sont évaluées à peu près à 60.000 hectares dans les départements de Dagana et Podor.
Et d’ailleurs, à côté du travail colossal réalisé par la SAED depuis près de deux décennies, on
observe depuis quelques années une intervention importante des privés.
II. METHODOLOGIE
Dans cette section du document, on cherche à définir les méthodes d’analyses qui seront
développées dans le cadre de l’étude envisagée. Ces différentes méthodes sont axées autour de
trois (3) phases :
Les analyses univariées ;

Les analyses bivariées ;
Les analyses exploratoires multivariées.
Les analyses univariées reposent essentiellement sur la description et l’estimation de la qualité des
variables ou tests d’ajustement. L’analyse descriptive permettra de décrire et d’explorer chacune
des variables (qualitatives ou quantitatives) à travers un diagnostic approfondi des paramètres de
tendances centrales, de position et de forme. Cette étape est donc capitale pour une évaluation de
la dispersion et de l’analyse de l’homogénéité ou de l’hétérogénéité associées à leurs caractères.
Quant à l’estimation de la qualité des variables, elle sera mise en exergue par des tests univariés
appelés plus communément tests d’ajustement. En réalité, ces tests permettent de poser des
hypothèses sur l’existence de différence significative entre les fréquences des modalités des
variables qualitatives (pour juger les discriminations et faciliter davantage les traitements : tests
binomial et de khi-deux). En ce qui concerne les variables quantitatives, on cherche l’existence de
différence significative entre les moyennes (test de normalité) par ajustement avec une loi de
probabilité comme celle de la loi normale.

Les analyses bivariées favorisent l’étude de la liaison entre deux (2) variables. Soit les
analyses reposent sur deux variables qualitatives (test d’indépendance de khi-deux), ou bien sur
deux variables quantitatives (Test de corrélation) ou encore elles associent une variable qualitative
à une variable quantitative (ANOVA à un facteur). Quelque soit le cas, des tests de relations
permettent d’expliquer les différentes interactions entre chaque couple de variables afin de juger
l’existence de facteurs qui, si possible, seront explorés dans les analyses multidimensionnelles
conformes. Ils s’agissent des analyses exploratoires multidimensionnelles.
Les analyses exploratoires multidimensionnelles ont pour but de décrire les liaisons entre les
variables afin d’expliquer les combinaisons (en facteurs ou dimensions) entre celles-ci.
L’existence de facteurs exprime un résumé (ou réduction des dimensions) de la quantité totale
d’information véhiculée (ou inertie totale) par la base de données. Cependant, il est toujours
envisagé d’exploiter le pourcentage de l’inertie totale exprimée par les facteurs à une proportion
significative afin de pouvoir fixer leurs nombres et de faciliter leur identification (baptême des
facteurs). Deux analyses exploratoires multidimensionnelles seront utilisées (ACP et AFCS),
d’une part, pour déterminer la cartographie des facteurs et d’autre part, pour sortir les profils des
ménages exploitants maraîchers à travers les zones de pratiques étudiées. Ces deux analyses nous
aideront à déterminer les séries de légumes pratiqués selon les zones. Ce qui est essentiellement
l’objet de cette étude.
Cependant, cette méthodologie n’est applicable qu’à travers une bonne préparation de la qualité
des données d’analyses. Ainsi, le traitement des données (sous SPSS version 20) sera l’étape
préalable et primordiale avant d’aborder les différentes phases de la méthodologie. Le traitement
des données portera essentiellement sur la manipulation de fichiers pour favoriser l’exploitation
des données (transformation et gestion) et sur le contrôle de leur qualité (contrôle de structure,
contrôle d’exhaustivité, contrôle de cohérence des réponses et détermination des données
aberrantes et correction). Ces procédures sont capitales et préparent les autres liées à la
binéarisation des variables pour le compte des analyses multidimensionnelles ; car en réalité, les
variables qualitatives doivent être binéarisées avant toute utilisation dans ces analyses.

I. SOURCE DES DONNEES
Le Sénégal, à l’instar des autres pays africains, a réalisé son quatrième recensement de la
population dans le cadre de la série des recensements de la population de la décennie 2010 (2005-
2014) initiée par les Nations Unies, à travers le Fonds des Nations Unies pour la Population
(UNFPA), son Agence spécialisée en la matière. Les principaux objectifs assignés à ce
Recensement et dont la phase de dénombrement a été bouclée en décembre 2013 sont de fournir :
Des données sur les caractéristiques sociodémographiques de la population ;

Des données sur les caractéristiques de l’Habitat ;
Des données de référence pour les statistiques agro-pastorales courantes ;
Des bases de sondage pour les enquêtes sociodémographiques et agro-pastorales ;
Des données pour le suivi de l’avancement vers les objectifs de développement nationaux et
mondiaux, en particulier les Objectifs du Millénaire pour le développement (OMD).
La base de données agropastorale issue de ce recensement général, obtenue par le biais de la

DAPSA, comportait un nombre important et complexe de variables. Afin d’obtenir une base de
données horticole, maraîchère fiable portant sur les régions de Dakar, Saint Louis, Thiès et Louga,
une extraction de variables d’intérêt relatives à l’étude a été effectuée, puis un redressement de la
base de données. Cette procédure a permis de s’assurer de la fiabilité des données afin de
constituer une nouvelle base d’analyse avec le logiciel statistique SPSS.
II. PRESENTATION DES VARIABLES DE L’ETUDE
La base de données de l’étude a permis d’enregistrer au total un nombre de trente-quatre

(34) variables et une population de mille dix-huit (1018) observations (ménages). Le ménage est
ainsi considéré comme étant l’élément constitutif le plus élémentaire de la base de données
maraîchère obtenue. Cette base de données est constituée de variables exhibant des
caractéristiques sociodémographiques des ménages et des facteurs de productivité maraîchère. En
effet, les variables qui font allusion aux cultures maraîchères considérées à savoir l’oignon,
l’aubergine, le chou, la pomme de terre, la tomate, la carotte, le navet, et le concombre sont assez
consistantes en nombre. Ainsi, compte tenu des deux contres saisons sèches (CSSF et CSSC), ces
cultures sont caractérisées en dix-huit (18) variables, ce qui leur a valu une absence dans le tableau
suivant pour des raisons de volume.

Tableau 1 : Présentation des variables de la base de données
NOMS DES VARIABLES TYPES VALEURS MESURES
11= “DAKAR”
12= “PIKINE”
13= “RUFISQUE”
14= “GUEDIAWAYE”
41= “DAGANA”
42= “PODOR”
DEPT Numérique 43= “ST LOUIS” Nominale
71=”MBOUR”
72=”THIES”
73=”TIVAOUANE”
81=”KEBEMER”
82=”LINGUERE”
83=”LOUGA
1= « MASCULIN »
SEXE Numérique Nominale
2= « FEMININ »
AGE Numérique AUCUN Echelle
NBRE_PARCELLES_EXPLOITEES par le ménage en 2012- AUCUN
Numérique Echelle
2013
SUPT_PARCELLES des exploitations de ttes les spéculations AUCUN
Numérique Echelle
en ha
SUPT_PARCELLES_EXPLOITEES par le ménage en 2012- AUCUN
Numérique Echelle
2013
1 = "Dans la concession"
2 = "Extérieur de la concession
EMPLACEMENT_LIEU_EXPLOITATION Numérique /environnement immédiat" Nominale
3 = "Dans le village/quartier"
4 = "Hors du village/quartier"
NBRET_ANES Numérique AUCUN Echelle
NBRET_CHEVAUX Numérique AUCUN Echelle
0 = "Non"
POSS_HOUE Numérique Nominale
1 = "Oui"
0 = "Non"
POSS_CHARRETTE Numérique Nominale
1 = "Oui"
0 = "Non"
ORG_ PRODUCTEURS Numérique Nominale
1 = "Oui"
1 = "Robinet dans logement"
2 = "Robinet dans cour/parcelle"
3 = "Robinet public/borne
fontaine"
4 = "Puits à pompe ou forage"
APPRO_EAUs Numérique 5 = "Puits protégés" Nominale
6 = "Puits non protégés"
7 = "Vendeurs d’eau"
8 = "Camion-citerne"
9 = "Eau de pluie"
10 = "Source, cour d’eau"
98 = "Autre"
0 = "Non"
HOUE_CHARRUE_SEMOIR Numérique Nominale
1 = "Oui"
0 = "Non"
CALECHE_CHARETTE Numérique Nominale
1 = "Oui"
Le tableau ci-dessus expose la structure des variables (types, valeurs, mesures). Ainsi, en s’y
référant, l’idée d’un traitement statistique informatique se signale alors.

III. TRAITEMENT ET APUREMENT DES DONNEES
C’est l’une des phases les plus importantes lors d’une étude, après la collecte des données.
La version vingt (20) du logiciel statistique SPSS est le principal outil utilisé pour le traitement et
l’apurement des données suivant trois phases :
Contrôle d’exhaustivité et de qualité des données ;

Correction des données selon leurs natures ;
Stabilisation des données.
Par ailleurs, il est important d’organiser le fichier afin que la base de données soit capable de subir
les traitements et analyses préconisées. Pour cela, il a suffi de:
Renommer les variables ;

Redéfinir les étiquettes des variables ;
Vérifier les codes (ou valeurs portées par les variables) ;
Redéfinir les mesures (ou nature des variables).
Ces procédures retracent la structuration du fichier SPSS de travail (.SAV). Elles sont importantes
pour une bonne application des méthodes de traitements et d’analyses qui sont spécifiques pour
chaque variable selon sa mesure et son type.
III.1 Contrôle d’exhaustivité et qualité des données
Le contrôle d’exhaustivité est celui qui consiste à vérifier la présence de l’ensemble des
informations utiles voire indispensables pour apprécier la consolidation de la base de données
(c’est-à-dire que toutes les données de toutes les variables sont saisies). Aussi, il est fort possible
que certaines données manquent. De ce fait, le contrôle d’exhaustivité favorise la comparaison (en
proportion) des données valides et manquantes. L’appréciation de la qualité des données se pose
alors.
Diagnostic des données
SPSS réalise cette étape à travers la procédure :

analyse/rapport/récapitulatif des observations.
Le diagnostic des données, comme son nom l’indique, consiste à faire un bilan pour distinguer les
variables qui sont bien représentées et celles qui ne le sont pas. Les variables qui présentent un
pourcentage important de données manquantes (proche de 50%) ont été exclues de la base de
données. En effet, pour pouvoir accepter une variable, il est demandé d’avoir un pourcentage de
données incluses supérieur ou égal à 95% pour cette variable.

