d. Les coefficients de redressement de l’enquête PMU selon les critères privilégiés

En appliquant la méthode définie plus haut, nous obtenons les coefficients de redressement du Tableau 125 et du Tableau 126 à appliquer aux individus enquêtés par PMU en fonction de la commune de résidence de leur ménage.

Les coefficients trouvés laissent apparaître de trop grands écarts (entre Dixinn et Matam à Conakry, mais surtout entre le 4ème arrondissement et les deux premiers à Douala) pour ne pas en tenir compte dans le redressement en fonction du niveau d’équipement ou de revenu des ménages. Il s’agira donc pour nous d’effectuer un double redressement, selon la localisation et le niveau d’équipement/de revenu des ménages, des données déplacements de l’enquête PMU, cette manipulation ne concernant que les individus de plus de 10 ans enquêtés en semaine.

Notons que parmi les 627 ménages enquêtés par PMU à Conakry, un certain nombre (38) ne sont pas renseignés pour toutes les rubriques concernant leur équipement. Pour ce petit nombre, nous leur appliquerons le coefficient de redressement du Tableau 125 selon la commune de résidence calculé. Pour les autres, le redressement en fonction des deux critères retenus prendra en compte ces 38 ménages de façon à ce que l’ensemble des individus de plus de 10 ans enquêtés en semaine par PMU, redressé, corresponde à la population des individus de plus de 10 ans estimée à Conakry.

Les écarts entre les coefficients de redressement selon le niveau d’équipement et la localisation du ménage à Conakry (Tableau 127) traduisent bien la surreprésentation des ménages les mieux équipés. D’une intervalle des valeurs des coefficients comprise entre 370 et 560 pour le redressement selon la seule commune de résidence, nous passons à une intervalle comprise entre 200 et 1 000. Toutefois, malgré la faiblesse des données de PMU, nous obtenons des valeurs plutôt acceptables du point de vue de notre démarche. Une seule fois le coefficient de redressement dépasse légèrement le millier, celui qui correspond aux ménages du 4ème quartile de Ratoma. C’est là un redressement relativement intéressant pour estimer si les débits horaires atteignent des valeurs de dizaines de milliers de passagers par heure et par sens.

Malheureusement, dans le cas de Douala, les coefficients à appliquer aux individus appartenant aux ménages des quartiles à revenus élevés sont de nature à biaiser nos résultats (Tableau 128). Il suffirait de trois déplacements des individus des ménages du quatrième quartile de revenu des 1er, 3ème et 5ème arrondissements, voire un seul des individus des ménages du 3ème quartile de revenu, pour représenter une dizaine de milliers de déplacements. A défaut de trouver un redressement satisfaisant en fonction du niveau de revenu, nous allons procéder à des estimations de débits horaires avec les coefficients ci-dessus, et d’autres sans prise en compte du niveau de revenu. Ce double calcul nous permettra d’encadrer, à défaut de mieux l’approcher, la réalité des flux de déplacements sur les axes qui nous intéresserons.

* Chiffres de QUIBB redressés : nous avons redistribué les ménages dont les revenus ne sont pas déclarés proportionnellement au nombre d’individus de plus de 10 ans par quartiles dans chaque commune

Rappelons encore que les enquêtes PMU à Conakry et à Douala s’intéressent plus particulièrement aux citadins les plus « pauvres » et n’ont pas été conçues, contrairement à l’EMTSU à Dakar, avec un souci de représentativité des agglomérations. Leur redressement est par conséquent d’une qualité moyenne mais nous semble suffisante pour répondre à nos questions.

* Chiffres de CAVIE redressés : nous avons redistribué les ménages dont les revenus ne sont pas déclarés proportionnellement au nombre d’individus de plus de 10 ans par quartiles dans chaque commune

** Ce coefficient correspond à une fusion des 3ème et 4ème quartiles de revenu.