L’innovation technologique en CEMAC révèle une réalité surprenante : la différenciation par attributs pourrait être la clé pour dynamiser les échanges intracommunautaires. Cette recherche met en lumière les défis économiques et les opportunités commerciales, incitant à repenser les stratégies d’intégration régionale.
Section 2- La spécification et l’estimation du modèle
- Modèle à des fins d’estimations
La modélisation choisie pour apprécier l’impact des attributs d’un produit sur le choix des consommateurs s’appuie sur une formulation empirique du modèle de Lancaster (1966) qui se traduit par la forme fonctionnelle suivante :
AM =f(X,Z)
AM(cg,b) = DPA(cg,b) + ε(cg,b) avec DPA(cg,b) = αXcg + µZb D’où
AM(cg,b) = αXcg + µZb + ε(cg,b)
Après avoir effectué le test de Khi-deux pour voir s’il y a une association entre la variable AchatMeuble (AM) et les variables indépendantes, nous retenons comme modèle économétrique la forme suivante :
AM(cg,b) = β0 + β1REV + β2SIT + β3DIST + β4ATC + β5ATSOLID + εcg,b
Avec :
REV : revenu de l’enquêté ;
SIT : situation socio-professionnelle de l’enquêté ;
DIST : distance à parcourir pour acheter un meuble, qui est considéré comme un attribut du meuble;
ATC : attribut de couleur du meuble qui dépend du bois utilisé pour la fabrication ;
ATSOLID : attribut de solidité du meuble qui dépend du bois utilisé pour la fabrication ;
Base de données
Cette étude a été basée sur deux collectes de données consécutives. Une enquête exploratoire qui a permis de collecter les données qualitatives de base pour l’étude de préférence (attributs importants dans le choix des consommateurs et leurs modalités) et une enquête structurée qui a servi à la collecte des données quantitatives et à la mesure de la préférence des consommateurs.
Zone de collecte des données et échantillonnage
Au total, 2253 consommateurs ont été enquêtés dans les communes de Libreville, Akanda et Owendo.
Commune | Taille de l’échantillon |
Libreville | 1000 |
Owendo | 753 |
Akanda | 500 |
Total | 2253 |
Méthode de collecte et données collectées
La collecte des données ayant servi à la réalisation de ce travail a été faite du mois de mai au mois novembre 2018, dans les communes de Libreville, Akanda et Owendo. Dans chaque commune échantillonnée, la collecte de données a été faite en deux étapes.
La première constituait à déterminer la proportion des acheteurs de meuble fait en bois.
Elle consistait à demander à tous les individus à même de prendre leur propre décision de consommation, s’ils achetaient les meubles en bois. Après ce travail, le nombre d’enquêtés prévus a été choisi de façon aléatoire.
Chaque enquêté a été amené à donner ses caractéristiques socio-économiques, sa consommation de bois sous forme de meuble et la qualité de meuble qu’il préfère.
Le choix des attributs et leurs niveaux
Au cours de l’enquête exploratoire, les consommateurs ont choisi et hiérarchisé les attributs qu’ils préfèrent sur Le meuble. Ces données ont été saisies et un classement moyen a été fait.
Les rangs moyens ont révélé que les consommateurs de meuble insistent le plus sur la solidité du bois, la couleur et la distance à parcourir.
Trois attributs ont été retenus, ainsi nous avons :
- Attribut de solidité qui mesure la durabilité du bois, et donc du meuble vis-à-vis des attaques des insectes à bois et de vis-à-vis de l’humidité. Deux niveaux ont été choisis OUI (solide pour le bois WENGE) et NON (pas solide pour le bois OKOUME)
- Attribut couleur qui présente la couleur naturelle du bois et donc du meuble. Deux niveaux : ROUGE (pour le bois OKOUME) et BRUN (pour le bois WENGE).
- La distance à parcourir mesure la distance maximale que peut parcourir un consommateur de son domicile au lieu d’achat pour acquérir le meuble qui répond à toutes ses préférences. Quatre niveaux ont été pris arbitrairement : moins de 10 km; entre 10 km et 20 km; entre 20 et 40 km; entre 40 km et plus.
De plus, des caractéristiques propres aux consommateurs sont mises en valeur telles que : le revenu, la situation socio-économique, la connaissance en termes de bois qui font l’objet d’une restriction commerciale.