Cependant, le tableau de contrôle obtenu est présenté ci-dessous.
Tableau 2 : Récapitulatif des observations
Après cette sélection, on a eu 100% en pourcentage de données incluses ; ce qui permet désormais
d’avoir une base de données exhaustive pour les cultures considérées (c’est-à-dire, il n’y a plus de
données manquantes). L’absence de données manquantes s’expliquerait par le choix des ménages
ayant répondu favorablement à des questions clés comme : Est-ce-que vous pratiquez le
maraîchage ? Néanmoins, dans l’étape suivante, où nous chercherons à identifier les données
aberrantes, il sera certainement probable d’apporter des correctifs et ensuite de stabiliser les
données avant de procéder à des tests et à des analyses approfondies.
III.2. Correction des données
C’est une étape importante qui consiste à corriger les données de façon à les donner des
valeurs plus logiques par rapport à la distribution de la variable. Il s’agit dans ce cas de remplacer
la valeur manquante et/ou aberrante soit par la moyenne soit par la médiane.
Cas d’une variable quantitative
On se sert des moyennes et des écarts-type issus du tableau des effectifs de l’analyse
descriptive pour calculer le coefficient de variation (CV). Ce coefficient de variation mesure la
précision de la moyenne. S’il est inférieur à 20%, on se dit que les données ne sont pas bien
dispersées et dans ce cas, une valeur manquante est remplacée par la moyenne qui lui est associée
selon le critère géographique le plus élémentaire (département). Si par contre le CV est supérieur à
20%, on remplace la valeur manquante par la médiane de la distribution.

Une valeur aberrante visible sera également corrigée de cette manière. Mais il en existe des
valeurs aberrantes qui ne sont pas visibles à l’évidence et qui peuvent biaiser les résultats attendus
lors des analyses. En effet, la procédure descriptive des variables quantitatives a permis de mettre
en évidence toutes ces valeurs aberrantes par le biais de variables standardisées (ZVARIABLES).
Une valeur standardisée est une valeur centrée réduite (appartenant à l’ensemble des nombres
décimaux relatifs) permettant de se prononcer sur la cohérence des observations de la variable
dont elle fait référence. Selon la règle, toute valeur de variables standardisées se trouvant en
dehors de l’intervalle [-2 ; +2] est rigoureusement considérée comme aberrante. Par ailleurs, une
sélection d’observations est faite afin de retrouver une base de données contenant une liste
exhaustive des ménages maraîchers des régions considérées (les ménages considérés ne pratiquent
que les cultures citées à l’entame de ce mémoire).
Cas d’une variable qualitative
La plupart des variables de la base de données sont qualitatives. Ainsi, pour corriger une
donnée manquante ou aberrante, on cherche son mode (modalité qui a le plus grand effectif) selon
le département d’habitation du ménage, puis on remplace l’observation par ce mode.
III.3 Stabilisation des données
La stabilisation consiste à vérifier les hypothèses de fidélité et de validité des données après
avoir effectué les corrections nécessaires. Elle prépare l’étape de fiabilisation des données.
Analyse de fiabilité de la base
C’est une analyse qui a porté sur les variables quantitatives car celles qualitatives n’ont été
d’aucune source d’ambigüité. Elle permet la vérification, la fidélité et la validité des données. Par
ailleurs, on compte savoir si les données sont acceptables.
Tableau 3 : Analyse statistique de fiabilité
Le tableau ci-dessus donne le coefficient de fiabilité ou coefficient de Cronbach qui mesure

le degré de fiabilité des observations des variables quantitatives. Il est aussi grand que les données
sont fiables. Ainsi, les six (6) variables quantitatives ont un coefficient de Cronbach de 0,287 qui
peut être considéré comme une valeur acceptable. Donc les observations sont fiables.

Les méthodes d’analyses exploratoires multidimensionnelles recouvrent un grand nombre

de techniques qui ont pour objectif de décrire et de synthétiser l’information contenue dans de
vastes tableaux de données, à en dégager des structures et à valider ces structures.
I. ANALYSE UNIVARIEE SUR LES VARIABLES
L’analyse descriptive univariée permet d’étudier une à une, toutes les variables de la base de
données. Son but est de structurer et de représenter l’information contenue dans les observations.
I.1. Tests d’ajustement
Un test d’ajustement est une démarche consistant à rejeter ou à accepter une hypothèse
statistique, appelée hypothèse nulle, en fonction d'un jeu de données. Il permet de décider si un
échantillon de ménages peut être considéré ou non comme issu d'une loi de probabilité donnée.
Ainsi, à partir de calculs réalisés sur les données observées, on émet des conclusions sur la
population, avec un risque de se tromper. Dans tous les cas de tests visés, la signification
asymptotique ou probabilité d’accepter H0 à tort (ou encore risque de se tromper en acceptant H0)
est fixé à 5%.
I.1.1 Test Binomial
C’est un test qui est appliqué aux variables qualitatives nominales dichotomiques afin de
chercher d’éventuelles discriminations entre les observations des modalités de la variable.
Hypothèses de test
Les hypothèses de recherche sont :

H0 : Il n’y a pas de différence significative entre les fréquences des modalités ;
H1 : Il y a une différence significative entre les fréquences des modalités.
Règle de décision
Si α > 0,05 on accepte H0 ;

Si α <= 0,05 on accepte H1.

Tableau 4 : Test binomial
Conclusion
On peut ainsi remarquer que la signification asymptotique (α) est inférieure (<) à 0,05, ce
qui revient à dire que l’hypothèse alternative H1 est acceptée. Il y a donc une différence
significative entre les fréquences des modalités des variables.
I.1.2 Test de Kolmogorov pour un échantillon (Test de Normalité)
Le test de Kolmogorov-Smirnov est un test d’hypothèse de normalité. C’est-à-dire un test

pour vérifier si la distribution de données est ou presque gaussienne. Si F1(x) est une fonction de
répartition des données d’une des variables à analyser et F0(x) celle d’une distribution théorique,
l’écart maximum entre les deux répartitions s’écrit :
Cet écart doit être inférieur à une valeur lue dans la table statistique de fonction de répartition de la
loi normale centrée réduite, pour que H0 soit acceptée.
Hypothèses de test
Les hypothèses nulle et alternative peuvent s’écrire :

H0 : La distribution des données est gaussienne ;
H1: La distribution des données n’est pas gaussienne.

Règle de décision
H0 est également rejeter si la signification asymptotique (α) donne une valeur inférieure à 0,05.
Si α <= 0,05 on accepte H1.
Tableau 5: Test de normalité
Ici, la signification asymptotique est inférieure à 0,05 pour chacune des variables :
Conclusion :
On peut dire que les distributions des données ne sont pas gaussiennes. En d’autre terme, les
courbes des distributions des variables quantitatives n’ont pas l’allure de celle de la loi normale.
I.1.3 Test d’ajustement de Khi-deux
Le test d’ajustement de khi-deux (χ²) compare la distribution de fréquences d’un

échantillon1 de ménages par rapport à la distribution de fréquences attendues (théoriques). Il est
utilisé lorsque la procédure de mesure permet de classer les individus en plusieurs catégories. Ce
sont donc les variables nominales à plusieurs niveaux de réponses qui sont concernées. La valeur
calculée du khi-deux étant égale à :
Avec = fréquence observée
= fréquence attendue (Expected)
= le nombre de catégories de la variable

Une fois les degrés de liberté et la valeur calculée du khi carré connus, on cherche dans la
table statistique de distribution du khi-carré, la valeur théorique à laquelle χ²Calculé est comparée.
1 : En parlant d’échantillon, l’allusion est faite à l’ensemble des ménages ayant favorablement répondu à une modalité donnée.
Hypothèses de test
H0 : la distribution observée n’est pas significativement différente de la distribution

théorique ;
H1 : la distribution observée est significativement différente de la distribution théorique.
Règle de décision
Les hypothèses sont telles que :

Si χ² calculé < χ² théorique ou bien α>=0, 05, on accepte H0 ;
Si χ² calculé >= χ² théorique ou bien α<0, 05, on accepte H1.
Tableau 6: Test de Khi-deux
Conclusion
La lecture sur la table statistique de khi-deux donne les valeurs théoriques : 21, 026 pour la
variable DEPT, 7,81 pour la variable EMPLACEMENT_LIEU_EXPLOITATION, et 16,91 pour
APPRO_EAU. Ainsi, la remarque est que dans tous les cas, χ²calculé est strictement supérieur (>) à
χ² , donc on accepte l’hypothèse alternative H1. En plus de cela, la signification asymptotique
théorique
(α) est inférieure à 0,05 pour toutes les variables. Donc, on peut dire que la distribution observée
des ménages issues des variables telles que DEPT, EMPLACEMENT_LIEU_EXPLOITATION et
APPRO_EAU est significativement différente des distributions théoriques associées à chacune de
ces variables.
Le but de ces tests était de tester les discriminations entre les variables qualitatives à deux
niveaux ; de tester la normalité des variables quantitatives mais aussi de vérifier l’existence ou non
d’une coïncidence entre la fonction de répartition d’une variable qualitative à plusieurs niveaux et
sa distribution théorique.

