INTRODUCTION

La RDC figure parmi les pays de l’Afrique subsaharienne connaissant une forte croissance de
la population actuellement, sa population est estimée à 85 millions d’habitants tandis qu’elle
était à 71 million en 2015, soit une augmentation de 7%(INS,2016), et cette tendance pourra
atteindre plus de 100 millions d’habitants d’ici 2023 (portier,2018). Cette croissance
démographique est en grande partie expliquée par le taux de fécondité. En effet, ce pays est
l’un des 5 pays au monde où le taux de la fécondité a dépassé le gap de 6 enfants par femme
en 2017, un niveau jugé très élevé (portier, 2018).

Ce constat nous rappelle le débat sur la relation entre croissance de la population et la

croissance économiquement effet, selon robert malthius.il existe une relation négative entre
croissance démographique et croissance économique car les ressources, contrairement à la
capacité de l’homme à procréer, demeurent limitées dans cette logique, il signalait en 1798
dans son ouvrage intitulé « an assey on the Príncipe of population growth »en français ,essaie
sur le principe de la croissance de la population que si elle n’est pas freinée.la population
spontanément tendent à croitre en progression géométrique; alors que les ressources
naturelles(Daniel,2003).

En Général, la constance de cette croissance élevée est souvent due à la baisse de la mortalité,
aux progrès médicaux et hygiéniques (Dumont ;2015), la pauvreté très rependue, la
polygamie qui instaure une compétition des naissances entre les coépouses. En outre, avoir
plusieurs enfants a longtemps été considéré comme non seulement une bénédiction mais aussi
un investissement, car à l’absence d’un système de retraite, il constituerait une garantie pour
les parents aux jours de la vieillesse (Amouzou,2009).

Pour la RDC particulièrement ; la taille élevée du ménage est dû à la pauvreté ; aux mariages
précipités ; aux conceptions religieuses, culturelles, au faible recours à la contraception et à
l’exode rural (portier,2018 cité par Banza), En effet ; 39%pour la classe de 15-19 ans se
marient très tôt et le désir d’enfants est de 6à7 enfants. Par contre, seules 19% des femmes
font recours aux méthodes modernes de contraception.

Cependant, faire recours à la contraception signifie et avoir les moyens pour y accéder, et les
femmes instruites recourent à la contraception que celles de niveau moindre ou analphabètes
étant donné leur niveau moindre ou analphabètes étant donné leur niveau d’éducation et leur
revenu (zamwangana ;2000) l’enquête EDS 2013, estime que 93,5%des femmes instruites
recourent à la contraception contre 11,1% des femmes d’aucun niveau d’instruction,

La pauvreté qui est un état et un processus multidimensionnel relevant du culturel, de

l’économique, social et de la politique est souvent considérée comme une considérée comme
une conséquence du sous-développement et comme d’un des facteurs clés à l’origine d’une
forte croissance démographique et d’une fécondité élevée, et en fin de compte comme un des
éléments qui bloquent ou ralentissent la transition démographique (BSchumacher,1999).

Au sud Kivu généralement et à Bukavu en particulier une ville construite pour habiter 100
mille habitant et qui comptait seulement 48mille habitant à l’indépendance compte
aujourd’hui 1025000 habitant et qui comptait seulement 48 mille habitant à l’indépendance
compte aujourd’hui 1025000 habitants en outre, plus de 60% de la population bukavienne est
incapable de satisfaire à leurs besoins alimentaires ainsi nombre de ménage de Bukavu sont
incapable d’avoir deux repas régulier par jour(Balekage,2017)

Au regard de ces précédentes données, notre travail portant sur la relation entre taille de
ménage et pauvreté dans la ville de Bukavu principalement à kadutu sur base des deux
questions fondamentales suivantes :

Existe-t-il un lien de corrélation entre la taille du ménage et la pauvreté dans la commune de

kadutu ?

S’il existe un lien entre taille de ménage et pauvreté, ce lien implique-t-il une relation de
causalité ?

H1 : Il existe une corrélation entre la talle de ménage et la pauvreté dans la ville de Bukavu

H 2 : La corrélation entre la taille de ménage et la pauvreté à Bukavu dans la commune de

Kadutu n’implique pas la causalité.

Cette étude a comme objectif global de démontrer la corrélation qui existe entre la taille du
ménage et la pauvreté dans la ville de Bukavu en utilisant la méthode de régression logistique
binaire, dans le cadre de la commune de kadutu.

De cet objectif découle les objectifs spécifiques ci-après Montrer la relation qui lie la taille du
ménage à la pauvreté :
 - Définir une ligne de conduite pouvant aider les ménages dans la lutte contre la
pauvreté
- Donner une vraie orientation économique à la campagne « limiter les naissances »
- Contribuer au développement de la communauté

En effet notre sujet revêt un intérêt à la fois international, national et le plan local .Au niveau
international et national, plusieurs réunions (conférences, sommets, colloques,)

Organisés au niveau sous régional, continental ou mondial sous l’égide de l’ONU

(Organisation des Nations unies) ou de ses organes spécialisés, des 0NG, des groupements
d’intérêt économique etc., affirment la nécessité de lutter contre la pauvreté et d’encourager
des politiques de population dont l’objectif est de ralentir la croissance démographique.

Sur le plan économique, rappelons que le nombre de personne (3milliards) qui vivent avec
moins de 2,15 dollars par jour et par personne ou moins encore est égal au nombre de celles
dont la population mondiale s’est accrue depuis 1960(FNUAP,2002 ), cette situation qui
touche surtout les pays en développement pousse les instances internationales à envisager des
actions concertées en vue d’inverser cette tendance et par la même occasion freiner la
croissance démographique.

Sur le plan local disons bon nombres d’ONG sensibilisent la population Bukavienne sur le
planning familial comme si la taille du ménage était l’unique facteur de la pauvreté dans la
ville en général,

Ce travail permet d’éclairer la lanterne de la population sur le lien qui existe entre la taille du
ménage et la pauvreté et ainsi contribuer au développement économique et social de la
communauté.

Mises à part l’introduction et la conclusion, le présent travail est subdivisé en 3 chapitres, la

revue de la littérature, la méthodologie et la présentation et l’interprétation des résultats.
CHAPITRE PREMIER : REVUE DE LA LITTERATURE

Ce chapitre est subdivisé en deux parties : la première appelée revue de la littérature

théorique, ici nous allons définir les différents concepts clés qui constituent notre sujet et dans
le second chapitre, nous allons présenter quelques travaux empiriques relatifs à notre travail.

I.1 Revue de la littérature théorique

I.1.1. Ménage

Le ménage se définit comme l’ensemble d’individus vivant sous le même toit et prenant le
plus souvent, leur repas ensemble, si les membres d’un même ménage ont en commun le lieu
de résidence et le repas, ils sont hétérogènes du point de vue d’une multitude des critères (âge,
sexe, statuts etc.,) et occupent des fonctions différentes au sein de la maisonnée
(malthus2010).