Techniques de traitement des données
Les principales techniques utilisées pour traiter les données issues de nos enquêtes sont : le test de fiabilité et la régression.
Le test du Khi-deux
Pour déterminer les liens d’association entre nos variables indépendantes sur la variable dépendante, nous avons fait un test du Khi-deux. Le test du Khi-deux est un test qui consiste à tester la significativité statistique d’une association de deux variables qualitatives (nominales ou ordinales) (Carrino et Poujol, 2009).
Deux hypothèses sont à tester : d’une part l’hypothèse nulle H0 (pas d’association entre les deux variables) et d’autre part, l’hypothèse alternative H1 (il existe une association entre les variables).
Ainsi, H0 est à rejeter si le Khi-deux (x2) calculé est supérieur à la valeur de référence de Khi-deux se retrouvant dans la table de Khi-deux pour n degré de liberté (lignes) et pour un α (niveau de précision donné en colonne.)
L’étude de l’indépendance des caractères X et Y conduit à formuler l’hypothèse H0 « les caractères X et Y sont indépendants » contre l’hypothèse H1 « les caractères X et Y sont dépendants ».
Sous l’hypothèse H0, on compare les distributions d’effectifs observés et théoriques obtenus en faisant l’hypothèse d’indépendance des deux caractères.
La variable aléatoire x2 est une variable de Pearson à v = (L-1)(C-1) degré de liberté (ddl) avec L : nombre de lignes et C : le nombre de colonnes du tableau de contingence.
Tableau 1 : Répartition des enquêtés suivant le lieu d’achat et l’achat des meubles
Lieu d’achat | Total | ||||
chez le menuisier | chez le magasin | chez les deux | |||
Achat de meuble | un | 26,9% | 0% | 23,6% | 50,5% |
plusieurs | 15,7% | 9,3% | 24,5% | 49,5% | |
Total | 42,6% | 9,3% | 48,1% | 100,0% |
Pearson chi2(2) = 276.3855 Pr = 0.000 Cramér’s V = 0.3502
Source : nos calculs dans Stata 12.0
Ce tableau enseigne que 42,6% des enquêtés achètent leurs meubles chez un menuisier, 9,3% achètent dans un magasin et 48,1% vont à la fois chez un menuisier et dans un magasin pour acheter les meubles.
A la question de savoir s’il existe un lien d’association entre l’achat de meuble et le lieu d’achat, le test de Khi-deux (x2=276.3855 ; Pr = 0.000) prouve qu’au seuil de 99% (p<0,01), il existe un lien d’association et cette dernière est moyenne car Cramér’s v = 0,3502.
Tableau 2 : Répartition des enquêtés suivant le Revenu et l’achat des meubles.
Revenu | Total | ||||||||
0-50 FCFA | 51-100 FCFA | 101- 200 FCFA | 201- 300 FCFA | 301-400 FCFA | 401- 500 FCFA | 501 et plus | |||
Achat de meuble | un | 26,4% | 8,4% | 0,9% | 0% | 14,8% | 0% | 0% | 50,5% |
plusieurs | 8,8% | 0% | 7,9% | 9,3% | 6,9% | 0,9% | 15,7% | 49,5% | |
Total | 35,2% | 8,4% | 8,8% | 9,3% | 21,7% | 0,9% | 15,7% | 100,0% |
Pearson chi2(6) = 1158.882 Pr = 0.000 Cramér’s V = 0.7172
Source : nos calculs dans Stata 12.0
Ce tableau renseigne que 35,2% des enquêtés ont un revenu situé entre 0-50 FCAF, 8,4% ont un revenu situé entre 51-100 FCFA, 8,8% ont un revenu situé entre 101-200 FCFA, 9,3% ont un revenu situé 201-300 FCFA, 21,7% ont un revenu compris entre 301-400 FCFA, 0,9% ont un revenu situé 401-500 FCFA et 15,7% ont un revenu situé en 501 et plus.
Le test de Khi-deux (x2=1158,882 ; Pr = 0.000) révèle que l’achat des meubles est associé au revenu au seuil de 99% (p<0,01) et cette association est très forte car Cramér’s V = 0.7172.