I.2 Description sociodémographique des ménages maraîchers
I.2.1 Description de la variable DEPT
Cette analyse permet la description et la représentation des ménages maraîchers selon les
départements des zones étudiées. Le tableau ci-dessous établit la structure de la base de données
en fonction des départements que sont :
Dakar, Pikine, Rufisque, Guédiawaye, Thiès, Tivaouane, Mbour, Louga, Lingère, Kébémère
et Saint Louis (Zone des Niayes) ;
Podor et Dagana (Vallée du fleuve Sénégal).
Tableau 7: Effectifs de la variable DEPT Figure 1 : Répartition des ménages par
Département
La base de données, dans sa totalité comporte mille dix-huit (1018) ménages qui sont répartis
dans les treize (13) départements précités.
La remarque faite est que, parmi les ménages qui pratiquent le maraîchage, la majorité habite la
région de Thiès et sont répartis de la façon suivante : 29,37% dans le département de Tivaouane,
25,74% dans le département de Mbour, et 13,46% dans le département de Thiès. Les
départements de Louga et de Rufisque sont plus ou moins bien représentés avec respectivement
7,96% et 6,88%. La région de Saint Louis, est peu représentée (4,62% pour Podor; 4,52% pour
Dagana et 4,32% pour Saint Louis). Les départements de Linguère, de Dakar, de Kébémère,
Pikine et Guédiawaye sont très mal représentés avec respectivement des pourcentages de moins
de 2% (1,28% ; 0,29 ; 0,69 ; 0,49 ; 0,39). Les discriminations observées entre les ménages
agricoles des départements de Thiès, Tivaouane et Mbour et les autres départements peuvent
s’expliquer par les nombreuses potentialités hydrauliques et pédologiques de ce grand pôle
agricole (la région de Thiès). Il s’y ajoute que les types de sols, diversement appréciés en
maraîchage, ont des finalités d’une localité à une autre.

I.2.2 Description de la variable SEXE
Depuis toujours, le genre reste un facteur bloquant dans le secteur Agricole. Les
informations qui résultent de sa variabilité invoquent une nette inégalité entre les chefs de
ménages agricoles hommes et femmes.
Tableau 8: Effectif de la variable SEXE Figure 2: Répartition des ménages selon le genre
Ainsi, la quasi-totalité des chefs de ménages maraîchers est de genre masculin (soit 94,1%) ; Alors
que la féminité n’est représentée que par 5,9%.
I.2.3 Description de la variable AGE
D’après le RGPHAE 2013, l’âge a une forte influence sur la capacité d’exploitations des terres
dans la zone des Niayes mais aussi dans la Vallée du fleuve Sénégal.
Tableau 9: Description de la variable AGE Figure 3 : Histogramme de la variable AGE
L’âge est un caractère très important pour la description des ménages maraîchers. Ainsi,
l’analyse montre que, les mille dix-huit (1018) chefs de ménages ont des âges variant entre 24 et
77 ans et ont en moyenne, 49,49 ans soit 50 ans.

Dans ce sens, constatons que, le mode est quasiment égale à la médiane et à la moyenne ;
ce qui signifie que la distribution est quasi-symétrique. Il s’avère aussi qu’au plus, 25% des
ménages maraîchers dans ces zones ont 40ans. Cependant, on observe un écart type assez faible
par rapport à la moyenne. Ce qui dit que la majorité des chefs de ménages sont conforment du
point de vu âge.
I.3 Description des facteurs de productivité des ménages maraîchers
I.3.1 Description de la variable NBRET_PARCELLES_EXPLOITEES (nombre

total de parcelles exploitées par le ménage en 2012-2013)
La répartition des parcelles d’exploitations maraîchères dans les Niayes et dans la vallée du
fleuve Sénégal est très diversifiée.
Tableau 10:Description de NBRET_PARCELLES Figure4 : Histogramme pour NBRET
EXPLOITEES par le ménage en 2012-2013 PARCELLES_EXPLOITEES par le

ménage en 2012-2013
Ainsi, le nombre total de parcelles exploitées par un ménage en 2012-2013 est compris
entre zéro (0) et dix (10) avec un nombre moyen de trois (3) par ménage. L’erreur standard de la
moyenne donne une valeur inférieure à 20% soit 0,065 ce qui valide la stabilité de la valeur de la
moyenne. En effet, il y’a autant de ménages ayant un nombre total de parcelles strictement
inférieur à trois (3) que de ménages ayant un nombre total de parcelles strictement supérieur à
trois (3) parcelles. Par ailleurs, au moins 25% des ménages ont deux (2) parcelles à exploitées. Et
au plus, 75% des ménages possèdent au total quatre (4) parcelles à exploitées.
Cependant, force est de constater que l’impact de la spéculation foncière, constitue un souci
majeur pour tout pratiquant agricole.

I.3.2 Description de la variable SUPT_PARCELLES des exploitations de ttes les

spéculations en ha (Superficie totale des parcelles de l’exploitation « de toutes les
spéculations confondues en ha »)
Pour chaque culture maraîchère considérée, la superficie totale enregistrée dans les parcelles
reflète une grande importance.
Tableau 11: Description de la variable SUPT_ Figure 5: Histogramme de la variable
PARCELLES des exploitations de SUPT_PARCELLES des exploitations

ttes les spéculations en ha de ttes les spéculations en ha
Cette superficie totale varie de zéro (0) à dix-sept (17) hectares (ha) selon les ménages et
en moyenne, une exploitation occupe 3,78 ha. Cette valeur de la moyenne est bien stable du fait de
son erreur standard qui est inférieure à 20%. L’analyse descriptive montre qu’il y’a autant de
ménages dont la superficie totale des parcelles pour une exploitation est inférieure à trois (3) ha
que de ménages dont cette superficie totale est strictement supérieure à trois (3) ha. Mais aussi la
majorité des ménages possède des parcelles de deux (2) ha de superficie.
I.3.3 Description de la variable SUPT_PARCELLES_EXPOITEES par le ménage en

2012-2013 (Superficie total des parcelles exploitées par le ménage en 2012-2013)
La spéculation foncière reflète une grande importance sur la pratique agricole d’une manière
générale avec notamment les superficies d’exploitations qui varient d’un pratiquant à un autre.
En moyenne, un ménage a quatre (4,03) ha de parcelles exploitées. Mais aussi, il y’a autant de
ménages qui exploitent une surface inférieure à trois (3) ha de terre que de ménages qui exploitent
une surface supérieure à trois (3) ha.

Tableau 12: Description de SUPT_PARCELLES Figure 6: Histogramme de SUPT_PARCELLES

_EXPLOITEES en 2012-2013 _EXPLOITEES en 2012-2013
Au moins les ménages ont zéro (0) ha et au plus cent (100) ha de parcelles à leur possession.
Au plus 25% des ménages font leur pratiques maraîchères en deux (2) ha de parcelles. On constate
aussi qu’il y’a autant de ménages accédant à trois (3) ha de parcelles que de ménages ayant trois
(3) ha de parcelles pour les pratiques maraîchères.
I.3.4 Description de la variable EMPLACEMENT_LIEU_EXPLOITATION

(Emplacement du principal lieu d’exploitation « parcelles, lac/fleuve, zones, sites,
mer, étables, etc. »)
L’occupation par les ménages maraîchers d’un espace exploitable diffère et dépend selon les
départements. Ainsi, les ménages développent les cultures hors ou dans la concession ; mais aussi
hors ou dans le village/quartier.
Tableau 13:Effectifs de EMPLACEMENT_LIEU Figure 7:Répartition des ménages selon
_EXPLOITATION EMPLACEMENT_LIEU_EXPLOITATION
La plupart des ménages (53,1%) développent le maraîchage hors de leur village ou quartier. Dans
les villages ou quartier, 32,2% des ménages y pratiquent le maraîchage.

A l’extérieur de la concession ou environnement immédiat du ménage, 12,6% y font le

maraîchage ; Mais aussi 2,1% des ménages ont des exploitations au niveau de leur concession.
I.3.5 Description de la variable « CULTURE »
La variable CULTURE est une variable qui englobe toutes les variables se référant à la
pratique maraîchère dans la base de données. Cette stratégie est utilisée dans le but de ne pas
rendre volumineux le document, mais aussi de restreindre l’information que portent ces cultures.
En effet, un ménage maraîcher peut exploiter une ou plusieurs cultures dans une contre saison
sèche donnée.
Tableau 14 : Spéculations observées selon les contres saisons sèches
Tableau 15: Pourcentage pour chaque culture observée selon les contres saisons sèches
Cependant, deux mille sept cent cinquante-sept (2757) exploitants maraîchers font la
pratique maraîchère (des cultures qui sont dans le tableau ci-dessus) en CSSF. Alors que deux
mille sept cent trente-quatre (2734) exploitants le font en CSSC avec ces mêmes cultures. Ainsi
constatons que le nombre d’exploitants2 maraîchers est supérieur au nombre total de ménages
étudiés.
2: Notons que dans ce cas, un ménage exploitant maraîcher peut pratiquer une ou plusieurs cultures à la fois.
Figure 8 : Description de la variable « CULTURE »

Ces résultats montrent que la pratique maraîchère est plus développée en CSSF qu’en
CSSC. Cette situation est facilement compréhensible du fait de l’inadéquation de certains légumes
à des températures élevées.
I.3.6 Description de la variable NBRET_ANES (nombre total d’ânes)
Traditionnellement au Sénégal, la pratique culturale se fait généralement avec des animaux

dans les travaux champêtres. Dans cette optique, il est évident d’observer que l’âne n’est pas bien
sollicité par les pratiquants maraîchers. L’analyse montre qu’en moyenne chaque ménage dispose
d’un âne comme animal de trait; mais aussi le nombre d’ânes possédés par un ménage maraîchers
est compris entre zéro (0) et deux (2). En effet, au moins 25% des ménages n’utilisent pas l’âne
(0%) dans les travaux de pratiques maraîchères; Mais aussi il y’a autant de ménages n’ayant pas
d’âne que de ménages ayant strictement plus d’un âne.
Tableau 16: Description de la variable NBRET_ANES Figure 9 : Histogramme de la variable
NBRET_ANES
Ces résultats pourraient s’expliquer par le fait que l’ensemble des régions considérées se trouve
soit dans la zone urbaine soit dans la zone périurbaine du pays.
I.3.7 Description de la variable NBRET_CHEVAUX (nombre total de chevaux

utilisé dans les champs)
Le cheval, un animal dynamique et très efficace, permet tout comme l’âne d’aider dans les
travaux de pratique maraîchère. Néanmoins, la remarque est que le nombre total de chevaux utilisé
dans les champs est plus ou moins faible.

