Université Marien NGOUABI
Faculté des Sciences Economiques
Formation Population et Développement
Niveau: Master 1
Introduction
L’objectif général du cours est de présenter les éléments de base qui contribuent à la collecte et l’analyse des données dans un travail de recherche. Les objectifs spécifiques sont les suivants :
Il est d’une grande importance d’étudier les méthodes et techniques permettant la réalisation rigoureuse de la collecte, du traitement et de l’analyse des données.
Les connaissances décrites dans ce support proviennent du manuel de méthodologie de la recherche élaboré depuis 2008 et utilisé par l’auteur pour l’organisation des ateliers de méthodologie de la recherche dans l’objectif de former et d’encadrer les jeunes chercheurs du Centre d’Etudes et de Recherches sur les Analyses et Politiques Economiques (CERAPE).
La collecte et l’analyse des données en ce qui concerne les critères d’interprétation de celles-ci font partie de l’approche méthodologique dans un travail de recherche. Il importe de préciser que l’étape qui précède la collecte et l’analyse des données porte sur la définition des indicateurs et variables d’analyse. En effet, la collecte des données doit se conformer aux indicateurs et variables définis par le chercheur et qu’il a conçus pour répondre aux questions de recherche qu’il s’est posées. En outre, les indicateurs et variables servent à tester les différentes hypothèses. Ces questions seront vues de façon exhaustive en master II. Mais, l’étudiant doit être conscient de l’étroite relation existant entre les deux étapes pour ne pas limiter la méthodologie à la seule collecte des données. Cette erreur est souvent commise par les étudiants et les jeunes chercheurs dans leurs travaux de recherche.
La pédagogie du cours comportera des sessions théoriques et des exercices pratiques comme l’élaboration d’un questionnaire et d’un guide d’entretien, la codification des données d’une enquête, la production de tableaux et graphiques à partir des données collectées lors d’une enquête ou dans un annuaire statistique. Ces pratiques relevant de la collecte, du traitement et de l’analyse des données sont d’une grande importance parce qu’elles contribuent à fournir aux étudiants des compétences indispensables dans la recherche et dans le travail professionnel futur.
Le cours est structuré autour des points suivants :
On peut définir les données comme les faits et les chiffres qui sont collectés afin d’être traités, analysés et ensuite interprétés. Toutes les données collectées dans une étude particulière constituent l’ensemble des données ou la base des données de cette étude.
Tableau 3. Exemple de base des données : les caractéristiques des ménages
*variable concernant le chef de ménage
Codification[1]
Résidence : 1 = zone urbaine ; 2 = zone rurale
Niveau d’éducation : 0 = sans éducation 1= primaire ; 2=secondaire 1er degré ; 3=secondaire 2e degré ; 4 = supérieur
Statut marital : 0 = célibataire ; 1= marié ; 2 = veuf ; 3 = divorcé
Cette base des données comporte 10 individus ou unités statistiques. Elle comprend donc 10 observations. Certaines variables sont quantitatives (taille, âge, nombre d’enfants, budget alimentaire) d’autres sont qualitatives (statut marital, niveau d’éducation, zone de résidence).
Soulignons que les variables qualitatives ont besoin d’être codifiées parce que la base des données ne doit contenir que des valeurs numériques afin qu’elle soit traitée par l’outil informatique.
On peut déceler une relation de dépendance entre la zone de résidence et la taille du ménage. En effet, les données du tableau montrent que les ménages dans les zones rurales ont tendance à être des ménages de grande taille (cas de ménages 5, 8 et 9), ce qui n’est pas le cas des ménages dans les zones urbaines (cas des ménages 2, 6, 7 et 10).On peut alors déduire que la zone de résidence a une influence sur la taille du ménage. Ainsi, la première variable sera considérée de variable indépendante et la deuxième variable dépendante. Mais comme il a été dit plus haut, d’autres variables peuvent aussi avoir de l’influence sur la taille du ménage. C’est le cas par exemple du niveau d’éducation. Dans notre exemple, on peut observer que le niveau d’éducation du chef de ménage dans les ménages de grande est souvent faible (0 ou 1) alors que dans les ménages de petite taille, ce niveau d’éducation est élevé (3 et 4). Naturellement, l’exemple ci-dessus est simplifiée à dessein pour des besoins pédagogiques. Dans la réalité la base des données peut être plus exhaustive et porter sur 300, 1500 voir 5000 ménages. C’est le cas de la base des données de l’ECOM. Dans ces conditions, des logiciels économétriques comme STATA ou DAD peuvent être mis à contribution pour identifier les corrélations entre les variables.
Les sources des données sont de plusieurs types en fonction de la nature de l’objet de recherche et de la problématique du chercheur. Si le thème de recherche concerne le commerce extérieur par exemple, dans cette situation les sources des données seront constituées par les annuaires statistiques des services de douanes dans le cas où le chercheur a besoin des données désagrégées par catégories de produits. Sinon, les services nationaux de la statistique ont traité des données désagrégées du commerce extérieur en les regroupant en principales catégories qui sont reproduites dans les annuaires statistiques du Centre national de la statistique. Dans ce cas, il est préférable de collecter les données déjà traitées et ainsi de gagner du temps. En plus l’avantage est que ces données ont été traitées par des experts en statistiques. Elles ont donc une fiabilité alors que le chercheur qui n’est pas forcément un spécialiste des statistiques n’aura pas la même aptitude technique. De ce point de vue, le traitement risque de comporter des erreurs et d’entraîner des biais dans son étude.
Les institutions comme la Banque centrale, le Ministère des Finances, le Ministère du Plan, le Ministère de l’éducation nationale, le Ministère de la santé, le Ministère de la fonction publique, etc. possèdent des services spécialisés dans la collecte et le traitement des données statistiques relevant de leur secteur. Il est important de les consulter afin de disposer des données requises.
Les institutions internationales comme celles de la Banque Mondiale, le FMI, l’Union Européenne, la Zone Franc, l’OMS, la CEA, le PNUD, etc. ont aussi des services spécialisés qui déploient de grands moyens dans la collecte et le traitement des données statistiques. Ces institutions produisent des rapports statistiques contenant des données variées et des séries temporelles dignes d’intérêt pour des recherches couvrant une longue période.
D’autres thèmes de recherche relevant du champ micro-économique nécessitent la production des données de première main parce que celles-ci son introuvables dans les rapports statistiques. C’est le cas des études portant sur une catégorie précise d’entreprises, de ménages, certaines localités comme celles situées dans les zones rurales, etc. Dans ces conditions, il est nécessaire de mener une enquête de terrain. Par exemple, si l’on veut étudier l’impact du microcrédit sur le secteur informel, il est difficile d’avoir des données dans les rapports officiels. Le chercheur est donc contraint d’organiser une enquête de terrain.
L’enquête de terrain est une source intéressante qui permet d’obtenir des données originales. Cependant, elle doit respecter un certain nombre de règles.
L’une des règles à suivre est la définition de l’échantillon, c’est-à-dire de la population à étudier. Rappelons que population est un concept perçu ici dans son sens statistique, à savoir la nature et le nombre des individus à interroger. Ces individus ou unités statistiques peuvent être des personnes, des ménages, des entreprises, des institutions, etc. Comme cette population est vaste, il faut nécessairement déterminer les points d’échantillonnage, c’est-à-dire les lieux où les individus peuvent être localisés et atteints par les enquêteurs. Ces lieux ne doivent pas être choisis de façon délibérée, mais en se fondant sur le critère de la représentativité. On peut décider que les 5 marchés où exercent des acteurs du secteur informel, 2 marchés vont constituer les points d’échantillonnage. Ces deux marchés devront dans la procédure de sélection être tirés au sort afin de respecter la méthode aléatoire. L’autre problème qui va se poser est la base de sondage. La base de sondage est un fichier administratif dans lequel sont répertoriés la population visée, et dans le cas d’espèce, les vendeurs du marché. Ces derniers doivent être définis du point de vue du nombre (exemple interroger 200 individus). Comment les sélectionner ? Si le secteur informel est constitué par les vendeurs d’un marché donné de la ville, la base de sondage sera constituée par le fichier des vendeurs détenu par le comité de marché. La sélection devra une fois encore (à l’image de la sélection des deux marchés) se conformer à la méthode de sélection aléatoire. Cela signifie que sur le fichier des vendeurs, il sera coché un nom sur quatre sur la liste des noms des vendeurs en sautant par exemple 3 noms. Ou bien, ne seront sélectionnés que les vendeurs dont les noms commencent par les lettres B ou K.
Le support de l’enquête est généralement constitué par un questionnaire. La confection du questionnaire doit être faite avec soin. Elle doit suivre celle du plan du rapport de recherche et non pas être élaboré avant le plan pour ne pas oublier d’intégrer dans le questionnaire des informations importantes. Si l’enquête de terrain doit être complétée par des entretiens auprès d’informateurs clés, le support des entretiens est le guide d’entretien.
Le questionnaire
Il importe de voir les règles à suivre pour élaborer un questionnaire. La première règle est que le questionnaire doit être structuré. Cela signifie qu’il doit se conformer au plan du mémoire, de la thèse ou du rapport de recherche afin de refléter les principales informations exigées par l’objet de l’étude et la problématique retenue. La structure du questionnaire doit être précise et clairement présentée dans le document qui sera mis à la disposition des enquêteurs ; cela permet aussi de faciliter par la suite le traitement des données collectées.