Schématiquement et Par apport à la situation vis à vis du marché de travail, un ménage sera
composé d’un individu principal pourvoyeur des ressources (l’homme chef de ménage) ;
d’une femme pouvant aussi parfois apporter un revenu supplémentaire, mais dont la tenue de
la maison est l’activité qui occupe une bonne partie de son temps, et des jeunes enfants qu’il
faut nourrir, soigner et éduquer. A ces membres, il faut ajouter les enfants adultes du nœud
familial qui tardent à quitter le domicile parental et des personnes en général apparentés au
chef de ménage, et qui pour des raisons diverses (scolarisation, recherche d’emploi,
renforcement des liens entre familles, etc.), sont accueillies dans le ménage. Quelle que soit la
configuration réelle, le ménage, en tant qu’unit’ de consommation, doit générer asse des
ressources pour subvenir aux besoins de ces membres, quand le principal pourvoyeur de
revenu (chef de ménage, pour une raison ou pour une outre, n’est pas à même de bien assurer
cette fonction, le ménage doit mettre en place un certain nombre des stratégies génératrices
des ressources supplémentaires. Dans le cadre de cette étude, nous nous intéressons à la
mobilisation de la main-d’œuvre secondaire dans les ménages en fonction de revenu du chef
(Malthus, 2010).

I.1.2 Fécondité

On attend par fécondité le nombre total d’enfants qu’une femme en âge de procréation peut
mettre au monde durant toute sa vie génésique (britis encyclopedie2015.
Ainsi la fécondité s’exprime sous forme de pourcentage autrement appelle taux brut de
fécondité et elle est mesurée dans une population donnée et pendant une période bien
déterminée en utilisant les indicateurs suivants/

 Le taux brut de natalité/ est le rapport du nombre de naissance durant une période bien
déterminé (classiquement une année) divisée par la population totale.

Naissnce durant la periode donnée

𝑇𝑁𝐵 =
moyenne durant cette periode

 Rapport enfant femme : c’est le rapport entre les totaux des naissances survenues dans
une période bien déterminée, diviser par les totaux des femmes en âge de procréation
cela veut dire varie entre 15 à 45
Naissance vivante de 0−4
Rapport F/H=
femmes de 15−45

 Taux global de fécondité :

C’est le rapport entre les naissances, des femmes en ag de procréation divisé par le
nombre total des femmes pendant cette période.
naissance des femmes des 0−45
𝑇𝐺𝐹 =
Femmes de 0−45

 Taux de fécondité par âge : celui-ci se mesure par le nombre des naissances annuel
pour les femmes d’un certain âge pour 1000 femmes de cet âge. naissance de femmes
âgée de x
Naissance agee de X
𝑇𝐹𝐴 =
Nombre de femme de X age

 Indice synthétique de fécondité : Le nombre d’enfants que mettrait au monde une

femme durant toute sa vie féconde, les conditions de fécondité observées cette année.

I.1.3. Famille
Avec trois enfants ou plus, soit 19% de l’ensemble des familles ayant au moins un enfant.
Alors que Le concept de la famille est très complexe car elle varie selon es mieux ou nous
habitons généralement la famille est l’ensemble des personnes vivants sous le même toit est
généralement ils sont liés par le lien consanguin (Larousse 2005)
En 2005 les conditions de vie des nombreuses familles se présentaient comme suit : on
comptait 1,7million de familles vivantes les familles très nombreuses se sont raréfiés entre
1975 et 2005 (de 12% à 4%), la part de celles vivant avec exactement trois enfants est restée
stable (15%). Les parents de nationalité étrangère sont plus souvent à la tête d’une famille
nombreuse. Seules 36% des mères travaillent juste après la naissance de leur troisième enfant,
contre 69% après le premier. Le recours au temps partiel des mères croit avec le nombre
d’enfant, alors que la quasi-totalité des pères travaillent à temps parti complet. Les familles
nombreuses habitent plus souvent dans le nord de la France, ainsi que dans le département
d’outre-mer et plus rarement dans le sud-ouest. Malgré » des logements plus grand en
moyenne, les familles nombreuses, notamment celles ayants au moins quatre enfants son sont
d’avantage confrontés au surpeuplement. Enfin, elles restent pus fréquemment concernées par
la pauvreté, même si la rétribution sociale et fiscale réduit les écarts de niveau avec les
autres familles (Anne-Marie 2007)
Selon Martine Segalen, la notion de famille nombreuse, nécessairement relative, varie dans le
temps et dans elle explique que dans les familles autres fois, < si les enfants étaient en
nombre, la famille n’en devenait pas pour autant nombreuses, c’est à-dire qu’elle
n’apparaissait pas comme hors norme les naissances se succédaient au long de la période
féconde de la femme et c’était l’infertilité ou un nombre réduit d’enfants qui apparaissait
comme anormal>. Au fil des générations, les familles très nombreuses sont devenues de plus
en plus rares (martine, 2004)
En Afrique plus particulièrement en RDC, la taille de la famille varie entre 8 à 12
enfants(Balekage2017)
1.1.4 La pauvreté

La pauvreté peut se manifester de manière multiple : par la faiblesse ou l’absence d’un

revenu, par un logement précaire, par une mauvaise santé par une éducation insuffisante, par
la sous-alimentation ou un environnement dégradé, ces facteurs varient d’une région à l’autre,
d’un groupe des personnes à d’autres ce qui complexifie la quantification du phénomène,
néanmoins il est clair que la pauvreté est multidimensionnelle. (armatya sen septembre 2009)
Quelques auteurs ont essayé de définir la pauvreté entre autres :
Peter Townsend
Entreprend dans les années 1970 une approche relativiste de la pauvreté. Pour lui « les
individus, famille ou groupe de population peuvent être considérés en état de pauvreté quand
ils manquent des ressources nécessaires pour obtenir l’alimentation type, la participation aux
activités, et pour avoir les conditions de vie et les commodités qui sont habituellement ou sont
au moins largement encouragées ou approuvés dans les sociétés auxquelles ils appartiennent
Leurs ressources sont si significativement inferieure à celles qui sont déterminé par la
moyenne individuelle ou familiale qu’il sont, de fait , exclus des modes de vie courante, des
habitudes et des activités » (peter Townsend

John rawls
A travers son livre « théorie de la justice » (1971) donne une définition philosophique de la
pauvreté en s’appuyant sur ce qu’il considère comme les biens premiers, c’est à –dire les
droits de base, la liberté de choix. Il s’agit de définir la pauvreté comme une situation
considérée comme inacceptable c’est-à-dire injuste, dans une société donnée et ce sur un plan
économique et social. (John Rawls 1971).