Tableau 17:Description de NBRET_CHEVAUX Figure 10:Histogramme de NBRET_CHEVAUX
Le nombre total de chevaux est au plus égal à deux (2) avec une majorité qui n’en possède
qu’un seul (1). Parallèlement donc à l’âne, le cheval n’est pas bien sollicité dans les pratiques
culturales maraîchères.
I.3.8 Description de la variable POSS_HOUE (possession d’une houe)
Les tendances générales témoignent que la quasi-totalité des ménages maraîchers résidant
les Niayes et la vallée du fleuve font l’option d’utiliser la houe comme outils d’aide dans leurs
pratiques.
Tableau 18:Effectifs de POSS_HOUE Figure 11: Description de POSS_HOUE
Ainsi, la houe est fortement sollicitée du fait que 81,6% des ménages ont répondu favorablement à
son utilisation. Les 18,4% des ménages restant ont choisi d’autres outils dans leurs pratiques
maraîchères.
I.3.9 Description de la variable POSS_CHARRETTES (possession de charrettes)
La charrette maraîchère sert au transport des productions de légumes. Son utilisation est
favorable pour une bonne partie des ménages exploitants des Niayes et de la vallée du fleuve.

Tableau 19:Effectifs de POSS_CHARRETTES Figure 12:Description de POSS_CHARRETTES
Ainsi, un pourcentage de 74,6% de ménages pratique sa culture avec l’aide de charrettes ; les
autres 25,4% représentent les ménages qui n’en font pas usage.
I.3.10 Description de la variable ORG_PRODUCTEURS (participation à des

organisations de producteurs)
Les maraîchers, en dehors des pratiques culturales, se rassemblent afin de s’organiser dans
des organisations paysannes.
Tableau20 : Effectifs de la variable ORG_PRODUCTEURS Figure13 : Répartition des ménages
selon ORG_PRODUCTEURS
Dans ce sillage seulement 23,2% des exploitants maraîchers adhèrent à ces organisations. Mais un
pourcentage de 76,8% des ménages s’abstient à ces organisations.
I.3.11 Description de la variable APPRO_EAU (Mode d’approvisionnement en eau)
Puisque l’étude s’intéresse au maraîchage en contre saison sèche ; il est plus que jamais
important de s’intéresser sur la provenance de l’eau qui sert à l’arrosage des champs de légumes.

Tableau 21 : Effectifs des ménages selon la Figure 14 : Répartition des ménages
Variable APPRO_EAU
selon la variable APPRO_EAU
Par ordre d’accessibilité, les puits non protégés sont les plus fréquemment utilisés avec
25,93% des ménages. On peut comprendre cette situation, car la plupart des ménages font leurs
pratiques hors du village ou du quartier. Ensuite, 22% de ces ménages sont à l’usage de robinets
publics ou bien des bornes fontaines. Un pourcentage de 19,84% de ménages dépend des robinets
qui sont dans les logements et 15,62% des ménages, des robinets dans les cours ou parcelles. Les
puits protégés sont utilisés par 11,59% des ménages. Les puits à pompe ou à forage, les vendeurs
d’eau, les eaux de pluies, les sources ou cours d’eau et autres sont autant de sources
d’approvisionnement servant à l’arrosage pour les maraîchers.
I.3.12 Description de la variable HOUE_CHARRUE_SEMOIR (possession de houe,

charrue ou semoir)
Les méthodes artisanales persistent toujours dans les travaux de pratiques maraîchères
dans les Niayes et dans la Vallée du fleuve.
Tableau 22: Effectifs de HOUE_CHARRUE_SEMOIR Figure 15:Répartition des ménages selon
HOUE_CHARRUE_SEMOIR

Ainsi, un pourcentage de 70% de ménages fait usage à la houe, à la charrue, mais aussi au semoir.
Il y’a également 30% des ménages qui utilisent d’autres outils.
I.3.13 Description de la variable CALECHE_CHARRETTE
La calèche et la charrette sont des moyens qui peuvent servir au transport dans les champs.
Elles sont massivement utilisées et sont d’une grande importance pour la récolte de légumes.
Tableau 23:Effectifs de CALECHE_CHARRETTE Figure 16: Répartition des ménages selon la
variable CALECHE_CHARRETTE
Ainsi, 71,3% des ménages les utilisent, tandis que les 28,7% optent pour d’autres outils.
I.3.14 Description de la variable ANIMAUX_TRAIT
Les autres animaux de trait, tout comme l’âne et le cheval, sont bien adaptés aux travaux
champêtres. Les résultats ci-dessous le confirment.
Tableau 24: Effectifs de ANIMAUX_TRAIT Figure 17: Répartition des ménages selon
la variable ANIMAUX_TRAIT
Les ménages ont répondu favorablement à l’utilisation des animaux de trait. Ainsi, 80,06% d’entre
eux l’ont confirmé. Par contre, il y’a 19,94% des ménages qui ne les utilisent pas.

II. sANALYSE BIVARIEE SUR LES VARIABLES
Les analyses bivariées ont pour objectifs de spécifier les relations et interactions entre les
couples de variables quelque soit leurs natures. En effet, il s’agit donc d’analyse relationnelle.
Dans cette partie on s’intéresse à trois (3) cas de tests de relations :
Test d’indépendance de Khi-deux;

ANOVA à un facteur ;
Test de Corrélation.
II.1 Test d’indépendance de khi-deux
Le test d’indépendance du khi-carré (l’écriture anglaise est « chi-square ») a été développé

par Karl PEARSON (1857-1936). C’est un test qui permet de répondre à la question suivante : les
observations des ménages selon le département d’origine et l’emplacement du lieu d’exploitation
permettent-elles de conclure à l’indépendance de ces variables ? Il s’applique, comme le test
d’ajustement de khi-deux, à des variables nominales à plusieurs niveaux de réponses.
Hypothèses de test : Les hypothèses qui se posent sont:
H0 : les deux variables qualitatives sont indépendantes : les emplacements des parcelles ne
sont pas liés aux départements ;
H1 : les deux variables qualitatives sont dépendantes : les emplacements des parcelles sont
liés aux départements.
Règle de décision
Si χ² calculé < χ2 théorique, on accepte H0 ou bien α>=0,05 ;

Si χ² calculé >= χ² théorique, on accepte H1 ou bien α<0,05.
Tableau 25: Test d’indépendance de Khi-deux
Conclusion
Dans les deux (2) tableaux, la signification asymptotique (α) est inférieure à 0,05 ; Aussi, la
valeur calculée de khi-deux est toujours supérieure à sa valeur théorique, donc on rejette

l’hypothèse H0. On peut conclure à l’issu de ce test, que les emplacements des parcelles sont bel et
bien liés aux zones de cultures (départements).
Le diagramme suivant est généré par le test de khi-deux, et permet de visualiser la représentation
des ménages selon l’emplacement du lieu d’exploitation et du département.
Figure 18 : Test de khi-deux entre EMPLACEMENT_LIEU_EXPLOITATION et DEPT
Quasiment, dans presque tous les départements, l’activité maraîchère est faite hors du
village. Cependant, au niveau des départements de Mbour et Rufisque, la plupart des parcelles sont
emplacées dans les villages. De même, le département de Louga fait exception, car généralement
les ménages exploitent des parcelles à l’extérieur de leurs concessions ou environnement
immédiat.
II.2 Analyse de la variance à un facteur (ANOVA)
L'analyse de la variance à un facteur, est associée à un test statistique qui permet de

comparer les moyennes de plusieurs groupes d’individus et de se prononcer sur une différence ou
une similarité entre ces moyennes. Il s'agit de vérifier si une variable quantitative a des valeurs
significativement différentes selon les modalités d'une variable qualitative.
Hypothèses de recherche : Nous allons tester l’hypothèse nulle lorsque plus de deux
moyennes sont confrontées.
H0 : Les moyennes dans les modalités sont semblables. Les ménages pratiquants maraîchers
proviennent d’une même population ;
H1 : Il y a une différence entre les moyennes ; c'est-à-dire qu'au moins une des moyennes est
différente des autres. Les ménages pratiquants ne proviennent pas d’une même population.

Règle de décision : SPSS donne avec la procédure ANOVA à un facteur (Comparaison

des moyennes), la valeur de la probabilité de risque de se tromper sur le choix de H0 (Il faut noter
que Ho fait toujours l’objet du test). Cette probabilité est notée signification asymptotique α.

Si α <= 0,05 on rejette H0.
Tableau 26: ANOVA entre les variables AGE et APPRO_EAU
L’analyse montre qu'il y a une différence significative entre les moyennes des modalités de
la variable APPRO_EAU, c'est-à-dire qu'au moins une des moyennes est différente des autres. Ceci
traduit donc qu’il y’a bel et bien une relation entre les variables AGE et APPRO_EAU. Ainsi, on
constate qu’effectivement, les méthodes d’approvisionnement en eau sont influencées par les âges
des chefs de ménages. En d’autre terme, selon que le chef de ménage soit jeune, adulte ou vieux, les
méthodes de s’approvisionner en eau pour les cultures changent.
II.3 Test de corrélation de PEARSON
Cette section traite la question suivante : Comment peut-on tester l’hypothèse nulle de
l’absence de relation linéaire entre deux variables quantitatives (pour ce cas : AGE et NBRET_
PARCELLES_EXPLOITEES par le ménage en 2012-2013)? Il convient au préalable de rappeler
que la corrélation est une méthode d’analyse bivariée qui sert à croiser deux variables, afin de
détecter l’existence d’une relation entre elles. Le coefficient de corrélation est une valeur qui varie
entre -1 et 1, il mesure à quel point ces deux (2) variables sont liées en cherchant les corrélations
linéaires.
Hypothèses de test
Il n'y a pas de relation entre les variables ;

Il existe une relation linéaire entre les deux variables.
Règle de décision : SPSS donne, avec la procédure Corrélation bivariée (recherche de

liaison entre les variables), la probabilité de risque de se tromper sur le choix de H 0 (Il faut noter
que H0 fait toujours l’objet du test). Cette probabilité est notée α ou signification asymptotique.
H0 : Le coefficient de corrélation entre AGE et NBRET_PARCELLES_ EXPLOITEES est

égal à zéro (0). Les deux variables sont indépendantes ;
H1 : Le coefficient de corrélation entre AGE et NBRET_PARCELLES_ EXPLOITEES est
différent de zéro. Les deux variables sont dépendantes.

