Perception de la vulnérabilité des OEV au Cameroun : cas de la région du centre

précédent sommaire suivant

4.5.2 Mise en oeuvre

Il convient de souligner que l'état de forte vulnérabilité est d'abord un état de vulnérabilité, en d'autres termes les enfants très fortement vulnérables, sont d'abord des enfants vulnérables. Nous allons par conséquent créer une variable dichotomique qui sépare nos données en deux ensemble : les enfants vulnérables et les enfants non vulnérables. Par la suite, nous appliquerons le modèle logistique en prenant une nouvelle variable traduisant

ces deux états comme variable expliquée. Nous allons transformer chaque modalité d'une variable explicative multinomiale en variable dichotomique. Il suffit alors de procéder à l'identification d'une modalité de référence pour l'ensemble de nos variables. Le choix de cette modalité, compte tenu de notre étude, a été fait en observant les modalités de plus fort effectif, qui ont été utilisées comme modalités de réference (mr). L'objectif est d'expliquer les événements marginaux ou rares, qui distinguent les enfants et permettent une perception des causes de variation de l'indicateur.

Le groupe des enfants à forte vulnérabilité représente un grand intérêt dans notre étude, même s'il ne représente que 1,95 % de la population totale. Il nous a donc semblé intéressant d'identifier les facteurs de vulnérabilité spécifiques de ce groupe. Pour cela, nous avons également créé une variable dichotomique qui prend la valeur 1 si l'enfant est à forte vulnérabilité et 0 sinon. Cette variable a été utilisée comme variable dépendante dans le modèle logistique, en conservant les mêmes variables explicatives. Il s'agissait de déceler les différences entre les résultats des deux modèles pour mettre en evidence leurs spécificités.

Remarque : Nous avons ôté la variable pertinente tenue scolaire parce que nous avons constaté que ce sont essentiellement les enfants à forte vulnérabilité qui n'avaient pas de tenue scolaire. De plus, nous avons obtenu des résultats intéressants dans le pouvoir explicatif du modèle en absence de cette variable.

TAS. 4.12 - Tableau récapitulatif des résultats obtenus après les régressions logistiques

Source Nos calculs à partir des données de l'ENI-OEV sur STATA