Analyse multidimensionnelle de l'avortement en république du congo

IV.5 SPÉCIFICATION EN RÉGRESSION LINÉAIRE MULTIPLE

IV.5.1 Problématique et hypothèses du modèle

Puisque l'avortement peut affecter la fécondité (approximée dans notre travail par le nombre d'enfants vivant), nous voulons dans cette partie postuler un hyperplan pour essayer de voir s'il existe une relation entre le nombre d'enfants vivants (Nev)  et un vecteur de variables explicatives, cela dans le simple but de compléter les caractéristiques (profils) des femmes `'avorteuses'', par d'autres variables qui auraient pu encombrer les analyses factorielles effectuées dans les sections IV.3 et IV.4 plus haut. Le modèle ici postulé ne constitue donc aucunement une explication de la probabilité pour qu'une femme décide d'avorter en raison de son nombre d'enfants vivants (ce qui nous contraindrait d'utiliser un modèle autre que la régression linéaire multiple et dont nous n'avons pas compétence). Avec Nav : nombre total d'avortements, Ngsnv : nombre de grossesses sans naissance vivante, Stad : stade de la dernière grossesse avortée, ÂgeF : l'âge de la femme et Âgep : l'âge du partenaire comme régresseurs potentiels. Nous postulons :

(H),

Où est le terme d'erreur aléatoire d'espérance nulle et de variance égale à une constante. Nous voulons de façon astucieuse rendre plus spécifique l'équation de l'hyperplan (H) précédente, en y incorporant 2 variables qualitatives. Les résultats de l'EDSC concernant les complications que connaissent certaines femmes selon l'âge et la procédure d'avortement nous incitent à nous intéresser à des nouveaux caractères dans le modèle de départ. Connaissant des femmes tirées pendant l'EDSC-I, celles qui, après avortement, ont connu des complications selon qu'elles aient utilisées telle ou telle autre procédure pour interrompre une grossesse, notre objectif, ici, est de représenter spécifiquement  le profil des femmes ayant connu des complications après leur dernier avortement et de vérifier si le type de technique utilisé lors de la dernière interruption de grossesse a une influence sur le nombre d'enfants vivants (NEV). Pour ce faire, on définit deux variables indicatrices tecniq et complic que nous incrusterons ensuite dans l'élaboration du modèle de départ, en les dichotomisant de la façon suivante :

Le modèle à considérer s'écrit alors :

(H)

Nous rappelons les hypothèses classiques du modèle de régression : H₁ la relation statistique entre la variable dépendante et les variables explicatives est linéaire, H₂ le terme erreur est une variable aléatoire d'espérance nulle, H₃ la variance des erreurs est homoscédastique, H₄ Il n'existe aucune corrélation entre les erreurs, H₅ les variables explicatives ne sont pas stochastiques mais certaines, H₆ les termes d'erreurs aléatoires sont normalement distribuées de moyenne 0 et de variance constante ó².

Concrètement, notre objectif est de déterminer les estimateurs des paramètres inconnus () qui soient sans biais, et les plus précis possibles, ce qui permettra d'ajuster un hyperplan de régression (H) pouvant servir, s'il est validé, à une inférence statistique^32(*). En effet, ce modèle peut servir à la prédiction de la variable dépendante Nev pour un vecteur (ÂgeF, Stad, Nav, Ngsnv, ÂgeP, Tecniq, Complic) de variables explicatives, à la construction de intervalles de confiance et à effectuer des test d'hypothèses sur les coefficients du modèle. Avec SPSS, nous avons obtenu les résultats suivants que nous analysons brièvement.

* ³² L'hypothèse de normalité des erreurs est dans ce cas nécessaire.