Analyse de déterminants de la mortalité infanto juvénile au Cameroun

4.1.2 Interprétations des résultats de l'ACM

Les résultats de l'ACM nous ont ainsi permis de constater que le milieu de résidence, la vaccination, le niveau de vie du ménage et le lieu où la mère accouche semblent influencer le plus la mortalité des enfants. On peut ainsi dire que ce sous ensemble de variables peut être perçu comme des déterminants à hauts risques de la mortalité des enfants de moins de cinq ans au Cameroun. En revanche, certaines variables à l'exemple de l'âge de la mère à l'accouchement, le rang de l'enfant semble avoir un effet moins important sur la mortalité des enfants au Cameroun.

Il convient néanmoins de noter que la distribution de notre échantillon, est constituée en grande majorité des enfants survivants (85,6 %). Ainsi, leurs caractéristiques influencent beaucoup l'analyse qui a été réalisée. Cependant nous allons par la suite poursuivre l'analyse en conservant toutes les variables précédentes mais ayant eu connaissance de la combinaison des variables qui influenceraient plus la mortalité des enfants.

Nous allons présenter dans la section suivante le modèle logistique, les estimations ainsi que les interprétations des coefficients estimés.

4.1 APPROCHE ÉCONOMÉTRIQUE DES DÉTERMINANTS DE LA MORTALITÉ INFANTO-JUVÉNILE

4.1.1 Présentation du modèle de régression logistique

Avant de se lancer dans l'utilisation de cet outil d'analyse, il convient au préalable de présenter quelques fondements théoriques de la régression logistique. Rappelons qu'en régression linéaire, la problématique qui est posée, est de pouvoir déterminer les variables qui expliquent une part importante de la variabilité d'une variable dépendante quantitative. En régression logistique par contre, il ne s'agit plus d'expliquer la variabilité d'une variable dépendante, car elle est plutôt qualitative. Ce faisant il s'agit en revanche de modéliser les probabilités de ses attributs. Le modèle de régression logistique repose sur la modélisation d'une variable qualitative. Ce modèle s'applique dans plusieurs domaines à savoir :

Médecine : on peut avoir plusieurs malades atteints d'une maladie, et on cherche par exemple les déterminants de survie des malades. Cette modélisation peut également nous conduire à prédire, le diagnostic final pour un nouveau malade atteint de la maladie, dont on connaît le profil.

Finance et banque : L'une des informations dont une banque a besoin est celle de connaître le comportement de ses clients, ceci en fonction de leurs caractéristiques afin de pouvoir discriminer la population des clients en deux catégories : celle des « bon clients » et celle des « mauvais clients ». Ceci pourra permettre à la banque de savoir à quel client offrir un crédit. Certaines techniques plus avancées permettent de résoudre ce genre de problème (Data Manning).

Anthropométrie : on peut être intéressé à déterminer le sexe inconnu d'un individu dont on a retrouvé le crâne lors des fouilles

Lorsque la variable dépendante, que l'on cherche à expliquer a deux modalités, on parle de variable dichotomique, et le modèle décrivant cette situation est le modèle binomial. Par contre lorsque la variable qualitative, a plus de deux modalités, on parle de variable polytomique, et le modèle décrivant cette situation est le modèle multinomial.

Le choix et la justification des variables s'est faite au chapitre 3. Comme nous l'avons déjà précisé nous travaillons sur 8097 naissances, et l'approche que nous avons retenue est une analyse étiologique^39(*). Cette méthode d'analyse s'oppose à la méthode pronostic, qui cherche plutôt à prédire la réalisation d'une variable.

En régression logistique, les variables explicatives peuvent être qualitatives ou quantitatives, aucune contrainte n'est généralement imposée. L'encadré 1 (Page 84) présente plus de détails concernant la formulation du modèle de régression logistique.

* 39 ^_ Qui consiste à évaluer le risque associé à un facteur. Elle permet de mesurer, l'effet net de chaque variable candidate à l'explication de la mortalité des enfants.