SECTION 2 : TESTS D'HYPOTHESES ET RECOMMANDATIONS
La première section a été
consacrée à une analyse descriptive des deux variables
principales de notre sujet à savoir le contrôle de gestion et la
performance. Toutefois, cette analyse s'est faite de manière
indépendante, aussi les tests d'hypothèses dans cette section ont
pour but de mettre en relief l'éventuel lien entre la performance des
hôpitaux publics et le contrôle de gestion exercé en leur
sein.
2.1 LES TESTS D'HYPOTHESES
Rappelons que les tests effectués dans cette partie
sont de type non paramétrique car la taille de l'échantillon est
très faible (10 hôpitaux), de plus ils ont été
construits dans le logiciel statistique SPSS 17.0.
2.1.1 LES TESTS TECHNIQUES
Cette première vague de tests concerne essentiellement
l'activité technique de l'hôpital, elle est composée de
deux tests, dont l'analyse se fera à partir des lois de
Student et Fisher pour une marge
d'erreur #177;=5%.
+ Hypothèse 2.1 : le nombre de consultations
dépend du nombre de médecins
Ce premier test d'hypothèse va nous permettre de savoir
s'il existe un lien de cause à effet entre le nombre de médecins
travaillant dans un hôpital et le nombre de patients qui y sont
reçus chaque année. Concrètement, nous voulons savoir si
l'affluence dans un hôpital dépend du nombre de médecins
qui y travaillent.
Les variables concernées sont: le nombre de
consultations annuelles (V51), le nombre de médecins
(V56). Ces variables étant introduites dans le logiciel
SPSS 17.0 on obtient les résultats suivants :
Rédigé et Soutenu Publiquement par : MOUTO NSIA
Charlotte Page 143
Contribution du Contrôle de Gestion à la
Performance des Hôpitaux Publics au Cameroun
Tableaux 4.33 : traitement des paramètres
de hypothèse 2.1 sur SPSS 17.0
ANOVAb
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1 Regression
|
2,051E9
|
1
|
2,051E9
|
7,514
|
,025a
|
|
Residual
|
2,184E9
|
8
|
2,729E8
|
|
|
|
Total
|
4,235E9
|
9
|
|
|
|
a. Predictors: (Constant), Nombre medecins
b. Dependent Variable: Consultations annuelles
Coefficientsa
|
Unstandardized Coefficients
|
Standardized
Coefficients
|
|
|
|
Model
|
B
|
Std. Error
|
Beta
|
t
|
Sig.
|
|
1 (Constant)
|
24040,292
|
10270,212
|
|
2,341
|
,047
|
|
Nombre medecins
|
524,639
|
191,387
|
,696
|
2,741
|
,025
|
a. Dependent Variable: Consultations annuelles
Le premier tableau nous donne la valeur du coefficient de
Fisher calculé (F), et le second les paramètres
estimés du modèle ainsi que les valeur calculées des
coefficients de Student.
On a : H0 : le nombre de consultations annuel ne
dépend pas du nombre de médecins; Et H1 : le
nombre de consultations annuel dépend du nombre de médecins.
Après lecture des tableaux, on a F= 7,514 or le F lu
sur la table de la loi de Fisher est F#177;= 5,32, ainsi F >
F#177; de ce fait, on peut conclure que le modèle n'est pas
significatif.
Le t calculé se rapporte au paramètre
estimé de la variable (V56), on a t= 2,741 or le t lu
sur la table de Student est t#177; = 2,306 ainsi t >
t#177; on doit donc réfuter H0 et accepter H1.
En conclusion, H0 est fausse, le nombre de consultations
annuel dépend bien du nombre de médecins. Toutefois, ce
résultat est légèrement biaisé car les statistiques
des hôpitaux ne
Rédigé et Soutenu Publiquement par : MOUTO NSIA
Charlotte Page 144
Contribution du Contrôle de Gestion à la
Performance des Hôpitaux Publics au Cameroun
tiennent pas compte des anciens patients dans la charge de
travail des médecins, de plus il faut remarquer que plusieurs patients
des grands hôpitaux sont détournés vers les cliniques
privées de leurs médecins consultants, et ainsi
détournées du circuit de la facturation des hôpitaux
publics.
+ Hypothèse 2.2 : le nombre d'hospitalisations
dépend du ratio infirmier/patients
Ce test a pour but de rechercher l'existence potentielle d'un
lien entre le nombre annuel d'hospitalisations (V53) et le
ratio infirmier / patients (rip), observons les tableaux
suivants :
Tableaux 4.34 : traitement des paramètres
de hypothèse 2.2 sur SPSS 17.0
ANOVAb
|
Model
|
Sum of Squares
|
df
|
Mean Square
|
F
|
Sig.
|
|
1 Regression
|
3,404E9
|
1
|
3,404E9
|
3,275
|
,108a
|
|
Residual
|
8,315E9
|
8
|
1,039E9
|
|
|
|
Total
|
1,172E10
|
9
|
|
|
|
a. Predictors: (Constant), ratio infirmier/patients
b. Dependent Variable: journées d'hospitalisation
Coefficientsa
|
Unstandardized Coefficients
|
Standardized
Coefficients
|
|
|
|
Model
|
B
|
Std. Error
|
Beta
|
t
|
Sig.
|
|
1 (Constant)
|
84705,671
|
22535,852
|
|
3,759
|
,006
|
|
ratio
infirmier/patien
ts
|
-16164,218
|
8932,410
|
-,539
|
-1,810
|
,108
|
a. Dependent Variable: journées d'hospitalisation
On a H0 : le nombre d'hospitalisations ne
dépend pas du ratio infirmier/patients; Et H1 : le
nombre d'hospitalisations dépend du ratio infirmier/patients.
Le F = 3,275 or le F lu est FOE = 5,32 ainsi
F<FOE le modèle est globalement significatif, les
paramètres donnés, nous allons tester le t Student.
Contribution du Contrôle de Gestion à la
Performance des Hôpitaux Publics au Cameroun
Le t calculé en valeur absolue est t = 1,810 et le t lu
est t#177; = 2,306 on a donc t< t#177; alors, H0 est
vraie.
Ainsi, nous pouvons conclure que le nombre d'hospitalisations
ne dépend pas du ratio infirmier/patients. Les hôpitaux
gagneraient donc à adapter la quantité d'infirmiers en leur sein,
aux besoins réels.
| 