La deuxième règle concerne la forme des questions. Elles doivent être courtes, claires et ne souffrir d’aucune ambiguïté. Si hormis, le choix des réponses, la question compte plus de vingt mots, le répondant risque de ne plus se retrouver. Il faut également veiller à ce que la formulation des questions soit accessible en évitant le jargon des spécialistes et les termes ésotériques. C’est dans le langage de tous les jours qu’il faut puiser les mots pour bâtir une question.
La troisième règle est qu’il est préférable dans le cadre des méthodes quantitatives de prévoir des réponses à choix multiple. Ce type de réponse découle de questions fermées. Exemple 1 : quel est votre statut marital ? /__/ célibataire /__/ marié /__/ veuf /__/ divorcé. Exemple 2 : avez-vous recours à quel centre de soins ? /__/ hôpital /__/ dispensaire /__/ cabinet médical /__/ cabinet d’un tradipraticien /__/ autre (précisez). Ce genre de questions est plus facile à remplir et le traitement du questionnaire est plus facile à réaliser. A l’inverse, les questions ouvertes sont plus difficiles à remplir et le traitement plus délicat car il faut au préalable définir des catégories dans lesquelles il sera possible de ranger les diverses réponses avec le risque de se retrouver avec une multitude de réponses difficiles à classer.
La quatrième règle : il ne faut pas induire des opinions. Il peut arriver que les individus interrogés n’aient pas d’opinion sur un sujet particulier ou qu’ils n’y aient jamais réfléchi. Une question inappropriée risque de susciter une opinion qui n’est pas personnelle et qui revêt un caractère artificiel. Il faut donc offrir l’option « sans opinion » ou bien formuler une question filtre permettant de départager ceux qui ont une opinion de ceux qui n’en n’ont pas. Exemple de question filtre :
Avez-vous entendu parler de la loi sur la décentralisation ?
Si oui, êtes-vous en accord avec cette loi ?
La cinquième règle : il importe d’éviter tous les biais, les partis pris, les jugements de valeur, autant de réponses qui ne reflètent pas l’opinion personnelle des répondants. Les réponses ne doivent pas être suscitées par le type de questions ou le comportement maladroit de l’enquêteur. Le répondant ne doit pas être influencé dans ses réponses. Il doit être tout à fait libre de répondre à sa convenance. Les questions du genre : vous avez tort de… ? Vous avez raison de. .. C’est un mal de … doivent être supprimées du questionnaire. Les options offertes doivent également être équilibrées : autant d’options favorables que défavorables. Il faut donc couvrir une gamme suffisante de possibilités lorsqu’on offre des réponses à choix multiples.
Le guide d’entretien
C’est aussi un support quand le chercheur procède à la collecte d’informations et de données auprès des informateurs clés (responsables d’institutions, notables, leaders d’opinions, etc.). Certaines études nécessitent que des informations particulières proviennent des entretiens à mener auprès des personnes détenant des responsabilités dans une entreprise ou une autre institution. Ces informations ne sont pas forcément consignées dans des documents. Elles découlent de la longue expérience de l’informateur dont la connaissance de l’institution, de son fonctionnement, de ses relations avec l’environnement est profonde. L’entretien doit alors être soigneusement préparé et le guide d’entretien est le moyen de procéder à cette préparation minutieuse. Naturellement l’administration du guide d’entretien est plus compliquée que celle d’un questionnaire car, au cours de l’entretien, l’enquêteur doit savoir bien orienter cette séance et ne pas oublier les attentes qu’il a formulées au préalable. La maîtrise de son projet de recherche à travers le guide d’entretien est un atout important.
A la différence du questionnaire, le guide ne contient pas des questions. Il est construit en se fondant sur les thèmes et sous-thèmes contenus dans le plan d’analyse. Quelques règles doivent être respectées pour mener à bien l’entretien.
La première règle consiste à rédiger un guide d’entretien structuré conformément à au plan du rapport de recherche, du mémoire ou de la thèse.
La deuxième règle est que les thèmes et sous-thèmes doivent être précis et ne souffrir de confusion.
La troisième règle est que l’enquêteur qui est souvent le chercheur lui-même doit prendre des notes exhaustives et suivre dans l’entretien les thèmes définis au préalable tout en étant souple dans l’ordre où ceux-ci seront abordés par son interlocuteur.
Les données collectées sont traitées et analysées en recourant aux méthodes statistiques. Il existe deux types de statistiques : les statistiques de type descriptif et les statistiques de type explicatif ou inférentiel (Paul Nda, 2006).
Les statistiques descriptives comprennent
Soulignons que les statistiques descriptives peuvent prendre aussi la forme d’une corrélation (lien entre X et Y) ou la forme de comparaison (différence de moyenne entre X et Y). Mais étant descriptives, ces statistiques ne recherchent pas les liens de causalité (X influence Y).
Les statistiques explicatives ou inférentielles
Les statistiques explicatives autrement appelées inférentielles sont des résultats de tests statistiques ou économétriques. Elles cherchent à vérifier l’existence d’un lien de causalité entre une ou plusieurs variables explicatives (variables actives ou indépendantes) avec des variables à expliquer (variables dépendantes). Elles visent à répondre à la question suivante : X influence-t-il le comportement de Y ? Elles cherchent donc à vérifier des hypothèses. Pour vérifier la relation entre deux variables, on peut les croiser dans un tableau appelé tableau croisé ou de contingence. On peut aussi, procéder à des régressions économétriques sur le modèle décrit par la fonction suivante :
Y = f(X, Z)
Avec
Y la variable à expliquer
X et Z les variables explicatives
On distingue deux grandes classes d’analyses statistiques inférentielles pour vérifier les liens entre les variables :
- les tests paramétriques pour des variables dont la distribution est normale ou gaussienne (par exemple le t de Student pour les échantillons indépendants et pour les échantillons appariés, la corrélation de Pearson, l’analyse de la variance, les analyses de régression, de covariance, etc.)
- les tests non paramétriques, ceux qui ne correspondent plus aux critères de normalité. C’est le cas du test de la médiane, le test du signe, le test de Kendal tau, le test de Krushal-Wallis, le Khi deux, etc.
Les critères d’interprétation
L’énoncé de l’indicateur ne suffit pas. Il faut le compléter par les critères permettant d’interpréter les résultats découlant de l’application de l’indicateur sur les données collectées. Les critères d’interprétation sont donc des indications qui accompagnent la définition des indicateurs et contribuent à éclairer les résultats obtenus.
Si nous reprenons l’exemple des indicateurs cités plus haut. Les exportations par exemple pris comme indicateurs, le chercheur peut définir un critère simple d’interprétation à savoir un accroissement de celles-ci traduit un dynamisme alors qu’une baisse traduit un manque de dynamisme. Si le taux de couverture est supérieur à 100% (Tc > 100%), le commerce extérieur est considéré comme dynamique. A l’inverse, si le taux de couverture est inférieur à 100%, celui-ci n’est pas dynamique..
On peut aussi se référer à la structure des exportations et définir un critère d’interprétation. Exemple : si le pourcentage des exportations des biens manufacturés dans le total des exportations est supérieur ou égal à 50%, les échanges du pays sont jugés dynamiques et traduisent un certain niveau d’industrialisation.
Dans le cadre d’une étude sur les performances scolaires, on peut émettre le critère d’interprétation suivant : si la moyenne des notes de l’étudiant est supérieure à 12, celui-ci est classé dans la catégorie des étudiants réalisant des bonnes performances
Il importe de souligner que les critères d’interprétation souvent reflètent une tendance théorique contenue dans les hypothèses et cette tendance doit être clairement expliquée pour démontrer la cohérence des critères retenus et la vérification empirique réalisée.
Le rapport doit clairement présenter l’approche méthodologique adoptée dans le travail de recherche. Cette présentation comprend la description du modèle retenu et des indicateurs, la description des variables retenues et leur liaison intrinsèque, la description des critères d’interprétation.
Cette partie du rapport de recherche, du mémoire ou de la thèse est cruciale. Elle permet d’apprécier non seulement la cohérence et la pertinence de l’approche méthodologique, mais aussi la pertinence et la robustesse des résultats. L’évaluateur de ce point de vue va lire avec grande attention la manière dont sont décrites la collecte, le traitement et l’analyse des données dans le paragraphe réservé à la description de la méthodologie et conclure si le rapport de recherche comporte une valeur scientifique ou non.
Le modèle s’il comprend les indicateurs simples doit être présenté de façon précise en indiquant les formules utilisées, les variables et la justification des indicateurs. Il peut arriver que la justification se rattache au fait que le modèle utilisé a déjà été appliqué ailleurs dans des travaux similaires. C’est souvent ce type de justification que l’on rencontre dans les travaux des chercheurs africains. Une autre justification peut découler de l’analyse théorique constituant le cadre analytique de la recherche.
La présentation de chaque variable explicative et des liens avec la variable à expliquer est importante parce qu’elle éclaire leur rôle dans le modèle analytique et permet de justifier leur choix. Elle aide aussi à percevoir la cohérence d’ensemble du modèle.
Enfin, les critères d’interprétation des indicateurs doivent être précisés pour permettre de comprendre comment les résultats seront analysés.
Encadré 1
La présentation des résultats et de leur interprétation
Les résultats peuvent être présentés dans un tableau quand ils sont issus d’une modélisation économétrique. Pour les autres types de résultats quantitatifs, ils peuvent aussi être présentés soit sous la forme de tableaux, soit en utilisant les différentes figures (histogrammes, graphiques, fromage, etc.). Cela est valable pour les résultats provenant de l’exploitation des données statistiques traitées à partir d’annuaires statistiques ou d’enquêtes de terrain. Il est important de souligner que la présentation des résultats est l’une des parties essentielles du rapport de recherche, du mémoire ou de la thèse. C’est pourquoi, l’auteur doit s’efforcer d’être le plus clair et le plus précis possible. Il doit bien réfléchir à la manière la plus saisissante de présenter ces résultats en étant conscient que le lecteur devra comprendre sans problème la signification de ces résultats.
