Université d'Auvergne Année
Universitaire 2006-2007
Master Economie de la Santé dans les pays en
développement et en transition
DOSSIER D'ECONOMETRIE
LES EFFETS DU VIH/SIDA SUR LA MORTALITE
INFANTO-JUVENILE DANS LES PAYS D'AFRIQUE SUBSAHARIENNE
PIHOUN-KOFFI Valère Kokou
ZOMBRE David
SOMMAIRE
INTRODUCTION
3
I. PRESENTATION DES
VARIABLES ET STATISTIQUES DESCRIPTIVES
5
A. La variable
expliquée
5
- La mortalité des moins de
cinq ans (im)
5
B. Les variables
explicatives
6
- La variable
d'intérêt : prévalence du VIH (hiv)
6
C. Les variables de
contrôle :
6
a. La proportion
d'enfants de 1 an vaccinés contre la rougeole (roug)
6
b. Taux
d'accouchements assistés (acoucsis)
6
c. Niveau
d'éducation de la mère (motheduc)
7
d. Dépenses
de santé en pourcentage du PIB (depsan)
7
e. PIB par
tête en dollar courant, exprimé en PPA (gdppc)
8
D. Variable
multiplicative :
8
- Instabilité politique et la
violence croisée à la variable d'intérêt (hiv)
(inst_hiv)
8
II. ETUDES
ECONOMETRIQUES
9
1. Modèle
économétrique :
9
2. Les tests
économétriques :
11
§ Test de Hausman et de la
validité des effets spécifiques
11
§ Test de Ramsey-Reset :
test de la forme fonctionnelle
12
§ Test de normalité des
résidus de Jarque et Bera.
13
§ Test
d'homoscédasticité de Breusch-Pagan:
14
§ Test
d'endogénéité :
15
III.
RESULTATS
16
1. Résultats
attendus
16
2. Résultats
obtenus
18
ANNEXES
22
REFERENCES BIBLIOGRAPHIQUES
30
INTRODUCTION
Dans de nombreux pays en développement la
prévalence du virus de l'immunodéficience humaine (VIH) chez
l'adulte et les taux de mortalité des moins de 5 ans ont augmenté
durant ces dernières années. La mortalité
infanto-juvénile qui est le décès des enfants de moins de
5 ans est un des indicateurs les plus utilisés pour mesurer le niveau de
développement socio-économique, de santé et de bien
être d'un pays. Elle fait partie également des Objectifs du
Millénaire pour le Développement (4ème
objectif) adoptés en 2000 par les Etats membres des Nations Unies qui
est de réduire de 2/3 la mortalité infantile en la faisant
passée de 93 pour mille en 1990 à 31 pour mille en 2015. Outre
les déterminants traditionnels qui sont à la base du niveau de
mortalité élevé, il s'est ajouté, le
phénomène du SIDA qui avec le paludisme, sont les maladies qui
font plus de décès dans le monde.
La mortalité des enfants de moins de cinq ans dans le
Pays en Développement a déjà fait l'objet de nombreuses
études au cours des deux dernières décennies. Plusieurs
raisons expliquent l'intérêt des recherches pour la
mortalité en général et pour celle des enfants en
particulier. Les Pays en Développement sont ceux dont le taux de
mortalité infanto-juvénile est le plus élevé au
monde (AKOTO et Hill, 1988). Alors que la moyenne du taux de
cette mortalité est de 8 décès pour 1000 naissances
dans les pays occidentaux et de 49 en Europe de l'Est et en Asie centrale, ces
moyennes atteignent des niveaux particulièrement élevés en
Asie du Sud 410 et en Afrique subsaharienne 571 (UNICEF
cité par Banque Mondiale, 2003).
Dans beaucoup de pays, la baisse de la mortalité de
moins de cinq ans reste l'une des préoccupations majeures des pouvoirs
publics, dans la perspective de l'atteinte des Objectifs du Millénaire
pour le Développement. Depuis les années 60, des efforts
considérables ont été faits pour diminuer le taux de
mortalité infanto-juvénile dans les pays en développement.
En dépit de ces efforts déployés, près d'un enfant
sur cinq meurt avant d'avoir atteint son cinquième anniversaire.