Tableau 27 : Corrélation entre les variables AGE et NBRET_PARCELLES_EXPLOITEES par le

ménage en 2012-2013
La valeur 0,116 du coefficient de corrélation obtenue, est positive et faible (par rapport à
un). On peut donc dire que l’exploitation des parcelles est un facteur qui est faiblement lié à l’âge
du chef de ménage. Par ailleurs, la signification bilatérale donne comme valeur 0,000 et donc il
y’a l’existence d’une relation entre l’âge et le nombre total de parcelles exploitées par les ménages
en 2012-2013. Donc l’existence de relation entre l’âge et le nombre de parcelles exploitées est
vérifiée.
La description bivariée et la mise en évidence d'une corrélation ne suffisent pas pour
montrer qu'il y a une relation causale entre deux variables. En effet, la corrélation entre deux
variables, aussi intense soit-elle, peut toujours être due à une troisième variable cachée. Ce sont
donc les méthodes d’analyse exploratoires multidimensionnelles qui nous permettront d’aboutir à
des résultats plus détaillées.
III. ANALYSE FACTORIELLE EXPLORATOIRE
L’Analyse en Composantes principales (ACP) fait partie du groupe des méthodes

d’analyses descriptives multidimensionnelles appelées méthodes factorielles. On désigne par
statistique descriptive multidimensionnelle l'ensemble des méthodes de la statistique descriptive
(ou exploratoire) permettant de traiter simultanément un nombre quelconque de variables (il s'agit
d'aller au-delà de l'étude d'une seule ou de deux variables). Ces méthodes consistent à rechercher
des facteurs en nombre restreint et résumant le mieux possible les données considérées. Elles
visent à regrouper un nombre important de variables (facteurs) afin de détecter d’éventuelles
relations entre ces variables. Dans chaque méthode que nous allons développer, les variables
considérées seront de même nature: toutes quantitatives ou ordinales (Analyse en Composantes
Principales : ACP) ou toutes qualitatives (Analyses factorielles des Correspondances : AFC et
ACM).
III.1 Analyse en Composante Principale (ACP)
Il est choisi de faire l’ACP, dans la mesure où elle permet d'expliquer une grande partie de
la variance avec un nombre réduit de facteurs. Dans le cadre de cette étude, on a des variables
quantitatives et qualitatives nominales. Ceci dit qu’on va passer à un processus de binéarisation
qui permettra de transformer les variables nominales en variables binaires qui auront les mêmes

caractéristiques que les variables quantitatives. Ce processus de binéarisation concerne les

modalités des variables dont le pourcentage de ménages dépasse 10% ou bien au minimum 8% ;
toutes les autres étant écartés à subir cette transformation.
Présentation des résultats de l’ACP
Indice KMO et Test de BARTLETT
L’indice KMO varie entre 0 et 1. Dans le tableau de résultats suivant, il correspond à la

mesure de précision de Kaiser-Meyer-Olkin et est égale à 0,916. C’est une valeur merveilleuse
voire même méritoire; On peut par ailleurs envisager d’avoir un excellent résumé de l’information
sur les premiers axes factoriels.
Hypothèses de test
H0 : La matrice de corrélation n’est pas significativement différente de la matrice identité ;

H1 : La matrice de corrélation est significativement différente de la matrice identité.
Tableau 28: Indice KMO et test de Bartlett
Le test de sphéricité de Bartlett mesure l'adéquation de l'échantillonnage (formé par les

ménages de l’ensemble des variables sélectionnées pour subir l’ACP) et si la matrice de
corrélation est une matrice identité. Puisque la signification asymptotique (Sig.) tend vers 0,000,
on accepte l’hypothèse alternative de test (H1). On peut ainsi s’assurer que la matrice de
corrélation est significativement différente de la matrice identité. Ce qui traduit donc l’existence
de facteurs ou composantes principales.
Qualité de la représentation
Tableau 29: Qualité de la représentation

La qualité de représentation donne la contribution de chaque variable de culture. Ainsi,

lorsque la variance expliquée est trop faible, on doit choisir d’exclure certaines variables.
Elle permet de choisir les variables à éliminer. Ainsi, on observe leur qualité de représentation:
plus la valeur associée à la colonne « Extraction » est faible, moins la variable explique la
variance.
Variances expliquées
En effet, la règle voudrait qu’on étudie les composantes qui restituent un pourcentage
d’information proche de 75%.
Ou bien on choisit celles à qui leurs totaux de valeurs propres, dans le tableau des variances totales
expliquées, sont supérieurs à un (1).
Tableau 30 : Variance totale expliquée
Pour représenter l’ensemble des corrélations sur un plan factoriel, il est nécessaire de
choisir un nombre de facteurs égal à deux (2). Ainsi, le tableau de variance totale expliquée
illustre que 60,642% de toute l’information de la base de données se résume à deux cultures de
légumes (celles de l’oignon et l’aubergine amère) pratiquées en contre saison sèche froide
(CSSF).
Cependant, l’on peut juger ce pourcentage d’assez important puisqu’un ensemble de simulations a
été effectué pour observer sa variabilité. Pour cela, certaines variables binéarisées ont été utilisées
pour optimiser la chance d’avoir un pourcentage d’inertie cumulé acceptable.

Matrice des composantes
L’interprétation des facteurs ou composantes consiste à déterminer la combinaison de

variables, la plus associée à chacun des facteurs significatifs. Ceci a permis de baptiser les
facteurs. Pour ce faire, trois étapes sont suggérées:
Examen de la matrice des composantes (sans rotation)
Cette matrice contient les poids des variables sur chaque facteur. Ces poids sont en fait, les
corrélations entre les variables et les facteurs. Ils servent à interpréter le rôle de chaque variable
dans la définition de chaque facteur. Dans ce sens, plus ce poids est élevé, plus la variable est
représentative du facteur.
Dans le tableau, le premier facteur extrait est celui qui explique le plus de variance et est
donc la meilleure combinaison possible de variables. L’autre facteur à moins de variance
résiduelle à expliquer. Par conséquent, ils représentent des combinaisons de moins en moins
optimales, jusqu’à l’extinction de la variance à expliquer.
Examen de la matrice des composantes (après rotation)
Bien qu’intéressante, la matrice de corrélation n’est pas la plus parlante en termes

d’interprétation. Dans ce cas, est nécessaire d’effectuer une rotation des facteurs pour simplifier la
matrice corrélationnelle entre les facteurs et les variables.
La rotation des facteurs consiste à faire pivoter virtuellement les axes autour du point d’origine
dans le but de redistribuer plus équitablement la variance à expliquer. La solution factorielle alors
obtenue est plus simple à interpréter et est théoriquement plus pertinente que la solution sans
rotation. On utilise ainsi la méthode de rotation orthogonale « VARIMAX ». C’est une méthode
privilégiée parmi tant d’autres, lorsque l’on désire réduire le nombre de variables d’une matrice de
données en un plus petit nombre de facteurs non corrélés entre eux.
Identification du poids le plus élevé pour chaque variable
Dans cette étape, il s’agit d’identifier l’ensemble des variables ayant des corrélations avec
chacun des axes factoriels. L’ensemble des variables fortement liées à un facteur, définissent la
nature de l’information véhiculée par ce facteur. Ainsi, chaque facteur prend en compte un groupe
de variables. On dispose alors de deux groupes. Le tableau ci-dessous répartit les groupes de
variables définissant les deux facteurs retenus.

Tableau 31 : Répartition entre les variables et les facteurs
Baptême des facteurs
Les deux facteurs s’opposent par rapport à la nature des informations véhiculées par les
variables spécifiquement liées à eux. Le premier facteur prend plus en compte les cultures
pratiquées en contre saison sèche froide, comme l’oignon, la tomate, l’aubergine douce, le navet et
la pomme de terre. Ces mêmes cultures sont aussi pratiquées en contre saison sèche chaude mais
inversement car celles cultivées en CSSF seront cultivées en CSSC et vice versa.
Tableau 32: Matrice des composantes
Cependant, on constate que toutes les cultures sont pratiquées selon les deux contres saisons
sèches. Ce résultat pouvait être attendu du moment où toutes les cultures étudiés sont à usage
quotidien par les ménages et sont vendues de façon permanente sur le marché.
Carte factorielle (avec rotation VARIMAX)
C’est la carte qui résume les ménages par critère de ressemblance. Elle laisse apparaître
deux (2) groupes ou facteurs de ménages3.

