Memoire Online - Determinants de l'efficience des systemes de santé: une analyse sur un panel de 183 pays.

Les dépenses de santé, l'affectation du personnel et des ressources sont des problèmes majeurs pour l'amélioration de l'état de santé des individus d'un pays. Le rapport sur la sante dans le monde 2000 est consacré à ce sujet. Dans le même contexte, plusieurs travaux empiriques et théoriques ont été écris pour tenter d'appréhender la performance mais aussi les déterminants de la performance des systèmes de santé. Ce travail se situe dans le même sillage que ceux d'Evans et al. (2000, 2001), Greene (2004b) et bien d'autres encore. L'objectif est de tenter, à partir des nouvelles approches économétriques, d'identifier les déterminants de l'efficience technique des systèmes de santé. En effet concernant les critiques apportées à Evans et al. (2000) sur l'hypothèse de constante de l'inefficience dans le temps et de la confusion de l'hétérogénéité à de l'inefficience entre pays, Greene (2005) propose le « véritable modèle à effets fixes ». A l'issu des estimations, nous trouvons que les principaux déterminants de l'efficience de l'offre des soins sont : le niveau de revenu et sa répartition au sein de la population, la composition du financement de la santé public-privé, la bonne gouvernance (bonne règlementation, respect des droits de propriété...), la faible fragmentation ethnolinguistique, la proximité géographique et linguistique des systèmes déjà performants^1(*).

Health expenditure, Allocation of personal and resources are major problem when trying to increase the health status in a given country. The World Health Report 2000 focuses on this topic in other to rank country according to their health system performance. Many theoretical and empirical papers tried to measure and even to identify the determinants of health care system. Following Evans and al. (2000, 2001), Greene (2004b), we try using new econometrics approaches to identify determinants of technical efficiency of health care system. In fact, many drawbacks had been shown in Evans and al. (2000), concerning the time invariant of inefficiency component and the heterogeneity confounded to the inefficiency. Greene (2005) tries to deal with these problems by proposing the « true fixe and random effect models». Using this approach, we identify many determinants of health care achievement. Level of income and their distribution, the ratio public/private funding of health care, good governance, ethno linguistic fragmentation, geographic and linguistic proximity of good health care system are among other factors influencing health care attainment.

INTRODUCTION

L'amélioration de l'efficacité du système de soins est un objectif privilégié des pouvoirs publics pour atténuer la croissance des dépenses de santé. Cette volonté de réduire les coûts dans le domaine sanitaire passe par l'évaluation de la performance des systèmes de soins ainsi que de leurs rendements. Les systèmes de santé ne sont pas facilement perceptibles ; selon l'OMS, c'est l'ensemble constitué de « toutes les activités dont le but essentiel est de promouvoir, restaurer ou entretenir la santé » (Rapport sur la santé dans le Monde 2000)^2(*). A ce titre l'OMS, considère comme partie intégrante du système : les services de santé officiels^3(*), les guérisseurs traditionnels et toutes les formes de médication, qu'elles soient prescrites ou non par un prestataire, ainsi que les soins à domicile qui constituent 70 à 90 % de l'ensemble des soins. En outre, les activités telles que la promotion de la santé et la prévention des maladies, et d'autres interventions favorables à la santé comme l'amélioration de la sécurité routière et de l'environnement font aussi partie d'un tel système. Ces systèmes ont certainement joué un rôle dans l'allongement spectaculaire de l'espérance de vie au cours du XXe siècle. Ils ont énormément contribué à améliorer la santé et ont (Rapport sur la Santé dans le Monde 2000) influencé les vies et le bien-être de milliards d'hommes, de femmes et d'enfants dans le monde. Leur rôle est devenu de plus en plus important.

La santé est un élément clé de développement, cette importance est marquée par le fait qu'environ 40% des OMD portent sur la santé^4(*). A ce sujet, l'OMS et les bailleurs de fonds bilatéraux et multilatéraux multiplient à la fois les ressources et les actions pour l'atteinte de ces objectifs^5(*). Par ailleurs, les accords de la déclaration de Paris sur l'aide donnent désormais la priorité aux gouvernements bénéficiaires de mettre en oeuvre les différentes politiques conclues avec les bailleurs. Face donc à cette autonomie dans la gestion du pays receveur, il convient de s'interroger sur la capacité des systèmes de santé à répondre aux exigences des OMD. Le présent mémoire a donc pour objectif d'identifier les déterminants de l'efficience des systèmes de santé dans un panel de pays comprenant à la fois les pays développés et ceux en développement.

Plusieurs études ont été entreprises dans le passé soit pour mesurer l'efficience (Evans et al. 2000a, b ; Greene 2004b) soit l'expliquer (Rosko 2001 ; Brown 2003). Les méthodes empiriques à ce sujet peuvent être regroupées en deux grands groupes : les méthodes paramétriques et les méthodes non paramétriques. Chacune de ces méthodes a été largement utilisée dans la littérature concernant l'efficience des systèmes de santé (Hollingsworth 2003). Sur la base des avantages et inconvénients de chacune, nous avons choisi l'approche paramétrique en une étape (Battese et Coelli 1995 ; Wang et Schmidt 2002). En considérant deux indicateurs de l'état de santé qui reflètent aussi la performance d'un système de santé, nous avons estimé un modèle de frontière stochastique avec prise en compte de l'hétérogénéité interindividuelle (Greene 2004b) et de l'éventuelle présence de l'hétéroscédasticité dans la distribution de l'inefficience.

En effet, à la suite des critiques apportées au Rapport sur la Santé dans le Monde 2000 (RSM), plusieurs développements théoriques et empiriques ont été faits. Dans sa formulation, Greene (2004b) propose de prendre en compte l'hétérogénéité interindividuelle longtemps confondu à l'inefficience dans les modèles de panel ; Wang et Schmidt(2002) proposent de contrôler pour l'hétéroscédasticité éventuelle pouvant exister dans la distribution de l'inefficience. Nous adoptons cette approche mais en intégrant certains aspects tout aussi importants que l'hétérogénéité et l'hétéroscédasticité. Etant donné que les données sur l'espérance de vie présentent une variabilité intra-individuelle très faible (Gravelle 2001), nous considérons un panel plus long (de 1993 à 2004). De plus le VIH/SIDA ayant un impact considérable sur l'espérance de vie dans les pays en développement, nous avons contrôlé pour cet effet dans nos régressions, ce qui n'a pas été le cas dans les études consultées. Nous trouvons ainsi que le niveau de revenu et sa répartition au sein de la population sont des déterminants importants de l'efficience des systèmes de santé. De plus la composition du financement de la santé public-privé influence aussi l'efficience en ce sens que plus le financement viendra de l'Etat plus le système sera inefficient. On constate aussi qu'une bonne gouvernance (bonne règlementation, respect des droits de propriété...) a un effet favorable sur les performances du système. Dans un cadre social, une faible fragmentation ethnolinguistique est un atout de performance pour les systèmes de santé. Les systèmes de santé deviennent aussi performants grâce à la proximité géographique et linguistique des systèmes déjà performants. Ceci se fait à travers les phénomènes de diffusion et de convergence.

Le reste du document est organisé comme suit : la section I présente les systèmes de santé dans le monde et se focalise plus dans les PVD afin de mieux circonscrire la problématique, la section II recherche les déterminants théoriques du niveau de santé d'une population d'abord dans un cadre micro et ensuite macro, ces déterminants pour certains, pouvant influencer l'efficience. La section III fait une revue brève de la littérature afin d'identifier les principales approches utilisées ainsi que les tendances dans les résultats. La section IV est l'essentiel de l'estimation empirique.

Ce chapitre premier a pour objectif de présenter l'état de santé dans le monde. Il est à titre introductif et montre le contraste du niveau de santé entre pays développés et PVD. Nous présenterons ainsi tour à tour l'Etat de santé, le système de santé et le niveau des ressources.

I-1 l'Etat de santé dans le monde

La santé selon l'OMS est «un état de complet bien-être physique, mental et social, et ne consiste pas seulement en une absence de maladie ou d'infirmité ». De plus, l'organisation dans sa constitution stipule que « la possession du meilleur état de santé qu'un individu est capable d'atteindre constitue l'un des droits fondamentaux de tout être humain quelles que soient sa race, sa religion, ses opinions politiques, sa condition économique ou sociale ». La possession d'un meilleur état de santé est donc vue comme un droit pour tout homme. A ce titre, de grands progrès ont été faits au cours de la seconde moitié du XXe siècle (RSM, 2000). L'espérance de vie a plus augmenté par rapport aux quatre millénaires précédents. Les politiques de vaccinations ont eu un effet incontestable. Le programme élargi de vaccinations entrepris par l'OMS et l'UNICEF a permis une régression considérable de la poliomyélite, du tétanos néonatal, de la rougeole. Certaines endémies tropicales comme l'onchocercose ont vu diminuer leur incidence et leur prévalence grâce à des politiques préventives ou curatives efficaces (RSM, 2000).

Deux éléments nuancent ce constat globalement favorable. Ces progrès ont essentiellement concerné les pays économiquement plus avancés et ces indicateurs globaux de santé masquent les inégalités d'état de santé d'un pays à l'autre et à l'intérieur des pays. Des maladies accessibles aux soins préventifs et curatifs gardent une fréquence considérable : la tuberculose reste responsable de près de 2 millions de décès annuels. Le paludisme, dont l'éradication avait été programmée pour 1970, provoque chaque année 300 millions de cas cliniques et un million de décès (RSM, 2000).

En résumé, l'état de santé du monde a fait des progrès mais l'écart entre les pays riches et les pays pauvres s'est accru. En outre, les pays pauvres sont loin d'être homogènes. Le Sri Lanka, avec un PIB de 700 dollars par habitant, a une mortalité infantile de 16 pour 1 000, inférieure à celle de l'Argentine (22 pour 1 000, PIB/h =8 030 dollars) et identique à celle des Émirats Arabes Unis (16 pour 1 000, PIB/h = 17 400 dollars). Quant aux pays d'Europe centrale et orientale, reconnus pour leur meilleur classement en matière d'espérance de vie, sont aussi ceux où les inégalités de revenu sont les plus faibles.

Dans les pays les plus pauvres, en Afrique sub-saharienne, en Asie du Sud, en Amérique latine, le tableau reste dramatique. Le rapport 1999 de l'OMS sur la santé dans le monde rappelle que « plus d'un milliard de personnes vont aborder le XXIe siècle sans avoir profité de la révolution sanitaire : leur vie demeure brève et marquée par la maladie ». La « transition épidémiologique » du tiers-monde constitue pour les pays concernés un « double fardeau ». En effet, alors que les maladies infectieuses, les carences nutritionnelles et les complications de la grossesse et de l'accouchement sont loin d'avoir disparues, les affections dégénératives, les cancers et les accidents constituent une cause croissante de décès. Les maladies non transmissibles constituent déjà 40 % des années de vie perdues, corrigées de l'incapacité, dans les pays les plus pauvres. A ce double fardeau s'ajoutent maintenant l'infection par le VIH, dont on connait l'ampleur en Afrique et en Asie du Sud-Est, et le tabagisme, dont on estime qu'il tuera près de 500 millions de personnes, soit près de 10% de la population mondiale.

Face à cette tendance à la baisse des indicateurs de l'Etat de santé dans les PVD, il convient de s'interroger sur la performance des systèmes de santé.

I-2 les systèmes de santé dans le monde : état de lieux

Les systèmes de santé comme nous l'avons précisé comprennent toutes les personnes et toutes les actions dont l'objectif principal est l'amélioration de la santé. A ce titre font donc partie intégrante des systèmes de santé :

« Les services de santé officiels, y compris la prestation par des professionnels de soins médicaux individuels, se situent manifestement à l'intérieur de ces limites. Il en va de même des actions des guérisseurs traditionnels et de toutes les formes de médication, qu'elles soient ou non prescrites par un prestataire, ainsi que des soins à domicile qui constituent 70 % à 90 % de l'ensemble des soins. Des activités traditionnelles de santé publique comme la promotion de la santé et la prévention des maladies, et d'autres interventions favorables à la santé comme l'amélioration de la sécurité routière et de l'environnement font aussi partie d'un tel système »^6(*)

Ces systèmes ont principalement trois objectifs : amélioration de la santé, réactivité et équité de la contribution financière.