Tableau 3 : Répartition des enquêtés suivant la Situation socio-professionnelle et l’achat du meuble
Situation socio-professionnelle | Total | ||||
chômeur | employé | étudiant | |||
Achat de meuble | un | 2,8% | 24,1% | 23,6% | 50,5% |
plusieurs | 0% | 41,7% | 7,9% | 49,5% | |
Total | 2,8% | 65,8% | 31,4% | 100,0% |
Pearson chi2(2) = 345.6481 Pr = 0.000 Cramér’s V = 0.3917
Source : nos calculs dans Stata 12.0
Le tableau nous renseigne que 2,8% des enquêtés sont chômeurs, 65,8% sont employés et 31,4% sont des étudiants.
Le test de Khi-deux (x2= 345,6481 ; Pr = 0.000) révèle que l’achat des meubles est associé à la situation socio-professionnelle au seuil de 99% (p<0,01) et cette association est moyenne car Cramér’s V = 0,3917.
Tableau 4 : Répartition des enquêtés suivant Connaissance sur les restrictions commerciales et l’achat de meuble.
connaissez-vous les essences de bois qui ne font pas l’objet d’une restriction commerciale | Total | |||
non | oui | |||
Achat de meuble | un | 32,0% | 18,5% | 50,5% |
plusieurs | 16,6% | 32,9% | 49,5% | |
Total | 48,6% | 51,4% | 100,0% |
Pearson chi2(1) = 199.1730 Pr = 0.000 Cramér’s V = 0.2973
Source : nos calculs dans Stata 12.0
Ce tableau renseigne que 48,6% des enquêtés ne connaissent pas les essences de bois qui font l’objet d’une restriction commerciale et 51,4% connaissent les essences de bois qui font l’objet d’une restriction commerciale.
Le test de Khi-deux (x2=199,1730 ; Pr = 0.000) révèle que l’achat des meubles et la connaissance des essences de bois qui font l’objet d’une restriction commerciale sont associés au seuil de 99% (p<0,01) et cette association est moyenne car Cramér’s V = 0,2973.
Tableau 5 : Répartition des enquêtés suivant la distance à parcourir et l’achat de meuble.
quelle distance maximum seriez-vous prêt à parcourir pour acheter votre meuble | Total | |||||
moins de 10 km | entre 10 km et 20 km | entre 20 et 40 km | entre 40 km et plus | |||
Achat de meuble | un | 39,8% | 10,6% | 0% | 0% | 50,4% |
Plusieur s | 8,8% | 7,9% | 25,0% | 7,9% | 49,6% | |
Total | 48,6% | 18,5% | 25,0% | 7,9% | 100,0% |
Pearson chi2(1) = 1196,367 Pr = 0.00 Cramér’s V = 0.7288
Source : nos calculs dans Stata 12.0
Le tableau renseigne que 48,6% des enquêtés sont prêts à parcourir moins de 10 km pour effectuer un achat de meuble, 18,6% sont prêts à parcourir entre 10 km et 20 km, 25,0% sont à parcourir entre 20 et 40 km et 7,9% sont prêts à parcourir 40 km et plus.
Le test de Khi-deux (x2=1196,367 ; Pr = 0.000) révèle qu’il y a un lien entre l’achat des meubles et la distance à parcourir au seuil de 99% (p<0,01) et ce lien est très fort car Cramér’s V = 0,7288.
Tableau 6: Répartition des enquêtés suivant l’attribut solidité du bois et l’achat de meuble.
Attribut de solidité | Total | |||
non | oui | |||
Achat de meuble | un | 19,0% | 31,4% | 50,5% |
plusieurs | 7,9% | 41,7% | 49,5% | |
Total | 26,9% | 73,1% | 100,0% |
Pearson chi2(1) = 137.0072 Pr = 0.000 Cramér’s V = 0.2466
Source : nos calculs dans Stata 12.0
Ce tableau nous renseigne que 26,9% n’ont pas de préférence pour l’attribut de solidité du meuble tandis que 73,1% sont influencés par cet attribut.
Le test de Khi-deux (x2=137.0072 ; Pr = 0.000) révèle qu’il y a un lien entre l’achat des meubles et l’attribut de solidité au seuil de 99% (p<0,01) et ce lien est moyen car Cramér’s V = 0,2466.
Tableau 7 : Répartition des enquêtés suivant l’attribut couleur du bois et l’achat de meuble.
