Académique Documents
Professionnel Documents
Culture Documents
ETUDE DE LA
QUALITÉ DE VIE
EN AFRIQUE
YAKINE Younes
LAHLOU Reda
LOUIZI Meryem
JAJAA Aya
KHALDAN Saad
AACHOUCHE Maroua
MARDI Aymane
TABLE DES
MATIÈRES
01
Remerciements
05
Analyse Factorielle des
Correspondances
02
Introduction
06
Conclusion
03 07
Analyse en Composantes Sources
Principales
04
Analyse Typologique
REMERCIEMENTS
Avant tout développement, nous tenons à adresser nos plus
sincères et authentiques remerciements à notre cher
professeur, Mr. ATOUBI qui nous a beaucoup aidé dans
l’élaboration de notre étude de marché et nous a permis cette
opportunité.
Pour que nous puissions mener cette analyse, nous avons recherché différents
indices et statistiques relatives à chaque pays, pour ensuite les regrouper
sous forme de base de données afin de l’analyser sous SPSS.
Les variables que nous allons utiliser sont :
Notre but après avoir étudié la qualité de vie dans ces pays est de faire une
relation entre la qualité de vie et le secteur économique le plus dominant au
sein de ces pays. Et ce pour étudier les tendances économiques des pays
selon leur niveau de vie.
NOTRE BASE DE
DONNÉES
ANALYSE EN
COMPOSANTES
PRINCIPALES
Avant de commencer l’analyse, il faut s’assurer d’abord que notre base de données
remplisse 2 conditions :
Il est difficile de trouver la dispersion optimale pour pouvoir bien interpreter ces
résultats.
Pour que notre étude ne sois pas trop compliquée, nous avons opté de séparer les
composantes lors de la projection des individus ; Nous allons analyser dans un
premier lieu la dispersion des pays sur la 1ère et 3ème composantes. Ce premier
plan va servir à situer nos pays et de les regrouper selon leurs Indices de
Développement Humain et leurs Qualités de santé.
5ème Catégorie : Contient seulement Rwanda qui se caractérise par un faible IDH
mais une très bonne qualité de santé.
Notre prochaine étape est de projeter nos pays sur la deuxième composante, qui
explique le taux de chômage et l’indice de criminalité. On a alors utilisé un
graphique qui contient le taux de chômage dans l’axe des X, et l’indice de
criminalité dans l’axe Y.
Pour déterminer combien de solutions ou classes nous devons choisir, nous avons
utilisé la méthode du saut au niveau des coefficients au tableau des
agglomérations qui utilise la distance de Ward.
Pour identifier les individus des différentes classes et les interpréter, nous avons
utilisé un Dendrogramme
Cette analyse nous propose alors de nouveaux regroupements de nos individus
sur 3 classes.
En Utilisant ce que nous avons déjà interprété depuis l’ACP, les groupes sont
comme suit :
Faible IDH
Très Bonne qualité
Moyenne Rwanda de santé
Faible délinquance
et crise
économique.
Bon IDH
L’Afrique du Sud Bonne qualité de
Bonne
et la Namibie santé
Forte
délinquance et
crise
économique.
ANALYSE FACTORIELLE
DES CORRESPONDANCES
Après avoir analysé notre base de données et regroupé les pays selon leurs
qualités de vie, nous avons crée une nouvelle variable qualitative qui synthétise
notre analyse précédente. Cette variable est la Qualité de Vie qui peut être sois
Bonne, Moyenne ou Faible. Ensuite une autre variable qui est le secteur
économique le plus dominant du pays, et ce pour analyser et faire une relation
entre la qualité de vie dans un certain pays africain et son secteur économique
le plus fort.
Pour aboutir à ces résultats, nous avons opté d’utiliser la méthode d’Analyse
Factorielle des Correspondances sous SPSS.
KEY INDICATOR
Qualité :
·1 = Bonne
·2 = Moyenne
·3= Faible
Secteur dominant :
·1 = Industrie
·2 = Services
·3 = Agriculture
·4 = Exploitation Minière
Pour pouvoir effectuer l’AFC, nous avons recodé nos variables de sorte qu’elles
deviennent numériques.
Depuis la table des correspondances, qui affiche les différentes fréquences des
variables, on peut déjà déduire que seuls les pays avec une bonne qualité de vie
ont le secteur industriel comme secteur dominant au sein du pays. Tandis que la
plupart des pays qui dépendent de l’agriculture et des services ont une faible
qualité de vie.
Pour mieux visualiser ces données, SPSS effectue automatiquement deux ACP
différentes sur les profils lignes et profils colonnes si dessous, pour finalement
superposer les deux graphiques des 2 ACP et avoir une idée sur la ressemblance
des modalités de chaque variable séparément, ainsi que la proximité des
modalités entre les deux variables.
Le tableau des profils lignes affiche les proportions des pays avec une certaine
qualité de vie qui dépendent d’un secteur parmi les 4.
Exemple : 50% des pays avec une bonne qualité de vie dépendent du secteur
industriel, alors que les 50% restantes dépendent des services.
Le tableau des profils colonnes affiche les proportions des secteurs dominants
chez les pays avec une certaine qualité de vie.
Exemple : 100% des pays qui dépendent de l’industrie sont des pays avec une
bonne qualité de vie
Le secteur des services s’avère alors un secteur pour les pays avec une faible
qualité de vie mais aussi pour les pays en voie de développement et avec une
moyenne qualité de vie.
Alors que le secteur d’industrie est strictement pour les pays avec une bonne
qualité de vie. Ce secteur permet au pays de se développer encore plus, par
conséquent il permet au pays d’offrir une meilleure qualité de vie.
CONCLUSION
Notre étude nous a aidé à classer ces 16 pays en premier lieu selon leurs
qualités de vie, en se basant sur leurs Indices de Développement Humain,
leurs qualités de santés ainsi que leurs délinquances et crise économique
Ce regroupement nous a aidé a créer une nouvelle variable que nous avons
pas pu trouver facilement en recherchant sur internet, puis nous avons
étudier la relation entre la qualité de vie dans un certain pays africain et
son secteur économique le plus dominant.
Après cette étude, nous pouvons finalement donner des conseils aux pays
étudiés
Espérance de vie :
https://www.indexmundi.com/map/?v=30&r=af&l=fr
Taux d'alphabétisation :
http://bamada.net/taux-dalphabetisation-voici-le-classement-2020-dans-les-pays-
africains
Indice de criminalité :
https://fr.numbeo.com/criminalité/classements-par-pays?title=2020®ion=002
Indice de pollution :
https://fr.numbeo.com/la-pollution/classements-pour-la-région?
region=002&title=2020
Taux de chômage :
https://donnees.banquemondiale.org/indicator/SL.UEM.TOTL.ZS