Comme nous l'avons souligné ci-haut, la fonction principale est celle d'amélioration de la santé ; c'est également la plus connue. A cette fonction vient se greffer l'objectif de distribution de la santé dans la population ; car à niveau de santé égal dans deux systèmes de santé, la plus performante sera celle où on rencontre une faible inégalité entre individus et groupe sociaux. Notons que d'autres systèmes tels que le système éducatif peuvent contribuer à améliorer la santé mais ce n'est pas pour autant leur objectif premier^7(*). L'OMS (RSM, 2000) utilise trois mesures classiques et partielles de l'état de santé : il s'agit de la probabilité de décéder avant l'âge de cinq ans ou celle de décéder entre 15 et 59 ans, et de l'espérance de vie à la naissance. De plus, afin d'évaluer l'état de santé général de la population et ainsi, d'apprécier dans quelle mesure l'objectif d'une bonne santé a été atteint, l'OMS a eu recours à deux mesures synthétiques de l'état de santé. Il s'agit de :

-l'espérance de vie corrigée de l'incapacité (EVCI), qui présente l'avantage d'être directement comparable à l'espérance de vie estimée à partir de la seule mortalité et qui se prête aisément à des comparaisons entre populations.

-la charge de morbidité, qui détermine les pertes de bonne santé par rapport à une longue vie exempte d'incapacités.

Les systèmes de santé doivent être également réactifs ; la réactivité étant, notamment, la capacité de limiter les atteintes à la dignité et à l'autonomie de l'individu, ainsi que les craintes et la honte qui sont souvent associées à la maladie. L'OMS présente deux grandes subdivisions de la réactivité :

-Le respect de la dignité de la personne. Plus généralement, cette règle consiste à ne pas humilier ou abaisser les patients.

-La confidentialité ou le droit pour le patient de décider qui peut accéder aux informations concernant sa propre santé.

-L'autonomie qui est la possibilité de participer au choix concernant sa propre santé, y compris celui du traitement qui lui sera ou non administré.

-La rapidité de la prise en charge : attention immédiate en cas d'urgence et délais raisonnables pour les cas non urgents.

-Le choix du prestataire, c'est-à-dire la possibilité de choisir la personne ou l'organisation dont on va recevoir les soins.

Pour capter la réactivité des systèmes de santé, l'OMS dispose dans 35 pays, d'un réseau d'au moins 50 informateurs clés (par pays) qui donnent leurs opinions sur le niveau moyen des sept différents éléments de la réactivité énumérés ci-dessus et sur leurs différences. De plus, une enquête effectuée auprès de plus d'un millier de personnes permet par ailleurs de calculer des coefficients de pondération pour obtenir une note globale (RSM, 2000).

Un bon système de santé est avant tout celui qui contribue à instaurer un bon niveau de santé. Toutefois, il ne suffit pas toujours de maintenir ou d'améliorer le niveau moyen de santé d'une population si, dans le même temps, les inégalités s'aggravent ou demeurent importantes parce que les progrès obtenus profitent surtout à des personnes déjà en bonne santé. Le système de santé a aussi pour mission d'atténuer les inégalités en améliorant préférentiellement la santé des moins bien portants, lorsque la situation est justiciable d'une intervention. L'objectif d'équité est donc de créer un climat d'accès favorable aux soins pour tous. En plus de l'équité d'accès au soin, il faut aussi un financement équitable du système de santé. Ceci suppose que les risques financiers auxquels est exposé chaque ménage en raison des coûts du système sont répartis en fonction de la capacité à payer et non du risque de maladie : un système financé de façon équitable offrira une protection financière à tous. Par contre, un système de santé dans lequel des individus ou des ménages sont parfois obligés de se ruiner pour accéder aux soins dont ils ont besoin ou doivent renoncer à se faire soigner parce que le coût est trop élevé est qualifiée d'inéquitable. Pour une bonne évaluation de l'équité d'un système de santé, l'OMS utilise le rapport entre le total des dépenses de santé et le total des dépenses non alimentaires du ménage. Si ce rapport est identique pour tous les ménages, le système est dit équitable.

Cependant, les systèmes de santé ne respectent pas toujours ces bonnes propriétés, à cet effet, l'OMS à souligné cinq insuffisances courantes dans les prestations sanitaires (RSM 2008) :

Relation inverse en matière de soins. Ceux qui ont le plus de moyens - dont les besoins en soins de santé sont souvent inférieurs - consomment le plus de soins, alors que ceux qui ont le moins de moyens et les plus grands problèmes de santé en consomment le moins. Les dépenses publiques consacrées aux services de santé profitent davantage aux riches qu'aux pauvres, que ce soit dans les pays à revenu élevé ou dans ceux dont le revenu est faible.

Soins appauvrissants. Partout où la protection sociale fait défaut et où les usagers doivent payer une grande partie des soins de leur poche, ils peuvent se trouver confrontés à des dépenses insoutenables. Plus de 100 millions de personnes tombent chaque année dans la pauvreté parce qu'elles doivent payer leurs soins de santé.

Soins fragmentés et fragmentaires. La spécialisation excessive des prestataires de soins et l'étroitesse de nombreux programmes de lutte contre les maladies découragent une approche globale des individus et des familles dont ils s'occupent et les empêchent de mesurer la nécessité de la continuité des soins. Les soins de santé destinés aux populations pauvres et marginalisées sont souvent très fragmentés et grossièrement sous-financés, alors même que l'aide au développement accroît souvent cette fragmentation.

Soins à risque. Un système mal conçu et incapable d'assurer des normes de sécurité et d'hygiène provoque des taux élevés d'infections, ainsi que des erreurs médicales et d'autres effets néfastes qui constituent une cause sous-estimée de décès et de mauvaise santé.

Soins mal ciblés. L'allocation des ressources va essentiellement, à grands frais, aux services curatifs, négligeant la prévention primaire et la promotion de la santé, pourtant susceptibles de permettre une réduction pouvant atteindre 70 % de la charge de morbidité. Dans le même temps le secteur sanitaire ne dispose pas de compétences nécessaires pour atténuer les effets néfastes d'autres secteurs sur la santé et pour tirer le meilleur parti des contributions que ces mêmes secteurs peuvent apporter à la santé.

I-3 le niveau des ressources

Dans les systèmes de santé, les ressources peuvent être classées en deux catégories : ressources humaines et ressources physiques. Les ressources humaines sont constituées principalement du personnel de santé, des prestataires de service et du personnel administratif et d'appui.

Selon l'OMS, l'effectif du personnel de santé dans le monde est au bas mot un peu supérieur à 59 millions de personnes (voir Tableau 1). Il s'agit là d'une évaluation prudente dans la mesure où elle sous-estime probablement le nombre d'agents de santé qui sont employés en dehors du secteur sanitaire dans des pays pour lesquels on ne dispose pas de renseignements tirés des enquêtes de recensement. Les prestataires de services sanitaires représentent 67 % de l'ensemble du personnel de santé dans le monde, mais seulement 57 % dans la Région des Amériques.

Une dernière catégorie généralement oubliée dans les débats autour de l'effectif du personnel sanitaire est constitué du personnel administratif et d'appui. Ceux-ci remplissent diverses tâches telles que la distribution de médicaments, l'entretien des bâtiments et des équipements essentiels, ou encore la planification et l'orientation du système dans son ensemble. Le personnel administratif et d'appui constitue ainsi l'ossature invisible du système de santé ; s'il est en sous-effectif ou s'il ne possède pas les compétences requises, le système ne peut pas fonctionner - par exemple, les salaires ne sont pas payés et les médicaments ne sont pas délivrés. On les estime à environ 33% de l'effectif total des ressources humaines dans le domaine de la santé. Pour la région Afrique, cette proportion est relativement faible (17%).

La ventilation du personnel de santé en fonction du revenu national montre que l'effectif du personnel administratif et d'appui dépasse légèrement celui des prestataires de services dans les pays à revenu élevé, la situation étant inversée dans les pays à niveau de revenu faible ou intermédiaire, où les prestataires de services constituent généralement plus de 70 % de l'ensemble du personnel de santé.

Tableau 1 : Effectifs mondiaux des personnels de santé, en fonction de la densité en 2006

Cette répartition masque une pénurie très forte notée par l'OMS dans son rapport sur la santé dans le monde 2006. Les 57 pays qui se trouvent en dessous du seuil de couverture de 80 % sont considérés comme ayant une pénurie aiguë de personnel. Trente six d'entre eux sont situés en Afrique subsaharienne (Tableau 2). Pour que tous ces pays puissent atteindre le niveau de disponibilité visé en matière de personnel, il faudrait que l'effectif mondial des professionnels de santé augmente de 2,4 millions (RSM, 2006). En valeur absolue, la pénurie la plus forte s'observe en Asie du Sud-Est, surtout au Bangladesh, en Inde et en Indonésie. En valeur relative, c'est en Afrique subsaharienne qu'elle est la plus importante, où il faudrait augmenter les effectifs de près de 140 % pour atteindre le seuil requis. Ces estimations mettent en lumière la nécessité absolue d'accroître le nombre d'agents de santé, simplement pour assurer, avec une couverture modeste, les interventions sanitaires essentielles dans les pays les plus démunis.

Tableau 2 : Estimation de la pénurie aiguë de médecins, d'infirmières et de sages femmes, par région OMS en 2006

L'objectif de ce chapitre aura été de présenter l'état de santé dans le monde tout en insistant sur les écarts entre pays développés et pays en développement. Nous constatons une forte disparité du niveau de santé entre ces deux groupes de pays. Cette divergence correspond aussi à la disparité de performance des systèmes de santé telle que présenté par l'OMS. Pour mieux percevoir cette inégalité, il convient de s'interroger sur les déterminants de l'état de santé d'une population.

L'état de santé d'un individu, d'une population peut être influencé par plusieurs facteurs ; dans le cadre de ce chapitre, nous nous proposons d'identifier certains de ces facteurs. Ces déterminants du niveau de santé sont généralement présentés dans une vision microéconomique, cependant on peut pour certains, les ramener à un niveau macroéconomique.

II-1 Niveau de revenus et situation sociale

L'état de la santé s'améliore à chaque étape de la hiérarchie des revenus et du niveau social. Des revenus plus élevés permettent de meilleures conditions de vie comme un logement plus sûr et la capacité d'acheter suffisamment des aliments sains. Les populations en bonne santé sont celles qui se trouvent dans les sociétés prospères où la richesse est répartie de façon équitable. L'OMS (RSM, 2000) analyse dans un cadre macroéconomique, l'importance du revenu sur l'état de santé. En effet, en classant les pays selon leur revenu par habitant, il étudie pour chacun la distribution des décès par âge, par cause et par sexe. De telles estimations montrent, pour 1990, un écart important entre l'effet des maladies transmissibles et celui des maladies non transmissibles. Cet écart reflète la concentration chez les pauvres des décès et des pertes d'AVCI imputables à des maladies transmissibles, soit près de 60 % de l'ensemble des causes de mauvaise santé dans le quintile des plus pauvres contre 8 à 11 % dans celui des plus riches, ce qui est étroitement associé aux différences entre les distributions des décès par âge : alors que chez les pauvres un peu plus de la moitié de l'ensemble des décès se produisent avant l'âge de 15 ans, cette proportion n'est que de 4 % chez les riches (RSM, 2000).

II-2. Réseaux de soutien social

On associe l'appui reçu de la famille, des amis et de la collectivité à une meilleure santé. De tels réseaux de soutien social pourraient se révéler très importants pour aider les gens à résoudre les problèmes et à faire face à l'adversité, ainsi que pour nourrir le sentiment d'être maîtres ou d'avoir une influence sur ses conditions de vie. L'entraide et le respect qui se manifestent dans les relations sociales, le sentiment de satisfaction et de bien-être qui en découlent semblent contribuer à un apport psychologique protecteur contre les problèmes de santé. Il est plausible de penser que le réseau de soutient social est plus fort dans les pays où la fragmentation ethnolinguistique est plus faible.

II-3. Niveau d'instruction

La santé corrélée au niveau d'instruction. Une bonne instruction pour les enfants et un apprentissage tout au long de la vie pour les adultes constituent des éléments essentiels de la santé et de la prospérité des individus et d'un pays. Le niveau d'instruction donne aux gens les connaissances et les capacités dont ils ont besoin pour résoudre des problèmes et le sentiment d'influencer et de maîtriser leur vie. Le niveau d'instruction accroît également les possibilités d'emploi, de sécurité du revenu et de satisfaction au travail. Il améliore enfin la capacité des gens de se renseigner et de comprendre l'information pour se soigner. Pour capter le niveau d'instruction l'OMS utilise le nombre moyen d'années de scolarisation des adultes. Cet indicateur permet de mesurer le capital humain et donc le potentiel à long terme, voire le développement actuel ou réel du pays. Il reflète certains facteurs extérieurs au système de santé qui influent sur l'état de santé.