La plus grande partie des décès observés
parmi les enfants de moins de cinq ans dans les pays en développement
est du à des maladies comme la rougeole, le paludisme ou le
tétanos néo-natale. La malnutrition et le manque d'eau salubre et
d'assainissement sont un facteur dans la moitié de tous ces cas de
décès.
Dans la littérature sur les déterminants de la
mortalité des jeunes enfants dans les Pays en Développement, la
plupart des auteurs insistent sur le rôle des facteurs
socio-économiques, environnementaux, culturels et
biodémographiques pour expliquer le niveau de ce
phénomène. De ce fait, la mortalité est tellement complexe
que son analyse requiert la prise en compte de l'ensemble des facteurs qui
l'influencent.
Dans les études économétriques sur la
mortalité infanto-juvénile, la plupart des auteurs se sont
focalisées sur un certains nombre de déterminants, ne tenant pas
compte des effets du VIH/SIDA. Pourtant, la progression de cette maladie au
sein de la population en général (prévalence, nombre de
décès, nombre de personnes affectées...), peut
également affecter cette mortalité directement à travers
la transmission mère-enfant, et indirectement à travers la
morbidité et la mortalité des mères. Ce qui pourrait
être favorable à la progression de ce taux de ma manière
significative.
C'est dans cet ordre d'idée qu'une chronique parue dans
la revue du CEPED en juillet 2004, a révélé que le taux de
mortalité infanto-juvénile est en train de remonter au niveau
où il était, il y a une cinquantaine d'années. En plus,
l'OMS a estimé en 1990 que dans les décennies à venir, le
SIDA sera une cause majeure de mortalité des enfants dans le monde,
voire une cause principale dans certains pays d'Afrique Subsaharienne.
Cette étude voudrait répondre à la
question suivante : Quels sont les effets du VIH/SIDA sur la
mortalité infantile dans les Pays de l'Afrique
Subsaharienne ? Elle porte sur l'Afrique Subsaharienne car cette
partie du monde concentre elle seule 40% de la mortalité
infanto-juvénile, alors qu'elle n'abrite que 14% de la population
mondiale. Une raison principale à cela : il y naît beaucoup
d'enfants (24% du total mondial) et le taux de mortalité infantile y est
le plus élevé de tous les continents : 89 pour mille.
La présentation de notre étude se fera en trois
parties. Dans un premier temps, nous nous attèlerons à la
présentation des variables sur lesquelles l'étude s'est
basée et leur analyse descriptive, dans un second temps nous
présenterons l'étude économétrique avec le
modèle retenu et les différents tests et la dernière
portera sur les résultats attendus et obtenus.
I PRESENTATION DES VARIABLES
ET STATISTIQUES DESCRIPTIVES
Notre étude sur les effets du VIH sur la
mortalité des moins de cinq ans porte sur un échantillon de 42
pays de l'Afrique subsaharienne et couvre la période de 1997 à
2003. Elle prend en compte les variables suivantes :
A. La variable
expliquée
- La mortalité des
moins de cinq ans (im)
Le taux de mortalité des enfants de moins de 5 ans est
la probabilité (exprimée en tant que taux par 1000 naissances
vivantes) qu'un enfant né une année donnée meure avant
d'atteindre l'âge de 5 ans, compte tenu des taux de mortalité
actuels liés à l'âge. Cette variable est l'une des cibles
des Objectifs du Millénaire pour le Développement à savoir
« réduire des deux tiers, entre 1990 et 2015, le taux de
mortalité des enfants de moins de 5 ans ». Ce taux
reflète aussi la situation sociale, économique et
environnementale dans laquelle vivent les enfants et les autres membres de la
société, notamment en matière de soins de santé.
Les statistiques de notre échantillon montrent que le taux moyen de
mortalité infantile est de 159,40 pour mille. La variabilité
inter-individuelle (between) est de 58,52 pour mille tandis-que la
variabilité intra-individuelle (within) est de 14,47. Ce qui montre que
la mortalité infanto-juvénile varie beaucoup entre pays mais
varie peu au sein d'un même pays d'une période à l'autre.
En outre, le taux le plus élevé (320 pour mille) a
été observé en 1997 au Niger et le plus bas (18 pour
mille) aux iles Maurice en 2001.