Amartya sen
Selon lui grâce à ces travaux sur la pauvreté multi-démentielle, la définition de ce phénomène
se base sur deux approches, dont l’une est nommée approche unidimensionnelle, celle –ci est
appliquée par les bailleurs de fonds et les institutions internationales pour permettre
d’identifier les populations pauvres, dont les critères sont limités car ils sont axés sur les
ressources monétaires, c’est-àdire le revenu et la consommation. Ces critères pour mesurer la
pauvreté sont d’après amartya Sen , des éléments insuffisants et ne permettent pas de
répondre complétement au problème de ciblage des populations pauvres. La seconde
approche de Sen est appelées approche multidimensionnelle des « comptabilities » cfr
différentes approches de la pauvreté) ou il considère que la pauvreté doit prendre en compte
les facteurs du « bien être » Sen , expliquera à travers ses analyses que la pauvreté ne doit pas
être considérée seulement comme un manque des ressources monétaires , il faudrait prendre
en compte la condition physique des personnes et ses accomplissements personnels. Sa phrase
« la valeur du niveau de vie a tout à voir avec la vie, non pas avec possession des biens »
résumé parfaitement cette idée, (AmartyaSen 1998).
Martin Ravallion
Analyse la pauvreté à travers les ressources, plus précisément sur la satisfaction par les
ressources, dans ses travaux « comparaison de la pauvreté », il définit la pauvreté dans une
société « lorsque le bien être d’une ou de plusieurs personnes n’atteint pas un niveau
considéré comme un minimum raisonnable selon les critres de cette même société »
La complexité dans la définition de la pauvreté réside dans la description des caractéristiques
de ce phénomène : la pauvreté comme un manque de ressources monétaires un déficit
d’éducation et santé, ou bien l’absence de liberté, l’impossibilité de participer à une
communauté ou le manque d’un sentiment d’appartenance à une société donnée. De quoi une
personne ne doit absolument pas manquer% cette question appelle à la notion plus vaste
d’équité, qui complexifie la conceptualisation de la pauvreté. La pauvreté n’est donc pas une
condition universelle, sa définition varie en fonction de ces caractéristiques et normes sociales
qui sont abordées différemment selon les auteurs. (Martin Ravallion 1996)
- Définition de la pauvreté selon la banque Mondiale et le PNUD LA Banque mondiale
et PNUD définissent la pauvreté comme suit.
- La pauvreté réside « d’un manque d’accès aux actifs d’une croissance économique
insuffisant ou inappropriée, et d’une mauvaise gouvernance. » la Banque Mondiale et
le PNUD (Programme des Nation Unies pour le
- Développement) reste les deux institutions phares dans la lutte contre la pauvreté.
Les deux organisations s’accordent sur les causes de la pauvreté mais ont cependant
des divergences quant à la définition de celle-ci es de son quantification (Emmanuel
Becourt 2001).
 La pauvreté extrême ou pauvreté absolue :

Une personne vit en condition d’extrême pauvreté si elle ne dispose pas des revenus
nécessaires pour satisfaire ses besoins alimentaires essentiels définis sur la base de besoins
caloriques minimaux (1 800 calories par jour et par personne (OMS)).

 La pauvreté générale ou pauvreté relative :

Une personne vit en condition de pauvreté générale si elle ne dispose pas des revenus
suffisants pour satisfaire ses besoins essentiels no alimentaires : habillement, énergie,
logement, ainsi que des biens alimentaires. (Peter Towsend 1970)

 La pauvreté humaine :
Est considéré comme l’absence des capacités humaines de base : analphabétisme,
malnutrition, longévité réduite, mauvaise santé maternelle, maladie pouvant être évitée.

Le PNUD ne définit pas officiellement la pauvreté monétaire, mais l’évoque. C’est la

pauvreté humaine qui est mise au cœur de l’analyse et celle-ci est liée à la notion de
développement humain. (Emmanuel Benicourt 2001)

Inspiré des travaux d’Amartya Sen (Prix Nobel d’Economie – 1998) : le développement
humain représente l’élargissement des possibilités et des choix offerts aux individus.
(Amartya Sen 1998)

Ainsi le PNUD privilégie une approche multidimensionnelle où la pauvreté humaine est

définie comme étant « la négation des opportunités et des perspectives fondamentales sur
lesquelles repose tout développement humain : vivre une vie longue, saine, constructive et
jouir d’un niveau de vie décent, ainsi que de la liberté, de la dignité, du respect de soi-même
et d’autrui ». (Rapport sur le développement humain PNUD-Algérie 2006, p.17)

Quant à l’approche utilisée par la Banque Mondiale, il s’agit d’une approche monétaire de la
pauvreté. Son raisonnement consiste à identifier deux sortes de pauvreté : la pauvreté absolue
et la pauvreté relative, elle reconnait les différentes facettes de la ^pauvreté : sa dimension
multiple n’est ainsi pas négligée, elle explique que l’étude des domaines comme la santé,
l’éducation, la vulnérabilité, le manque de pouvoir et le manque de parole sont
particulièrement nécessaires pour appréhender la pauvreté dans toute sa complexité,
l’approche monétaire de la Banque Mondiale consiste à « se baser sur un critère de revenu ou
de consommation, puis combiner différents domaines qui se renforcent ou s’aggravent pour
diminuer ou bien pour accroître le niveau des populations pauvres ». (Emmanuelle Benicourt
2001)

L.1.5. Les approches de la pauvreté

 L’approche monétaire ou de revenu

Selon cette approche le bien-être résulte d’une insuffisance des ressources monétaires qui
entraîne une consommation insuffisante. Elle s’appuie soit sur le revenu, soit sur la
consommation traduite en valeur monétaire. Cette approche est dominante et la plus utilisée
par les institutions internationales, notamment la Banque Mondiale la Théorie du bien-être est
la référence pour l’analyse de la pauvreté monétaire, conséquence l’approche monétaire de la
pauvreté s’appuie sur l’utilisation de revenu ou de consommation comme mesure de bien-être.
(World Bank 2010)

 Les approches non-monétaires

Les approches non-monétaires, contrairement aux utilitaristes, se basent sur la définition du

bien-être d’un point de vue social, en effet le bien-être n’est pas traduit en termes de
ressources monétaires, mais en termes de libertés et d’accomplissements.

 L’approche par les besoins de base

Cette approche met en avant l’identification des besoins communs à tous les êtres humains
nécessaires pour atteindre une certaine qualité de vie. Ces besoins sont des besoins de base
tels que l’éducation, la santé, l’hygiène, l’assainissement, l’eau potable et l’habitat. En effet
une personne est considérée comme pauvre lorsqu’elle ne satisfait pas ses besoins de base par
rapport à un certain standard de vie. Un des inconvénients de cette approche est la définition
même des besoins de base qui comme la pauvreté reste assez relative. (John Rawls 1987)

 L’approche par le cumul des privations, une approche multidimensionnelle

C’est une méthode qui consiste à l’analyse d’une source homogène, par exemple : des
enquêtes ponctuelles auprès des ménages, pour identifier les individus qui sont privés
simultanément de certains biens et services nécessaires pour assurer un niveau de vie «
normal ». Suite à ces enquêtes un « score » relatif est construit par rapport à ces privations
pour chaque unité statistique. Les pauvres sont les personnes qui ont un nombre de privations
récurrentes et fixes.
L’inconvénient avec cette approche réside dans la définition de ces biens et services
nécessaires et la fixation d’un score minimale. (Amartya Sen 1987)

 L’approche par les capacités ou « comptabilities »

Cette approche repose sur le concept de « Justice sociale ». Ici la « chose » qui manque n’est
pas l’utilité ni les besoins de base, mais les habilités ou capacités humaines jugées
fondamentales pour pouvoir accéder à un certain niveau de vie. Le bien-être ce n’est pas la
possession de biens, mais d’être bien nourri, bien éduqué, en bonne santé, de participer à la
vie collective etc. Cet ensemble de facteurs déterminent la valeur de vie. Sen indique que la
valeur de la vie d’un individu dépend d’un ensemble de façons de faire et d’être qu’il
regroupe sous le terme de « fonctionnements » (Amartya Sen 1987). Les capacités d’un
individu sont déterminées par ses potentialités qui correspondent à des dotations en capital
social, capital humain, capital physique et capital économique (Amartya 1978).