Le premier facteur (coordonnées positives par rapport à la composante 1) regroupe les ménages
maraîchers qui cultivent en CSSF, le navet, la pomme de terre, l’aubergine douce, la tomate et
l’oignon ; avec ceux qui font la pratique du chou, de la carotte et de l’aubergine amère en CSSC.
Cette tendance met aussi en exergue une affinité entre les pratiques des aubergines amère et douce
selon les contres saisons sèches.
Figure 19: Carte factorielle de l’ACP avec rotation VARIMAX
Le deuxième facteur (coordonnées positives par rapport à la composante 2), on note les
mêmes tendances pour les aubergines, mais aussi des ressemblances entre les ménages pratiquants
du chou et de la tomate aussi bien en CSSC qu’en CSSF. Le groupe de ménages formé par ce
facteur fait la pratique du chou, de la carotte et de l’aubergine amère en CSSF et celle du navet,
de la pomme de terre, de l’aubergine douce, de la tomate et de l’oignon en CSSC.
3 : Toutes les cultures pratiquées en CSSF sont aussi pratiquées en CSSC et vice versa.
L’ACP a permis de déterminer les pratiques maraîchères les plus usuelles chez les ménages dans
les Niayes et dans la vallée du fleuve. L’exploration des corrélations inter variables a abouti à la
construction de deux facteurs (bloc de variables fortement liées). Finalement, deux facteurs ont
été retenus, et s’opposant selon les périodes de pratiques. Le facteur un (1) prend plus en compte
les cultures maraîchères pratiquées en CSSF alors que le facteur deux (2) ne prend plus en compte
que celles pratiquées en CSSC.
Dans la phase suivante, l’objectif sera de déterminer les profils de ces deux groupes à travers une
Analyse Factorielle des Correspondances Simples.
III.2 Analyse factorielle des correspondances simples(AFCS)
L'AFCS est une méthode exploratoire d'analyse sur des tableaux de contingences. Elle
permet de résumer un grand tableau de contingence en un nombre de dimensions (facteurs) très

réduit. Pour pouvoir faire cette analyse, on s’est basé sur l’ensemble des variables de cultures de la
base de données d’étude, qu’on concentre dans une seule variable CULTURE. L’objectif de
l’analyse est d’élucider les grandes pratiques maraîchères dans les départements les plus potentiels
dans la zone des Niayes et dans la Vallée du fleuve.
La base de données disposée a été restructuré pour en faire une transformation par un tableau de
contingence, qui seul peut être associé à une AFCS. Avant cela, une pondération des effectifs a été
effectué afin d’allouer à chaque quotas de ménages, le département concerné. La procédure
d’AFCS, réalisée (Voir ANNEXE2, Page 66), suppose l’existence de deux (2) variables
catégorielles : DEPT (portant toutes les localités concernées en lignes) et la variable CULTURE
(portant toutes les pratiques de cultures maraîchères). A la suite du lancement de la procédure, des
résultats ont été obtenus.
Ci-dessous, se trouvent les grandes lignes d’analyse et d’interprétations de ces derniers.
Analyse des profils des variables catégorielles
Analyse des profils en Contre Saison Sèche Froide (CSSF)

Correspondance entre les variables catégorielles (DEPT et CULTURE)
Le tableau des correspondances est un tableau de croisement explicitant les effectifs

conjoints associés aux modalités de chacune des deux variables catégorielles (DEPT et
CULTURE).
Tableau 33: Tableau des correspondances DEPT/ CULTURE en CSSF
Les effectifs observés montrent que les cultures les plus développées dans les zones
étudiées sont dans l’ordre, l’oignon, la tomate, le chou, l’aubergine douce, l’aubergine amère, le
navet, la carotte, le concombre et la pomme de terre. Les départements sont appelés points lignes
et les cultures sont appelées points colonnes. Ainsi, on peut déterminer la structure des tableaux
profils lignes et profils colonnes.

Tableau résumé de l’AFCS en CSSF
C’est le tableau de départ de l’AFCS qui donne les dimensions. Il y’a autant de dimensions
(facteurs) que de modalités de la variable en colonne.
Tableau 34: Tableau résumé DEPT/CULTURE en CSSF
L’inertie est la quantité moyenne d’information véhiculée par un ménage dans un département
donné en fonction de ses pratiques culturales. Elle est quantifiée par les valeurs propres au niveau
de chaque facteur, ainsi, chaque facteur possède sa valeur propre. La racine carré d’une valeur
propre est appelée valeur singulière. Celle-ci signifie le degré d’importance du facteur. De ce fait,
les trois (3) premières facteurs véhiculent 82,9% de la quantité totale d’inertie véhiculée par tous
les ménages de la base de données. Le test de khi-deux effectué ici (qui donne une valeur de
451,041) est appliqué pour mesurer le degré d’association des facteurs. Et la valeur du coefficient
de corrélation des axes (-0,002) montre qu’en réalité, la pratique culturale est indépendante des
départements du point de vu global. Ceci étant dit, on retient qu’en CSSF, dans un cadre général,
les pratiques culturales changent d’un département à un autre et qu’aucun département n’est
forcément lié à des cultures maraîchères.
Caractéristiques des points lignes DEPT en CSSF

Tableau 35 : Caractéristiques des points lignes DEPT en CSSF
À l’aide de ce tableau, on essaye de donner une signification aux deux axes. On cherche
ainsi, les modalités qui se distinguent et les points-lignes ayant les plus fortes contributions à
l’inertie de dimension permettront de donner un sens aux axes.

Le premier facteur à l’inertie de point de dimension prend en compte les distributions des
départements de Mbour, Tivaouane et Louga, alors que le deuxième facteur prend en compte les
distributions des départements de Saint-Louis, Thiès et Louga. En réalité, seul le département de
Louga a été tenu en compte par les deux (2) axes de point à l’inertie de dimension. Cela est dû au
fait que ce département renferme une quantité importante d’informations concernant la pratique
maraîchère.
Cependant, en observant les contributions des dimensions à l’inertie des points, on peut retenir
pour le premier axe, tous les départements considérés à l’exception de Saint Louis et Thiès. Pour le
deuxième axe, on retient Podor, Saint Louis, Thiès et Louga. Donc, on peut dire que seuls les
départements de Louga et Podor sont bien représentés par les deux (2) axes. En résumé, c’est le
département de Louga qui a été tenu en compte à la fois par les axes, de par sa contribution à
l’inertie mais surtout par sa place importante qu’on peut déduire à partir des dimensions à l’inertie
des points.
En conséquence, à partir de ces tendances, on peut visualiser le diagramme des points lignes ci-
dessous. Celui-ci traduit les mêmes scénarios en matière de contribution des départements retenus
sur les axes.
Carte factorielle de l’AFCS pour DEPT en CSSF
Le graphique ci-dessus visualise les projections dans le plan factoriel F des profils lignes
associés aux modalités de la variable DEPT.
Figure 20: Carte factorielle de l’AFCS pour DEPT en CSSF
Baptisons l’axe un (1) comme étant l’axe de la zone des Niayes et l’axe deux (2), celui de la vallée
du fleuve Sénégal.
La proximité des départements de Tivaouane, Rufisque et Louga par rapport à l’axe un (1)
confirme une ressemblance des ménages qui y résident du point de vu de la pratique. Ces

spécificités des ménages à pratiquer le maraîchage sont essentiellement dues aux méthodes et
techniques culturales mais aussi à l’humidité des sols surtout dans les départements de Tivaouane
(Fasse boye et Mboro) et Rufisque (Sangalkam).
Les attirances qui sont observées au niveau des départements de Thiès et de Podor peuvent
s’expliquer non pas par une proximité géographique mais plutôt par les particularités spécifiques
dans la pratique maraîchère. Le département de Mbour, étant très proche de l’axe des Niayes, est
éloigné des autres départements de cette zone ; cette situation serait due aux larges potentialités
liées aux sols, au climat et à la présence juvénile (notamment à Ndianda qui « est l’avenir du
maraîchage au Sénégal »).
L’axe Vallée du fleuve tient en compte les départements de Podor, Dagana et Saint Louis. Ainsi,
Saint Louis qui a toujours été considéré comme faisant partie de la zone des Niayes présente des
affinités par rapport aux départements de la vallée du fleuve. Ceci permet de dire que les ménages
agricoles maraîchers du département de Saint Louis sont bien adaptés aux techniques d’irrigation
comme les autres pratiquants de la région.
Caractéristiques des points colonnes CULTURE en CSSF
Le facteur un (1) de point à l’inertie de dimension prend en compte les cultures telles que
l’aubergine amère, le navet, et la pomme de terre alors que le second facteur tient en compte
l’aubergine, la carotte, le chou, et le concombre. Ainsi, aucune culture n’a été prise en compte par
les deux (2) axes de points à l’inertie de dimension.
Pour le premier facteur de dimension à l’inertie de point, il est mis en exergue la pratique
de l’aubergine amère, de la carotte, du chou, du navet, de l’oignon et de la pomme de terre.
Tandis que l’aubergine douce, la carotte, le chou, la pomme de terre et la tomate ont contribués
pour la construction du deuxième axe.
Tableau 36 : Caractéristiques des points colonnes CULTURE en CSSF
En résumé, on peut dire que seuls la carotte, le chou et la pomme de terre sont retenues à la fois
par les deux facteurs de dimension à l’inertie de point. Finalement, on peut retenir qu’aucune
culture n’a été tenue en compte à la fois par les axes tant par sa contribution à l’inertie que par sa

contribution à partir des dimensions à l’inertie de point. Cependant, la carte factorielle ci-dessous
est représentative et illustrative de ces tendances.
Carte factorielle pour CULTURE en CSSF
Le graphique ci-dessous visualise les projections dans le plan factoriel F des profils colonnes
associés aux modalités de la variable CULTURE en CSSF.
L’axe un (1) est baptisé zone des Niayes et l’axe deux (2), Vallée du fleuve Sénégal. La proximité
de points signifie que lorsqu'une modalité est proche d'une autre, les effectifs répondant aux deux
conditions sont plus nombreux que l'effectif qui aurait résulté d'une répartition proportionnelle.
Figure 21 : Carte factorielle de l’AFCS pour CULTURE en CSSF
Ainsi, de l’ensemble des ménages maraîchers pratiquants de l’oignon dans ces zones, la
plus grande partie (soit 89% des ménages) réside la zone des Niayes (Tivaouane, Mbour, Thiès,
Rufisque, Louga). Ensuite, on note une proximité de points profils sur l’axe un (1). Ce qui signifie
l’importance (dans l’ordre) des pratiques de la tomate, de l’aubergine douce, du chou, de
l’aubergine amère, du navet, de la carotte, de la pomme de terre et du concombre dans les
Niayes.
Dans la vallée du fleuve (les départements de Saint Louis, Podor et Dagana), le constat est que,
l’oignon est la principale culture développée par les maraîchers (10,71% de l’ensemble des
ménages maraichers étudiés).
Ensuite, s’y suit (par ordre d’importance), le chou, l’aubergine amère, le concombre, la tomate,
l’aubergine douce, la carotte, le navet et enfin la pomme de terre qui n’est quasiment pas
pratiquée dans cette zone.
Ces tendances observées aussi bien dans les Niayes que dans la vallée du fleuve, illustrent que,
chaque zone agro-écologique présente des réalités liées à la pratique maraîchère. Ces disparités
peuvent être dues aux méthodes de pratiques mais aussi aux types de sols et du climat reçu par la
zone.