B. Les variables
explicatives
- La variable
d'intérêt : prévalence du VIH (hiv)
Le taux de prévalence du VIH/SIDA est le nombre
de personnes atteintes du VIH/SIDA par rapport à la population totale en
milieu d'année. L'évolution du taux de prévalence dans les
pays de notre échantillon donne une moyenne de 8,28% avec un taux
minimum de 0,1 atteint en 1999 par les Îles Maurice et taux maximum de
38,8% au Swaziland en 2003. Si les statistiques montrent une grande
disparité entre les pays, il est à noter qu'à
l'intérieur d'un même pays la prévalence varie peu d'une
période à l'autre. Ainsi, la variabilité
inter-individuelle « between » est de l'ordre de 8,30
tandis que celle intra-individuelle « within » est de 2,55.
C. Les variables de
contrôle :
a. La proportion d'enfants
d'un an vaccinés contre la rougeole (roug)
La proportion d'enfants d'un an vaccinés contre la
rougeole est le pourcentage d'enfants de moins d'un an auxquels a
été administré au moins une dose de vaccin contre la
rougeole. Cet indicateur permet de mesurer l'étendue et la
qualité des services assurés aux enfants par le système
des soins de santé dans le pays considéré. La vaccination
joue un rôle essentiel pour réduire la mortalité des
enfants de moins de 5 ans. Parmi les maladies infantiles que l'on peut
prévenir par la vaccination, la rougeole est la principale cause de
mortalité des enfants, ce qui nous a conduit au choix de cet indicateur.
La proportion moyenne d'enfants vaccinés contre la rougeole est de
61,56%. Le taux le plus bas, 18% a été constaté en
République Démocratique du Congo et le plus élevé
97% a été constaté au Botswana. Par rapport aux
variabilités, celle inter-individuelle « between »
est de 19,62 et celle intra-individuelle « within » de
9,70. Ceci démontre une disparité plus élevé entre
les pays qu'à l'intérieur d'un même pays.
b. Taux d'accouchements
assistés (acoucsis)
Le taux d'accouchements assistés par un personnel
qualifié est le nombre d'accouchements effectués en
présence d'un professionnel de santé par rapport au nombre total
d'accouchements. La proportion d'accouchements assistés par un personnel
de santé qualifié est le pourcentage d'accouchements
assistés par du personnel formé en vue d'assurer la supervision,
de fournir les soins et les conseils nécessaires aux femmes pendant la
grossesse, le travail et la période puerpérale, de
procéder à des accouchements seuls et de fournir les soins
nécessaires aux nouveaux-nés.
Dans notre échantillon, en moyenne 50,14% des
accouchements sont faits en présence d'un professionnel de santé.
Le minimum constaté est 6 pour l'Ethiopie en 2001 et le maximum 99% a
été constaté pour le Botswana. La variabilité
inters-individuelle (between) entre les pays est de 20,81 et celle
intra-individuelle within est de 4,46.
c. Niveau
d'éducation de la mère (motheduc)
Il s'agit du nombre de femmes âgées de 15
à 49 ayant un niveau d'éducation
secondaire. Il a été obtenu en faisant le rapport de l'effectif
des femmes de cette tranche d'âge ayant atteint un niveau d'étude
secondaire, par le nombre total de femmes de ladite tranche. Cette variable a
beaucoup évolué dans le temps et varie également entre les
pays. La moyenne du niveau d'éducation des mères en Afrique
Subsaharienne est de 42,52%. La variabilité inter-individuelle (between)
est de 18,58 et celle intra-individuelle est de 6,16.
d. PIB par
tête en dollar courant, exprimé en PPA (gdppc)
Le Produit Intérieur Brut (PIB) correspond à la
valeur totale de la production interne de
biens et
services marchands dans un pays donné au cours d'une année
donnée par les agents résidents à l'intérieur du
territoire national. Il est exprimé ici en dollar courant et
calculé en parité de pouvoir d'achat (PPA) pour prendre en compte
les différences de
prix des biens existants entre
les pays. Il est plus efficace que le PIB pour mesurer le
développement
d'un pays, cependant, il n'est qu'une moyenne donc il cache les
inégalités au sein d'une population. Le PIB par tête est
alors la valeur du PIB divisée par le nombre d'habitants d'un pays.
