Efficacité et risque d'exploitation : application aux entreprises du secteur agricole
Institution:
NantesDisciplines:
Directors:
Abstract EN:
This study is concerned with building a discriminant function relevant to farming entreprises. Financial statement elements and transformation of these elements along with technical and economic indicators were variables considered in the building process using a linear discriminant analysis technique. Efficiency of the function has been tested in the following ways : 1 for three years 1985, 1986, 1987, on the basis of its elaboration. 2 for the next two periods 1988 and 1989. The tests concerned original samples as well as holdout samples. The results of these various tests prove the efficiency of the function i. E. Its ability to correctly classify any farming entreprise : above 80 %. The function also detects more than 81 % if failed farms. Critics of the results related to the practical use of discriminant- analysis technique in a applied context. Several statistical problems have been examined viz. The distribution of variables, validation procedures and cost of misclassifications various tests of normality has been made and simulation of the effects on results when variance covariance matrices are unequals. We also present the three following methods capable of detecting failing farms : 1"expertons" based on fuzzy sets. 2 - neural networks model. 3 - pluriannual statement of cash flow and normative approach associated.
Abstract FR:
Sur la base de données financières et technico-économiques relatives aux exercices comptables 1985-1987, une fonction score, utilisable pour les exploitations agricoles à dominante laitière a été construite en utilisant l'analyse discriminante linéaire. Son efficacité a été testée sur une période de 5 ans. Les tests ont été pratiques sur les échantillons de base de l’étude et sur des échantillons de contrôle. Les résultats obtenus prouvent l’efficacité du score lorsqu'il est applique a une exploitation quelconque deux ans après son élaboration : le total des reclassements corrects dépasse 80 %. Il détecte également plus de 81% des exploitations en difficulté. Une analyse critique des résultats obtenus a porté sur les conditions d'utilisation de la méthode d'analyse discriminante dans un contexte appliqué. Les problèmes de distribution des variables, les procédures de validations, l'estimation du coût des erreurs ont été examinés, le détail des tests pratiques sur l’hypothèse de normalité des critères est donné comme les résultats d'une simulation des conséquences de l’inégalité des matrices variance-covariance sur les résultats. Trois méthodes utilisables pour la classification et la détection des exploitations à risque sont présentées ; la méthode des exportons basée sur la notion d'ensembles fous, l'analyse neuronale issue du domaine de l'intelligence artificielle et le modèle de tableau pluriannuel des flux financiers et la démarche normative associée. Les résultats obtenus permettent d'affiner le diagnostic brut fourni par le score. L'analyse neuronale a été expérimentée pour la détection d'exploitations en difficulté.