Analyse des profils en Contre Saison Sèche Chaude (CSSC)
Tableau des correspondances (ou tableau de contingence) en CSSC
Tableau 37: Tableau des correspondances DEPT/CULTURE en CSSC
Ce tableau résulte du tableau de contingence issu de la restructuration des variables catégorielles

(DEPT et CULTURE en CSSC). Dans cette distribution, on obtient les effectifs de chaque
modalité pour ces variables catégorielles.
Tableau résumé
La quantité moyenne d’information véhiculée par un ménage dans un département donné en

fonction de ses pratiques culturales (l’inertie) est quantifiée par les valeurs propres au niveau de
chaque facteur.
De ce fait, seuls les trois (3) premiers facteurs amassent 94,5% de la quantité totale
d’inertie véhiculée par tous les ménages considérés. La valeur calculée du khi-deux est de 638,
382 ; elle mesure le degré d’association des facteurs.
Tableau 38 : Tableau résumé DEPT/CULTURE en CSSC
Le test est significatif avec une valeur du seuil de significativité asymptotique α <= 0,05 ; On
accepte donc l’hypothèse alternative de dépendance des facteurs. On constate globalement que la

corrélation entre les deux facteurs est faible et positive (0,054). Ceci traduit le fait que, seules
certaines pratiques culturales sont liées à certains départements. Ce qui justifie la faiblesse de la
dépendance entre les variables catégorielles.
Caractéristiques des points lignes pour DEPT en CSSC
Le premier facteur à l’inertie de points de dimension prend en compte les distributions des
départements de Rufisque, Mbour et Tivaouane, alors que le deuxième facteur ne prend en compte
que les distributions des départements de Saint Louis, Thiès et Louga. Ainsi, aucun des
départements n’est tenu en compte par les deux (2) axes de point à l’inertie de dimension. Donc
tout département est soit dans l’un des dimensions soit dans l’autre.
Tableau 39 : Caractéristiques des points lignes pour DEPT en CSSC
Néanmoins, en observant les contributions des dimensions à l’inertie de point, on retrouve tous les
départements sur le premier axe. Ainsi, pour le deuxième axe, il est maintenu les départements de
Saint Louis, Thiès et Louga.
Donc finalement ce sont les départements de Saint-Louis, Thiès et Louga qui contribuent à
la fois pour les deux facteurs dans le sens dimension à l’inertie de point. Enfin, on peut retenir
qu’aucun des départements n’est bien représenté selon sa contribution à l’inertie mais aussi à
partir des dimensions à l’inertie des points. Mais on peut considérer séparément selon les deux
contributions.
Les départements de Saint Louis, de Thiès et de Louga enregistrent les mêmes influences tout
comme les départements de Mbour, Rufisque et de Tivaouane. Ces deux axes opposent donc les
pratiques culturales selon la proximité des départements. Cependant, l’on note que les
départements de Louga, Thiès, Saint-Louis et Rufisque occupent une place importante parmi les
autres puisqu’ils sont bien tenus en compte par les deux dimensions (contribution de l’inertie au
point). En somme, on peut visualiser le diagramme des points colonnes ci-dessous.

Carte factorielle pour DEPT en CSSC
Ce diagramme des points lignes a pu être exploré à partir du score de la matrice des points
lignes (appelé coordonnées des points lignes) ; les points lignes étant les départements. Ainsi, ces
scores ont permis de situer chaque département dans l’espace circonscrit par les facteurs.
Des attirances sont notées sur l’axe un (1) ou axe zone des Niayes. En effet, la proximité des
départements de Tivaouane et de Mbour montre qu’effectivement ils sont dans les Niayes. Les
départements de Rufisque et Thiès et Louga s’y ajoute avec des contributions moyennes. Podor et
Dagana, et Saint Louis de la même manière figurent près de cet axe. Mais cette emplacement
n’est pas géographique, elle est plutôt due à des conformités entre des ménages qui habitent ces
trois départements et ceux qui habitent les Niayes du point de vue pratique maraîchère en CSSC.
Figure 22 : Carte factorielle de l’AFCS pour DEPT en CSSC
Une faible affluence anime l’axe deux (2) ou axe de la vallée du fleuve. Par ailleurs, le
type de ménages qui résident les localités comme Podor, Saint Louis et Dagana présente des
similarités avec les pratiquants maraîchers de la zone des Niayes en CSSC. En effet, le facteur le
plus limitant pour la production maraîchère dans le Nord du pays est la température élevée
pendant les mois les plus chauds de l’année (du mois d’Avril au mois de Juin).
Dans cette région, les plantations sont contraintes et sont généralement tardives. Il faut donc
remédier à ce problème, car pour la majorité des cultures maraîchères, la production d’assimilât
est maximum pour une plage de température comprise entre 17 et 23 °C. C’est à cet effet que les
ménages de ces départements ont mutés leurs méthodes de pratiques habituelles en ce sens qu’ils
soient conforment aux pratiquants de la zone des Niayes.

Caractéristique des points colonnes pour CULTURE en CSSC
La colonne « De point à l’inertie de dimension » du tableau 40, permet de distinguer que,

l’aubergine douce, la carotte, le chou, l’oignon et la tomate ont des caractéristiques communes qui
permettent de les regrouper suivant le premier facteur.
Tableau 40: Caractéristique des points colonnes pour CULTURE en CSSC
Le second facteur, regroupe les cultures comme l’aubergine amère, et la carotte. En ce qui
concerne la contribution des cultures « De dimension à l’inertie de point », on considère que le
premier axe prend en compte toutes les cultures sauf le navet ; alors que deuxième axe ne prend en
compte que les aubergines, la carotte, et le concombre.
Carte factorielle pour CULTURE en CSSC
Le graphique ci-dessous visualise les projections dans le plan factoriel F des profils
colonnes associés aux modalités de la variable CULTURE en CSSF. L’axe un (1) est baptisé zone
des Niayes et l’axe deux (2), Vallée du fleuve Sénégal.
La proximité de points signifie que lorsqu'une modalité est proche d'une autre, les effectifs
répondant aux deux conditions sont plus nombreux que l'effectif qui aurait résulté d'une répartition
proportionnelle. Ainsi, de l’ensemble des ménages maraîchers pratiquants de l’oignon dans ces
zones, la plus grande partie (soit 81,26% des ménages) réside la zone des Niayes (Tivaouane,
Mbour, Thiès, Rufisque, Louga). Ensuite, on note une proximité de points profils sur l’axe un (1).
Ce qui signifie l’importance (dans l’ordre croissant du nombre de ménages pratiquants) de la
pratique du chou, de la tomate, de l’aubergine amère, de l’aubergine douce, de la carotte, du
concombre, du navet et de la pomme de terre dans les Niayes.

Figure 23: Carte factorielle de l’AFCS pour CULTURE en CSSC
Dans la vallée du fleuve (les départements de Saint Louis, Podor et Dagana), le constat est
que, l’oignon reste la principale culture développée par les maraîchers (soit 18,73% de l’ensemble
des ménages maraichers étudiés). Ensuite, s’y ajoute (par ordre d’importance), la tomate,
l’aubergine douce, le navet, le chou, l’aubergine amère, le concombre, la carotte et enfin la
pomme de terre qui est faiblement pratiquée.
Ces tendances observées aussi bien dans les Niayes que dans la vallée du fleuve, illustrent que,
chaque zone agro-écologique présente des réalités liées à la pratique maraîchère. Ces disparités
peuvent être dues aux méthodes de pratiques mais aussi aux types de sols et du climat reçu par la
zone.
Cette partie a permis d’exposer l’ensemble des techniques de la statistique exploratoire

multidimensionnelle. La production de graphiques et indicateurs synthétiques a servi de résumer
les structures et principales caractéristiques de la base de données. Les méthodes d’analyses
multidimensionnelles proposées sont venues en complément les outils de la statistique uni ou
bidimensionnelle qui sont un préalable à une approche inférentielle et décisionnelle des données
étudiées.