S’agissant de l’interprétation des résultats, les critères d’interprétation présentés dans la méthodologie serviront à l’interprétation et l’analyse des résultats. L’analyse consiste à mettre en évidence les relations entre les variables et à expliquer ces relations. Cette explication est décisive car elle devra contribuer à éclairer le lecteur sur les facteurs déterminants, le degré de cette détermination, l’impact sur le phénomène induit par le facteur déterminant, les limites de cet impact. Les recommandations de l’auteur dépendront de cette analyse et leur crédibilité sera conditionnée par la qualité et la robustesse de cette analyse.
Il est aussi important dans une recherche de montrer les limites de celle-ci en évoquant clairement les questions auxquelles il n’est pas possible d’apporter des réponses et les raisons qui sont à la base ces limites. Elles peuvent provenir de deux types de limites : des limites conceptuelles. Dans ce cas, les concepts et théories utilisés ne sont pas pleinement appropriés pour expliquer certains aspects de l’objet de recherche. Il est alors nécessaire de les revoir et de les approfondir ou d’inventer de nouveaux outils conceptuels. L’autre limite peut provenir des approches méthodologiques. Celles-ci ont des limites, les techniques et les procédés utilisés ne permettent pas de saisir certains éléments constituant l’objet d’étude à cause soit de leur spécificité, soit de leur nouveauté. Là aussi, il peut s’avérer indispensable de recommander que la recherche s’appesantisse sur la recherche de nouveaux outils méthodologiques plus adaptés. Ce faisant, le chercheur fait preuve d’analyse critique et ouvre la porte à des recherches ultérieures prometteuses.
Cette analyse critique est vitale pour l’avancée de la recherche en Afrique et l’appropriation de ses résultats par les africains. Le continent africain est en grande partie un continent vierge où de larges pans du réel demeurent inexplorés et méconnus. Cela est valable aussi bien pour les sciences de la nature que pour les sciences sociales. Si nous prenons la pensée économique africaine par exemple, elle est encore embryonnaire. Les concepts et les théories inventés par les chercheurs africains sont encore très limités. La connaissance de ces théories est faible. Des recherches ne sont pas menées pour les regrouper, les faire connaître et les vulgariser. Les manuels de formation universitaire sont exclusivement des documents importés. De même les politiques économiques appliquées sont des réflexions conçues ailleurs et appliquées sur le continent. Aucune appropriation nationale n’existe véritablement puisque ces politiques apparaissent comme des recettes importées.
La présentation des données, tableaux, graphiques, diagrammes et histogrammes
La présentation des données est nécessaire dans le rapport de recherche, le mémoire, la thèse ou la communication scientifique.
L’évaluateur doit être informé du type de données utilisées, de leurs sources, des méthodes utilisées pour la collecte et l’analyse des données. Ainsi, les données doivent être clairement décrites en énonçant leur nature, la période couverte. De même les sources doivent aussi faire l’objet d’une description détaillée en citant les institutions qui les a produites et la nature des documents où ces données sont reproduites. Si les données proviennent d’une enquête de terrain, il est nécessaire de décrire l’échantillonnage, les techniques de sélection de la population, la base de sondage et le support utilisé pour la collecte des données (questionnaire avec des questions fermées, ouvertes ou semi-ouvertes, guide d’entretien)
Un paragraphe du rapport d’analyse doit être réservée à la présentation des procédés utilisés pour le traitement des données, aux formules utilisées pour les ajustements et les extrapolations, aux critères suivis pour procéder à des agrégations et à la conception de catégories lorsqu’il s’agit de données très désagrégées, aux difficultés rencontrées dans la collecte et le traitement des données et aux solutions mises en place pour les surmonter. Le logiciel ayant servi au test économique doit être indiqué ainsi que les différents tests faits sur la base des données pour rendre stationnaire les données ou vérifier les relations de causalité et de colinéarité.
Aucune zone d’ombre doit exister sur la question des données statistiques et de leurs sources pour ne pas susciter un quelconque doute sur la cohérence et la pertinence des résultats de recherche. Les données ont une importance déterminante dans la qualité des résultats de recherche.
Encadré 2
Les tableaux et graphiques sont des outils qui servent à présenter les données qui ont été traitées par le chercheur. Ils jouent aussi un rôle important dans la présentation des résultats quantitatifs. Il peut arriver que le chercheur soit obligé de faire le choix entre les tableaux et les graphiques. Certaines données sont mieux illustrées par les graphiques surtout lorsqu’il s’agit de mettre en relief une évolution croissante ou décroissante du phénomène étudié dans le temps ou comparer l’évolution de différentes variables dans le temps.
Exemples de présentation des données traitées pour faciliter leur analyse
Exemple d’histogramme
Graphique 1. La répartition des différentes continents selon l’IDH
![]()
Source : Boungou Bazika, CODESRIA, 2010
Exemple d’histogramme renversé
Graphique 2. L’accès à l’eau potable dans le département du Kouilou
![]()
Source : Enquête CERAPE 2011
Exemple de fromage
Graphique 3. L’habitat dans le département de la Lekoumou
![]()
Source : Enquête CERAPE 2011
Exemple de courbes
Graphique 4. Evolution des coûts unitaires des biens importés de Chine et de RDC par le Congo
![]()
Source : Etude CODESRIA réalisée par le CERAPE 2012
L’outil informatique offre aujourd’hui de nombreuses possibilités pour illustrer les tendances étudiées par des graphiques et histogrammes. Le chercheur utilise ces possibilités qui facilitent la perception par le lecteur de l’évolution historique d’un phénomène ou de sa structuration et aide plus facilement le lecteur à comprendre ces aspects endogènes. En plus, ces différentes figures sont plus agréables à lire que les tableaux contenant de nombreux chiffres. C’est pourquoi, il est souvent recommandé d’utiliser, dans un rapport de recherche comme dans un projet à soumettre, les figures à la place des tableaux quitte à insérer en annexe les tableaux si l’on pense que les données chiffrées revêtent une importance particulière pour une meilleure compréhension de l’argumentation avancée.
Evidemment, le chercheur se préoccupe du juste équilibre dans le texte entre les écrits et les figures car un excès de figures peut aussi avoir l’inconvénient de surcharger le texte et de limiter l’analyse permettant de mieux appréhender les tendances reflétées par les figures.
Conclusion
Comme il a été évoqué plus haut, la collecte et l’analyse des données est une tâche déterminante pour la production des résultats fiables dans un travail de recherche. Cette tâche fait partie intégrante de la méthodologie et est obligatoirement précédé par celle consistant à définir au préalable les indicateurs et variables d’analyse. Ce sont les indicateurs et variables d’analyse qui conditionnent la collecte, le traitement et l’analyse des données et non l’inverse. Pour avancer dans le travail de recherche, l’étudiant ou le chercheur professionnel doit se familiariser avec les données et les logiciels de traitement et d’analyse des données. Le logiciel Excel est un outil de base dans ce sens car il est inséré dans n’importe quel ordinateur et son apprentissage n’est pas difficile. Pour des bases de données complexes comprenant plusieurs milliers d’observations, des logiciels comme SPS, CSPRO, Stata, etc. sont requis et peuvent exiger le recours à un statisticien ou/et un informaticien.
Références bibliographiques
- Boungou Bazika J. C., 2008, Manuel de méthodologie de la recherche, CERAPE (non encore publié, 130 pages).
- Boungou Bazika J. C. et Bitemo M., 2007 Etude diagnostique des villages Etoro et obaba, Rapport, PNUD, Brazzaville.
- CERAPE, 2011, Etude du secteur agricole réalisée en partenariat avec SOFRECO, Ministère de l’agriculture et de l’élevage, BAfD, Rapports, Brazzaville.
- CODESRIA, 2004, Recommandations aux auteurs, Dakar.
- Collier P., 2007, Globalization: the implications for Africa, in Khan (eds)…
- Gersin et Stanislaw 2001, Le pouvoir à l’assaut du marché, De Boeck Université, Bruxelles.
- Grawitz M., 2001, Méthodes des sciences sociales, 11e Editions, Dalloz, Paris.
- Guay J.H., 1991, Sciences humaines et méthodes quantitatives, les principes d’application et la pratique de la recherche, Beauchemin, Laval (Québec).
- Guitton H. et Vitry D., 1991, Economie politique, introduction générale, analyse micro-économique, analyse macro-économique, 15e Ed. Dalloz, Paris.
- Hansen-Love L., 2001, Philosophie, Hatier, Paris.
- Kimuyu P., 2008, Innovations in Economics Training in Sub-Saharan Africa – A Collaborative Approach, in AERC, The African Economic Research Consortium, Twenty Years of Capacity Building in Sub-Saharan Africa (1988-3008), pp;79-112, an AERC Publication.
-N’Da P., 2006, Méthodologie de la recherche ; de la problématique à la discussion des résultats. Comment réaliser un mémoire, une thèse d’un bout à l’autre, Ed. Universitaires de Côte d’Ivoire, Abidjan.
- Olukoshi A et Akum R., 2007, Consolider et renouveler la recherché en sciences sociales, note d’orientation de la réunion stratégique, CODESRIA, Dakar.
- Sachs D. J., 2005, Peut-on venir à bout de l’extrême pauvreté, coopération sud, PNUD.
- Stern N., 2002, Avant-propos, dans Meier et Stiglitz (des), Aux frontières de l’économie du développement, le futur en perspective, Banque Mondiale Ed. Eska, Washington.