Les fonctionnements sont des accomplissements alors que les capacités décrivent la liberté de
choisir parmi les différents fonctionnements. Un pauvre est une personne qui n’a pas les
capacités d’atteindre un certain sous-ensemble de fonctionnements. En finalité, la pauvreté est
donc la privation de cette fonctionnalité.
II.2. Revue de littérature empirique

Plusieurs auteurs dans le monde ont parlé d’un sujet similaire à celui-ci, c’est le cas
notamment de :

Balekage (2017) a travaillé sur la relation entre le contrôle de naissance et la pauvreté en

utilisant la méthode statistique, l’économétrie (la régression logistique) sur un échantillon de
267 ménages des différentes communes de Bukavu après l’analyse des données il a trouvé les
résultats suivants : Il existe une corrélation positive entre la variable dépendant (la pauvreté)
et la variable indépendante (contrôle de naissance), plus un ménage applique les méthodes de
planning familial plus la probabilité pour ce ménage de tomber dans l’extrême pauvreté est
baissé mais dans la même direction plus le ménage ne contrôle pas leurs naissances plus la
probabilité de tomber dans l’extrême pauvreté est trop élevé.

Banza (2018) avait mené son étude sur l’éducation de la femme et la fécondité en République
Démocratique du Congo en utilisant les statistiques descriptive et l’économétrie
principalement la régression logistique multinomiale ; il a trouvé les résultats suivants la
fécondité de la femme dépend de son niveau d’étude au seuil de confiance de 5% et 1% plus
le niveau d’éducation de la femme augmente plus le taux de fécondité diminue ceci s’explique
du fait que plus la femme a étudié et plus elle connait l’importance du contrôle de naissance et
les méthodes à utiliser pour contrôler ses naissances ce niveau atteint l’optimum lorsque la
femme a atteint le niveau maximal les autres variables qui influencent la fécondité de la
femme sont : l’ethnie de la femme, les croyances religieuses, la non connaissance du mari des
méthodes de planning familial.

Matunda (2012) l’impact de la croissance démographique sur le niveau de vie de la

population cas de la ville de Bukavu, sur un échantillonnage de 100 ménages de Bukavu de
différentes communes de la ville de Bukavu et en utilisant les méthodes statistiques
principalement la statistique descriptive et la statistique différentielle après il a trouvé les
résultats suivants : la croissance démographique varie de manière inversement proportionnelle
avec les niveaux de vie de la population de la ville de Bukavu plus la croissance
démographique est forte dans la ville de Bukavu plus le niveau de vie de la population de
Bukavu baisse. Cela s’explique du fait que la population de la ville de Bukavu croit de
manière plus que proportionnel à la production.
Notre travail différent des autres susmentionnés par le fait qu’il analyse la relation entre la
taille du ménage et la pauvreté premièrement dans le cadre de la commune de Kadutu et
ensuite dans le contexte microéconomique.
CHAPITRE DEUXIEME : CADRE METHODOLOGIQUE

Dans cette chapitre nous allons premièrement parlés des techniques de collectes de données
ou nous présentons la population cible, le technique d’échantillonnage ainsi que l’enquête
proprement dite deuxièmement nous pressentons les méthodes utilisés dans ce travail
notamment les statistiques descriptives et la méthode économétrique.

2.1. Technique de collecte des données

2.1.2. Population cible

La population ciblée inclut la population de la province du Sud-Kivu particulièrement ceux

qui habitent la ville de Bukavu dans la commune de Bagira. En référence aux statistiques
recueillies à la commune de Bagira, cette population s’élève approximativement à 488 299
habitants.

Tableau .1. : Répartition de la population par quartier

QUARTIERS HOMMMES FEMMES GARCONS FILLES Total
CIMPUNDA 10901 10963 18409 20005 60278
KAJANGU 3856 3840 4798 4873 17367
KASALI 6606 6707 10043 10079 33435
MOSALA 21526 21625 27590 28386 99127
NKAFU 22010 22207 29045 33914 107176
NYAKALIBA 14277 14293 22665 21358 72593
NYAMUGO 18911 18940 27921 31134 96906
TOTAL 98087 98575 140471 149749 486882
Sources : Recensement commune de Kadutu(2020).

2.1.3. Echantillonnage

A défaut de temps et des moyens, nous ne pouvons mener l’étude sur tous les ménages de la
commune de Bagira. Ainsi, cherchant à déterminer la taille de l’échantillon, nous extrayons
un échantillon raisonné de cette population en utilisant la formule suivante car il est la plus
utilisé dans la revue de littérature et dans beaucoup des travaux qui cadre avec l’économétrie :
 ( z 2 λ ) X (S 2 X)
n= 2
e

- n : la taille de l’échantillon

- (𝑧2𝜆) : la valeur de la distribution normale au seuil de confiance souvent (𝜆) égale à

1,96
- 𝑒2 : le niveau de précision souhaitée par le chercheur et dans le cadre de notre travail
ce niveau de confiance sera égale à 0 ,06
- (𝑠2𝑥) : est l’écart type à partir de cette formule on peut constater que n : qui est la taille
de notre échantillon est fonction d’une autre inconnue 𝑠2 : qui est l’écart type ainsi,
dans la littérature économique trois solutions sont proposées pour résoudre ce
problème de double inconnu dans la formule (Bugandwa , 2015)
 Premièrement avoir des informations empiriques sur le sujet que vous traiter

 Deuxièmement le chercheur devra procéder à une pré-enquête pour déterminer

l’écart type qu’il va utiliser dans la formule
 Troisièmement le chercheur peut aussi utiliser le cas de proposition avec P égal à
0,5 dans la mesure où cette valeur est donnée (1-P) égal à 0,25 qui est la variance
la plus élevée permettant des tailles les plus élevées.

Dans le cadre de notre travail nous optons pour la première méthode Balekage (2017) a
travaillé sur un sujet similaire que le nôtre et il avait utilisé un écart type de 0,4 ce qui nous
permet de déterminer la taille de notre échantillon de la manière suivante :

( 1 , 96 2) (0 , 4 2)
n= 2 = 170 ménages de la commune de kadutu
0 , 06

Le tableau ci-dessous reprend la répartition de notre échantillon par quartier en général il

existe 7 quartiers dans la commune de Kadutu qui sont repris dans le tableau
Tableau 2 : Répartition de l’échantillon par quartier
QUARTIERS POPULATION ECHANTILLON PROPORTION
CIMPUNDA 60278 21 12
KAJANGU 17367 6 4
KASALI 33435 12 7
MOSALA 99154 35 20
NKAFU 107176 37 22
NYAKALIBA 72593 25 15
NYAMUGO 96906 34 20
TOTAL 486882 170 100
Source : notre traitement sur Excel.