CONCLUSION ET RECOMMENDATIONS
Le projet RGPHAE, auparavant appelé RGPH, consacré par l’arrêté primatoral N°7178 du
12 août 2010 portant sa création, est une opération fondamentale de collecte d’informations sur
l’état et la dynamique d’une population. Il a pour objectif de répondre aux besoins en statistiques
essentielles. Dans ce sillage, ce recensement a été d’un apport essentiel voire primordial à la
véracité des résultats de l’étude.
Il est favorable que les ménages pratiquants maraîchers dans les Niayes et Vallée du fleuve
développent leurs cultures hors du village ou du quartier et se servent principalement des puits non
protégés pour l’arrosage des parcelles de légumes avec soit l’aide de la houe, de la charrue, du
semoir, de la calèche ou de la charrette. Par ailleurs, l’adhésion des ménages agricoles (94,11%
des chefs de ménages sont de sexe masculin) de ces zones, à des organisations paysannes de
production fait défaut (seulement 23,18% des chefs de ménages font partie d’organisations
paysannes).
Après les analyses univariées et bivariées, l’analyse exploratoire multidimensionnelle a permis de

sélectionner des variables qui synthétisent le maximum possible, toute l’information divulguée
dans la base de données. A l’issu de ce processus statistique et informatique, la remarque est que
toutes les cultures sélectionnées pour cette étude sont pratiquées dans tous les départements
considérés de la zone des Niayes et de la Vallée du fleuve Sénégal à l’exception de la pomme de
terre.
Ainsi, après un baptême des facteurs, il est constaté qu’en Contre Saison Sèche Froide (CSSF), les
ménages maraîchers sont essentiellement concentrés (par ordre croissant des ménages maraîchers)
dans les départements de Tivaouane, Mbour, Thiès, Rufisque, Louga, Saint Louis4, Podor et
Dagana.
4 : L’affirmation qui considérait le département de Saint Louis comme faisant partie de la zone des Niayes est nettement contrariée
par les analyses de profils lignes (DEPT). Les résultats illustrent que ce département est plus conforme aux méthodes de pratiques
maraîchères des pratiquants de la vallée du fleuve Sénégal.
Ainsi, une importance absolue est accordée à la pratique de l’oignon dans ces zones (pratiqués
par 89% des ménages). Ensuite, suivent dans l’ordre, les pratiques de la tomate, de l’aubergine
douce, du chou, de l’aubergine amère, du navet, de la carotte, de la pomme de terre et du
concombre dans les Niayes et celles du chou, de l’aubergine amère, du concombre, de la tomate,
de l’aubergine douce, de la carotte, du navet et enfin de la pomme de terre (qui n’est quasiment
pas pratiquée) dans la vallée du fleuve.
En Contre Saison Sèche Chaude (CSSC), la même tendance est observée. Les ménages les plus
maraîchers résident les mêmes départements qu’en CSSF. Par contre, les pratiques culturales
diffèrent d’un département à un autre. En effet, l’oignon prend toujours le dessus avec 81,26% des
ménages.

Dans l’ordre croissant du nombre de ménages pratiquants des cultures données, on retient
le chou, la tomate, l’aubergine amère, l’aubergine douce, la carotte, le concombre, le navet et la
pomme de terre dans les Niayes et la tomate, l’aubergine douce, le navet, le chou, l’aubergine
amère, le concombre, la carotte et enfin la pomme de terre qui est faiblement pratiquée dans la
vallée du fleuve.
A cet effet, la grande remarque faite est que, la pratique culturale n’a aucune liaison avec les
départements étudiés. Elle est plutôt associée aux contres saisons sèches considérées.
Ainsi, il s’avère que la culture de légumes par les ménages n’est pas uniformément bien pratiquée
dans tous les départements étudiés. Ceci est sans doute dû à des facteurs explicites qui pourraient
faire l’objet d’un diagnostic profond. Pour cela des mesures (ou politiques) doivent être faites afin
de :
Favoriser le développement de toutes les cultures au niveau des départements de la zone des
Niayes et de la vallée du fleuve mais aussi de façon global dans tous les départements propices à
la pratique maraîchère ;
Veiller à ce que les femmes aient accès aux terres de cultures ;
Aider les maraîchers de la zone des Niayes et de la Vallée du fleuve Sénégal à faire leurs
pratiques dans les domiciles pour une intégration aux techniques modernes de pratiques horticoles
;
Faire en sorte que les cultures soient pratiquées dans tous les départements du Sénégal même
s’il existe des terres plus adéquates que d’autres pour le maraîchage ;
Aider les maraîchers à avoir des outils plus sophistiqués et plus rentables pour arriver à des
rendements beaucoup plus intéressants.
Ces recommandations, conformément aux réalités des résultats obtenus, sont compatibles aux
conclusions dégagées. En résumé, ces effets concluants font la preuve d’une rigueur dans les
méthodes d’analyses sélectionnées pour cette étude. Maintenant, il incombe aux décideurs d’en
faire usage afin d’atteindre les ambitieuses politiques qui prônent l’émergence économiques du
Sénégal.

ANNEXES
ANNEXE 1 : Organigramme de la DAPSA

ANNEXE 2 : Fenêtre des analyses et tests sous SPSS
Récapitulatif des observations Syntaxe informatique
Tests d’ajustements sous SPSS

Test Binomial Syntaxe informatique
Test de normalité sur les variables quantitatives Syntaxe informatique

Test de Khi-deux Syntaxe informatique
Analyse descriptive uni variée

Exemple de la variable SEXE Syntaxe informatique
Analyse descriptive bi variée

ANOVA sous SPSS Syntaxe informatique

Correlation de Pearson Syntaxe informatique
Test d’indépendance de Khi-deux Syntaxe informatique
Analyse en composante principale (ACP) sous SPSS

ACP avec rotation « VARIMAX » Syntaxe informatique

Analyse factorielle des correspondances simples (AFCS)

 Phases préliminaires pour l’AFCS
Agrégation des variables Syntaxe informatique
Restructuration des variables Syntaxe informatique
Pondérer par les effectifs Syntaxe informatique

 AFCS sous SPSS

Application de l’AFCS sous SPSS Syntaxe informatique

BIBLIOGRAPHIE
Rapport définitif RGPHAE 2013 ;

YES_ACP_SPSS ;
Rapport-stage-Khaly Niang 2014;
RDS-finale-SAM ;
Zone-des-Niayes ;
Vallée-fleuve-Sénégal ;
AFCS-Méthodes-SPSS-Interprétation ;
http://www.jybaudot.fr/Inferentielle/ajuskhidx.html;
http://www.jybaudot.fr/Correlations/r.html;
comment-rédiger-rapport-stage ;
https://fr.wikipedia.org/wiki/Statistique_multivariee;
http://www.ntiposoft.com/domaine_200/pdf/caractspasenegal.pdf;
www.uadb.sn/satic;


Memoire Aissatou

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Memoire Aissatou

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE DU SENEGAL

Un Peuple- Un But-Une Foi

MINISTERE DE L’ENSEIGNEMENT SUPERIEUR MINISTERE DE L’AGRICULTURE ET DE

UFR : Sciences Appliquées et Technologies de l’Information et de la Communication (SATIC)

MÉMOIRE DE FIN D’ETUDES POUR L’OBTENTION D’UN DIPLÔME DE LICENCE

Maître de stage Encadreur Académique

Stage effectué du 06 Août au 06 Novembre 2015

Mémoire de fin de cycle pour l’obtention de la licence

TABLE DES MATIERES

HISTORIQUE DE LA DAPSA ............................................................................................. 14

III.1 Contrôle d’exhaustivité et qualité des données ..................................................................... 23

I.1. Tests d’ajustement ................................................................................................................ 26

Mémoire de fin de cycle pour l’obtention de la licence

I.3.3 Description de la variable SUPT_PARCELLES_EXPOITEES en 2012-2013 ..................... 33

II.1 Test d’indépendance de khi-deux .......................................................................................... 41

III.1 Analyse en Composante Principale (ACP) ........................................................................... 44

ANNEXE 1 : Organigramme de la DAPSA ................................................................................... 62

Mémoire de fin de cycle pour l’obtention de la licence

Je dédie ce modeste travail à mon très cher père Modou.

Ce mémoire est également dédié à ma mère Touty SECK.

Mémoire de fin de cycle pour l’obtention de la licence

Je remercie ALLAH le Tout-Puissant de m'avoir permis de mener à terme ce stage de fin de

Ma famille toute entière ;

Veuillez trouver ici, Messieurs, l’expression de ma reconnaissance. L’efficacité et la compétence

M. Souleymane SAM qui a su coordonné ma venue à la DAPSA ;

Mémoire de fin de cycle pour l’obtention de la licence

L’Université Alioune DIOP de Bambey, dans l’optique d’améliorer la qualité de la formation

Selon le dernier rapport définitif du Recensement Général de la Population, de l’Habitat, de

Mémoire de fin de cycle pour l’obtention de la licence

Mémoire de fin de cycle pour l’obtention de la licence

ABREVIATIONS, SIGLES ET ACRONYMES

ACP Analyse en Composante Principale

Mémoire de fin de cycle pour l’obtention de la licence

LISTE DES TABLEAUX

Tableau 1 : Présentation des variables de la base de données ....................................................... 22

Mémoire de fin de cycle pour l’obtention de la licence

LISTE DES FIGURES

Figure 1 : Répartition des ménages selon le département d’habitation......................................... 30

Mémoire de fin de cycle pour l’obtention de la licence

Au Sénégal, la Direction de l’Horticulture (DHORT) est la structure compétente ayant la

Mémoire de fin de cycle pour l’obtention de la licence

Ainsi, l’Agence Nationale de la Statistique et de la Démographie (ANSD) qui est chargée de

Ainsi, le document s’articulera sur trois (3) principales chapitres:

Première chapitre : Cadre théorique et méthodologique ;

Mémoire de fin de cycle pour l’obtention de la licence

Par Décret N° 99-909 du 14 septembre 1999 portant organisation du Ministère de l'Agriculture, il

Cette structure du Ministère de l’Agriculture et de l’Equipement Rural (MAER) fait partie du

L’élaboration des propositions de politique, de planification et de stratégies de

Division de l'Analyse et de la Prévision (DAP) ;

Mémoire de fin de cycle pour l’obtention de la licence

La Division de l’Analyse et de la Prévision (DAP)

D’élaborer les méthodes et instruments de politique, de programmation, d’analyse et de

La Division des Programmes et Projets (DPP)

De la préparation, la négociation et le suivi des projets de coopération internationale dans le

La Division des Statistiques, de la Documentation et de l'Information Agricoles

Mémoire de fin de cycle pour l’obtention de la licence

D’élaborer les programmes nationaux d’enquêtes statistiques du secteur agricole, d’en

Le Bureau administratif et financier (BAF)

Mémoire de fin de cycle pour l’obtention de la licence

I. DEFINITION DES CONCEPTS

Unité statistique (ou individu)

Elément de base constitutif de la population à laquelle il appartient. Il est indivisible et peut-

Mémoire de fin de cycle pour l’obtention de la licence