- UNECA, 2005, Economic Report on Africa 2005, Meeting the Challenges of Unemployment and Poverty in Africa, Addis Ababa.
- Yeo L., 2005, Le guide méthodologique du jeune chercheur. Une bonne recette pour réaliser votre travail de recherche, Ed. Universitaires de Côte d’Ivoire, Abidjan.
- Wuyts M., 2004, An evaluation of the AERC research programme: 1997-2003, SP 42, November.
Faculté des Sciences Economiques
Formation Population et Développement
Niveau: Master 1
COLLECTE ET ANALYSE DES DONNEES
(Extrait du Manuel de méthodologie de la recherche élaboré
dans le cadre du CERAPE)
(Extrait du Manuel de méthodologie de la recherche élaboré
dans le cadre du CERAPE)
Support de cours
Par Dr Jean-Christophe BOUNGOU-BAZIKA
Année académique 2011-2012
Par Dr Jean-Christophe BOUNGOU-BAZIKA
Année académique 2011-2012
Introduction
L’objectif général du cours est de présenter les éléments de base qui contribuent à la collecte et l’analyse des données dans un travail de recherche. Les objectifs spécifiques sont les suivants :
- Comprendre l’importance des données et des méthodes et techniques de collecte des données dans le travail de recherche ;
- Apprendre à traiter les données collectées ;
- Avoir un aperçu sur la manière de présenter les données afin de faciliter l’analyse et l’interprétation de celles.
Il est d’une grande importance d’étudier les méthodes et techniques permettant la réalisation rigoureuse de la collecte, du traitement et de l’analyse des données.
Les connaissances décrites dans ce support proviennent du manuel de méthodologie de la recherche élaboré depuis 2008 et utilisé par l’auteur pour l’organisation des ateliers de méthodologie de la recherche dans l’objectif de former et d’encadrer les jeunes chercheurs du Centre d’Etudes et de Recherches sur les Analyses et Politiques Economiques (CERAPE).
La collecte et l’analyse des données en ce qui concerne les critères d’interprétation de celles-ci font partie de l’approche méthodologique dans un travail de recherche. Il importe de préciser que l’étape qui précède la collecte et l’analyse des données porte sur la définition des indicateurs et variables d’analyse. En effet, la collecte des données doit se conformer aux indicateurs et variables définis par le chercheur et qu’il a conçus pour répondre aux questions de recherche qu’il s’est posées. En outre, les indicateurs et variables servent à tester les différentes hypothèses. Ces questions seront vues de façon exhaustive en master II. Mais, l’étudiant doit être conscient de l’étroite relation existant entre les deux étapes pour ne pas limiter la méthodologie à la seule collecte des données. Cette erreur est souvent commise par les étudiants et les jeunes chercheurs dans leurs travaux de recherche.
La pédagogie du cours comportera des sessions théoriques et des exercices pratiques comme l’élaboration d’un questionnaire et d’un guide d’entretien, la codification des données d’une enquête, la production de tableaux et graphiques à partir des données collectées lors d’une enquête ou dans un annuaire statistique. Ces pratiques relevant de la collecte, du traitement et de l’analyse des données sont d’une grande importance parce qu’elles contribuent à fournir aux étudiants des compétences indispensables dans la recherche et dans le travail professionnel futur.
Le cours est structuré autour des points suivants :
- Les données et leurs sources ;
- Le traitement et l’analyse statistiques des données ;
- La présentation de l’analyse et de l’interprétation des données.
- Les données et leurs sources
On peut définir les données comme les faits et les chiffres qui sont collectés afin d’être traités, analysés et ensuite interprétés. Toutes les données collectées dans une étude particulière constituent l’ensemble des données ou la base des données de cette étude.
Tableau 3. Exemple de base des données : les caractéristiques des ménages
| Ménages | taille | résidence |
Age* (ans) |
Niveau* d’éducation | Statut* marital | Nombre d’enfants | Budget alimentaire par jour (fCFA) |
| 1 | 5 | 1 | 40 | 0 | 1 | 3 | 3000 |
| 2 | 1 | 1 | 20 | 3 | 0 | 0 | 1000 |
| 3 | 4 | 2 | 26 | 1 | 3 | 3 | 3400 |
| 4 | 8 | 1 | 53 | 1 | 1 | 6 | 4000 |
| 5 | 10 | 2 | 48 | 0 | 1 | 7 | 3200 |
| 6 | 3 | 1 | 39 | 4 | 3 | 1 | 4500 |
| 7 | 2 | 1 | 28 | 2 | 2 | 0 | 3700 |
| 8 | 9 | 2 | 50 | 1 | 1 | 7 | 2900 |
| 9 | 6 | 2 | 34 | 3 | 1 | 4 | 2600 |
| 10 | 4 | 1 | 45 | 4 | 2 | 2 | 5200 |
*variable concernant le chef de ménage
Codification[1]
Résidence : 1 = zone urbaine ; 2 = zone rurale
Niveau d’éducation : 0 = sans éducation 1= primaire ; 2=secondaire 1er degré ; 3=secondaire 2e degré ; 4 = supérieur
Statut marital : 0 = célibataire ; 1= marié ; 2 = veuf ; 3 = divorcé
Cette base des données comporte 10 individus ou unités statistiques. Elle comprend donc 10 observations. Certaines variables sont quantitatives (taille, âge, nombre d’enfants, budget alimentaire) d’autres sont qualitatives (statut marital, niveau d’éducation, zone de résidence).
Soulignons que les variables qualitatives ont besoin d’être codifiées parce que la base des données ne doit contenir que des valeurs numériques afin qu’elle soit traitée par l’outil informatique.
On peut déceler une relation de dépendance entre la zone de résidence et la taille du ménage. En effet, les données du tableau montrent que les ménages dans les zones rurales ont tendance à être des ménages de grande taille (cas de ménages 5, 8 et 9), ce qui n’est pas le cas des ménages dans les zones urbaines (cas des ménages 2, 6, 7 et 10).On peut alors déduire que la zone de résidence a une influence sur la taille du ménage. Ainsi, la première variable sera considérée de variable indépendante et la deuxième variable dépendante. Mais comme il a été dit plus haut, d’autres variables peuvent aussi avoir de l’influence sur la taille du ménage. C’est le cas par exemple du niveau d’éducation. Dans notre exemple, on peut observer que le niveau d’éducation du chef de ménage dans les ménages de grande est souvent faible (0 ou 1) alors que dans les ménages de petite taille, ce niveau d’éducation est élevé (3 et 4). Naturellement, l’exemple ci-dessus est simplifiée à dessein pour des besoins pédagogiques. Dans la réalité la base des données peut être plus exhaustive et porter sur 300, 1500 voir 5000 ménages. C’est le cas de la base des données de l’ECOM. Dans ces conditions, des logiciels économétriques comme STATA ou DAD peuvent être mis à contribution pour identifier les corrélations entre les variables.
Les sources des données sont de plusieurs types en fonction de la nature de l’objet de recherche et de la problématique du chercheur. Si le thème de recherche concerne le commerce extérieur par exemple, dans cette situation les sources des données seront constituées par les annuaires statistiques des services de douanes dans le cas où le chercheur a besoin des données désagrégées par catégories de produits. Sinon, les services nationaux de la statistique ont traité des données désagrégées du commerce extérieur en les regroupant en principales catégories qui sont reproduites dans les annuaires statistiques du Centre national de la statistique. Dans ce cas, il est préférable de collecter les données déjà traitées et ainsi de gagner du temps. En plus l’avantage est que ces données ont été traitées par des experts en statistiques. Elles ont donc une fiabilité alors que le chercheur qui n’est pas forcément un spécialiste des statistiques n’aura pas la même aptitude technique. De ce point de vue, le traitement risque de comporter des erreurs et d’entraîner des biais dans son étude.
Les institutions comme la Banque centrale, le Ministère des Finances, le Ministère du Plan, le Ministère de l’éducation nationale, le Ministère de la santé, le Ministère de la fonction publique, etc. possèdent des services spécialisés dans la collecte et le traitement des données statistiques relevant de leur secteur. Il est important de les consulter afin de disposer des données requises.
Les institutions internationales comme celles de la Banque Mondiale, le FMI, l’Union Européenne, la Zone Franc, l’OMS, la CEA, le PNUD, etc. ont aussi des services spécialisés qui déploient de grands moyens dans la collecte et le traitement des données statistiques. Ces institutions produisent des rapports statistiques contenant des données variées et des séries temporelles dignes d’intérêt pour des recherches couvrant une longue période.
D’autres thèmes de recherche relevant du champ micro-économique nécessitent la production des données de première main parce que celles-ci son introuvables dans les rapports statistiques. C’est le cas des études portant sur une catégorie précise d’entreprises, de ménages, certaines localités comme celles situées dans les zones rurales, etc. Dans ces conditions, il est nécessaire de mener une enquête de terrain. Par exemple, si l’on veut étudier l’impact du microcrédit sur le secteur informel, il est difficile d’avoir des données dans les rapports officiels. Le chercheur est donc contraint d’organiser une enquête de terrain.
L’enquête de terrain est une source intéressante qui permet d’obtenir des données originales. Cependant, elle doit respecter un certain nombre de règles.
