Ce chapitre analyse l’insertion sociale des ménages à travers leur appartenance à des organisations et associations, ainsi que leur accès aux projets de développement dans les observatoires d’Alaotra et de Marovoay.
Les résultats présentés ci-dessous sont provisoires, et sont susceptibles de faire l’objet de corrections.
Sur les 1026 ménages enquêtés, 450 (43.9 %) déclarent qu’au moins un de leurs membres appartient à une organisation ou association. La participation est nettement plus élevée à Marovoay qu’à Alaotra.
res_respg0 |>
summarise(
`Nb ménages` = n(),
`Membres (nb)` = sum(respga == 1),
`Membres (%)` = round(sum(respga == 1) / n() * 100, 1),
.by = Observatory
) |>
gt() |>
tab_header(title = "Ménages ayant au moins un membre dans une organisation")| Ménages ayant au moins un membre dans une organisation | |||
| Observatory | Nb ménages | Membres (nb) | Membres (%) |
|---|---|---|---|
Parmi les ménages membres, la plupart n’adhèrent qu’à une seule organisation, mais certains cumulent jusqu’à quatre affiliations.
res_respg |>
filter(!is.na(respgc)) |>
count(j5, Observatory, name = "nb_org") |>
count(Observatory, nb_org, name = "n_men") |>
expand_sites_for_profile() |>
mutate(nb_org = factor(nb_org),
pct = round(n_men / sum(n_men) * 100, 1), .by = Observatory) |>
ror_bar_v(x = nb_org, y_label = "% des ménages")
Les associations villageoises d’épargne et de crédit (tontines, voamamy) dominent à Marovoay, tandis que les associations religieuses prédominent à Alaotra. Les associations de femmes (liées au 8 mars) et les organisations de producteurs figurent également parmi les types les plus courants.
org_type_data <- res_respg |>
filter(!is.na(respgc)) |>
mutate(
respgc_chr = as.character(respgc),
Type = if_else(
respgc_chr %in% names(org_labs),
org_labs[respgc_chr],
paste0("Code ", respgc_chr)
)
) |>
count(Observatory, Type) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
filter(pct >= 1) |>
expand_sites_for_profile()org_type_data |>
make_bar_obs(x = Type, y_label = "% des adhésions")
Le chef de ménage et le ou la conjoint(e) sont les membres les plus fréquemment affiliés, de façon quasi-égale.
membre_data <- res_respg |>
filter(!is.na(respgc)) |>
mutate(Membre = case_when(
respgb == 1 ~ "Chef de ménage",
respgb == 2 ~ "Conjoint(e)",
respgb %in% 3:23 ~ "Autre membre",
respgb == 91 ~ "Chef et conjoint",
respgb == 92 ~ "Tout le ménage",
respgb == 93 ~ "Tous les enfants",
TRUE ~ "Autre"
)) |>
count(Observatory, Membre) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
expand_sites_for_profile()membre_data |>
make_bar_obs(x = Membre, y_label = "% des adhésions")
La grande majorité des membres se déclarent membres occasionnels, et seule une minorité occupe un poste de responsable.
res_respg |>
filter(!is.na(respgd), respgd %in% c(1, 2, 3)) |>
mutate(Role = factor(as.character(respgd), levels = names(role_labs), labels = role_labs)) |>
count(Observatory, Role) |>
mutate(pct = round(n / sum(n) * 100, 1), .by = Observatory) |>
expand_sites_for_profile() |>
ror_bar_v(x = Role, y_label = "% des adhésions")
Le questionnaire demande aux ménages s’ils ont bénéficié de projets ou de formations dans huit domaines. La variable pro1 (dans res_respg0) indique si au moins un membre du ménage a bénéficié d’un projet, tandis que res_pro détaille les bénéficiaires par type de projet et leur source de financement.
L’accès aux projets de développement reste inégal entre les deux sites.
Dans l’Alaotra, 22.2 % des ménages déclarent avoir bénéficié d’au moins un projet ou d’une formation.
A Marovoay, 25.8 % des ménages déclarent avoir bénéficié d’au moins un projet ou d’une formation.