On note une moyenne du PIB par tête de 2 363,62
dollars, avec un minimum de 453,18 dollars observé en Sierra Leone
en 1999 et un maximum de 19 780 dollars en Guinée Equatoriale en 2003.
La disparité inter-individuelle « Between » 2855,20
dollars est plus importante que la disparité intra-individuelle
« within » 1 024,26 dollars.
D. Variable
multiplicative :
- Instabilité
politique et la violence croisée à la variable
d'intérêt (hiv) (inst_hiv)
Pour mesurer les effets conjoints du VIH/SIDA et la
qualité des institutions sur la mortalité infantile, nous avons
croisé notre variable d'intérêt avec un indicateur de
gouvernance à savoir l'indicateur de instabilité politique et la
violence, qui mesure la probabilité de changements violents de
gouvernements, y compris le terrorisme. Il provient d'un groupe de six
indicateurs1(*) que des
économistes de la Banque de la banque mondiale ont élaboré
pour mesurer la qualité des institutions dans les pays. Tout comme les
autres, cette variable est normalisée sur l'échelle de -2,5
à 2,5 avec une moyenne nulle et un écart-type égale
à l'unité. Plus la mesure est grande, plus la qualité de
la gouvernance est bonne. Après avoir constaté une importante
colinéarité entre les indicateurs institutionnels qui semblent
avoir un effet conjoint sur la mortalité infantile avec le VIH/SIDA,
nous avons retenu celui qui mesure la instabilité politique et la
violence qui était le plus significatif pour notre régression.
En moyenne, le niveau de cet indicateur est de -0,65 avec un
niveau minimum de
-2,25 constaté en Guinée Equatoriale en 2001 et
un maximum 0,85 Botswana en 1999.
II ETUDES ECONOMETRIQUES
Comme nous avons souligné précédemment en
faisant une revue de la littérature sur le sujet, les effets que peuvent
avoir le VIH/SIDA sur la mortalité infantile n'a presque jamais
été étudié ou mis en évidence empiriquement
sur l'échelle de plusieurs pays, à travers la prise en compte de
ses effets en association avec les déterminants fondamentaux de la
mortalité infantile. C'est pourquoi nous avons voulu tester cette
relation si peu étudiée, d'autant plus que le résultat
trouvé pourra avoir des incidences importantes, notamment en ce qui
concerne les orientations en matière de politique de lutte contre le
VIH/SIDA pour chaque pays et sur le plan internationale.
Pour tester cette relation nous partirons d'un modèle
simple d'explication de la mortalité infantile, auquel nous ajouterons
la prévalence du VIH/SIDA et certaines variables institutionnelles.
1. Modèle
économétrique :
Le modèle est estimé sur des données de
panel comportant une dimension temporelle et une dimension individuelle. La
première comprend 4 périodes (1997, 1999, 2001, 2003), la seconde
est constituée par 42 pays de l'Afrique Subsaharienne.
Nous avons observé dans l'analyse descriptive que la
plupart des variables retenues dans le cadre de ce travail ont une
variabilité d'un pays à l'autre et à l'intérieur
d'un même pays. Ceci traduit une grande
hétérogénéité de nos variables du fait de la
présence d'effets spécifiques possibles au niveau des pays. Ce
même constat a été fait dans de nombreuses études
sur les déterminants de la mortalité infantile2(*). Ces effets spécifiques
au niveau des pays de notre échantillon ajoutent à l'erreur
habituelle une composante individuelle et une autre temporelle. Ils sont
modélisés de deux façons différentes à
savoir :
Le modèle à effets
fixes :
Le modèle à effets
aléatoires :
Dans le modèle à effets fixes les composantes
individuelles  et temporelles  sont supposées déterministes et peuvent donc être
simplement ajoutées au modèle. En revanche, pour ce qui concerne
le modèle à effets aléatoires les composantes
individuelles et temporelles sont considérées comme stochastiques
et à ce titre, obligent les effets spécifiques à se
conformer à certaines hypothèses dont la plus importante est
l'absence de corrélation entre les effets spécifiques et les
variables explicatives.