L’une des règles à suivre est la définition de l’échantillon, c’est-à-dire de la population à étudier. Rappelons que population est un concept perçu ici dans son sens statistique, à savoir la nature et le nombre des individus à interroger. Ces individus ou unités statistiques peuvent être des personnes, des ménages, des entreprises, des institutions, etc. Comme cette population est vaste, il faut nécessairement déterminer les points d’échantillonnage, c’est-à-dire les lieux où les individus peuvent être localisés et atteints par les enquêteurs. Ces lieux ne doivent pas être choisis de façon délibérée, mais en se fondant sur le critère de la représentativité. On peut décider que les 5 marchés où exercent des acteurs du secteur informel, 2 marchés vont constituer les points d’échantillonnage. Ces deux marchés devront dans la procédure de sélection être tirés au sort afin de respecter la méthode aléatoire. L’autre problème qui va se poser est la base de sondage. La base de sondage est un fichier administratif dans lequel sont répertoriés la population visée, et dans le cas d’espèce, les vendeurs du marché. Ces derniers doivent être définis du point de vue du nombre (exemple interroger 200 individus). Comment les sélectionner ? Si le secteur informel est constitué par les vendeurs d’un marché donné de la ville, la base de sondage sera constituée par le fichier des vendeurs détenu par le comité de marché. La sélection devra une fois encore (à l’image de la sélection des deux marchés) se conformer à la méthode de sélection aléatoire. Cela signifie que sur le fichier des vendeurs, il sera coché un nom sur quatre sur la liste des noms des vendeurs en sautant par exemple 3 noms. Ou bien, ne seront sélectionnés que les vendeurs dont les noms commencent par les lettres B ou K.
Le support de l’enquête est généralement constitué par un questionnaire. La confection du questionnaire doit être faite avec soin. Elle doit suivre celle du plan du rapport de recherche et non pas être élaboré avant le plan pour ne pas oublier d’intégrer dans le questionnaire des informations importantes. Si l’enquête de terrain doit être complétée par des entretiens auprès d’informateurs clés, le support des entretiens est le guide d’entretien.
Le questionnaire
Il importe de voir les règles à suivre pour élaborer un questionnaire. La première règle est que le questionnaire doit être structuré. Cela signifie qu’il doit se conformer au plan du mémoire, de la thèse ou du rapport de recherche afin de refléter les principales informations exigées par l’objet de l’étude et la problématique retenue. La structure du questionnaire doit être précise et clairement présentée dans le document qui sera mis à la disposition des enquêteurs ; cela permet aussi de faciliter par la suite le traitement des données collectées.
La deuxième règle concerne la forme des questions. Elles doivent être courtes, claires et ne souffrir d’aucune ambiguïté. Si hormis, le choix des réponses, la question compte plus de vingt mots, le répondant risque de ne plus se retrouver. Il faut également veiller à ce que la formulation des questions soit accessible en évitant le jargon des spécialistes et les termes ésotériques. C’est dans le langage de tous les jours qu’il faut puiser les mots pour bâtir une question.
La troisième règle est qu’il est préférable dans le cadre des méthodes quantitatives de prévoir des réponses à choix multiple. Ce type de réponse découle de questions fermées. Exemple 1 : quel est votre statut marital ? /__/ célibataire /__/ marié /__/ veuf /__/ divorcé. Exemple 2 : avez-vous recours à quel centre de soins ? /__/ hôpital /__/ dispensaire /__/ cabinet médical /__/ cabinet d’un tradipraticien /__/ autre (précisez). Ce genre de questions est plus facile à remplir et le traitement du questionnaire est plus facile à réaliser. A l’inverse, les questions ouvertes sont plus difficiles à remplir et le traitement plus délicat car il faut au préalable définir des catégories dans lesquelles il sera possible de ranger les diverses réponses avec le risque de se retrouver avec une multitude de réponses difficiles à classer.
La quatrième règle : il ne faut pas induire des opinions. Il peut arriver que les individus interrogés n’aient pas d’opinion sur un sujet particulier ou qu’ils n’y aient jamais réfléchi. Une question inappropriée risque de susciter une opinion qui n’est pas personnelle et qui revêt un caractère artificiel. Il faut donc offrir l’option « sans opinion » ou bien formuler une question filtre permettant de départager ceux qui ont une opinion de ceux qui n’en n’ont pas. Exemple de question filtre :
Avez-vous entendu parler de la loi sur la décentralisation ?
Si oui, êtes-vous en accord avec cette loi ?
La cinquième règle : il importe d’éviter tous les biais, les partis pris, les jugements de valeur, autant de réponses qui ne reflètent pas l’opinion personnelle des répondants. Les réponses ne doivent pas être suscitées par le type de questions ou le comportement maladroit de l’enquêteur. Le répondant ne doit pas être influencé dans ses réponses. Il doit être tout à fait libre de répondre à sa convenance. Les questions du genre : vous avez tort de… ? Vous avez raison de. .. C’est un mal de … doivent être supprimées du questionnaire. Les options offertes doivent également être équilibrées : autant d’options favorables que défavorables. Il faut donc couvrir une gamme suffisante de possibilités lorsqu’on offre des réponses à choix multiples.
Le guide d’entretien
C’est aussi un support quand le chercheur procède à la collecte d’informations et de données auprès des informateurs clés (responsables d’institutions, notables, leaders d’opinions, etc.). Certaines études nécessitent que des informations particulières proviennent des entretiens à mener auprès des personnes détenant des responsabilités dans une entreprise ou une autre institution. Ces informations ne sont pas forcément consignées dans des documents. Elles découlent de la longue expérience de l’informateur dont la connaissance de l’institution, de son fonctionnement, de ses relations avec l’environnement est profonde. L’entretien doit alors être soigneusement préparé et le guide d’entretien est le moyen de procéder à cette préparation minutieuse. Naturellement l’administration du guide d’entretien est plus compliquée que celle d’un questionnaire car, au cours de l’entretien, l’enquêteur doit savoir bien orienter cette séance et ne pas oublier les attentes qu’il a formulées au préalable. La maîtrise de son projet de recherche à travers le guide d’entretien est un atout important.
A la différence du questionnaire, le guide ne contient pas des questions. Il est construit en se fondant sur les thèmes et sous-thèmes contenus dans le plan d’analyse. Quelques règles doivent être respectées pour mener à bien l’entretien.
La première règle consiste à rédiger un guide d’entretien structuré conformément à au plan du rapport de recherche, du mémoire ou de la thèse.
La deuxième règle est que les thèmes et sous-thèmes doivent être précis et ne souffrir de confusion.
La troisième règle est que l’enquêteur qui est souvent le chercheur lui-même doit prendre des notes exhaustives et suivre dans l’entretien les thèmes définis au préalable tout en étant souple dans l’ordre où ceux-ci seront abordés par son interlocuteur.
- Le traitement et l’analyse statistiques des données
Les données collectées sont traitées et analysées en recourant aux méthodes statistiques. Il existe deux types de statistiques : les statistiques de type descriptif et les statistiques de type explicatif ou inférentiel (Paul Nda, 2006).
Les statistiques descriptives comprennent
- les distributions de fréquence avec des variables discrètes nominales telles que le sexe, le statut marital, l’ethnie, la religion, la profession, etc. présentées sous forme de tableaux et histogrammes de fréquence, ou avec des variables continues numériquement mesurables et pouvant prendre un nombre infini de valeurs dans un intervalle donné qui peuvent être résumées sur des tableaux de fréquence ou être regroupées en catégories). Etant un rapport entre une classe d’effectifs ou de valeurs et l’ensemble de la distribution (ensemble d’informations par rapport à un ou plusieurs caractères), les fréquences sont généralement exprimées en pourcentage. Elles informent sur la structure de la distribution donc sur sa dispersion.
- Les mesures (ou indices) de dispersion ou de variabilité. Elles traduisent les différences individuelles entre les membres d’un échantillon. Les indices calculent la dispersion des valeurs ou caractères de part et d’autre d’une valeur centrale. Le plus souvent, ce calcul se fait à partir de la moyenne, et les indices se présentent comme une somme pondérée des écarts à la moyenne (écart arithmétique moyen, écart-type, variance, coefficient de variation, écart réduit).
- Les mesures (ou indices) de tendance. Elles résument les informations d’une distribution et facilitent ainsi la comparaison. Ce sont la moyenne (somme des valeurs divisée par l’effectif), le mode (valeur ou caractère le plus fréquent) et la médiane (valeur ou caractère correspondant à l’individu placé au milieu d’une distribution ordonnée).
Soulignons que les statistiques descriptives peuvent prendre aussi la forme d’une corrélation (lien entre X et Y) ou la forme de comparaison (différence de moyenne entre X et Y). Mais étant descriptives, ces statistiques ne recherchent pas les liens de causalité (X influence Y).
Les statistiques explicatives ou inférentielles
Les statistiques explicatives autrement appelées inférentielles sont des résultats de tests statistiques ou économétriques. Elles cherchent à vérifier l’existence d’un lien de causalité entre une ou plusieurs variables explicatives (variables actives ou indépendantes) avec des variables à expliquer (variables dépendantes). Elles visent à répondre à la question suivante : X influence-t-il le comportement de Y ? Elles cherchent donc à vérifier des hypothèses. Pour vérifier la relation entre deux variables, on peut les croiser dans un tableau appelé tableau croisé ou de contingence. On peut aussi, procéder à des régressions économétriques sur le modèle décrit par la fonction suivante :
Y = f(X, Z)
Avec
Y la variable à expliquer
X et Z les variables explicatives
On distingue deux grandes classes d’analyses statistiques inférentielles pour vérifier les liens entre les variables :
- les tests paramétriques pour des variables dont la distribution est normale ou gaussienne (par exemple le t de Student pour les échantillons indépendants et pour les échantillons appariés, la corrélation de Pearson, l’analyse de la variance, les analyses de régression, de covariance, etc.)