II-4. Système de santé

Les services de santé, en particulier ceux conçus pour entretenir et favoriser la santé, pour prévenir les maladies et pour restaurer la santé et les diverses fonctions de l'Homme contribuent à la santé de la population. L'ensemble des soins offerts par ces services de santé englobe le traitement et la prévention secondaire^10(*). La technologie a également un effet considérable sur la santé. Le Rapport sur la santé dans le monde 1999, démontre que l'acquisition et l'utilisation de connaissances nouvelles - c'est-à-dire le progrès technique et scientifique - expliquent près de la moitié de la réduction de la mortalité entre 1960 et 1990 dans un échantillon de 115 pays à bas et moyen revenu, alors que l'accroissement du revenu explique moins de 20 % de cette réduction. En marge des services de santé, plusieurs éléments appartenant plus ou moins au système de santé peuvent influencer l'état de santé, nous pouvons citer entre autre la corruption, le respect des droits de propriété...

D'autres éléments pertinents mais difficilement appréhendables sur le plan macro influencent aussi l'état de santé. Il s'agit par exemple de l'emploi et des conditions de travail, de l'environnement social et physique, des habitudes de vie et compétences d'adaptation personnelles, du développement sain durant l'enfance, du patrimoine biologique et génétique, du sexe et de la culture.

A la suite de l'augmentation des dépenses de santé observée dans les pays développés (Bodenheimer, 2005), une large littérature s'est développée afin d'évaluer la performance des services de santé. Les trois principaux concepts d'efficience (technique, allocative et productive) jadis utilisés pour mesurer l'efficience des entreprises productives ont été adoptés dans le domaine de la santé.

III-1 Définition de l'efficience

L'Efficience technique : elle renvoie à l'habilité à éviter le gaspillage, soit en produisant le maximum possible qu'autorisent la technologie et les inputs, soit en utilisant le moins d'input pour une quantité d'output étant donné la technologie. Selon Koopman (1951), « un producteur est techniquement efficient si une augmentation d'un quelconque output se traduit par une réduction au moins d'un autre output ou une augmentation d'un ou plusieurs input et si une réduction d'un quelconque input se traduit par une augmentation d'un autre input ou une diminution d'un output ». Dans le contexte des services de santé, l'efficience technique peut se référer à la relation qui existe entre les ressources utilisées (capital, travail, équipement) et certains indicateurs de santé. Ces indicateurs de résultats peuvent également être des résultats intermédiaires (nombre de patient traité, nombre de patient par jour, temps d'attente...) ou des résultats finaux (EVCI, mortalité des moins de 5 ans, mortalité maternelle) (Palmer et Torgenson 1999).

L'efficience allocative renvoie à l'habilité à utiliser les inputs dans les proportions optimales, étant donné leurs prix respectifs et la technologie. Ainsi, l'efficience allocative consiste donc à choisir entre différentes combinaison techniquement efficientes celle qui est optimale en termes de coût.

En somme, l'efficience allocative et technique définissent l'efficience économique (ou efficience productive). Ainsi, si un système de santé utilise ses ressources de façon techniquement et allocativement efficiente, alors elle sera dite économiquement efficiente.

III-2 Mesure de l'efficience

Les développements empiriques sur la question cherchent donc à évaluer les différentes composantes de l'efficience (technique et allocative). A cet effet diverses approches sont utilisées : une non paramétrique qui consiste à construire une courbe convexe de sorte qu'aucun point ne soit à l'extérieur (cette approche se base sur l'optimisation d'un programme linéaire pour construire la courbe), une paramétrique qui se base sur l'estimation d'une fonction. Ces deux approches utilisent différentes techniques pour « envelopper les données » et de ce fait prennent des positions différentes en ce qui concerne la distribution des erreurs et la structure de la technologie utilisée (fonction de production).

La méthode non paramétrique de programmation cherche à évaluer l'efficience relative d'une unité par rapport aux autres unités du même secteur. La version la plus utilisée de cette approche est le « Data Envelopment Analysis » (DEA). Le « Data Envelopment Analysis » (Farell 1957) suppose l'existence d'une frontière de production convexe construite à partir des données. La terminologie « envelopment » renvoie au fait que la frontière de production enveloppe toutes les observations, celles situées sur la frontière sont dites techniquement efficientes. Ozcan et al. (1999) soutiennent que l'approche DEA est une méthodologie de recherché utile pour évaluer l'efficience technique des offreurs de service de santé dans la mesure où, on peut utiliser plusieurs inputs de type différents et également plusieurs outputs au cours d'une seule analyse. De plus cette méthode ne requiert aucune spécification de la fonction de production ; aucune spécification concernant le biais occasionné par l'hétérogénéité environnementale, les chocs extérieurs, les erreurs de mesure et les variables omises. Par conséquent, toute déviation de la frontière est attribuée à l'inefficience.

L'Approche DEA a été largement utilisée dans les recherches sur l'efficience des services de santé^11(*) (Chilingerian et Sherman 1990; Huang et McLaughlin 1989; Ozcan et al. 1999, 1992; Ozgen et Ozcan 2002; Tyler et al. 1995).

Malgré cette forte utilisation, il faut souligner que les approches non paramétriques ont présenté sur le plan statistique plusieurs limites :

· Les résultats d'optimisation des programmes linéaires n'ont aucune validité statistique en ce sens qu'on ne peut obtenir les intervalles de confiances (et donc aucune significativité possible des paramètres).

· Aucune des approches non paramétriques (DEA, SBM, CCR, BCC, RAM, ERGM, ...) ne satisfait à la fois tous les critères d'efficience technique (homogénéité, stricte monotonicité, mesure de l'efficience, agrégation, invariant à l'unité choisie, invariant à la translation, ...)^12(*)

· La méthode comptabilise comme inefficience toute déviation de la frontière.

· L'indicateur d'efficience est tronqué entre 0 et 1 et de fait ne permet pas d'attribuer l'inefficience à un facteur donné.

Des tentatives de réponses ont été apportées à ces problèmes, on distingue la méthode « stochastic DEA » qui a été développée récemment et dont les applications dans le domaine de la santé sont rares (Hollingsworth et al. 1999).

Les méthodes paramétriques essayent de répondre à certains de ces problèmes mais ont également des limites. Ces approches paramétriques ou encore approches économétriques, se basent sur une spécification fonctionnelle, la déviation de la frontière technologique est composée de deux termes, l'un représentant l'erreur stochastique et l'autre l'inefficience. Une des hypothèses fortes est d'assigner une distribution à chacun des termes : l'erreur stochastique est généralement supposée suivre une loi normale et l'inefficience pouvant être soit semi-normale, soit normale tronquée, soit exponentielle...

L'erreur aléatoire est supposée prendre en compte tous les facteurs extérieurs qui ne sont pas contrôlés par l'unité de production y compris les facteurs exogènes lié directement à la fonction de production (la différence dans les environnements de production) et les erreurs économétriques (erreurs de mesure et de spécification de la fonction de production). Ce raisonnement a conduit à la mise en place de la « stochastic frontier approach » (SFA) ( Aigner, Lovell, and Schmidt 1977) qui prend en compte ces deux termes dans l'estimation de la frontière et de la « deterministic frontier approach » (DFA) qui suppose lui que toute déviation de la frontière est de l'inefficience. Plusieurs études ont utilisé ces approches pour estimer l'efficience des institutions de santé ; on peut citer entre autre Wagstaff (1989), Hofler et Rungeling (1994), Zuckerman et al. (1994), Defelice et Bradford (1997), Chirikos (1998), Gerdtham et al. (1999), Street et Jacobs (2002).

Pour répondre à certaines des limites comme la spécification de la distribution de l'efficience, les méthodes en panel ont été utilisées. Les effets spécifiques représentent ainsi l'inefficience, cependant dans les modèles de panel classique, cette inefficience est supposé constante dans le temps ; ce qui n'est pas trop souvent le cas. Parmi les études dans le domaine de la santé qui ont utilisé cette dernière approche, on retrouve le rapport sur la Santé dans le Monde 2000 qui a marqué le début d'un long débat sur l'efficience des systèmes de santé. Les études qui ont suivies sont celles d'Evans et al (2001), Hollingsworth et al (2002), Greene (2004b) qui essayent chacun de répondre aux critiques apportées au rapport sur la santé dans le Monde 2000, notamment en ce qui concerne la constante de l'efficience dans le temps^13(*).

Une autre méthode utilisée dans la littérature pour répondre aux spécifications du modèle^14(*) est celle des modèles paramétriques à coefficient aléatoire (Huang 2004 ; Orea et Kumbhakar 2004). Cependant l'hétérogénéité dans ces modèles reflète plutôt « l'incertitude de l'analyste et non l'hétérogénéité entre les unités » (Lovell et al. 2008 ; Greene 2005).

Les inputs/outputs utilisés dans l'analyse de l'efficience dans le domaine de la santé sont énormément vastes et dépendent des objectifs de l'étude. Les inputs généralement pris en compte sont : les hôpitaux (Banker et al. 1986; Ley 1991; Färe et al. 1993; Chirikos 1998; Giuffrida et Gravelle 2001; Street et Jacobs 2002), les médecins (Chillingerian 1993; Defelice et Bradford 1997), les infirmières (Nyman et Bricker 1989; Gertler 1989; Gertler et

Waldman 1992; Hofler et Rungeling 1994; Chattopadhyay et Ray 1996), le staff administratif, les dépenses de santé (Lukas Steinmann, Gunnar Dittrich, Alexander Karmann, Peter Zweifel, 2004)^15(*). Les outputs peuvent être intermédiaires ou finals. En effet, dans le Rapport sur la Santé dans le Monde 2000, les auteurs distinguent deux outputs, l'espérance de vie corrigée du facteur invalidité (EVCI) et un indicateur composite (comprenant l'offre de soin, la réactivité et équité du système). Ils aboutissent à la conclusion que le classement des pays par le score d'efficience suivant les deux outputs n'est pas sensiblement différent.

III-3 Mesure des déterminants de l'efficience

Nombre de ces études ne se sont pas limitées à calculer les scores d'efficience mais à trouver les déterminants de l'efficience. Ainsi plusieurs études sur les déterminants des services de santé ont incorporé les mesures de taille (par exemple le taux d'occupation des lits (Kooreman 1994a), il suppose qu'un taux d'occupation élevé va affecter l'efficience de l'offre de soin), d'autre ont tenter d'incorporer les mesures de « qualité » ou de « spécialisation » (Fizel et Nunnikhoven 1992; Chillingerian 1993), Fizel et Nunnikhoven (1992) supposent qu'améliorer la qualité des soins de santé est susceptible de réclamer les inputs additionnels pour un niveau donné d'output .

Ces méthodes procèdent généralement en deux étapes : on estime le score DEA (ou la frontière SFA ou DFA), ensuite on le régresse à travers un Tobit sur les facteurs pouvant influencer cette (in)efficience (Chillingerian 1993 ; Kooreman 1994 ; Lo, Shih et Chen 1996).

En fonction du type d'inefficience calculé, les scores d'efficience sont généralement censurés. Par exemple les scores DEA sont bornés entre 0 et 1. Concernant la SFA et DFA, la spécification fonctionnelle a un impact sur la répartition des unités qu'elle soit efficiente ou pas. Par conséquent la régression par les MCO n'est pas appropriée et les résultats de la seconde étape doivent ainsi être remis en question (Hollingsworth et al. 2002). Dans ce cas les modèles à variable dépendantes limitées (comme les probit et logit) sont généralement utilisés (Alexander et al. 1998 ; Chirikos et Sear 2000 ; Rollins et al 2001)

Le second problème est que : si les variables utilisées dans la seconde étape sont supposées affecter l'efficience, pourquoi ne les a- t'on pas introduites dans le modèle de première étape ? les raisons avancées resident dans le fait que les modèles DFA et SFA ont du mal à incorporer les variables catégorielles (Hollingsworth et al. 2002), de plus on avance aussi les raisons de convenance empirique. Cependant Wang et Schmidt (2002) montrent que ne pas introduire ces variables à la première étape correspond tout simplement à un biais de variables omises qui invalide ainsi les résultats de la seconde étape.

Le dernier problème est que si les déterminants de l'équation de la première étape sont corrélés avec ceux de seconde étape, alors les estimations seront non convergentes et biaisées

Les développements théoriques récents (Battese et Coelli 1995 ; Wang et Schmidt 2002 ; Greene 2005) essayent de répondre à cette limite des méthodes en deux étapes et proposent un modèle dans lequel l'inefficience est une fonction explicite de ses déterminants, et tous les paramètres sont estimés en une seule étape en utilisant une procédure de maximum de vraisemblance. Rosko (2001) et Brown (2003) ont employé cette méthode.

La plupart des études sur l'évaluation des déterminants de l'efficience procèdent généralement en trois étapes (Hollingsworth et al. 2002), nous adoptons cette approche dans un premier temps en recherchant la mesure d'efficience appropriée (I), ensuite en spécifiant les inputs/outputs (II) et enfin en présentant la technique d'estimation (III).