Toutefois, le choix de l'une ou l'autre des méthodes
d'estimation n'est pas facile. Hausman (1978) répond à cette
inquiétude en proposant un test qui compare la performance de ces deux
estimateurs. Il s'agit donc de tester l'hypothèse H0 :
« il n'y a pas de différences significatives entre les
coefficients des deux estimateurs » synonyme de choisir le
modèle à effets fixes qui impliquerait une corrélation
entre les effets spécifiques et les variables explicatives. Nous avons
exécuté ce test dans le cadre de notre travail et les
résultats sont présentés dans le tableau 1.
2. Les tests
économétriques :
§ Test de Hausman et
de la validité des effets spécifiques
Tableau 1: résultat du test de
Hausman
. hausman eq1
---- Coefficients ----
| (b) (B) (b-B)
sqrt(diag(V_b-V_B))
| eq1 . Difference
S.E.
-------------+----------------------------------------------------------------
hiv | .4582889 .4254233 .0328656
.2353079
roug | -.2190717 -.3152181 .0961464
.0361918
motheduc | -.758119 -.9124917 .1543727
.0685132
acoucsis | -.2700784 -.7711354 .5010569
.1544612
gdppc | .0016068 .0006957 .0009111
.0004179
inst_hiv | .7315258 .5794249 .1521008
.0656966
------------------------------------------------------------------------------
b = consistent under Ho and Ha;
obtained from xtreg
B = inconsistent under Ha, efficient under Ho;
obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 68.20
Prob>chi2 = 0.0000
La p-value obtenue est inférieure à 10%, ce qui
nous amène à rejeter l'hypothèse H0 d'absence de
différences significatives entre les coefficients des deux estimateurs,
synonyme du choix du modèle à effets fixes.
Par ailleurs, la lecture de la statistique de F-test relatif
à la significativité des effets spécifiques, dans la
première régression à effets fixes, nous amène
à rejeter l'hypothèse H0 de nullité des effets
spécifiques au seuil critique de 5%. Nous concluons que les effets
spécifiques son significatifs.
Tableau 2 : Comparaison des variabilités
inter et intra-individuelle
|
Variables
|
Variabilité
« Between »
|
Variabilité
« Within »
|
|
im
|
58,52
|
14,47
|
|
hiv
|
8,30
|
2,55
|
|
roug
|
19,62
|
9,70
|
|
motheduc
|
18,57
|
6,16
|
|
acoucsis
|
20,81
|
4,46
|
|
gdppc
|
2 855,20
|
1 024,26
|
§ Test de
Ramsey-Reset : test de la forme fonctionnelle
Ce test permet d'évaluer la qualité de la forme
fonctionnelle, c'est-à-dire qu'il permet de savoir si des exposants ou
des logarithmes n'ont pas été omis. Ce test pose les
hypothèses suivantes :
H0 : La forme fonctionnelle testée est bonne
HA : La forme fonctionnelle n'est pas bonne
D'après les résultats du test de Reset (tableau
3), la forme fonctionnelle de notre modèle est bonne. En effet, la
probabilité associée au F-statistic est de 0.1952, qui est
supérieur à 10%. On ne rejette donc pas l'hypothèse H0
selon laquelle la forme fonctionnelle est correcte. En effet après avoir
testé différentes formes fonctionnelles, nous avons trouvé
que mettre en logarithme certaines variables telles que le taux de
mortalité infanto-juvénile, le VIH/SIDA, les dépenses de
santé en pourcentage du PIB et le Produit Intérieur Brut ne nous
donnait pas la meilleure forme fonctionnelle. C'est donc avec un modèle
simple sans logarithme que nous avons effectué l'ensemble de notre
étude empirique.