- les tests non paramétriques, ceux qui ne correspondent plus aux critères de normalité. C’est le cas du test de la médiane, le test du signe, le test de Kendal tau, le test de Krushal-Wallis, le Khi deux, etc.
Les critères d’interprétation
L’énoncé de l’indicateur ne suffit pas. Il faut le compléter par les critères permettant d’interpréter les résultats découlant de l’application de l’indicateur sur les données collectées. Les critères d’interprétation sont donc des indications qui accompagnent la définition des indicateurs et contribuent à éclairer les résultats obtenus.
Si nous reprenons l’exemple des indicateurs cités plus haut. Les exportations par exemple pris comme indicateurs, le chercheur peut définir un critère simple d’interprétation à savoir un accroissement de celles-ci traduit un dynamisme alors qu’une baisse traduit un manque de dynamisme. Si le taux de couverture est supérieur à 100% (Tc > 100%), le commerce extérieur est considéré comme dynamique. A l’inverse, si le taux de couverture est inférieur à 100%, celui-ci n’est pas dynamique..
On peut aussi se référer à la structure des exportations et définir un critère d’interprétation. Exemple : si le pourcentage des exportations des biens manufacturés dans le total des exportations est supérieur ou égal à 50%, les échanges du pays sont jugés dynamiques et traduisent un certain niveau d’industrialisation.
Dans le cadre d’une étude sur les performances scolaires, on peut émettre le critère d’interprétation suivant : si la moyenne des notes de l’étudiant est supérieure à 12, celui-ci est classé dans la catégorie des étudiants réalisant des bonnes performances
Il importe de souligner que les critères d’interprétation souvent reflètent une tendance théorique contenue dans les hypothèses et cette tendance doit être clairement expliquée pour démontrer la cohérence des critères retenus et la vérification empirique réalisée.
- Présentation de l’analyse et de l’interprétation des données
Le rapport doit clairement présenter l’approche méthodologique adoptée dans le travail de recherche. Cette présentation comprend la description du modèle retenu et des indicateurs, la description des variables retenues et leur liaison intrinsèque, la description des critères d’interprétation.
Cette partie du rapport de recherche, du mémoire ou de la thèse est cruciale. Elle permet d’apprécier non seulement la cohérence et la pertinence de l’approche méthodologique, mais aussi la pertinence et la robustesse des résultats. L’évaluateur de ce point de vue va lire avec grande attention la manière dont sont décrites la collecte, le traitement et l’analyse des données dans le paragraphe réservé à la description de la méthodologie et conclure si le rapport de recherche comporte une valeur scientifique ou non.
Le modèle s’il comprend les indicateurs simples doit être présenté de façon précise en indiquant les formules utilisées, les variables et la justification des indicateurs. Il peut arriver que la justification se rattache au fait que le modèle utilisé a déjà été appliqué ailleurs dans des travaux similaires. C’est souvent ce type de justification que l’on rencontre dans les travaux des chercheurs africains. Une autre justification peut découler de l’analyse théorique constituant le cadre analytique de la recherche.
La présentation de chaque variable explicative et des liens avec la variable à expliquer est importante parce qu’elle éclaire leur rôle dans le modèle analytique et permet de justifier leur choix. Elle aide aussi à percevoir la cohérence d’ensemble du modèle.
Enfin, les critères d’interprétation des indicateurs doivent être précisés pour permettre de comprendre comment les résultats seront analysés.
Encadré 1
Exemple de présentation des méthodes de collecte et traitement des données d’une étude sur les OMD : »Etude diagnostique des villages d’Etoro et Obaba, dans le département des Plateaux au Congo » PNUD, (2007)
Approche méthodologique
La méthodologie utilisée comprend plusieurs composantes qui combinent l’approche quantitative et qualitative en mettant l’accent sur la démarche participative. Les méthodes de collecte des informations et données ont été les suivantes :
a) La consultation documentaire
Plusieurs documents des structures du Gouvernement et agences des Nations Unies ont été consultés pour mieux refléter les principales idées et orientations de ces institutions sur la pauvreté, les couches sociales vulnérables et la stratégie à mettre en œuvre pour atteindre les objectifs du millénaire pour le développement (voir la bibliographie). Les analyses riches et pertinentes de ces institutions ont servi de cadre analytique de la présente étude.
b) Le séminaire de formation
Avant d’aller sur le terrain, un séminaire de formation a été organisé pendant une journée à Gamboma afin de former les enquêteurs sur la méthode participative accélérée et les outils de collecte des données à savoir les questionnaires et le guide d’entretien. Ce séminaire a permis d’éclairer les enquêteurs sur les objectifs de l’étude, la démarche choisie et le contenu des outils de collecte des données.
c) Les questionnaires et les populations-cibles
Afin de disposer des données nécessaires pour l’évaluation locale des OMD dans le cas de la ville de Gamboma, les questionnaires structurés, contenant aussi des questions fermées, ainsi que des questions ouvertes ou semi-ouvertes ont constitué l’un des outils de collecte des données.
Les principaux questionnaires ont été élaborés sur la base des matrices des outils utilisés pour la collecte des données de l’EDS (2005), de l’ECOM (2005) et du RGPH (2007). Ainsi, Les questionnaires suivants ont été initialement prévus pour être utilisés durant la collecte des différentes données:
fiche 1: pour le recensement des membres des ménages ;
fiche 2: pour l’évaluation des principales conditions de vie des ménages ;
fiche 3: pour le dépouillement des faits d’état civil : naissances enregistrés en 2006 ;
fiche 4: pour le dépouillement des faits d’état civil : décès enregistrés en 2006 ;
fiche 5: pour le dépouillement des cas de morbidité reçus à l’hôpital en 2006 par jour, sexe et âge ;
fiche 6 : sur la pratique contraceptive ;
fiche 7 : sur les connaissances du VIH/sida.
d) Informateurs-clés
Les principaux informateurs-clés ont été : le Président du Conseil départemental, le Sous-Préfet, le chef de district, le Secrétaire général de la sous-préfecture, les chefs de service des archives, des collectivités, des affaires juridiques de la sous-préfecture, les chefs de village, les responsables et membres des comités de gestion de développement communautaire (CGDC)
e) Echantillon des ménages enquêtés
Un recensement exhaustif de logements a été réalisé dans chaque localité. un logement sur trois (1/3) a constitué l’échantillon de ménages qui ont fait l’objet de l’observation quantitative par les questionnaires. Ces ménages ont été sélectionnés en utilisant la méthode aléatoire.
f) Entretiens des groupes cibles par focus groups
la communauté de chaque village a été entretenue selon les groupes cibles suivants : a) les membres du comité du village, b) le groupe des jeunes et c) le groupe des femmes Un canevas a été utilisé pour la conduite des focus groupes. L’objectif visé était de recueillir les perceptions des populations sur leurs conditions de vie et la satisfaction des besoins de base et d’identifier leurs priorités dans la chaîne de résolution des problèmes sociaux auxquels elles sont confrontées. En tout 6 focus groupes ont été organisés dans les deux villages. Pour identifier les priorités, il a été utilisé la méthode suivante : chaque participant en toute liberté émettait sa priorité et à la fin un décompte était fait et la priorité qui avait recueilli plus de voix était choisie comme la priorité du groupe et annoncée publiquement pour avoir l’approbation du groupe.
g) Les personnes ressources
D’autres informations et données ont été collectées auprès des personnes ressources travaillant dans les administrations et entreprises publiques de Gamboma telles que la Société Nationale de Distribution d’Eau (SNDE) et la Société Nationale de Distribution d’Electricité (SNE) ainsi que dans les écoles et dispensaires des deux villages auprès du personnel de l’enseignement et de la
santé.
h) Les visites de terrain
Dans l’objectif de mieux percevoir la situation économique, sanitaire et scolaire des deux villages, des visites de terrain selon une approche communautaire ont eu lieu dans les centres de santé, les écoles, la place publique, l’aire de jeu, les champs des paysans et les lieux et sources d’eau. Des notes étaient systématiquement prises pour consigner les informations pertinentes des agents et des villageois sur le fonctionnement des structures visitées, la surface des champs cultivés, les spéculations réalisées, les problèmes d’approvisionnement d’eau, etc. Par ailleurs, certaines cases des villageois ont été visitées afin d’avoir un aperçu des conditions internes de l’habitat et mieux apprécier la précarité dans laquelle vivent les habitants d’Etoro et d’Obaba.
Traitement des données
Les données issues de l’enquête ont été traités en utilisant le logiciel Stata afin de produire les indices de pauvreté requis et les graphiques nécessaires
Sources : Boungou Bazika J. C. et Bitemo M., 2007, Etude diagnostique des villages Etoro et obaba, Rapport, PNUD, Brazzaville.
Approche méthodologique
La méthodologie utilisée comprend plusieurs composantes qui combinent l’approche quantitative et qualitative en mettant l’accent sur la démarche participative. Les méthodes de collecte des informations et données ont été les suivantes :
a) La consultation documentaire
Plusieurs documents des structures du Gouvernement et agences des Nations Unies ont été consultés pour mieux refléter les principales idées et orientations de ces institutions sur la pauvreté, les couches sociales vulnérables et la stratégie à mettre en œuvre pour atteindre les objectifs du millénaire pour le développement (voir la bibliographie). Les analyses riches et pertinentes de ces institutions ont servi de cadre analytique de la présente étude.
b) Le séminaire de formation
Avant d’aller sur le terrain, un séminaire de formation a été organisé pendant une journée à Gamboma afin de former les enquêteurs sur la méthode participative accélérée et les outils de collecte des données à savoir les questionnaires et le guide d’entretien. Ce séminaire a permis d’éclairer les enquêteurs sur les objectifs de l’étude, la démarche choisie et le contenu des outils de collecte des données.
c) Les questionnaires et les populations-cibles
Afin de disposer des données nécessaires pour l’évaluation locale des OMD dans le cas de la ville de Gamboma, les questionnaires structurés, contenant aussi des questions fermées, ainsi que des questions ouvertes ou semi-ouvertes ont constitué l’un des outils de collecte des données.