2.1.4. L’enquête proprement dite

Les données utilisées ont été collectées de différentes manières. Après une brève
introduction auprès de nos enquêtés en leur expliquant le bien fondé de notre recherche, le
questionnaire d’enquête leur était soumis pendant qu’ils exerçaient leur activité. S’ils
estimaient être capables de répondre immédiatement, nous les attendions jusqu’à ce qu’ils
terminent et cela pendant en moyenne 15 minutes, sinon ils nous donnaient de rendez-vous.
La fiabilité des informations récoltées dépendait fortement du degré d’engagement des
responsables et leur volonté à pouvoir répondre convenablement à toutes les questions posées.
C’est aussi auprès de ces derniers, compte tenu de leurs expériences que nous nous sommes
assurés du degré de conformité à la réalité des réponses reçues sur terrain.

2.1.5. Les techniques des collectes des données

Les techniques sont des moyens, les outils mis à la disposition de la recherche et organisée
par la méthode dans ce but.

Les techniques ci-après nous serons utiles dans la collecte des données :

 La technique documentaire

Elle nous a aidé à lire certains ouvrages : les archives, les notes de cours, rapports et avions
visités quelques sites internet pour l’enrichissement de ce travail.
  La technique d’entretien et interview libre

Grâce à elle nous avons eu à nous entretenir avec notre population cible et responsables de la
commune de Bagira.

 La technique d’enquête

Avec elle, nous avons utilisé un questionnaire à fermer et ouverte qui nous a rendu facile à
l’accès des réponses de la part de nos enquêtes.

2 .2.Methodes de traitement des données

2.2.1. Statistiques descriptives

 Fréquence

La fréquence d’une distribution c’est l’effectif divisé par l’effectif total d’une distribution
donnée et mesure la proportion de chaque effectif dans l’effectif total.

nj
F=
N

 La moyenne

La moyenne d’une distribution est la somme des effectifs divisé par l’effectif total de cette
distribution. Elle est calculée par la formule suivante :

1
X= Σnj
n

 Ecart type

L’écart type d’une distribution est la racine carrée des carrés des écarts par rapport à la
moyenne d’une distribution donnée et elle mesure l’intensité des dispersions des variables au
tour de la moyenne dans une distribution. Elle est donnée par la formule suivante :
 σ=
√ Σ(nj−X )
n

 Coefficient de corrélation

Le coefficient de corrélation autrement appelée coefficient de corrélation de Bravain-Pearson,

il mesure l’intensité de la dispersion entre deux distribution différentes, cette corrélation est
donnée par l’identité suivante :

Sxy
rxy= σxσy

Avec :

- rxy : Coefficient de corrélation ;

- Sxy : est la covariance ;

- σ x, σ y : les écarts types des variables étudiées

2.2.2. Modèle économétrique

- Variable expliquée

La pauvreté est notre variable explique, toute foi notre travaille parle de la pauvreté dans son
aspect multidimensionnel ce qui pousse a considéré la pauvreté comme étant un manquement
des plusieurs chose notamment les biens matériels, l’exclusion social et la capacité physique
pour capter la pauvreté de ménage de la ville de Bukavu principalement dans la commune de
kadutu, nous allons utiliser un indicateur développé par l’université d’oxford et l’initiative de
développement humain en 2010 appelé matrice de pauvreté multidimensionnel cette matrice a
comme originalité le faite d’inclure a la foi l’aspect monétaire et non monétaire(oxford,2016).

 Matrice de pauvreté multidimensionnelle

Pour construire la matrice de pauvreté multidimensionnelle nous avons utilisé la méthode de

chiffrement binaire que nous déterminons la structure ci-dessous :
 - Méthode binaire

La méthode binaire est un système utilisant la base 2, on nomme le « bit » de l’anglais «

binary digit » soit les chiffres binaires les chiffres de la numération binaire proportionnelle ;
ainsi deux classes d’événement peuvent être constitué par ces chiffrements binaires, sont par
convention noté par le chiffre 0 sui indique que le ménage est dépourvu dans un indicateur et
1 si le ménage n’est pas dépourvu dans un indicateur.

Ainsi, à l’ordre de ce qui précède, nous avons pu réaliser l’analyse de nos données pour
ressortir les résultats en utilisant le chiffrement binaire lorsque nous atteignons au moins 33%
des indicateurs qui portent la valeur 0 alors le ménage est qualifié comme étant pauvre
multidimensionnellement et le contraire lorsqu’on réalise 33% des indicateurs qui portent le
chiffre 1( René 2012)

 Variables explicatives

- Taille du ménage

La taille du ménage telle qu’expliquée ci-haut dans la revue de littérature est le nombre total
d’individus qui ont en commun les dépenses sous la direction d’un chef de ménage elle est à
différencier avec la taille de la famille qui est le nombre total d’individus qui ont en commun
les mêmes dépenses. Ainsi dans le cadre de notre travail nous retenons la taille de la famille
comme notre principale variable explicative.

- Niveau d’instruction du chef de ménage

Nous avions vue dans revues de littérature qu’il existerait une relation entre la pauvreté, parce
qu’il est démontré dans la littérature que l’existence de la relation inverse entre pauvreté et
niveau d’instructions est du faite que lorsque le niveau de scolarité augmente le salaire
augmente aussi (Bazibuhe, 2017).

- L’âge du chef de ménage

L’âge du chef de ménage a aussi une relation avec la pauvreté, lorsque l’âge augmente le
niveau de pauvreté à tendance à diminué, ceci peut s’expliqué du faite que dans notre pays la
vie est de plus en pluie difficile à gagne ainsi ce sont souvent les personnes plus âgées qui ont
un niveau de vie relativement élevé par rapport au jeunes couples.

- Le genre du chef du ménage

Les études empiriques ont démontrés qu’il existe une corrélation entre le genre du chef de
ménage et la pauvreté.

TABLEAU 3. SYNTHESE DES VARIABLES RETENUES ET LEURS SIGNES

NO CODES NOMS SIGNE

1 PVT Pauvreté 0 et 1

2 Taille Taille de ménage +

3 EDUCAT Niveau d’instruction +

4 AGE Age du chef de +

ménage

5 PROFESS Profession du chef

6 GENRE Genre du chef de

menage

Source : notre confection.

 Spécification du modèle

Dans ce point, il est proposé une discussion succincte sur le choix entre l’utilisation d’un
modèle logit ou d’un modèle probit. Ensuite intervient le test de normalité et afin la
modélisation du modèle retenu.

a) Modèle logit et modèle probit

Comme notre variable expliquée (la demande de crédit) est dichotomique nous nous trouvons
astreint de choisir un modèle d'analyse approprié et adapté. Dans cette perspective, Hurlin
(2003) souligne que les modèles dichotomiques logit et probit admettent pour variable
expliquée, non pas un codage quantitatif associé à la réalisation d’un événement (comme dans
le cas de la spécification linéaire), mais la probabilité d’apparition de cet événement,
conditionnellement aux variables exogènes.

Ainsi, on considère modèle ci-dessous :

Pi= Prob ( PVT=1/x1 )=F(X1β)

Où la fonction F(X1β) désigne une fonction de répartition, β est un vecteur des paramètres
(inconnus) associés au vecteur x1. Ce dernier désigne un vecteur des variables explicatives
susceptibles d’influencer la pauvreté des ménages. Soulignons par ailleurs que pour estimer
la probabilité qu’un ménage tombe dans la pauvreté, nous avions, partant du test de normalité
le choix d’utiliser soit la fonction de répartition de la loi logistique, soit celle de la loi normale
centrée réduite.