IV-1 Choix de l'approche de mesure de l'efficience

La revue de la littérature a fait ressortir les avantages et les limites de chaque approche. Ainsi le choix d'une approche est fait de manière à maximiser les avantages et à réduire les limites. Nous avons vu que les approches non paramétriques ont la bonne propriété de ne pas spécifier une technologie de production et une distribution des erreurs ; cependant cette approche considère comme inefficience toute déviation de la frontière et de plus elle ne se prête pas très bien aux modèles d'estimation des déterminants de l'inefficience car non seulement elle n'a pas de propriétés statistiques, mais aussi elle procède en deux étapes^16(*). Dans la mesure où notre intérêt se porte sur l'identification des déterminants de l'efficience des systèmes de santé, il convient donc de s'orienter vers les méthodes paramétriques. Nous profitons donc des avancées récentes de la littérature sur le sujet (Battese et Coelli 1995 ; Greene 2005 ; Wang et Schmidt 2002) pour nous lancer dans un modèle dans lequel l'estimation se fait en une seule étape.

Ce modèle a été largement utilisé dans la littérature (Rosko 2001 ; Brown 2003). Nous partirons de la spécification faite par Evans et al. (2000) dans le cadre du Rapport sur la Santé dans le monde 2000. Ensuite nous allons intégrer les différentes approches correctives que nous avons recensé dans la littérature (Wang et Schmidt 2002 ; Greene 2004 ; Wang et Ho 2007).

La méthodologie utilisée est celle des données de panel et correspond à celle proposée par Schmidt et Sickles (1984), on a donc la formulation suivante :

Où est le log de l'output du système, le log des différents inputs, est le terme aléatoire et est l'inefficience du système.

Le modèle peut être transformé comme suit et estimé soit en utilisant les dummies soit l'estimateur « within »

Dans ce cas, étant donnée que la frontière réelle est inconnue, l'inefficience d'un système i est donné par :

Dans la mesure où le système de production dans le domaine de la santé est un peu différent des autres systèmes^17(*), les auteurs ont définit un niveau minimum d'output qui n'est pas égal à 0 et correspond théoriquement à une situation sans système de santé. Ce niveau minimum correspond à un état de santé en 1900 dans un panel de pays^18(*).

L'estimation de ce modèle à présenté de nombreuses limites comme nous avons présenté tout haut. En effet, dans en plus de l'inefficience se trouve aussi l'hétérogénéité inobservée^19(*) entre pays qui n'est pas forcement l'inefficience mais les caractéristiques liées à la culture, l'économie, de plus l'inefficience est supposée être constante dans le temps. Greene (2004b) se propose donc de réconcilier les modèles de panel et les modèles de frontière stochastique en proposant la spécification suivante :

Connue sur le nom de « véritable modèle à effet fixe », ce modèle introduit les effets spécifiques système de santé dans le modèle de frontière stochastique. On peut l'estimer par la méthode de maximum de vraisemblance en utilisant les dummies pour chaque pays. Cependant il faudra prendre en compte deux problèmes : celui du paramètre incident^20(*) et celui de la sous estimation de l'inefficience.

Le « véritable modèle à effet fixe » a donc cette particularité de prendre en compte l'hétérogénéité dans la forme fonctionnelle de la technologie de production en ajoutant à cette fonction un facteur d'ajustement spécifique à chaque système.

Dans la mesure où cette hétérogénéité pourrait aussi apparaitre dans la distribution de l'inefficience, Greene (2004b) ajuste la moyenne de l'inefficience de la façon suivante :

Où représente le groupe de variables déterminant l'hétérogénéité de l'inefficience^21(*).

De façon similaire, partant du modèle à effet aléatoire dans lequel on suppose que l'inefficience est constant dans le temps et non corrélé aux exogènes, Greene (2004b) va définir le « véritable modèle à effet aléatoire » dans lequel on pourra relâcher les hypothèses d'invariance de l'efficience dans le temps et de la non corrélation des effets spécifique avec les exogènes. A partir des modifications de Battese et Coelli (1995) et de la forme généralisée proposée par Kumbhakar et Orea (2004), Wang et Schmidt (2002), le modèle peu s'écrire sous la forme :

Une autre hypothèse additionnelle du à Wang (2002) est la prise en compte de l'hétéroscédasticité dans la variance de l'inefficience. Soit :

L'hétérogénéité dans les systèmes peut être donc prise en compte de deux façons différentes :

-à travers la distribution de l'inefficience, et ainsi être analysée à partir des modifications de Battese et Coelli (1995), Kumbhakar et Orea (2004) et Wang et Schmidt (2002).

La littérature sur les modèles incluant les déterminants de l'inefficience est assez récente et la théorie sur le sujet n'est donc pas assez développée. En effet il n'existe pas de consensus sur les variables devant entrer dans la fonction de production et celle devant entrer dans l'inefficience (Greene 2004b). Nous procèderons de deux façons différentes (Greene 2004b). Dans la première spécification, nous supposerons que ces différents déterminants affectent plutôt la technologie de production, dans la seconde ces facteurs seront inclus comme déterminants de l'inefficience. De plus, deux variables : l'indice de gini et le revenu, seront prises initialement comme les deux premiers facteurs affectant l'inefficience^22(*).

Notons que la procédure de spécification du modèle adéquate de Hausman n'est plus applicable ici^23(*). Greene (2004b) propose d'utiliser à cet effet le test de Vuong (1989) qui est basé sur la fonction de vraisemblance.

IV-2 Spécification des inputs et outputs

Cette partie de l'analyse est assez difficile à cerner dans le domaine de la santé car en théorie, on devrait identifier un output (ou plusieurs) et des inputs utilisés pour l'obtenir. Comme nous l'avons précisé à l'introduction, il n'est pas facile de cerner l'Etat de santé d'une population, ça l'est encore moins lorsqu'il s'agit d'évaluer un système de santé. L'OMS suggère plusieurs types d'indicateurs^24(*) dont les plus importantes utilisées pour mesurer l'efficience des systèmes de santé dans le Rapport sur la santé 2000 sont :

-l'espérance de vie corrigée du facteur d'invalidité (EVCI) qui correspond aux années de vie en bonne santé. En effet, l'espérance de vie est ajustée pour prendre en compte le fait que les individus ne passent pas entièrement leur vie en bonne santé, un poids variant entre 0 et 1 pondère les années de vie pour prendre en compte un mauvais état de santé^25(*).

-Un indicateur composite destiné à mesurer le dégrée d'achèvement des cinq objectifs des systèmes de santés. Ces cinq objectifs concernent globalement trois aspects : amélioration de la santé, réactivité et équité de la contribution financière.

D'après le Rapport sur la santé dans le monde 2000, ces deux indicateurs fournissent un classement presque identique des pays suivant le degré de performance de son système de santé. Cependant, le second indicateur a été fortement critiqué dans la littérature (Rapport du GESI^26(*) 2001). On lui reproche entre autre le fait que ses composantes se rapportent à des définitions différentes des systèmes de santé (par exemple, les résultats sur la santé se définissent de façon très large, et la réactivité a une définition très étroite basée essentiellement sur les soins de santé), de plus les composantes se réfèrent à différentes périodes de temps

(par exemple, les résultats sur la santé à une longue période et la réactivité à la période en cours) et enfin les pondérations utilisées dans l'indice composite proviennent d'entrevues auprès d'informateurs clés et ne représentent pas les préférences de la population (Almeida et al. 2000; Williams 2000; Smith 2002)^27(*).

Nous procèderons à l'analyse avec deux indicateurs (Y) : l'espérance de vie corrigée du facteur invalidité (EVCI) et la mortalité des moins de 5 ans (mortage5), car dans la littérature, « il est généralement accepté que lorsque le taux de mortalité infantile est élevé, le niveau de santé de tous les segments de la population est vraisemblablement bas » (Grubaugh et Santerre 1994).

De façon similaire, il est difficile de cerner les inputs utilisés (X), plusieurs types d'input ont été utilisés dans la littérature^28(*), cependant, nous allons prendre en compte ceux utilisées par Evans et al. (2000) dans le rapport sur la santé dans le monde (les dépenses de santé (Hexp) et le niveau d'éducation (litytot)) à laquelle nous ajouterons le nombre de médecins pour 1000 habitants (phys1000). Dans le chapitre 2 nous avons présenté la pertinence de ces variables sur leurs capacités à améliorer l'état de santé.

Pour capter l'hétérogénéité entre pays, nous allons ajouter des groupes de variables (contrôlant ainsi pour les erreurs de spécification de la forme fonctionnelle et l'hétérogénéité dans la distribution de l'inefficience).

Le premier groupe de variables (H) constitue les observables destinées à contrôler pour l'hétérogénéité observée entre pays. On retrouve dans ce groupe la prévalence de la malnutrition (malnh) et du VIH/SIDA (hivprev). En effet la malnutrition et le VIH/SIDA restent des fléaux énormes dans la plupart des pays affectant ainsi l'espérance de vie et la mortalité des moins de 5 ans. Pour contrôler l'hétérogénéité inobservée entre région, nous avons introduit des dummies régionales. Ce choix a été fait au détriment des effets fixes pays car si on introduisait ces derniers on ferait disparaitre les spécificités pays qui sont les déterminants de l'efficience du système de santé^29(*).

Le second groupe de variables (Z) joue un rôle différent suivant la spécification fonctionnelle. Elles peuvent être considérées comme des variables destinées à contrôler pour l'hétérogénéité dans la technologie de production, dans ce cas ils rentrent dans la fonction de production comme contrôle. Elles peuvent également être considérées comme affectant la distribution de l'inefficience, on les considère ainsi comme les déterminants de l'inefficience. Dans ce groupe on retrouve : la part de l'aide extérieur en pourcentage du PIB^30(*) (aidgni), une indicatrice pour les pays exportateurs de pétrole (oilexp), la densité de la population au kilomètre carré (popden), ratio de dépenses publiques sur les dépenses privées (ratiopubpriv) (qui mesure ainsi l'équité de l'offre de soin), les indicateurs de bonne gouvernance de la Banque Mondiale (indice de perception de la corruption (cpi), indice de gouvernance (govern), indice de protection de droit de propriété (propr), La qualité de la réglementation^31(*)( regul)), les indicateurs sociaux (indice Gini de répartition de revenus (gini), l'indice de fractionnement ethnique (ethnfr) d'Alesina et al.), le taux de fuite de cerveaux dans le secteur médical (medbd), et enfin des variables de benchmarking (proximité linguistique (linocde) et distance minimale (distocde) aux pays de l'OCDE).

Les deux spécifications finales peuvent ainsi être écrites de la façon suivante :

IV-3 Méthode d'estimation

La méthode des moindres carrés ordinaires n'est pas indiquée pour un tel modèle car l'espérance mathématique de l'erreur composée est non nulle, ce qui rend l'estimateur biaisé (Kumbhakar 1990). La méthode généralement utilisée est celle du maximum de vraisemblance (voir Greene 2005 ; Wang et Ho 2007). Pour l'estimation de son modèle avec effet spécifique, Greene (2004b) développe un algorithme avancé pour le calcul de son estimateur du maximum de vraisemblance qui peut être estimé de façon simple^32(*). Ensuite, à partir des simulations de Monte Carlo, il montre qu'il n'y a pas de biais de paramètre incident par rapport aux autres modèles comme le modèle à choix discret, le Logit ou le Probit.

Cependant, cette approche ne tient que si la dimension temporelle est très grande, or ce n'est pas souvent le cas (Wang et Ho 2007). Il existe une seconde approche légèrement différente de celle de Greene (2005) car estimant le modèle par la méthode du maximum de vraisemblance soit en différence^33(*) soit en within^34(*). Cette approche (Wang et Ho 2007) retire les effets fixes et on est ainsi certain que le problème de paramètre incident est évité^35(*). De plus la consistance du résultat ne dépend ni de la longueur de temps ni de celle des individus. Et enfin le modèle obtenu est proche de celui proposé par Wang et Schmidt (2002)^36(*) et donc facilement estimable dans la plupart des logiciels.

Cependant, cette différenciation est susceptible d'annuler tous les effets fixes déterminants de l'inefficience, nous optons donc finalement pour un modèle de Greene (2004) (avec une extension à Wang et Schmidt (2002)) avec prise en compte de l'hétérogénéité régionale^37(*) (Kotzian 2005). Ce choix est d'autant plus plausible dans la mesure où les systèmes de santé dans le monde font face à plusieurs types de pressions liées à la transition démographique et épidémiologique, au développement de la science et de la technologie, à la demande médicale et à l'accroissement des attentes publiques. Ces pressions créent donc des convergences dans les objectifs et les activités des systèmes de santé pour une région donnée dans les domaines clés comme les soins de santé primaire, l'accès aux soins, la maîtrise des coûts, la promotion de la santé, le choix des patients et le lien entre la santé et les services sociaux (Mechanic et Rochefort, 1996).

