Analyse sociodémographique et typologique des éleveurs de moutons Ladoum au Sénégal

Contexte

Ce projet porte sur l’analyse statistique des données issues d’une enquête auprès des éleveurs de moutons Ladoum au Sénégal.
L’objectif est de comprendre leurs caractéristiques sociodémographiques, leurs pratiques d’élevage et de dégager des typologies d’éleveurs.

---

Objectifs

• Nettoyer et transformer les données pour les rendre exploitables.
• Explorer les relations entre les variables sociodémographiques et les pratiques d’élevage.
• Utiliser l’Analyse des Correspondances Multiples (ACM) pour identifier les dimensions principales expliquant les comportements d’élevage.
• Réaliser une classification des individus (HCPC) afin de mettre en évidence des profils homogènes d’éleveurs.

---

Données

Le fichier ladoum.csv contient :

• Caractéristiques sociodémographiques : sexe, âge, ethnie, statut matrimonial, niveau d’étude.
• Pratiques d’élevage : nombre de brebis, taille du cheptel total, durée d’élevage, type d’habitat, type de propriété.
• Motivations : économique, héritage, affection.
• Localisation de la bergerie : urbain, péri-urbain, rural.

---

Méthodologie

1. Prétraitement

   • Suppression de variables peu informatives (ex. religion avec une seule modalité).
   • Transformation des variables qualitatives en facteurs.
   • Regroupement des variables quantitatives en classes d’intervalles (âge, durée, effectifs).

2. Analyse bivariée

   • Tableaux de contingence entre toutes les variables qualitatives.
   • Tests du Chi-deux et tests exacts de Fisher pour mesurer l’indépendance des variables.

3. Analyse des Correspondances Multiples (ACM)

   • Réalisée avec le package FactoMineR.
   • Sélection des axes principaux via l’analyse des valeurs propres.
   • Représentation graphique des individus et des modalités.

4. Classification

   • Méthode de Classification Hiérarchique sur Composantes Principales (HCPC).
   • Segmentation des éleveurs en groupes homogènes.
   • Interprétation des classes par variables, modalités et axes principaux.

---

Prérequis

Logiciel

• R (version ≥ 4.0 recommandé)
• RStudio (optionnel mais conseillé)

Packages R

install.packages("FactoMineR")
install.packages("dplyr")   # optionnel