Disparités D'accès Au Credit, Différenciation Des Echéances, Concentration Des Financements Et Identification Des Contributions Sectorielles

Thierry Arnaud RAFALIMANANA, Victor Mamy Arthur RAFALIMANANA, Esthor Andriamorasata Angelo RAFALIMANANA, Herman d'Assise RAFALIMANANA, Amina Irène RAFALIMANANA

Abstract


Cette étude analyse les disparités d’accès au crédit, la différenciation des échéances et la concentration sectorielle des financements à Madagascar au premier trimestre 2026. Fondée sur les données agrégées de l’enquête de conjoncture bancaire, elle combine analyse descriptive, visualisation des flux et analyse factorielle des correspondances (AFC). Les réponses indiquant un taux de rejet inférieur à 25 % atteignent 69,2 % pour les microentreprises, 77,1 % pour les petites entreprises et 84,8 % pour les moyennes et grandes entreprises. Les crédits à court terme représentent 61,5 % du portefeuille, contre 30,7 % à moyen terme et 7,8 % à long terme. Le commerce (24,4 %), les autres secteurs (16,7 %) et le transport (15,4 %) rassemblent environ 56,4 % des financements. Le premier axe de l’AFC explique 93,3 % de l’inertie totale. Les autres secteurs (23,9 %), l’agriculture (22,2 %) et les industries extractives (22,1 %) contribuent ensemble à 68,2 % de cette inertie. Ces résultats révèlent une forte prédominance du court terme et des profils sectoriels distincts. Les proportions de rejet traduisent les réponses des établissements interrogés et ne constituent pas des taux de refus individuels.

Keywords


Accès au crédit ; Échéances bancaires ; Concentration sectorielle ; Analyse factorielle des correspondances ; Madagascar.

Full Text:

PDF

References


Banque mondiale. (2025). Madagascar Economic Update: Bridging the

Productivity Divide. Washington, DC : World Bank. https://documents1.worldbank.org/curated/en/099022425145522481/pdf/P501380172e88e023197951e716a6ecd57f.pdf

Beck, T., Demirgüç-Kunt, A., & Maksimovic, V. (2005). Financial and legal constraints to growth: Does firm size matter? The Journal of Finance, 60(1), 137–177. https://doi.org/10.1111/j.1540-6261.2005.00727.x

Institut national de la statistique (INSTAT). (2026). Tableau de bord de l’économie (TBE), n° 63, août 2026. Madagascar. https://www.instat.mg/p/tableau-de-bord-de-leconomie-tbe-n0-63-aout-2026

Banky Foiben’i Madagasikara (BFM). (2026). Enquête de conjoncture économique auprès du secteur bancaire — Premier trimestre 2026 : Poursuite du ralentissement de l’activité de crédit et perspectives de redressement au prochain trimestre. Madagascar.

Greenacre, M. (2017). Correspondence Analysis in Practice (3e éd.). Chapman & Hall/CRC, Taylor & Francis Group.

McKinney, W. (2010). Data structures for statistical computing in Python. Proceedings of the 9th Python in Science Conference, 56–61. https://doi.org/10.25080/majora-92bf1922-00a

Virtanen, P., Gommers, R., Oliphant, T. E., et al. (2020). SciPy 1.0: Fundamental algorithms for scientific computing in Python. Nature Methods, 17, 261–272. https://doi.org/10.1038/s41592-019-0686-2

Hunter, J. D. (2007). Matplotlib: A 2D graphics environment. Computing in Science & Engineering, 9(3), 90–95. https://doi.org/10.1109/MCSE.2007.55

Escofier, B., & Pagès, J. (2008). Analyses factorielles simples et multiples : objectifs, méthodes et interprétation (4e éd.). Dunod.

Agresti, A. (2013). Categorical Data Analysis (3rd ed.). John Wiley & Sons.

Abdi, H., Williams, L. J., & Valentin, D. (2013). Multiple factor analysis: Principal component analysis for multitable and multiblock data sets. WIREs Computational Statistics, 5(2), 149–179. https://doi.org/10.1002/wics.1246

Pedregosa, F., Varoquaux, G., Gramfort, A., et al. (2011). Scikit-learn: Machine learning in Python. Journal of Machine Learning Research, 12, 2825–2830. https://www.jmlr.org/papers/v12/pedregosa11a.html

Lorenz, M. O. (1905). Methods of measuring the concentration of wealth. Publications of the American Statistical Association, 9(70), 209–219. https://doi.org/10.2307/2276207

Nenadić, O., & Greenacre, M. (2007). Correspondence analysis in R, with two- and three-dimensional graphics: The ca package. Journal of Statistical Software, 20(3), 1–13. https://doi.org/10.18637/jss.v020.i03

Agresti, A. (2010). Analysis of Ordinal Categorical Data (2nd ed.). John Wiley & Sons. https://doi.org/10.1002/9780470594001

Cameron, A. C., & Trivedi, P. K. (2005). Microeconometrics: Methods and Applications. Cambridge University Press.




DOI: http://dx.doi.org/10.52155/ijpsat.v59.2.8790

Refbacks

  • There are currently no refbacks.


Copyright (c) 2026 Victor Mamy RAFALIMANANA

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.