IV-4 Données et statistiques descriptives

La base de données est constituée d'un panel de 183 pays comprenant à la fois les pays développés et les PVD^38(*). Le choix de cet échantillon élargi aux pays développés est motivé par la volonté de rendre les résultats robustes et facilement extrapolables à l'ensemble des pays. La période d'étude va de 1993 à 2004 et constitue une extension par rapport à Evans et al. (2000) et Greene (2004 b) qui ont travaillé sur la période de 1993 à 1997. De plus ces derniers considèrent certaines variables comme constante durant la période d'étude, il s'agit notamment de la densité au kilomètre carré et de l'indice de gini, ce qui n'est pas le cas pour notre étude. En effet étant donnée l'urbanisation croissante et la mobilité des populations, ces hypothèses ne sauraient tenir en longue période.

Le choix d'une longue période s'explique par le fait que la variable dépendante est l'espérance de vie corrigée du facteur invalidité (ou la mortalité des moins de 5 ans) qui est susceptible de ne pas trop changer en courte période. Nous gagnons donc à avoir une variabilité intragroupe assez élevée par rapport aux autres études (Gravelle et al. 2002a,b).

Les données sur l'EVCI, la prévalence du VIH/SIDA et les dépenses de santé proviennent de la base de données en ligne du site de l'OMS (WHOSIS), le WDI de la banque mondiale a été également utilisé pour les variables comme le revenu par tête. La densité de la population est tirée du site de la division de la population des nations unis. Les données sur les indicateurs de gouvernance de la banque mondiale ont été tirées de Kaufmann, Kraay et Mastruzzi (2007) ; étant donné que ces indicateurs n'ont été calculé qu'a partir de 1996 et à intervalle de deux années, les valeurs des années suivantes ont été reporté aux années précédentes^39(*) (Docquier et al. 2007).

Les statistiques descriptives sur les principales variables illustrent l'hétérogénéité dans l'échantillon. On a ainsi des pays qui sont situés à des stades très différents de la transition épidémiologique et démographique, l'espérance de vie (respectivement le taux de mortalité des moins de 5 ans) varie entre 26 ans pour la Sierra Leone en 2001 et 75 ans pour le Japon en 2002 (entre 3 et 327 décès pour mille naissances vivantes respectivement pour la Suède et la Sierra Leone). Il convient de rappeler qu'il s'agit de l'espérance de vie corrigée du facteur invalidité telle que calculé par l'OMS. Cette hétérogénéité dans la transition est marquée par le taux de prévalence du VIH/SIDA et de la malnutrition qui restent élevés dans la plupart des pays en développement et très faibles dans les pays développés. Cette disparité peut également s'apercevoir dans les variables sociales telles que le taux d'alphabétisation qui se situe entre 18 et 99% avec une forte variabilité de 17%, et l'indice de gini qui lui varie entre 0.01 et 6.06 pour le plus inégalitaire.

Il existe aussi une forte divergence dans le processus de financement de la santé, on a ainsi les pays où la santé est pratiquement financée par le privé (le ratio financement public/financement privé est proche de zéro) et les pays où le principe d'équité est plus ou moins respecté, dans ce dernier cas le ratio est proche de 0.5.

Les variables de gouvernance de la Banque mondiale (Kaufmann, Kraay, Mastruzzi 2007) touchent également les extrêmes. En effet la qualité de la réglementation qui mesure l'habileté du gouvernement à formuler et à mettre en oeuvre les bonnes politiques nécessaires à la promotion du secteur privé varie dans les deux extrêmes :de 1 pour le Royaume Uni, le Danemark à 5 pour la plus part des pays en développement. Il en est de même pour les autres indicateurs destinés à mesurer le niveau de démocratisation, de liberté civile, de droit politique et les limites dans lesquelles les individus participe au choix des gouvernants mais aussi de mesure de l'efficacité des gouvernements, et enfin de la qualité de fourniture de biens publics, la bureaucratie, la compétence des fonctionnaires, l'indépendance des fonctionnaires des pressions politiques et la crédibilité des engagements du gouvernement dans les décisions politiques.

D'autres caractéristiques de l'hétérogénéité de l'échantillon sont disponibles dans le tableau ci-dessous. Il convient de préciser que ces statistiques descriptives masquent la variabilité intragroupe et ne permettent pas de voir les efforts entrepris par un gouvernement donné au cours du temps.

Variable	Obs	Moyenne	Ecart-type	Min	Max
EVCI	1449	56.81024	11.69663	26.50372	75
mortage5	2076	71.03382	69.86639	3.926	326.759
Hexp	1824	588.1447	844.4515	10	6014
litytot	1601	86.27569	17.45795	18.69767	99.8972
phys1000	2196	1.36743	1.308463	.011317	6.064965
aidgni	1631	8.585056	15.13346	-.6888161	242.2864
Extreshealth	1791	7.215745	11.08575	0	66.3
popden	2196	140.4331	418.6284	1	5883
ratiopubpriv	1824	1.178406	2.049223	.0152284	57.82353
gini	1970	.3782142	.0837337	.1873	.5894
regul	1452	3.379477	.907093	1	5
cpi	1386	4.076836	2.156943	.69	10
govern	1454	3.156363	.7442818	1.5375	5
propr	1454	2.883769	1.165387	1	5
oilexp	2196	.1092896	.3120733	0	1
ethnfr	2136	.4395197	.257793	0	.930175
distocde	2196	2751.501	2068.557	19.12705	8024.627
linocde	2196	.6174863	.4861117	0	1
medbd	2196	.0887923	.1471527	0	.9848875
hivprev	1730	2.592164	4.944724	0	33.06

IV-5 Résultats

Cette partie consacrée aux résultats des estimations s'articule en deux sous parties : une première régression est faite pour identifier les déterminants du niveau de santé et une seconde pour identifier les déterminants du niveau d'efficience des systèmes de santé.

Le chapitre II de ce travail a été consacré à la présentation des déterminants théoriques du niveau de santé. Dans le cadre de cette partie, nous avons estimé une fonction de production de « la santé ». Le modèle de base est celui d'Evans et al. (2000), Hollingsworth et Wildman (2002) et Greene (2004 b) auquel nous ajoutons le nombre de médecins pour 1000 habitants tel que utilisé par plusieurs auteurs identifiés dans la littérature^40(*). Un autre élément important que nous avons pris en compte c'est le taux de prévalence du VIH/SIDA et de la malnutrition utilisés ici comme variables de contrôle. En effet, selon le rapport de l'ONUSIDA 2005, l'espérance de vie à la naissance a chuté au-dessous de 40 ans dans neuf pays africains - Botswana, Lesotho, Malawi, Mozambique, République centrafricaine, Rwanda, Swaziland, Zambie et Zimbabwe. Tous sont fortement touchés par le SIDA. Au Zimbabwe par exemple, l'espérance de vie à la naissance était de 34 ans en 2003, par rapport à 52 ans en 1990. Ceci traduit donc l'intérêt de la prise en compte de l'impact que peut avoir le VIH/SIDA sur l'espérance de vie.

Les résultats des estimations sont disponibles dans le tableau ci-dessous pour les deux indicateurs de l'état de santé^41(*) (espérance de vie et mortalité des moins de 5 ans). Nous avons procédé à plusieurs types de spécification, dans les colonnes 1 à 4 nous avons le modèle de base de Greene (2004) et Evans et al. (2000). Pour les deux indicateurs, nous avons le modèle à effet fixe et le modèle à effet aléatoire. Le test d'Hausman à la dernière ligne du tableau nous indique que pour l'espérance d'EVCI, le modèle à effet fixe est plus pertinent et pour la mortalité des moins de 5 ans, le modèle à effet aléatoire convient le mieux.

Les résultats de ce premier modèle naïf sont à la fois intuitifs et contre intuitifs. En effet, concernant l'EVCI, on peut se rendre compte que les dépenses totales de santé ont pour effet d'accroitre le niveau de santé, il en est de même pour le second indicateur dans la mesure où ces dépenses réduisent le taux de mortalité infantile. Le taux d'alphabétisation des adultes et le nombre de médecins pour 1000 habitant sont significatifs mais n'ont pas partout le signe attendu. Pour le taux d'alphabétisation, alors qu'il augmente l'espérance de vie, ce dernier augmente aussi le taux de mortalité infantile. Ce dernier résultat contre intuitif peut être justifié par le fait qu'il n'est pas facile de capter le niveau d'instruction d'une population et que le taux d'alphabétisation ne permet pas de capter très exactement le comportement des parents dans la prise en compte de leur état de santé et de celle de leurs enfants. Le nombre de médecins pour 1000 habitants présente également le signe non attendu pour l'espérance de vie. Les colonnes 5 à 8 présentent les mêmes styles de régression mais en contrôlant pour certaines formes d'hétérogénéité comme le niveau de revenu, le niveau de corruption, la prévalence du VIH/SIDA^42(*) et de la malnutrition chez les enfants. On constate dans la colonne 5 que les effets des déterminants précédents ont été amplifiés et de plus les dépenses de santé deviennent significatives dans la régression. On constate le phénomène contraire pour ce qui est de la mortalité des moins de 5 ans, l'effet des dépenses et du niveau d'instruction disparait et l'impact du nombre de médecins est relativement moindre. Ces résultats peuvent souffrir d'une endogénéité car comme variable de contrôle nous avons pris le niveau de revenu, or une vision micro suggère une relation circulaire entre le revenu et l'état de santé d'un individu : la morbidité des individus dans une famille affecte leur habileté à travailler mais plusieurs circonstances de pauvreté (manque d'eau potable, accès aux services de santé, éducation) conduisent à un mauvais état de santé. Pour ce faire il nous faut un instrument qui soit fortement corrélé avec le revenu et non corrélé avec le terme d'erreur (ou l'indicateur de santé). Suivant Farasat et al. (2007) nous prendrons le ratio consommation sur investissement. On constate qu'après instrumentation, tous les effets disparaissent.

L'intérêt premier de cette étude n'est pas d'identifier les déterminants du niveau de santé mais de retrouver les déterminants de l'efficience des systèmes de santé. Pour ce faire la section suivante utilise plusieurs approches pour identifier ces facteurs. Dans un premier temps nous ferons l'hypothèse que les déterminants de l'inefficience influencent la moyenne de cette dernière (Battese et Coelli 1995). A cela, vu qu'il n'existe pas de théorie sur les vrais déterminants de l'inefficience (Greene 2005), nous utiliserons plusieurs scénarii : le premier dans lequel les facteurs d'hétérogénéité se trouvent plutôt dans la fonction de production et le second dans lequel ils se trouvent dans la moyenne de l'inefficience (Greene 2004b). Cependant deux variables seront prises par définition comme affectant l'inefficience : il s'agit du revenu et de l'indice de gini (Greene 2004b)^43(*). Enfin pour prendre en compte d'éventuelle hétéroscédasticité dans l'inefficience, nous avons estimé le modèle présenté par Wang et Schmidt (2002) et Wang(2003) dans lequel la variance (ou l'écart type) de l'inefficience est fonction des déterminants^44(*).

IV-5.2 les déterminants de la différence dans l'efficience des systèmes de santé.

Le premier modèle « naïf » est présenté dans le tableau ci-dessous. Nous avons pris en compte les déterminants de l'état de santé pertinents de l'étape précédente^45(*). Nous avons également contrôlé pour l'hétérogénéité régionale (Greene 2004b) en introduisant les dummies régionales. Pour prendre en compte l'éventuel progrès technique dans le temps, nous avons introduit une variable trend (qui prend des valeurs de 1 à 12). Il faut aussi noter que suivant Battese et Coelli (1995) la distribution de l'inefficience est sensée suivre une normale tronquée, hypothèse qui est plausible avec nos données car nous avons en majorité dans notre échantillon les pays en développement qui ont été classés inefficients par Evans et al. (2000). Les résultats de ce premier modèle ont été ceux anticipés. En effet on peut constater que le niveau de revenu a un effet favorable sur le niveau d'efficience d'un système de santé (plus le niveau de revenu est élevé, plus la moyenne de l'inefficience est basse pour l'espérance de vie et élevée pour la mortalité des moins de 5 ans^46(*)). L'indice gini donne également les résultats attendus car plus il est élevé, plus le système de santé est moins efficient pour les deux indicateurs de l'état de santé.

Le paramètre ilgtgamma mesure la contribution relative de sigma_u et sigma_v à l'erreur composite^47(*), il est non significatif pour les deux indicateurs suggérant l'absence de l'inefficience dans les données. On pourrait penser que c'est contre intuitif vu que l'échantillon est constitué en majorité des pays en développement. Il n'en est pas le cas, en effet même en absence de système de santé (niveau d'input égal à zéro), le niveau de santé n'est pas nul (l'outcome n'est pas égale à zéro). Ceci justifie donc l'illusion d'absence de l'inefficience dans les données.