Les principaux questionnaires ont été élaborés sur la base des matrices des outils utilisés pour la collecte des données de l’EDS (2005), de l’ECOM (2005) et du RGPH (2007). Ainsi, Les questionnaires suivants ont été initialement prévus pour être utilisés durant la collecte des différentes données:
fiche 1: pour le recensement des membres des ménages ;
fiche 2: pour l’évaluation des principales conditions de vie des ménages ;
fiche 3: pour le dépouillement des faits d’état civil : naissances enregistrés en 2006 ;
fiche 4: pour le dépouillement des faits d’état civil : décès enregistrés en 2006 ;
fiche 5: pour le dépouillement des cas de morbidité reçus à l’hôpital en 2006 par jour, sexe et âge ;
fiche 6 : sur la pratique contraceptive ;
fiche 7 : sur les connaissances du VIH/sida.
d) Informateurs-clés
Les principaux informateurs-clés ont été : le Président du Conseil départemental, le Sous-Préfet, le chef de district, le Secrétaire général de la sous-préfecture, les chefs de service des archives, des collectivités, des affaires juridiques de la sous-préfecture, les chefs de village, les responsables et membres des comités de gestion de développement communautaire (CGDC)
e) Echantillon des ménages enquêtés
Un recensement exhaustif de logements a été réalisé dans chaque localité. un logement sur trois (1/3) a constitué l’échantillon de ménages qui ont fait l’objet de l’observation quantitative par les questionnaires. Ces ménages ont été sélectionnés en utilisant la méthode aléatoire.
f) Entretiens des groupes cibles par focus groups
la communauté de chaque village a été entretenue selon les groupes cibles suivants : a) les membres du comité du village, b) le groupe des jeunes et c) le groupe des femmes Un canevas a été utilisé pour la conduite des focus groupes. L’objectif visé était de recueillir les perceptions des populations sur leurs conditions de vie et la satisfaction des besoins de base et d’identifier leurs priorités dans la chaîne de résolution des problèmes sociaux auxquels elles sont confrontées. En tout 6 focus groupes ont été organisés dans les deux villages. Pour identifier les priorités, il a été utilisé la méthode suivante : chaque participant en toute liberté émettait sa priorité et à la fin un décompte était fait et la priorité qui avait recueilli plus de voix était choisie comme la priorité du groupe et annoncée publiquement pour avoir l’approbation du groupe.
g) Les personnes ressources
D’autres informations et données ont été collectées auprès des personnes ressources travaillant dans les administrations et entreprises publiques de Gamboma telles que la Société Nationale de Distribution d’Eau (SNDE) et la Société Nationale de Distribution d’Electricité (SNE) ainsi que dans les écoles et dispensaires des deux villages auprès du personnel de l’enseignement et de la
santé.
h) Les visites de terrain
Dans l’objectif de mieux percevoir la situation économique, sanitaire et scolaire des deux villages, des visites de terrain selon une approche communautaire ont eu lieu dans les centres de santé, les écoles, la place publique, l’aire de jeu, les champs des paysans et les lieux et sources d’eau. Des notes étaient systématiquement prises pour consigner les informations pertinentes des agents et des villageois sur le fonctionnement des structures visitées, la surface des champs cultivés, les spéculations réalisées, les problèmes d’approvisionnement d’eau, etc. Par ailleurs, certaines cases des villageois ont été visitées afin d’avoir un aperçu des conditions internes de l’habitat et mieux apprécier la précarité dans laquelle vivent les habitants d’Etoro et d’Obaba.
Traitement des données
Les données issues de l’enquête ont été traités en utilisant le logiciel Stata afin de produire les indices de pauvreté requis et les graphiques nécessaires
Sources : Boungou Bazika J. C. et Bitemo M., 2007, Etude diagnostique des villages Etoro et obaba, Rapport, PNUD, Brazzaville.
La présentation des résultats et de leur interprétation
Les résultats peuvent être présentés dans un tableau quand ils sont issus d’une modélisation économétrique. Pour les autres types de résultats quantitatifs, ils peuvent aussi être présentés soit sous la forme de tableaux, soit en utilisant les différentes figures (histogrammes, graphiques, fromage, etc.). Cela est valable pour les résultats provenant de l’exploitation des données statistiques traitées à partir d’annuaires statistiques ou d’enquêtes de terrain. Il est important de souligner que la présentation des résultats est l’une des parties essentielles du rapport de recherche, du mémoire ou de la thèse. C’est pourquoi, l’auteur doit s’efforcer d’être le plus clair et le plus précis possible. Il doit bien réfléchir à la manière la plus saisissante de présenter ces résultats en étant conscient que le lecteur devra comprendre sans problème la signification de ces résultats.
S’agissant de l’interprétation des résultats, les critères d’interprétation présentés dans la méthodologie serviront à l’interprétation et l’analyse des résultats. L’analyse consiste à mettre en évidence les relations entre les variables et à expliquer ces relations. Cette explication est décisive car elle devra contribuer à éclairer le lecteur sur les facteurs déterminants, le degré de cette détermination, l’impact sur le phénomène induit par le facteur déterminant, les limites de cet impact. Les recommandations de l’auteur dépendront de cette analyse et leur crédibilité sera conditionnée par la qualité et la robustesse de cette analyse.
Il est aussi important dans une recherche de montrer les limites de celle-ci en évoquant clairement les questions auxquelles il n’est pas possible d’apporter des réponses et les raisons qui sont à la base ces limites. Elles peuvent provenir de deux types de limites : des limites conceptuelles. Dans ce cas, les concepts et théories utilisés ne sont pas pleinement appropriés pour expliquer certains aspects de l’objet de recherche. Il est alors nécessaire de les revoir et de les approfondir ou d’inventer de nouveaux outils conceptuels. L’autre limite peut provenir des approches méthodologiques. Celles-ci ont des limites, les techniques et les procédés utilisés ne permettent pas de saisir certains éléments constituant l’objet d’étude à cause soit de leur spécificité, soit de leur nouveauté. Là aussi, il peut s’avérer indispensable de recommander que la recherche s’appesantisse sur la recherche de nouveaux outils méthodologiques plus adaptés. Ce faisant, le chercheur fait preuve d’analyse critique et ouvre la porte à des recherches ultérieures prometteuses.
Cette analyse critique est vitale pour l’avancée de la recherche en Afrique et l’appropriation de ses résultats par les africains. Le continent africain est en grande partie un continent vierge où de larges pans du réel demeurent inexplorés et méconnus. Cela est valable aussi bien pour les sciences de la nature que pour les sciences sociales. Si nous prenons la pensée économique africaine par exemple, elle est encore embryonnaire. Les concepts et les théories inventés par les chercheurs africains sont encore très limités. La connaissance de ces théories est faible. Des recherches ne sont pas menées pour les regrouper, les faire connaître et les vulgariser. Les manuels de formation universitaire sont exclusivement des documents importés. De même les politiques économiques appliquées sont des réflexions conçues ailleurs et appliquées sur le continent. Aucune appropriation nationale n’existe véritablement puisque ces politiques apparaissent comme des recettes importées.
La présentation des données, tableaux, graphiques, diagrammes et histogrammes
La présentation des données est nécessaire dans le rapport de recherche, le mémoire, la thèse ou la communication scientifique.
L’évaluateur doit être informé du type de données utilisées, de leurs sources, des méthodes utilisées pour la collecte et l’analyse des données. Ainsi, les données doivent être clairement décrites en énonçant leur nature, la période couverte. De même les sources doivent aussi faire l’objet d’une description détaillée en citant les institutions qui les a produites et la nature des documents où ces données sont reproduites. Si les données proviennent d’une enquête de terrain, il est nécessaire de décrire l’échantillonnage, les techniques de sélection de la population, la base de sondage et le support utilisé pour la collecte des données (questionnaire avec des questions fermées, ouvertes ou semi-ouvertes, guide d’entretien)
Un paragraphe du rapport d’analyse doit être réservée à la présentation des procédés utilisés pour le traitement des données, aux formules utilisées pour les ajustements et les extrapolations, aux critères suivis pour procéder à des agrégations et à la conception de catégories lorsqu’il s’agit de données très désagrégées, aux difficultés rencontrées dans la collecte et le traitement des données et aux solutions mises en place pour les surmonter. Le logiciel ayant servi au test économique doit être indiqué ainsi que les différents tests faits sur la base des données pour rendre stationnaire les données ou vérifier les relations de causalité et de colinéarité.
Aucune zone d’ombre doit exister sur la question des données statistiques et de leurs sources pour ne pas susciter un quelconque doute sur la cohérence et la pertinence des résultats de recherche. Les données ont une importance déterminante dans la qualité des résultats de recherche.