Hurlin (2003), abordant les conditions d’usage du modèle logit et probit, soutient que le
modèle logit est approprié lorsque la fonction de répartition suit une loi logistique tandis que
le modèle probit est indiqué si la fonction de répartition suit une loi normale centrée réduite.

Ces deux modèles (logit et probit) fournissent des résultats semblables en termes de signe et
de significativité des coefficients. Cependant, les valeurs de ces coefficients ne sont pas
directement comparables mais il est possible d’approximer les valeurs des coefficients du
modèle probit à partir de celles du modèle logit en divisant celles-ci par п / √3 ou par 1,6
pour une approximation plus précise (Amemiya, 1981, cité par Hurlin, (2003)).

La probabilité pour que cet événement (la demande de crédit) n’apparaisse pas sera donnée
par :

Prob (PVT=0/X1) = 1−¿ Prob (PVT=1/X1)=1−¿F(X1 β )

Pour se prononcer sur le modèle à utiliser il sied de tester la normalité des nos résidus.

a) . Test de normalité

Ce test nous a permis de faire un choix du modèle à utiliser. Tester la normalité d’une
distribution revient à chercher à savoir si cette distribution répond aux critères de normalité
(Hurlin, C., 2003). En effet, le test de Jarque et Bera, fondé sur la notion du coefficient
d’asymétrie « Skewness » et d’aplatissement « Kurtosis », permet de vérifier la normalité
d’une distribution statistique (Bourbonnais, R., 1998). Si le nombre d’observation est grand
(n>30),

la statistique de ce test peut être construite comme ainsi :

n n 2
S= 6 β1+ 24 (β−3)

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

β 1 et β 2 : Les coefficients de Skewness et de Kurtosis respectivement.

n : taille de l’échantillon

Cette statistique suit une loi de Khi-deux à deux degrés de liberté. Et les hypothèses formules
à ce test sont les suivantes :

H0 : les résidus sont normalement distribués au seuil ɑ S¿X2

H1 : les résidus ne sont pas normalement distribués au seuil ɑ S≥ X2

Dans les paragraphes qui suivent, nous aurons avec un seuil de signification de 5% à nous
fixer un critère de décision sur la normalité de nos résidus.

FUGURE 1. TEST DE NORMALITE

Source : Notre traitement sur stata 15

En nous appuyant sur les critères de Kurtosis, de Skewness et de Jarque-Bera et sur base des
résultats de cette figure, nous rejetons l’hypothèse nulle selon laquelle les données suivent une
distribution normale et acceptons l’hypothèse alternative. Dès lors, il convient d’utiliser le
modèle logit à la place du modèle probit.

b) .La régression logistique

Afin d’estimer la probabilité pi pour une PME de demander le crédit conditionnellement aux
variables indépendantes retenues dans notre modèle, une linéarisation de ladite fonction (8est
nécessaire. D’où, sous forme explicite, le modèle suivant est utilisé :

Pi
ln( 1−Pi )=β0+β1TAILLE+β2AGE+β3EDUCAT+β4PROFESS+β5GENRE+£

Avec : βi les paramètres de notre régression logistique

β0 c’est la constante ou l’intercepte

£ est le terme d’erreur

CHAPITRE 3 : ANALYSE ET INTERPRETATION DES RESULTATS

Ce chapitre s’articule autour des trois sections, la première section présente les statistiques
descriptives des variables étudiés, la deuxième section présente les résultats relatives à notre
modèle économétrique de la régression linéaire multiple et la matrice de corrélation afin de
répondre à nos hypothèses, et la troisième section présenté les discussions de nos résultats
ainsi que les implication.

SECTION 1 : Les résultats issus des statistiques descriptives

TABLEAU 4 : REPARTITION DE LA PAUVRETE PAR GENRE DU CHEF DE

MENAGE

PAUVRETE MASCULIN FEMMINE TOTAL

NON PAUVRE 56 13 69

PAUVRE 74 27 101

TOTAL 136 40 170

Sources : notre traitement sur stata 15.

Le tableau ci-haut présente la pauvreté selon le genre, disons que sur 139 ménages enquêtés
dont le chef est homme 74 sont pauvres et 33sont non pauvres.

Sur 40 ménages enquêtés dont les sont femmes, 27sont pauvres et 13 sont non pauvres

En fin sur la population totale de 170,101menages enquêtés sont pauvres et 69 enquêtés sont
non pauvres

Donc dans la commune kadutu les ménages représentés par les hommes sont pauvres que
ceux représentés par les femmes

TABLEAU 5 : REPARTITION DES MENAGE SELON QU’ILS SONT PAUVRE OU NON

 PRIMAIRE SECONDAIRE UNIVERSITAIRE SANS TOTAL

PAUVRE 3 17 44 5 69

NON 33 44 8 16 101
PAUVRE

TOTAL 36 61 52 21 170

Source : Notre traitement sur stata 15.

Le tableau ci-dessus explique la pauvreté selon le niveau d’étude, sur 36menages dont les
chefs sont du niveau primaire 3sont pauvres, et 33sont non pauvres

Sur 61 Ménages dont les chefs sont du niveau secondaire,17 sont pauvres et 44 sont non
pauvres

Sur 52 Ménages dont les chefs sont du niveau universitaires,44 sont pauvres et 8 sont non
pauvres,

Sur 21 Ménages dont les chefs sont sans niveau 5 sont pauvres et 16 sont non pauvres

En fin sur une population enquêtée de 170,101 ménages enquêtés sont Pauvres et 69 sont non
pauvres.

TABLEAU 6 : REPARTITION DE LA PAUVRETE PAR ETAT CIVILE

MARIE CELIBAT DIVORCE VEUF TOTAL

PAUVRE 49 10 5 5 69

NON 81 7 6 7 101
PAUVRE

130 17 11 12 170

Source : Notre traitement sur stata 15.

Le tableau ci-haut représente la pauvreté selon l’état civil dans la commune de kadutu ; notre
constat est que ; sur 130 ménages enquêtés dont les chefs sont mariés,49 sont pauvres et 61
sont non pauvres.

Sur 17 ménages enquêtés dont les chefs sont celibataires,10 sont pauvres et 7 sont non
pauvres.

Sur 11 ménages enquêtés dont les chefs divorcés,5 sont pauvres et 6 sont non pauvres.

Sur 12 ménages enquêtés dont les chefs veufs (ves),5 sont pauvres et 7 sont non pauvres.

Sur la population enquêtée de 170,101 ménages enquêtés sont pauvres et 69 enquêtés sont non
pauvres.

Disons finalement que dans la commune de kadutu, les ménages ayant les chefs mariés
possèdent un taux élevé de la pauvreté suivie des ménages ayant les chefs veufs(ves), après
les ménages ayant les chefs divorcés ,enfin les ménages ayant le chefs célibataires.

TABLEAU 7 : PRESENTATION DE L’EDUCATION SELON LES GENRE DU CHEF

DE MENAGE

MASCULIN FEMMINE TOTAL

PRIMAIRE 20 16 36

SECONDAIRE 52 9 61

UNIVERSITAIRE 40 12 52

SANS 18 3 21

TOTAL 130 40 170

Source : Notre traitement sur stata 15.

Le tableau ci haut présente la situation de l’éducation des chefs des manages par genre dans la
commune de kadutu.