Tableau 4 : Modèle de frontière sans déterminants dans la fonction de production et prise en compte des variables de contrôle^48(*)

Si maintenant nous décidons d'inclure les déterminants dans la fonction de production, on obtient les résultants du tableau suivant: ces résultats ne sont pas très différents de ceux obtenus précédemment. On note tout simplement une atténuation de l'effet du revenu et de l'indice de gini sur l'inefficience.

Tableau 5 : Modèle de frontière avec déterminants dans la fonction de production et prise en compte des variables de contrôle

La troisième spécification la plus intéressante pour nous est celle dans laquelle les déterminants se trouvent dans la moyenne de l'inefficience. On peut constater que l'effet du revenu et de l'indice de gini sont toujours présents pour les deux indicateurs. Un indicateur intéressant pour nous est le ratio de dépenses publiques sur les dépenses privés, si nous prenons comme indicateur la mortalité des moins de 5 ans, plus ce ratio est grand plus le système est inefficient. Nous pouvons justifier ce dernier résultat par le fait que plus l'Etat prendra en charge le système de santé plus il y'aura du gaspillage des ressources. En effet une forte implication de l'Etat dans le financement de la santé se traduit par hétérogénéité dans la gestion de la santé marquée par une incorporation des fonctionnaires de nature diverse. Nous sommes tentés de dire que le bien fait égalitaire dans le financement de la santé se traduit par un gaspillage des ressources.

Concernant les indicateurs de gouvernance, nous pouvons constater que la qualité de la réglementation est un déterminant du niveau d'inefficience d'un système de santé. En effet, plus cet indicateur est élevé plus le système est inefficient. Ce déterminant nous permet de voir qu'un des freins à l'expansion des systèmes de santé est le manque d'habileté de la part du gouvernement dans la formulation et la mise en oeuvre de bonnes politiques nécessaire à la promotion du secteur privé dans le domaine de la santé. Dans le même ordre d'idée, l'indicateur du respect de droit de propriété est aussi un bon déterminant du niveau d'efficience d'un système. Il démontre ainsi que si les droits de propriété sont mal respectés, il n'aura pas d'incitation par exemple à poursuivre la recherche dans les domaines spécifiques ou entreprendre une quelconque activité nécessaire à la promotion de l'état de santé.

La dummy pour les pays exportateurs de pétrole a des effets opposés selon qu'on se trouve dans un indicateur ou dans l'autre. Si l'indicateur de l'efficience du système est l'espérance de vie, alors le fait d'être exportateur de pétrole est une source d'efficience. Si par contre l'indicateur est la mortalité des moins de 5 ans, être exportateur de pétrole est une source d'inefficience. Ce résultat est intuitif et corrobore l'idée selon laquelle la malédiction des ressources naturelles est présente dans la plupart des pays en développements riches en ressources naturelles. En effet, les pays développés sont plus concernés par l'amélioration de l'espérance de vie que par la mortalité des moins de 5 ans. On est donc tenté de croire que (mais il faut une étude approfondie pour le confirmer) pour les pays développés riches en ressources naturelles, le fait d'être exportateur de pétrole améliore l'efficience du système alors que pour les pays en développement riches en ressources naturelles, le fait d'être exportateur de pétrole détériore plutôt l'efficience du système de santé.

L'indicateur ethno linguistique d'Alesina et al.^49(*) présente également les résultats attendus pour l'espérance de vie. Cet indicateur démontre l'effet du capital social (réseau social) sur l'efficience des systèmes en ce sens que plus la population est homogène (c'est-à-dire plus l'indicateur est grand) plus l'inefficience est faible^50(*). En effet, nous avons démontré au chapitre deux l'importance des réseaux sociaux au sein d'une collectivité, d'une région, d'une province ou d'un pays. Ces réseaux se manifestent dans les institutions, les organisations et, de façon informelle, dans les pratiques que les gens adoptent pour partager les ressources et instaurer des liens avec les autres.

Concernant l'efficience des systèmes de santé à travers le benchmarking, les deux indicateurs choisis (distance et proximité linguistique aux pays de l'OCDE) fournissent plus ou moins les résultats attendus. En effet en considérant la mortalité des moins de 5 ans comme indicateur de l'état de santé, on constate qu'un pays qui a pour langue officielle celle d'un pays de l'OCDE, voit son système de santé devenir plus efficient. Ceci peut s'entendre comme un processus de benchmarking, de transfert de technologie et de savoir faire, car il est tout à fait plausible de penser que les relations de coopération sont plus fortes entre pays utilisant la même langue. L'indicateur de proximité géographique traduit les effets de diffusion et de convergence dans les systèmes de santé (Mechanic et Rochefort, 1996). En effet on constate que plus la distance à un pays de l'OCDE est faible plus le système de santé est efficient. La justification ici est que plus les individus sont homogènes d'un pays à un autre plus les exigences en terme de soin de santé sont aussi homogène (phénomène de convergence). Les effets de diffusion se rapprochent un peu des effets de proximité linguistique, mais le lien ici c'est plutôt la proximité géographique. En effet il est plus facile de faire bénéficier à un pays voisin une nouvelle technologie que de le faire pour un pays trop éloigné. Ceci peu bien évidemment être motivé par les besoins stratégiques (qu'ils soient politiques ou économiques).

Un dernier élément assez important pour les pays en développement est la fuite des cerveaux dans le domaine médical. Comme indicateur nous avons pris le nombre de médecins à l'étranger sur le nombre total de médecins formés dans le pays (Docquier, 2008). Un résultat anticipé est que plus il ya des fuites de cerveaux plus le système de santé est fragile donc moins performant. On observe plutôt l'effet contraire pour ce dernier déterminant.

Tableau 6 : Modèle de frontière avec déterminants dans l'inefficience et prise en compte des variables de contrôle

Moyenne de l'inefficience (mu)	EVCI	*Mortalité des moins de 5 ans*
Moyenne de l'inefficience (mu)
lnREVENU	-0,083***	0,723***
	-0,016	-0,043
POPDEN	-0,000***	0,000***
	0,000	0,000
ratiopubpriv	0,005	-0,043*
	-0,007	-0,026
GINI	0,612***	-1,659***
	-0,118	-0,289
REGUL	0,051***	-0,084**
	-0,017	-0,04
CPI	0,019**	0,039**
	-0,008	-0,02
GOVERN	0,007	0,025
	-0,019	-0,057
PROPR	0,023*	-0,072**
	-0,012	-0,033
OILEXP	-0,090***	-0,195*
	-0,031	-0,104
ETHNFR	-0,075**	-0,019
	-0,038	-0,099
DISTOCDE	0,000***	-0,000***
	0,000	0,000
LINOCDE	0,005	-0,128***
	-0,017	-0,045
MEDBD	0,001	0,488**
	-0,075	-0,195
constante	0,12	-3,777***
	-0,144	-0,456
/ilgtgamma	0,405	15,787***
	-0,327	-2,182
/lnsigma2	-4,838***	-1,833***
	-0,113	-0,012
Log-Likelihood	626,89	-107,11
sigma_u	0,069	0,400
sigma_v	0,056	0,000

IV-6 Robustesse des résultats

Les résultats précédents peuvent souffrir d'une certaine fragilité, à cet effet nous avons effectué différents tests de robustesse : spécification de Wang et Schmidt (2002), Ajout des contrôles, fluctuation d'échantillons pays OCDE et non OCDE (voir annexe 1).

Les modèles estimés ci-dessus supposaient que l'hétérogénéité dans l'inefficience se trouve dans la moyenne de ce dernier (Battese et Coelli 1995 ; Greene 2004b). Cependant, l'hétérogénéité pourrait tout aussi bien se situer au niveau de la variance (ou de l'écart type) de la distribution de l'inefficience. Wang et Schmidt (2002), Wang (2002) et Wang (2003) développent un tel modèle dans le but de contrôler pour une éventuelle hétéroscédasticité qui pourrait exister dans l'inefficience ou dans l'erreur idiosyncratique. Sur la base des codes écrits par Wang (2005), nous avons estimé un tel modèle. On trouve que les déterminants identifiés plus haut n'ont aucun effet sur l'écart type de la distribution de l'inefficience. Ce qui atteste donc que ces variables ne sont pas source d'une quelconque hétéroscédasticité dans les données.

Une question importante est celle de savoir quel serait le résultat si on se restreignait uniquement aux pays non OCDE. En effet, il est plausible de penser que les systèmes de santé les plus performants se trouvent dans les pays développés (rapport sur la santé dans le monde 2000). Les conserver dans l'échantillon pourrait avoir un effet amplificateur de l'efficience des systèmes de santé. Le tableau ci-dessous fait ressortir que les résultats sont robustes à cette restriction d'échantillon. Nous avons refait les régressions avec les pays non OCDE, on constate que les résultats sont presque invariants.

Les résultats précédents pourraient souffrir de biais de variables omises. Sans prétendre corriger pour ce biais, nous avons essayé d'inclure certaines variables dont nous pensons pourvoir soit influencer l'efficience, soit influencer la fonction de production. Parmi les variables introduites on distingue :

-le financement extérieur de la santé : un système de santé pourra être plus efficient qu'un autre parce qu'il reçoit un financement extérieur (APD, transfert des migrants et des organismes non gouvernementaux) importants. A cet effet nous avons dichotomiser la variable financement extérieur^51(*).

-le niveau d'investissement direct étranger, car on pense que de façon indirecte c'est un indicateur de stabilité politique et économique d'un pays. C'est vrai que les investisseurs recherchent les pays où la règlementation est assez souple et où on a un potentiel de mains d'oeuvre et de matières premières énorme ; c'est aussi vrai qu'ils recherchent les pays où leur investissement est sécurisé, où les droits de propriété sont respectés... Bref où l'Etat fonctionne bien.

-le niveau d'endettement du gouvernement central : on peut imaginer un scénario dans le quel un lourd endettement de l'Etat l'empêche de bien fonctionner. Nous avons pris un seuil de 50% du PIB (Nations Unis).

-le salaire moyen des médecins : l'efficience du système passe aussi par la motivation de ses acteurs, à savoir les médecins, un système dans lequel le salaire moyen est relativement bas sera aussi celui dans lequel il ya moins d'incitation à travailler, donc moins de performance. Après prise en compte de ces variables, les résultats restent robustes.

La question d'efficience des systèmes de santé est importante pour tous les pays. L'état de santé est un facteur clé pour l'offre de travail et les nations unis l'ont bien compris en affectant 40% des OMD à la santé. L'OMS également dans son rapport sur la santé dans le monde 2000 analyse l'efficience des systèmes de santé et donne un classement pour les 191 pays membres. L'objectif de ce travail aura été de suivre cette trajectoire mais en intégrant les nouvelles approches économétriques afin d'identifier les déterminants de l'efficience des systèmes. En considérant le modèle introduit par Evans et al. (2000) et Greene (2004b) et en intégrant les corrections de Wang et Schmidt (2002) et certaines variables additionnelles de contrôle, nous arrivons à des résultats tout aussi pertinents. Nous trouvons ainsi que le niveau de revenu et sa répartition au sein de la population sont des déterminants importants de l'efficience des systèmes de santé. De plus la composition du financement de la santé public-privé influence aussi l'efficience en ce sens que plus le financement viendra de l'Etat plus le système sera inefficient. On constate aussi qu'une bonne gouvernance (bonne règlementation, respect des droits de propriété...) a un effet favorable sur les performances du système. Dans un cadre social, une faible fragmentation ethnolinguistique est un atout de performance pour les systèmes de santé. Les systèmes de santé deviennent aussi performants grâce à la proximité géographique et linguistique des systèmes déjà performants. Ceci se fait à travers les phénomènes de diffusion et de convergence.

Ces résultats brièvement présentés suggèrent aux Etats d'accorder une attention particulière au financement public car mal gérer, il peut se traduire en un gaspillage dû à l'inefficience du secteur public. Par la même occasion, puisque la bonne gouvernance est un facteur d'efficience, l'aide budgétaire doit être privilégié car il est plus facile de contrôler l'action du gouvernement central que des actions isolées de partenaires privés dans les mini projets de santé. Dans la mesure où la fragmentation ethnique est un facteur d'inefficience, les administrations doivent privilégier les groupes minoritaires de la société car ce sont ceux là donc les réseaux sociaux sont les plus faibles. Les phénomènes de diffusion et de convergence ne doivent pas être négligés, car ils peuvent inspirer la création des systèmes « satellite ». Comment cela peut-il être possible ? En effet pour éviter la « dilution » des ressources et même leur gaspillage, les bailleurs peuvent affecter massivement l'aide vers un système de santé, le développement de ce dernier créera ainsi un effet de convergence et de diffusion dans les pays voisins.