Encadré 2
L’histoire des données statistiques
« La production et l’utilisation des données statistiques ont déjà une longue histoire. Les statistiques ont d’abord été utilisées dans le cadre des recensements dont le premier remonterait à un empereur chinois, Yao, il y a plus de 4000 ans. Les Incas, les Egyptiens, les Indiens, puis les Grecs et les romains, bref quasi tous les peuples dont on peut retracer l’histoire auraient, avec plus ou moins d’exactitude et de régularité, effectué des recensements en s’appuyant sur des procédés souvent très ingénieux…
Ici comme ailleurs, l’objectif était le plus souvent relié aux nécessités du pouvoir : les gouvernants désiraient connaître le nombre exact de leurs sujets de même que les caractéristiques de leurs armées. Ils étaient également désireux de connaître la santé économique de leur royaume. La vocation même des statistiques était intimement liée à l’un des piliers de tout appareil politique : les impôts. Le mot « statistique », qui date du XVIIIe siècle, en témoigne lui-même puisqu’il viendrait du mot allemand «statistik », utilisé par Gottfried Achenwall (1719-1772), professeur de droit international et en science politique en Allemagne, pour qui la statistique était la science de la constitution de l’Etat.
Peu à peu, l’usage des statistiques s’est développé et perfectionné. On a progressivement lié le cumul des informations à certains outils mathématiques, tels les lois de la probabilité. On en est ainsi venu à la conclusion suivante : il n’est pas nécessaire d’inventorier tous les cas, tous les produits ou tous les individus pour aboutir à des chiffres pertinents. D’un nombre limité de cas, on peut déduire ou inférer un portrait global de la situation. Adolphe Quetelet (1796-1874) appliqua les probabilités aux problèmes sociaux. Quelques savants ont marqué cette évolution. Du côté des sciences humaines, on compte Emile Durkheim (1858-1917), Paul Lazarfeld (1901-1976) et Hubert Blalock (1926-). Du côté des statistiques, les travaux de Karl Pearson (1856-1936) sont venus compléter ce que Carl Gauss (1777-1855) et Pierre Simon de Laplace (1749-1827) avaient d’abord établi. »
Source :Jean-H. Guay, 1991, p.11.
« La production et l’utilisation des données statistiques ont déjà une longue histoire. Les statistiques ont d’abord été utilisées dans le cadre des recensements dont le premier remonterait à un empereur chinois, Yao, il y a plus de 4000 ans. Les Incas, les Egyptiens, les Indiens, puis les Grecs et les romains, bref quasi tous les peuples dont on peut retracer l’histoire auraient, avec plus ou moins d’exactitude et de régularité, effectué des recensements en s’appuyant sur des procédés souvent très ingénieux…
Ici comme ailleurs, l’objectif était le plus souvent relié aux nécessités du pouvoir : les gouvernants désiraient connaître le nombre exact de leurs sujets de même que les caractéristiques de leurs armées. Ils étaient également désireux de connaître la santé économique de leur royaume. La vocation même des statistiques était intimement liée à l’un des piliers de tout appareil politique : les impôts. Le mot « statistique », qui date du XVIIIe siècle, en témoigne lui-même puisqu’il viendrait du mot allemand «statistik », utilisé par Gottfried Achenwall (1719-1772), professeur de droit international et en science politique en Allemagne, pour qui la statistique était la science de la constitution de l’Etat.
Peu à peu, l’usage des statistiques s’est développé et perfectionné. On a progressivement lié le cumul des informations à certains outils mathématiques, tels les lois de la probabilité. On en est ainsi venu à la conclusion suivante : il n’est pas nécessaire d’inventorier tous les cas, tous les produits ou tous les individus pour aboutir à des chiffres pertinents. D’un nombre limité de cas, on peut déduire ou inférer un portrait global de la situation. Adolphe Quetelet (1796-1874) appliqua les probabilités aux problèmes sociaux. Quelques savants ont marqué cette évolution. Du côté des sciences humaines, on compte Emile Durkheim (1858-1917), Paul Lazarfeld (1901-1976) et Hubert Blalock (1926-). Du côté des statistiques, les travaux de Karl Pearson (1856-1936) sont venus compléter ce que Carl Gauss (1777-1855) et Pierre Simon de Laplace (1749-1827) avaient d’abord établi. »
Source :Jean-H. Guay, 1991, p.11.
Les tableaux et graphiques sont des outils qui servent à présenter les données qui ont été traitées par le chercheur. Ils jouent aussi un rôle important dans la présentation des résultats quantitatifs. Il peut arriver que le chercheur soit obligé de faire le choix entre les tableaux et les graphiques. Certaines données sont mieux illustrées par les graphiques surtout lorsqu’il s’agit de mettre en relief une évolution croissante ou décroissante du phénomène étudié dans le temps ou comparer l’évolution de différentes variables dans le temps.
Exemples de présentation des données traitées pour faciliter leur analyse
Exemple d’histogramme
Graphique 1. La répartition des différentes continents selon l’IDH
Source : Boungou Bazika, CODESRIA, 2010
Exemple d’histogramme renversé
Graphique 2. L’accès à l’eau potable dans le département du Kouilou
Source : Enquête CERAPE 2011
Exemple de fromage
Graphique 3. L’habitat dans le département de la Lekoumou
Source : Enquête CERAPE 2011
Exemple de courbes
Graphique 4. Evolution des coûts unitaires des biens importés de Chine et de RDC par le Congo
Source : Etude CODESRIA réalisée par le CERAPE 2012
L’outil informatique offre aujourd’hui de nombreuses possibilités pour illustrer les tendances étudiées par des graphiques et histogrammes. Le chercheur utilise ces possibilités qui facilitent la perception par le lecteur de l’évolution historique d’un phénomène ou de sa structuration et aide plus facilement le lecteur à comprendre ces aspects endogènes. En plus, ces différentes figures sont plus agréables à lire que les tableaux contenant de nombreux chiffres. C’est pourquoi, il est souvent recommandé d’utiliser, dans un rapport de recherche comme dans un projet à soumettre, les figures à la place des tableaux quitte à insérer en annexe les tableaux si l’on pense que les données chiffrées revêtent une importance particulière pour une meilleure compréhension de l’argumentation avancée.
Evidemment, le chercheur se préoccupe du juste équilibre dans le texte entre les écrits et les figures car un excès de figures peut aussi avoir l’inconvénient de surcharger le texte et de limiter l’analyse permettant de mieux appréhender les tendances reflétées par les figures.
Conclusion
Comme il a été évoqué plus haut, la collecte et l’analyse des données est une tâche déterminante pour la production des résultats fiables dans un travail de recherche. Cette tâche fait partie intégrante de la méthodologie et est obligatoirement précédé par celle consistant à définir au préalable les indicateurs et variables d’analyse. Ce sont les indicateurs et variables d’analyse qui conditionnent la collecte, le traitement et l’analyse des données et non l’inverse. Pour avancer dans le travail de recherche, l’étudiant ou le chercheur professionnel doit se familiariser avec les données et les logiciels de traitement et d’analyse des données. Le logiciel Excel est un outil de base dans ce sens car il est inséré dans n’importe quel ordinateur et son apprentissage n’est pas difficile. Pour des bases de données complexes comprenant plusieurs milliers d’observations, des logiciels comme SPS, CSPRO, Stata, etc. sont requis et peuvent exiger le recours à un statisticien ou/et un informaticien.
Références bibliographiques
- Boungou Bazika J. C., 2008, Manuel de méthodologie de la recherche, CERAPE (non encore publié, 130 pages).
- Boungou Bazika J. C. et Bitemo M., 2007 Etude diagnostique des villages Etoro et obaba, Rapport, PNUD, Brazzaville.
- CERAPE, 2011, Etude du secteur agricole réalisée en partenariat avec SOFRECO, Ministère de l’agriculture et de l’élevage, BAfD, Rapports, Brazzaville.
- CODESRIA, 2004, Recommandations aux auteurs, Dakar.
- Collier P., 2007, Globalization: the implications for Africa, in Khan (eds)…
- Gersin et Stanislaw 2001, Le pouvoir à l’assaut du marché, De Boeck Université, Bruxelles.
- Grawitz M., 2001, Méthodes des sciences sociales, 11e Editions, Dalloz, Paris.
- Guay J.H., 1991, Sciences humaines et méthodes quantitatives, les principes d’application et la pratique de la recherche, Beauchemin, Laval (Québec).
- Guitton H. et Vitry D., 1991, Economie politique, introduction générale, analyse micro-économique, analyse macro-économique, 15e Ed. Dalloz, Paris.
- Hansen-Love L., 2001, Philosophie, Hatier, Paris.
- Kimuyu P., 2008, Innovations in Economics Training in Sub-Saharan Africa – A Collaborative Approach, in AERC, The African Economic Research Consortium, Twenty Years of Capacity Building in Sub-Saharan Africa (1988-3008), pp;79-112, an AERC Publication.
-N’Da P., 2006, Méthodologie de la recherche ; de la problématique à la discussion des résultats. Comment réaliser un mémoire, une thèse d’un bout à l’autre, Ed. Universitaires de Côte d’Ivoire, Abidjan.
- Olukoshi A et Akum R., 2007, Consolider et renouveler la recherché en sciences sociales, note d’orientation de la réunion stratégique, CODESRIA, Dakar.
- Sachs D. J., 2005, Peut-on venir à bout de l’extrême pauvreté, coopération sud, PNUD.
- Stern N., 2002, Avant-propos, dans Meier et Stiglitz (des), Aux frontières de l’économie du développement, le futur en perspective, Banque Mondiale Ed. Eska, Washington.
- UNECA, 2005, Economic Report on Africa 2005, Meeting the Challenges of Unemployment and Poverty in Africa, Addis Ababa.
- Yeo L., 2005, Le guide méthodologique du jeune chercheur. Une bonne recette pour réaliser votre travail de recherche, Ed. Universitaires de Côte d’Ivoire, Abidjan.
- Wuyts M., 2004, An evaluation of the AERC research programme: 1997-2003, SP 42, November.
[1] La codification est le fait de donner des codes numériques à des variables qualitatives pour permettre leur traitement informatique.