L’éducation et la santé, la nutrition et l’agriculture sont les domaines pour lesquels les ménages bénéficient le plus de projets. Le tourisme reste totalement absent des deux observatoires.
pro_clean <- res_pro |>
mutate(
pro_lib_txt = safe_to_char(pro_lib),
pro_lib_clean = case_when(
pro_lib_txt %in% c("Fizahan-tany", "Fizahantany") ~ "Tourisme",
str_detect(pro_lib_txt, "^Hafa") ~ "Autre (ex. HIMO)",
pro_lib_txt == "Fambolena" ~ "Agriculture",
pro_lib_txt == "Fampianarana & Faha" ~ "Éducation & santé",
pro_lib_txt == "Fanjariantsakafo" ~ "Nutrition",
pro_lib_txt == "Fiompiana/jono" ~ "Élevage / pêche",
pro_lib_txt == "Asam-pamokarana hafa" ~ "Autres productions",
pro_lib_txt == "Tontolo iainana" ~ "Environnement",
TRUE ~ pro_lib_txt
)
) |>
filter(pro_lib_clean != "")
benef_type_data <- pro_clean |>
filter(!is.na(pro2), pro2 %in% c(1, 2)) |>
summarise(
pct = round(mean(pro2 == 1) * 100, 1),
.by = c(Observatory, pro_lib_clean)
) |>
expand_sites_for_profile()benef_type_data |>
make_bar_obs(x = pro_lib_clean, y_label = "% de ménages bénéficiaires")
Pour les ménages bénéficiaires, le financement provient principalement de l’État et des ONG/projets. L’Église et les autres sources restent marginales.
pro_benef <- pro_clean |>
filter(pro2 == 1)
pro_source <- pro_benef |>
summarise(
n = n(),
Etat = sum(pro3 == 1, na.rm = TRUE),
`ONG / Projet` = sum(!is.na(pro4) & pro4 != 0, na.rm = TRUE),
Eglise = sum(pro5 == 1, na.rm = TRUE),
.by = c(Observatory, pro_lib_clean)
) |>
pivot_longer(
cols = c(Etat, `ONG / Projet`, Eglise),
names_to = "Source",
values_to = "nb"
) |>
mutate(pct = round(nb / n * 100, 1))
pro_source |>
ror_bar_grouped(x = pro_lib_clean, fill = Source,
y_label = "% des bénéficiaires", direction = "horizontal")
pro_benef |>
summarise(
`Total bénéficiaires` = n(),
`État (nb)` = sum(pro3 == 1, na.rm = TRUE),
`État (%)` = round(sum(pro3 == 1, na.rm = TRUE) / n() * 100, 1),
`ONG/Projet (nb)` = sum(!is.na(pro4) & pro4 != 0, na.rm = TRUE),
`ONG/Projet (%)` = round(sum(!is.na(pro4) & pro4 != 0, na.rm = TRUE) / n() * 100, 1),
`Église (nb)` = sum(pro5 == 1, na.rm = TRUE),
.by = Observatory
) |>
gt() |>
tab_header(title = "Source des projets pour les ménages bénéficiaires")| Source des projets pour les ménages bénéficiaires | ||||||
| Observatory | Total bénéficiaires | État (nb) | État (%) | ONG/Projet (nb) | ONG/Projet (%) | Église (nb) |
|---|---|---|---|---|---|---|
Les ménages membres d’une organisation sont-ils davantage bénéficiaires de projets ? Ce croisement permet de tester l’hypothèse selon laquelle le capital social facilite l’accès aux interventions de développement.
Dans l’Alaotra, 32.1 % des ménages sont membres d’une organisation.
A Marovoay, 55.3 % des ménages sont membres d’une organisation.
res_respg0 |>
filter(pro1 %in% c(1, 2)) |>
mutate(
Membre = if_else(respga == 1, "Membre", "Non membre"),
Beneficiaire = pro1 == 1
) |>
summarise(
n = n(),
pct_benef = round(mean(Beneficiaire) * 100, 1),
.by = c(Observatory, Membre)
) |>
pivot_wider(names_from = Membre, values_from = c(n, pct_benef)) |>
gt() |>
tab_header(title = "% de ménages bénéficiaires de projets selon l'appartenance à une organisation") |>
cols_label(
n_Membre = "N (membres)",
`n_Non membre` = "N (non membres)",
pct_benef_Membre = "Bénéf. (%) membres",
`pct_benef_Non membre` = "Bénéf. (%) non membres"
)| % de ménages bénéficiaires de projets selon l'appartenance à une organisation | ||||
| Observatory | N (non membres) | N (membres) | Bénéf. (%) non membres | Bénéf. (%) membres |
|---|---|---|---|---|
pro4) : les valeurs numériques (10–15, 24, etc.) semblent correspondre à des identifiants de projets spécifiques dont la correspondance avec des noms de projets reste à documenter.