En effet, comme nous les remarquons dans le tableau ci haut, sur un échantillon évalué à 170
ménages enquêter, 36 ménages ont un chef de ménage qui a un niveau d’étude primaire dont
20 hommes et 16 femme, 61 ménages ont un chef de ménage qui a un niveau d’étude
secondaire dont 52 hommes et 9 femmes ; 52 ménages ont un chef de ménage qui a un niveau
d’étude universitaire dont 40 hommes et 12 femmes ; 21 ménages ont un chef de ménage qui
n’a pas étudier dont 18 hommes et 3 femmes.

SECTION 2 : Traitements économétriques

Dans cette partie nous présentons les résultats issus des analyses économétriques effectué
sous le logiciel stata 15, cet ainsi que nous présentons dans le premier tableau, les résultats
issus de la régression multiple de la variable pauvreté sur base des cinq variables
indépendantes notamment la taille du ménage, âge du chef de ménage, l’éducation du chef de
ménage, la profession du chef de ménage ainsi que son genre. Le second tableau présente les
résultats issus de la matrice de corrélation entre nos différents variables pour comprend leurs
lien causal.

TABLEAU 8 : Régression logistique binaire

Source : Notre traitement sur stata 15.

Le tableau ci haut présente sous forme d’im age tiré dans stata 15 présente notre modèle de
régression logistique binaire, talque remarqué dans le tableau ci haut, notre modèle est
globalement significatif au seuil de 1% et le pouvoir explicatif de notre modèle est de 55, 79%
ceci signifie que l’ensemble des variables indépendantes utilisés explique le modèle à 55,79%
ce qui est une bonne chose.

En effet dans le tableau nous constatons que pour notre premier et le plus important de nos
variable qui est la variable taille de ménage est significative au seuil ɑ de 1% , pour un
coefficient positive ceci signifie que la taille du ménage influence positivement la pauvretés
des ménages dans la ville de Bukavu principalement dans les cas des ménages qui habite la
commune de kadutu.

Pour le cas de la variable éducation elle aussi significative au seuil ɑ de 1% et a un

coefficient négative ce qui signifie que la variable éducation varie de manière inverse par
apport à la pauvreté, plus le niveau d’éducation augmente la probabilité de tombé dans la
pauvreté augmente également.

Pour la variable profession du chef de ménage, il est statistiquement significative au seuil

de10% et comme son coefficient a un signe positif il varie dans le même sans que la pauvreté.

Les autres variables notamment, l’âge du chef de ménage ainsi que le genre ne sont pas
statistiquement significatives à tous les seuils, donc ils ne représentent rien quant à la
variation de notre modèle de régression.

TABLEAU 9 : L’analyse des odds ratio

Source : Notre traitement

L’image ci haut présente les odds ratio pour notre modèle de régression et tel que présenté
dans l’image ci haut, le modèle est globalement significatif au seuil ɑ de 1%.

Pour la variable taille de ménage, elle a un odd ratio de 2,52 ce si signifie que lorsque la taille
de ménage augmente de 1% la probabilité pour que le ménage tombe sous le seuil de la
pauvreté multidimensionnel est de 2,522 se si dit que la taille du ménage influence
grandement le niveau de pauvreté des ménages.

Pour la variable éducation du chef de ménage, nous constatons que la valeur des odds ratio
pour cette variable est de 0,37 et étant statistiquement significative au seuil ɑ de 1% ce si dit
que lorsque l’éducation du chef de ménage augmente, la probabilité que le ménage tombe
sous le seuil de pauvreté multidimensionnel augmente aussi surtout lorsque le chef de ménage
a atteint le niveau universitaire.

TABLEAU 9 : matrice de corrélation

Source : Notre traitement sur stata 15.

L’image ci haut présente les coefficients de corrélation de bravain et pearson en utilisant la

matrice de corrélation linéaire sous stata 15.

Ainsi, il découle de cet tableau que la taille du ménage présente une forte corrélation avec la
pauvreté de ménages, le coefficient de corrélation étant égale 0,7005 il tend vers 1 ceci dit que
lorsque la taille du ménage augmente de 0,7005% , la pauvreté augmente de 1%.La variable
âge du chef de ménage présente une corrélation faible de 0,22 . L’éducation du chef de
ménage présente une corrélation négative de -0, 34, la profession du chef de ménage ainsi que
le genre du chef de ménage présentent tous deux des très faibles corrélations avec la pauvreté.

SECTION 3 : Discussion des résultats

En analysant les interprétations ci hautes, nous remarquons premièrement dans le premier

tableau, sur les analyses économétriques de la régression logistique binaire les résultats selon
lesquels il existe un lien de corrélation positive entre la taille de ménage et la pauvreté dans la
ville de Bukavu précisément dans la commune de kadutu ce qui se traduit par un coefficient
de la variable taille de ménage élevé et negative, les mêmes résultats sont encore trouver dans
le second tableau sur la matrice de corrélation qui est positif et tendent vers l’unité .

Ce coefficient est évalué à 0,7 soit 70% ce qui signifie que l’augmentation de la taille de
ménage de 1% entrainent une augmentation de la pauvreté de 0,7% ce qui signifie que la
pauvreté est trop sensible à l’augmentation de la pauvreté dans la ville de Bukavu
principalement dans la commune de kadutu.

Les résultats tel que présenté et interprété ci haut corrobore avec d’autres travaux
scientifique dans la revue de littérature empirique et théorique ainsi, en 2017 balekage
mugaruka jean de DIEU a parlé sur la relation entre le contrôle de naissance et la pauvreté
dans la ville de Bukavu en utilisant la méthode de régression logistique binaire et aboutis aux
résultats selon les quels :
Il existe une corrélation positive entre la variable dépendant (la pauvreté) et la variable
indépendante (contrôle de naissance), plus un ménage applique les méthodes de planning
familial plus la probabilité pour ce ménage de tomber dans l’extrême pauvreté est baissé mais
dans la même direction plus le ménage ne contrôle pas leurs naissances plus la probabilité de
tomber dans l’extrême pauvreté est trop élevé.
Banza mukalayi en 2016 avait mené son étude sur l’éducation de la femme et la fécondité en
République Démocratique du Congo en utilisant les statistiques descriptive et l’économétrie
principalement la régression logistique multinomiale ; il a trouvé les résultats suivants la
fécondité de la femme dépend de son niveau d’étude au seuil de confiance de 5% et 1% plus
le niveau d’éducation de la femme augmente plus le taux de fécondité diminue ceci s’explique
du fait que plus la femme a étudié et plus elle connait l’importance du contrôle de naissance et
les méthodes à utiliser pour contrôler ses naissances.
 implication des résultats
Le travail ci haut sur la relation entre la taille de ménage et la pauvreté dans la ville de
Bukavu peut ressortir les implications suivantes sur le plan locale ainsi que sur le plan
national.
Premièrement, vue que la culture africaine en générale et bukavienne en particulier est une
culture populationniste basé sur les valeurs religieuses encourage les naissances ; l’enfant est
vue dans nos communautés comme étant une bénédiction de DIEU peu un importe la façon
dont ils est venue ce pendent, il s’avère intéressant de constaté que la talle de ménage a un
impacte négatif sur la pauvreté, ce ci impliqué que les parent qui désirent avoir un niveau de
vie un peu stable devrait veille a la diminution de leurs taille de ménage en utilisant les
contraceptives ou les méthodes naturels afin de régulé les naissance.
Deuxièmement, nous constatons que dans certain ménages les enfants en âge de scolarité
n’étudies pas suite à une augmentation exagère de la pauvreté, ce ci étant, la pauvreté à
plusieurs implications sur la qualité des enfants, ce qui permet de rejoindre les théoriciens de
la famille notamment Garry Becker qui préconise l’investissement dans la qualité et non dans
la quantité des enfants.
 Limite des résultats