Ce travail malgré les efforts entrepris pour répondre à certaines critiques du Rapport sur la santé dans le monde 2000, présente beaucoup de limites. Tout d'abord, nous contrôlons pour les effets fixes régionaux. On suppose ainsi que le système de santé sud africain est similaire au système centrafricain ou togolais, ce qui n'est pas parfaitement vrai car il existe des hétérogénéités entre pays d'une même région caractérisées par les efforts entrepris par ces derniers pour améliorer l'état de santé des populations. Par ailleurs, malgré la longueur de la période qui pousse à utiliser les effets fixes dans le modèles de frontière, l'éventualité que les effets spécifiques soit aléatoire n'est pas impossible. Ce document ne traite que de l'inefficience technique alors dans le domaine de la santé, l'inefficience allocative reste un problème majeur car le personnel de santé souhaite généralement travailler dans les villes et les grandes agglomérations délaissant ainsi les villages et petites communautés. On note aussi que l'affectation des ressources n'est pas trop souvent corrélée aux besoins même des populations : on retrouve dans certains pays en développement la présence très rapprochées de deux ou trois grands hôpitaux de référence alors même qu'il existe des communautés où les personnes sont obligées de parcourir des distances considérables pour avoir accès aux soins. Nous avons essayé d'analyser un des aspects de cette inefficience allocative en introduisant une variable qui mesure le taux de fuite de cerveaux dans le domaine de la santé (medbd) car il est plausible de penser que ces fuites engendrent une inégale répartition des ressources. Cependant une étude plus poussées destinée à mesurer les composantes allocatives et techniques de l'inefficience permettrait de voir l'ampleur de la situation et de dériver les politiques optimales. Dans le cadre des modèles de frontière de production ou de coût, les erreurs de mesure peuvent apparaitre lorsque les données proviennent des enquêtes subjectives ou lorsqu'on utilise un proxy pour remplacer une variable qui est indisponible. Comme nous avons remarqué dans les premiers résultats, il est difficile d'appréhender le niveau d'instruction d'une population, l'utilisation du taux d'alphabétisation ne montre que la partie visible de l'iceberg. Ces erreurs de mesure dans les variables peuvent causer les conséquences graves dans l'estimation de la frontière stochastique. Pour corriger d'éventuelles erreurs de mesure, Wang et Chen (2004) proposent un estimateur de moment. Cependant, la première version de leur modèle ne s'applique pas à une spécification de type Batesse et Coelli (1995). Notons en plus que ce travail pourrait souffrir d'un biais de sélection dans la mesure où nous travaillons avec les pays membres de l'OMS dont les données sont disponibles. Les procédures habituelles de correction (Heckman 1979) pour les modèles linéaires et non linéaires utilisé par Wynand et Praag (1981) sont inadaptées. Greene (2008) propose une procédure plus appropriée mais nécessitant des algorithmes complexes et difficilement programmables dans les logiciels usuels.

BIBLIOGRAPHIE

Auster, R., I. Leveson et D. Sarachek 1969, «The Production of Health, an Exploratory Study,» The Journal of Human Resources.

Boissiere , M. 2004 «Determinants of Primary Education Outcomes in Developing Countries» The World Bank, Washington, D.C.

Cornwell, C., P. Schmidt et C. sickles 1990, «Production frontiers with cross-sectional and time-series variation in efficiency levels,» journal of econometrics.

Evans, D., A. Tandon, C. Murray et J. A. Lauer 2001, «Comparative efficiency of national health systems: cross national econometric analysis,» British Medical Journal.

Fried, H., C.A Knox Lovell et S. Schmidt 2008, «The measurement of productive efficiency and productivity growth,» Oxford University Press.

Greene, W. 2004b, «Distinguishing between heterogeneity and inefficiency: stochastic frontier analysis of the World Health Organization's panel data on national health care systems,» Department of Economics, Stern School of Business, New York University, New York, USA.

Greene, W. 2005 «The Econometric Approach to Efficiency Analysis,» Department of Economics, Stern School of Business, New York University, New York, USA.

Greene, W. 2008 «A Stochastic Frontier Model with Correction for Sample Selection,» Department of Economics, Stern School of Business, New York University, New York, USA.

Grubaugh G. et E. Santerre 1994, «Comparing the Performance of Health Care Systems: An Alternative Approach,» Southern Economic Journal.

Hollingsworth, B. et J. Wildman 2003, «The efficiency of health production: re-estimating theWHO panel data using parametric and non-parametric approaches to provide additional information» Health Economics.

Jondrow, J., c.a. Knox Lovell et P. Schmidt 1982, «On the estimation of technical inefficiency in the stochastic frontier production function model» Journal of Econometrics.

Kaufmann, D., A. Kraay et M. Mastruzzi, 2007 «Governance Matters VI: Governance Indicators for 1996-2006,» World Bank Policy Research Working Paper No. 4280.

Kumbhakar, S. 1990, «Production frontiers, panel data, and time-varying technical inefficiency,» Journal of Econometrics

McKee, M. 2001 «Measuring the efficiency of health systems,» British Medical Journal.

Mechanic, D. et A. Rochefort 1996, «Comparative Medical Systems,» Annual Review of Sociology.

Murray, C. et al. 2000 «Overall health system achievement for 191 countries» GPE Discussion Paper Series: No. 28 Organisation Mondiale de la Santé.

Newhouse, P. et J. Friedlander «The Relationship between Medical Resources and Measures of Health: Some Additional Evidence,» The Journal of Human Resources.

Organisation Mondiale de la Santé 1999 "Rapport sur la santé dans le monde 1999 : pour un réel changement,» Genève, Organisation Mondiale de la Santé

Organisation Mondiale de la Santé 2000 "Rapport sur la santé dans le monde 2000 : pour un système de santé plus performant,» Genève, Organisation Mondiale de la Santé

Organisation Mondiale de la Santé 2006 "Rapport sur la santé dans le monde 2006 : Travailler ensemble pour la santé,» Genève, Organisation Mondiale de la Santé

Organisation Mondiale de la Santé 2008 "Rapport sur la santé dans le monde 2008 : Les soins de santé primaires: maintenant plus que jamais,» Genève, Organisation Mondiale de la Santé

Organisation Mondiale de la Santé 2009 " World Health Statistics indicator compendium 2009,» Genève, Organisation Mondiale de la Santé

Park B.U., R.C. Sickled et L. Simarc 1997, «Stochastic panel frontiers: A semiparametric approach,» Journal of econometrics.

Rapport du GESI sur l'évaluation de la performance des systèmes de santé 2001

Rosko, M, 2001 «Cost efficiency of us hospitals: a stochastic frontier approach» michael d. school of business administration, widener university, chester, pa, usa

Shaw, W., C. Horrace, J. Vogel 2005, «The Determinants of Life Expectancy: An Analysis of the OECD Health Data» Southern Economic Journal.

Sherman, D. «Hospital Efficiency Measurement and Evaluation: Empirical Test of a New Technique» Medical Care.

Steinmann, L., G. Dittrich, A. Karmann et P. Zweifel «Measuring and Comparing the (In)Efficiency of German and Swiss Hospitals,» The European Journal of Health Economics.

Sueyoshi, T. et K. Sekitani 2009, «An occurrence of multiple projections in DEA-based measurement of technical efficiency: Theoretical comparison among DEA models from desirable properties,» European Journal of Operational Research.

Tandon, A., C. Murray, A. Lauer et D. Evans 2000, «Measuring overall health system performance for 191 countries,» GPE Discussion Paper Series, Organisation Mondiale de la Santé.

Tandon, A., C. Murray et D. Evans 2001,«Measuring overall health system performance for 191 countries» GPE discussion paper series, Organisation Mondiale de la Santé.

Thacker, B. et al. 2006, «Measuring the Public's Health,» Public Health Reports.

Vuong Q. 1989 «Likelihood ratio tests for model selection and non-nested hypotheses» Econometrica.

Wang, H-J. 2003, "A Stochastic Frontier Analysis of Financing Constraints on Investment: The Case of Financial Liberalization in Taiwan," Journal of Business and Economic Statistics.

Wang, H-J. 2002a, "Heteroscedasticity and Non-Monotonic Efficiency Effects of a Stochastic Frontier Model," Journal of Productivity Analysis.

Wang, H-J. 2007, mini manuel pour implementer Wang, H-J et P. Schmidt (2002b) sur stata.

Wang, H-J. et Y. Chen 2004 "A Method of Moments Estimator for a Stochastic Frontier Model with Errors in Variables", Economics Letters.

Wang, H-J and P. Schmidt 2002b, "One-Step and Two-Step Estimation of the Effects of Exogenous Variables on Technical Efficiency Levels," Journal of Productivity Analysis.

Wang, H-J. et C-W. Ho 2007, «Estimating Panel Stochastic Frontier Models with Fixed Effects by Model Transformation,» étude préliminaire, The Institute of Economics, Academia Sinica.

Worthington, C. 2004, «Frontier Efficiency Measurement in Healthcare: A Review of Empirical Techniques and Selected Applications» School of Economics and Finance.

	*frontwangHALE*	*frontwangmortage5*
	frontier	frontier
	coef/se	coef/se
Hexp	0,050***	-0,220***
	(0,009)	(0,027)
lnphys1000	0,017**	-0,122***
	(0,007)	(0,022)
LITYTOT	0,002***	-0,009***
	(0,000)	(0,001)
prevHIV	-0,012***	0,021***
	(0,001)	(0,004)
trend	-0,001	-0,012**
	(0,002)	(0,006)
EASTASIA	0,014	0,101
	(0,034)	(0,104)
EUROPE	0,008	-0,150
	(0,033)	(0,102)
LATAMER	0,038	0,031
	(0,031)	(0,093)
MIDEAST	-0,027	0,320***
	(0,035)	(0,106)
SOUASIA	0,042	0,200*
	(0,036)	(0,112)
SUBAFR	-0,120***	0,383***
	(0,035)	(0,108)
_cons	7,862	8,837***
		(0,261)
mu
POPDEN	-0,000	0,000***
	(0,000)	(0,000)
GINI	0,172**	-0,770***
	(0,081)	(0,249)
CPI	-0,001	0,183***
	(0,005)	(0,015)
GOVERN	0,001	0,035
	(0,013)	(0,040)
PROPR	0,020**	-0,083***
	(0,008)	(0,026)
OILEXP	-0,060***	0,256***
	(0,021)	(0,064)
ETHNFR	0,003	-0,168**
	(0,024)	(0,075)
DISTOCDE	0,000*	-0,000***
	(0,000)	(0,000)
LINOCDE	-0,011	0,041
	(0,012)	(0,037)
MEDBD	-0,098*	0,674***
	(0,054)	(0,167)
_cons	4,138***	3,163
	(0,083)
usigmas
POPDEN	-0,000	-0,000
	(118,343)	(970,836)
GINI	-0,000	-0,000

CPI	-0,000	0,000
	(273 332,843)
GOVERN	-0,000	-0,000
	(380 191,957)
PROPR	-0,000	-0,000
	(469 386,200)
OILEXP	-0,000	-0,000
	(488 862,884)	(5 768 525,501)
ETHNFR	-0,000	-0,000
		(20 556 003,587)
DISTOCDE	-0,000	-0,000
	(160,859)	(2 388,001)
LINOCDE	-0,000	-0,000

MEDBD	0,000	0,000
		(43 515 718,002)
_cons	-32,000	-32,000
	(1 535 728,830)
/vsigmas	-4,629***	-1,946***
	(0,075)	(0,049)

Log-Likelihood	590,56	-375,08
note: * p<0.01, p<0.05, * p<0.1

	*frontHALEcontInefocde*	*frontlnmortage5contINocde*
	lnHALE	lnmortage5
Hexp	0,032***	-0,226***
	(0,006)	(0,047)
lnphys1000	-0,004	-0,057***
	(0,005)	(0,019)
LITYTOT	0,003***	-0,009***
	(0,000)	(0,001)
prevHIV	-0,017***	0,033***
	(0,001)	(0,003)
trend	-0,003**	0,002
	(0,001)	(0,006)
_cons	3,705***	6,255***
	(0,038)	(0,190)
mu
lnREVENU	-0,125***	0,251***
	(0,016)	(0,061)
POPDEN	-0,000***	0,000***
	(0,000)	(0,000)
ratiopubpriv	0,009	-0,056**
	(0,008)	(0,023)
GINI	0,528***	-0,562**
	(0,119)	(0,230)
REGUL	0,040**	-0,067**
	(0,018)	(0,034)
CPI	0,023**	0,060***
	(0,010)	(0,017)
GOVERN	0,022	-0,072
	(0,022)	(0,051)
PROPR	0,032**	-0,066**
	(0,013)	(0,029)
OILEXP	-0,047	-0,176**
	(0,032)	(0,084)
ETHNFR	0,022	-0,260***
	(0,045)	(0,083)
DISTOCDE	0,000***	-0,000***
	(0,000)	(0,000)
LINOCDE	0,026	-0,201***
	(0,017)	(0,036)
MEDBD	0,075	0,445***
	(0,076)	(0,165)
_cons	0,368**	-0,385
	(0,156)	(0,471)
/ilgtgamma	1,125***	-3,137
	(0,244)
/lnsigma2	-4,673***	-2,254***
	(0,108)	(0,059)
Log-Likelihood	565,41	-144,49
ll_c	473,439	-338,139
sigma_u	0,084	0,066
sigma_v	0,048	0,317
p	0,000	0,000
chi2_c	183,937	387,309
note: * p<0.01, p<0.05, * p<0.1