Attribut couleur | Total | |||
rouge | brun | |||
Achat de meuble | un | 18,5% | 32,0% | 50,5% |
plusieurs | 11,6% | 37,9% | 49,5% | |
Total | 30,1% | 69,9% | 100,0% |
Pearson chi2(1) = 47.2736 Pr = 0.000 Cramér’s V = 0.1449
Source : nos calculs dans Stata 12.0
Le tableau nous renseigne que 30,1% des enquêtés achètent des meubles dont le bois a la couleur et 69,9% le meuble dont le bois est de couleur brun.
Le test de Khi-deux (x2=47,2736 ; Pr = 0.000) révèle qu’il y a un lien entre l’achat des meubles et l’attribut de couleur du bois au seuil de 99% (p<0,01) et ce lien est très moyen car Cramér’s V = 0,1449.
Tableau 9 : Répartition des enquêtés suivant le déplacement sur les autres marchés de la CEMAC et l’achat de meuble.
si le meuble de votre choix n’est pas sur le marché gabonais, serez-vous prêt à aller acheter ce dernier sur les autres marchés de la CEMAC ? | Total | |||
non | oui | |||
Achat de meuble | un | 0% | 50,5% | 50,5% |
plusieurs | 15,7% | 33,8% | 49,5% | |
Total | 15,7% | 84,3% | 100,0% |
Pearson chi2 (1) = 427.8936 Pr = 0.000 Cramér’s V = -0.4358
Source : nos calculs dans Stata 12.0
Ce tableau nous renseigne que 15,7% des enquêtés ne sont pas favorables au déplacement sur les autres marchés de la CEMAC tandis que 84,3% sont prêts à aller acheter leurs meubles dans les autres pays, ce qui traduit une acceptation des produits des pays de la sous-région.
Le test de Khi-deux (x2=427,8936 ; Pr = 0.000) révèle qu’il y a un lien entre l’achat des meubles et l’attribut de couleur du bois au seuil de 99% (p<0,01) et ce lien est très faible car Cramér’s V = – 0,1449.
Chapitre IV- Présentations, interprétations des résultats de l’enquête et les recommandations
Section 1- Présentation des résultats
AM(cg,b) = β0 + β1REV + β2SIT + β3DIST + β4ATC + β5ATSOLID + εcg,b
. logistic AchatMeuble revenu situation distance attributDesign preferencesolidite (Résultats 1)
Log
Log likelihood = -4
AchatMeuble | Odds Ratio | Std. | ||||
revenu | 4.612833 | .4132239 | 17.0 | |||
situation | 7.151441 | 1.651694 | 8.52 | 0 | ||
distance | 1150.879 | 520.0622 | 15.60 | 0.000 | ||
attributDesign | .0743801 | .0232033 | -8.33 | 0.000 | .04 | |
preferencesolidite | .1370534 | .0363178 | -7.50 | 0.000 | .0815323 | |
_cons | .001173 | .0005677 | -13.94 | 0.000 | .0004543 | .00 |
logistic AchatMeuble revenu situation distance attributDesign preferencesolidite, coef (Résultats 2)
Log Log likelihood = | -419 | ||||||
AchatMeuble | Coef. | Std. E | |||||
revenu | 1.528842 | .0895814 | 17.07 | ||||
situation | 1.967314 | .2309596 | 8.52 | 0.00 | |||
distance | 7.048282 | .4518824 | 15.60 | 0.000 | |||
attributDesign | -2.598567 | .3119555 | -8.33 | 0.000 | -3.20998 | ||
preferencesolidite | -1.987385 | .2649901 | -7.50 | 0.000 | -2.506756 | -1 | |
_cons | -6.748213 | .4839585 | -13.94 | 0.000 | -7.696754 | -5.79967 |
Source : nos calculs dans Stata 12.01
Questions Fréquemment Posées
Quels attributs influencent le choix des consommateurs de meubles en CEMAC?
Les consommateurs de meubles insistent le plus sur la solidité du bois, la couleur et la distance à parcourir.
Comment a été réalisée la collecte de données pour l’étude sur les meubles en CEMAC?
La collecte des données a été faite du mois de mai au mois de novembre 2018, dans les communes de Libreville, Akanda et Owendo, en deux étapes.
Quel modèle économétrique a été utilisé pour l’étude sur les attributs des meubles?
Le modèle économétrique retenu est AM(cg,b) = β0 + β1REV + β2SIT + β3DIST + β4ATC + β5ATSOLID + εcg,b.