La pertinence de nos résultats ainsi que l’originalité d’une telle étude ne le met pas à l’abri
des critiques, cet ainsi que nous pouvons voire que notre travail traite de manière particulière
sur la question du lien existant entre la taille de ménage et la pauvreté sans pour autant être
plus généralisant en fin des mieux comprendre le phénomène dans sa dimension globale ce
ainsi que d’autres études pourraient traité ce phénomène en essayant d’étendre ce phénomène
sur d’autre contraints .
A fin, le coefficient de détermination de notre modèle économétrique nous démontre
également qu’il ya eu d’autre variables omises qui étaient sensé expliqué le modèle ce
pendent d’autres études pourraient augmentés d’autres variables en fin mieux expliqué la
pauvreté.
CONCLUSION ET RECOMMANDATION

Au terme de ce travail qui porte sur la corrélation entre la taille de ménage et la pauvreté à
Bukavu cas de la commune de Kadutu, nous avions abordé dans l’introduction cette
problématique, la croissance de la population dans le monde, en Afrique subsaharien ainsi
qu’en République Démocratique du Congo et en particulier dans notre province de Sud-Kivu
plus particulièrement dans la commune de kadutu où nous avons démontré l’état de la
question dans les différents coins susmentionnés.

Pour répondre à cette problématique, nous avons formulé l’hypothèse selon laquelle, il existe
une relation entre la taille du ménage et la pauvreté à kadutu, plus la taille des ménages
augmente plus la pauvreté accroit.

Pour vérifier cette hypothèse, nous avons subdivisé notre travail en trois chapitres dont voici
le contenue, le premier était consacré à la littérature, deux revues ont été décortique, le
premier était consacré à la revue de la littérature ,deux revues ont été décortiqué dans ce
chapitre, la revue théorique et la revue empirique, la première consistait à définir les concepts
clés du travail, et la seconde était de parler d’autres travaux similaires à le nôtre ainsi que la
différence entre notre travail et ceux des autres.

Le deuxième était consacré la présentation du milieu d’étude et du cadre méthodologique, le

milieu d’étude était la ville de Bukavu et en particulier la commune de kadutu, pour ce qui est
la méthodologie, il s’agissait de présenter premièrement les variables retenues dans le cadre
de notre travail, tout en faisant ressortir l’échantillon qui était de 170 ménages deuxièmement,
de parler des techniques des collectes et l’analyse des données en présentant certaines
formules des statistiques descriptives et inferencielles.
Le troisième chapitre consistait à présenter, analyser et interpréter les résultats recueillis sur le
terrain ainsi que les recommandations récusent, pour se faire, nous avions premièrement
présenté les résultats descriptifs à l’aide des certains tableaux des statistiques descriptives à
l’aide des certains tableaux des statistiques descriptives en fin nous avions présenté les
résultats inferienciels notamment la matrice de corrélation de bravais-person ainsi que la
régression logistique binaire entre la taille du ménage, l’âge du chef de ménage, la profession
du chef de ménage, où la taille du ménage était notre principale variable explicative où nous
avions remarqué qu’il existe une corrélation entre la taille de ménage et la pauvreté dans la
commune de kadutu.

Vu que plusieurs travaux empiriques sur la relation entre la pauvreté et la naissance

démontrent une corrélation élevée entre ces deux variables, chose qui vient d’être démontré
par notre travail, portant sur la corrélation entre la taille des ménages et la pauvreté à Bukavu
cas de la commune de kadutu nous formulons les recommandations suivantes aux ménages
vivant dans la commune de Kadutu et l’Etat congolais :

Aux ménages vivant à kadutu, de limiter la taille de leur ménage premièrement en limitant les
naissances, par la pratique du planning familiale en utilisant soit la méthode naturelle ou
artificielles en fin d’investir n’ont pas dans la quantité mais dans la qualité des enfants, c’est-
à-dire enfanté un enfant dont on sera capable d’assurer leurs besoins de base pour enfin qu’il
soit vraiment un appui pour les parents dans les vieux âges.

Au gouvernement congolais, de soutenir et protéger les politiques de planning familial en

encourageant les ménages de pratiquer le contrôle de naissances à travers des sensibilisations
par voies des ondes, télévision, forum, par les hôpitaux.
NOTES BIBLIOGRAPHIQUE
a) Ouvrages

Amatya sen et peter towsend(2008), définition de la pauvreté multidimensionnelle, agence

française de développement département de la recherche, AFD France,

Emmanuelle benicourt (20014) .La pauvreté selon le PNUD et la banque mondiale Etude
rurales, Nation-unies.

L.Asselin A.Dauphin,( 2000) . mesure de la pauvreté : un cadre conceptuel, centre canadien

d’études et coopération internationale (CECI),

Martin ravallion( 2011), comment définir la pauvreté, consultante OCDE, n°049 janvier.

Martin Ravallion(1996). Comparaison de la pauvreté : concepts et méthodes », document

travail n°122, Nation-Unis.

Oxford (2016) .multidimensionnal poverty and its measures : guide on poverty

measurements ; oxford university

Programmes de nations unies pour le développement humain(2014). Rapport sur le

developpement humain .

Toulemon(2004) .la fécondité en France depuis 25ans » rapport, haut conseil de la population
et la famille.
Thomas Robert Malthus(1798).An assey on principe of population gowth , Economie
politique, Angleterre

b) NOTE DES COURS

Anne-Marie brocas (2007) .condition de vie de famille nombreux » maquette la source, paris

Claude AUGE et Paul AUGE et CIE(2005), petit Larousse en couleur » paris 2005.

Essé amouzou(1979) .Religion et société croyances traditionnelles chez les africains , centre
de recherche de lomé.

PAUL Schult,(1999) . Relation entre la fécondité et la pauvreté au Kenya » Edition Nairobi

Prof Buraye kilosho ; Ouvrage d’économétrie L1,/Bukavu ;Inedit

c) Mémoire et TFC

Balekage Mugaruka (2017) Relation between birth control and pauvrety redaction , TFC
UCB

Banza mukalayi(2016) «relation entre la fecondité de la femme et la pauvreté en RDC , TFC

UCB

Marguerité Matunda ,l’impact de la croissance démographique sur le niveau de la vie de la

population cas de la ville de Bukavu , TFC UCB 2012

René Baluku miki (2012) la pauvreté multidimensionnelle cas du territoire de Kabare,

Mémoire UCB

Balibuno munguakonkwa(2011) .Determinant de la demande des credits par les PME de la

ville de bukavu, mémoire, UCB
 d) Notes des cours

Prof Masoka safi Bibish( 2019) Méthode de recherche en SCA, L1 SCA ISP/Bukavu