	*frontHALEcontInefcont*	*frontlnmortage5contINcont*
	lnHALE	lnmortage5
Hexp	0,043***	0,048**
	(0,006)	(0,021)
lnphys1000	-0,017*	0,039***
	(0,009)	(0,012)
LITYTOT	0,003***	-0,006***
	(0,001)	(0,000)
prevHIV	-0,007***	0,001
	(0,001)	(0,004)
trend	-0,004**	-0,012**
	(0,002)	(0,005)
EASTASIA	-0,009	0,054
	(0,038)	(0,097)
EUROPE	-0,029	-0,353***
	(0,037)	(0,113)
LATAMER	-0,001	-0,276***
	(0,036)	(0,094)
MIDEAST	-0,023	-0,030
	(0,045)	(0,116)
SOUASIA	-0,049	-0,095
	(0,044)	(0,094)
SUBAFR	-0,108***	0,468***
	(0,041)	(0,096)
lnREVENU	-0,146***	0,705***
	(0,022)	(0,042)
POPDEN	-0,000***	0,000***
	(0,000)	(0,000)
_cons	3,706***	5,384
	(0,069)
mu
ratiopubpriv	0,029***	-0,067***
	(0,010)	(0,023)
GINI	0,616***	-1,560***
	(0,148)	(0,251)
REGUL	0,057***	-0,107***
	(0,021)	(0,039)
CPI	0,039***	0,057***
	(0,010)	(0,018)
GOVERN	-0,059**	0,077
	(0,026)	(0,056)
PROPR	0,006	-0,074**
	(0,014)	(0,030)
OILEXP	-0,045	-0,113
	(0,037)	(0,090)
ETHNFR	-0,289***	-0,062
	(0,061)	(0,090)
DISTOCDE	0,000***	-0,000***
	(0,000)	(0,000)
LINOCDE	0,074***	-0,068
	(0,023)	(0,044)
MEDBD	0,217**	0,854***
	(0,106)	(0,202)
finext	0,000	-0,459***
	(0,024)	(0,122)
fdicaptr	-0,016	-0,071
	(0,021)	(0,045)
salairerel	435,480***
	(144,029)
_cons	0,784***	-3,712***
	(0,205)	(0,415)
/ilgtgamma	0,690*	29,961
	(0,373)	(111,122)
/lnsigma2	-4,769***	-2,105***
	(0,120)	(0,035)
Log-Likelihood	412,82	-61,54
ll_c	347,874	-430,681
sigma_u	0,075	0,349
sigma_v	0,053	0,000
p	0,000	0,000
chi2_c	129,894	738,285
note: * p<0.01, p<0.05, * p<0.1

Liste de pays
Albania		Latvia
Algeria		Lebanon
Andorra		Lesotho
Angola		Liberia
Antigua		Libyan Arab Jamahiriya
Argentina		Lithuania
Armenia		Luxembourg
Australia		Madagascar
Austria		Malawi
Azerbaijan		Malaysia
Bahamas		Maldives
Bahrain		Mali
Bangladesh		Malta
Barbados		Marshall Islands
Belarus		Mauritania
Belgium		Mauritius
Belize		Mexico
Benin		Micronesia (Federated States of)
Bhutan		Mongolia
Bolivia		Morocco
Bosnia and Herzegovina	Mozambique
Botswana		Myanmar
Brazil		Namibia
Brunei Darussalam	Nepal
Bulgaria		Netherlands
Burkina Faso	New Zealand
Burundi		Nicaragua
Cambodia		Niger
Cameroon		Nigeria
Canada		Norway
Cape Verde		Oman
Central African Republic	Pakistan
Chad		Palau
Chile		Panama
China		Papua New Guinea
Colombia		Paraguay
Comoros		Peru
Congo		Philippines
Costa Rica		Poland
Cote d'Ivoire	Portugal
Croatia		Qatar
Cuba		Republic of Moldova
Cyprus		Romania
Czech Republic	Russian Federation
Democratic People's Republic of Korea	Rwanda
Democratic Republic of the Congo	Saint Kitts and Nevis
Denmark		Saint Lucia
Djibouti		Saint Vincent and the Grenadines
Dominica		Samoa
Dominican Republic	San Marino
Ecuador		Sao Tome and Principe
Egypt		Saudi Arabia
El Salvador		Senegal
Equatorial Guinea	Serbia
Eritrea		Seychelles
Estonia		Sierra Leone
Ethiopia		Singapore
Fiji		Slovakia
Finland		Slovenia
France		Solomon Islands
Gabon		Somalia
Gambia		South Africa
Georgia		Spain
Germany		Sri Lanka
Ghana		Sudan
Greece		Suriname
Grenada		Swaziland
Guatemala		Sweden
Guinea		Switzerland
Guinea-Bissau	Syrian Arab Republic
Guyana		Tajikistan
Haiti		The former Yugoslav Republic of Macedon
Honduras		Togo
Hungary		Tonga
Iceland		Trinidad and Tobago
India		Tunisia
Indonesia		Turkey
Iran (Islamic Republic of)	Turkmenistan
Iraq		Uganda
Ireland		Ukraine
Israel		United Arab Emirates
Italy		United Kingdom
Jamaica		United Republic of Tanzania
Japan		United States of America
Jordan		Uruguay
Kazakhstan		Uzbekistan
Kenya		Vanuatu
Kiribati		Venezuela
Kuwait		Viet Nam
Kyrgyzstan		Yemen
Lao People's Democratic Republic	Zambia
		Zimbabwe

* 1^_ Nous n'aurions pas achevé ce travail sans la participation de plusieurs personnes dont nous ne saurions taire les noms. Nous tenons ainsi à adresser nos sincères remerciements à tous ceux qui, d'une manière ou d'une autre ont contribué à la réalisation de ce mémoire de fin de formation. L'équipe enseignante du CERDI, tous ceux qui ont bien voulu lire ce travail afin d'apporter des éléments de compréhension et des corrections au niveau du fond et de la forme.

* 2^_ Dans le reste du document, RSM fait référence à Rapport sur la Santé dans le Monde

* 3^_ Y compris la prestation par des professionnels de soins médicaux individuels

* 4^_ On dénombre 3 objectifs à ce sujet : Réduire la mortalité infantile, Améliorer la santé maternelle, Combattre le VIH/SIDA, le paludisme et d'autres maladies.

* 5^_ En moyenne 11% de l'aide bilatéral des pays de l'OCDE est consacré à la santé.

* 7^_ On comprend bien qu'un enfant bien éduqué adopte les bons comportements de consommation et d'hygiène.

* 8^_ Cet aspect est essentiellement subjectif et jugé au premier chef par le patient.

* 9^_ Aspects plus objectifs se rapportant à la façon dont un système répond à certaines préoccupations fréquemment exprimées par les patients et leur famille en tant que clients du système de santé et directement observable dans les établissements sanitaires.

* 11^_ Sur un survey des études réalisé par Hollingsworth (2003), 80% utilise l'approche DEA.

* 13^_ Hollingsworth et al (2002) utilise un modèle dans lequel l'inefficience est une fonction polynomiale du temps

* 14^_ Il ya difficile d'admettre que tous les pays ont la même technologie de production dans la mesure où les systèmes de santé diffèrent même en ce qui concerne le remboursement des frais de santé.

* 15^_ Se référer à Hollingsworth et al (2002) pour plus de détails sur les inputs et outputs utilisés.

* 16^_ Voir (Wang et Schmidt, 2002) pour les limites de la procédure en deux étapes

* 17^_ L'expression « There is no free lunch » n'est plus valable ici car même en absence du système de santé, l'espérance de vie n'est pas nulle.

* 19^_ Cette hétérogénéité est constitué de tous les facteurs qui influence le l'efficience du système et qui ne sont pas être modifiés par le système lui-même.

* 20^_ Le problème de paramètre incident intervient dans les modèles binaires, en présence, il conduit à la non convergence des paramètres du MV, d'après Greene (2004b) il n'existe pas de réelle preuve de la présence de ce problème dans les modèles de frontière stochastique, il montre à partir des simulations de Monte Carlo que le biais est faible dans ce cas comparé aux autres modèles (Greene 2002).

* 21^_ Cette spécification n'est pas récente, on la retrouve dans les travaux de Kumbhakar, Ghosh et MacGuckin (1991)

* 22^_ Ce sont les premières variables considérée par Greene (2004b) car il observe que le classement d'Evans et al. (2000) n'est pas modifié si on calcule l'indice d'efficience à partir de ces deux déterminants.

* 25^_ Voir Rapport sur la santé dans le Monde 2000 pour plus de détails ou le World Health Statistics indicator compendium 2009 pour la méthode de calcul.

* 26^_ Groupe d'Experts Scientifiques Indépendants constitué par l'OMS en octobre 2001 pour analyser les limites du Rapport sur la santé dans le monde 2000.

* 27^_ Ceci ne constitue que quelques limites, le lecteur pourra consulter le rapport du GESI, 2001.

* 28^_ Voir Worthington (2004), tableau 1 pour plus de détails sur les input/output utilisé.

* 29^_ C'est vrai qu'il existe une hétérogénéité pays qui n'est pas complètement purgé ici.

* 30^_ Une autre variable proche de celle-ci est le financement extérieur de la santé (Extreshealth).

* 31^_ Mesures de la capacité du gouvernement à formuler et à appliquer de saines des politiques et des règlements qui permettent la promotion et le développement du secteur privé.

* 33^_ Ceci est d'autant plus possible car la différence première et le « within » n'altèrent pas la distribution de l'inefficience (voir Wang et Ho, 2007).

* 34^_ On obtient ainsi l'estimateur du maximum de vraisemblance marginal (EMVM).

* 35^_ Ce qui nous arrange d'autant plus que notre objectif premier n'est pas d'identifier ni les effets fixes ni l'inefficience mais les déterminants de celui-ci.

* 36^_ Ou encore plus simplement de celui de Battese et Coelli (1995) ou Huang and Liu(1994).

* 37^_ Nous supposons donc que l'hétérogénéité entre pays d'une même région est assez faible.

* 39^_Cette hypothèse est assez restrictive dans la mesure où elle ne prendra pas en compte les éventuels chocs passagers dans un gouvernement donné.

* 41^_ Les résultats des tests sur les résidus sont satisfaisants mais n'ont pas été présenté dans ce document pour un souci de synthèse.

* 43^_ Il constate qu'en prenant ces deux variables le classement des pays suivant le score d'inefficience ne diffère pas de celui d'Evans et al. 2000.

* 44^_ Les fichiers de ce module (fichier .ado) sont disponibles sur la page web de Wang (http://homepage.ntu.edu.tw/~wangh/) nous l'avons téléchargé vu que Stata11 n'incorpore pas encore ce module et est limité à la version Battese et Coelli de 1995.

* 45^_ Il s'agit des dépenses de santé, du niveau d'alphabétisation, du nombre de médecin pour 1000 habitants, et de la prévalence du VIH/SIDA.

* 46^_ Il est important de souligner la subtilité qui existe à ce niveau pour l'interprétation de l'effet, car un meilleur système de santé est celui dans lequel l'espérance de vie est haut et la mortalité des moins de 5 ans bas.

* 47^_ Formellement on a ilgtgamma= sigma_u/ sigma_v et lnsigma²= sigma_u²+ sigma_v²

* 49^_ Cet indicateur mesure la probabilité que deux individus, tirés aléatoirement dans un pays, appartiennent au même groupe ethnique. Plus il est élevé plus la population est homogène.

* 50^_ Il est assez plausible de penser que dans une société homogène, le réseau social est assez large

* 51^_ Nous avons créé une dummy qui prend la valeur 1 lorsque le financement extérieur est supérieur à 25 % du PIB.

Determinants de l'efficience des systemes de santé: une analyse sur un panel de 183 pays.

SOMMAIRE