Tableau 3 : résultat du test de la forme
fonctionnelle
Fixed-effects (within) regression Number of obs
= 168
Group variable (i): code Number of groups
= 42
R-sq: within = 0.2847 Obs per group:
min = 4
between = 0.3970
avg = 4.0
overall = 0.3581
max = 4
F(9,117)
= 5.17
corr(u_i, Xb) = 0.3909 Prob > F
= 0.0000
------------------------------------------------------------------------------
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 59.43723 41.34726 1.44 0.153
-22.44885 141.3233
roug | -28.25424 19.74142 -1.43 0.155
-67.35109 10.84262
motheduc | -97.91025 68.25926 -1.43 0.154
-233.0941 37.27363
acoucsis | -34.77898 24.29715 -1.43 0.155
-82.89822 13.34025
gdppc | .207229 .1444896 1.43 0.154
-.0789252 .4933831
inst_hiv | 94.43629 65.86321 1.43 0.154
-36.00235 224.8749
imhat2 | -1.215096 .9065531 -1.34 0.183
-3.010477 .5802851
imhat3 | .004999 .0040124 1.25 0.215
-.0029473 .0129452
imhat4 | -7.53e-06 6.59e-06 -1.14 0.256
-.0000206 5.52e-06
_cons | 22725.4 15987.17 1.42 0.158
-8936.358 54387.16
-------------+----------------------------------------------------------------
sigma_u | 50.760469
sigma_e | 14.62366
rho | .92336383 (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(41, 117) = 25.31 Prob
> F = 0.0000
. test imhat2 imhat3 imhat4
( 1) imhat2 = 0
( 2) imhat3 = 0
( 3) imhat4 = 0
F( 3, 117) = 1.59
Prob > F = 0.1952
§ Test de
normalité des résidus de Jarque et Bera.
Ce test pose les hypothèses suivantes :
H0 : les résidus suivent une loi normale
HA : les résidus ne suivent pas une loi normale
Le test dont le résultat est reporté dans la
table 4 ci-dessous, nous amène à ne pas rejeter
l'hypothèse H0 de normalité des résidus. En effet, la
p-value du test est supérieure à 10%.
Tableau 4: Résultat du test de
normalité
Skewness/Kurtosis tests for Normality
------- joint
------
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2)
Prob>chi2
-------------+-------------------------------------------------------
residu | 0.158 0.795 2.09
0.3518
§ Test
d'homoscédasticité de Breusch-Pagan:
Pour tester l'homoscédasticité des
résidus on effectue un test de White
Ce test pose les hypothèses suivantes :
H0 : il y a homoscédasticité
HA : il n'y a pas homoscédasticité
En faisant le test on trouve que la statistique associé
au test de Breusch Pagan supérieure à sa valeur lue dans la table
ce qui nous amène à rejeter donc l'hypothèse H0
d'homoscédasticité. Nous avons procédé à la
correction de White pour pallier ce problème de
l'hétéroscédasticité dont les résultats sont
présentés dans le tableau 3.
Tableau 5 : Résultat de la correction de
White
Linear regression, absorbing indicators Number of
obs = 168
F( 6,
120) = 9.15
Prob >
F = 0.0000
R-squared
= 0.9544
Adj
R-squared = 0.9366
Root MSE
= 15.056
------------------------------------------------------------------------------
| Robust
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4582889 .7076847 0.65 0.518
-.9428775 1.859455
roug | -.2190717 .1132868 -1.93 0.055
-.4433716 .0052281
motheduc | -.758119 .2301168 -3.29 0.001
-1.213734 -.3025038
acoucsis | -.2700784 .3393422 -0.80 0.428
-.9419523 .4017954
gdppc | .0016068 .0005645 2.85 0.005
.0004891 .0027244
inst_hiv | .7315258 .2732748 2.68 0.008
.1904607 1.272591
_cons | 214.3106 18.94468 11.31 0.000
176.8014 251.8197
-------------+----------------------------------------------------------------
code | absorbed
(42 categories)
§ Test
d'endogénéité :
L'endogénéité suppose l'existence de
variables dans le terme erreur qui soient corrélées avec les
variables explicatives jusqu'alors supposées exogènes. Cette
corrélation fausse l'hypothèse d'orthogonalité des
résidus, ce qui biaise les coefficients des variables exogènes.
Pour corriger ce biais, il est nécessaire de trouver des variables
instrumentales qui doivent d'une part être corrélées avec
les variables qui sont soupçonnées
d'endogénéité et d'autre part strictement orthogonales
à l'écart aléatoire. Par ailleurs, ces variables
instrumentales ne doivent être corrélées avec la variable
dépendante.
En se basant sur notre étude théorique
renforcée par les résultats du tableau 4, nous avons
soupçonné d'endogénéité notre variable
d'intérêt (hiv) et PIB par tête (gdppc). En effet dans la
littérature sur le VIH/SIDA, la prévalence est souvent
liée à la virulence du type de virus (hiv1) qui prédomine
dans certains pays de l'Afrique Subsaharienne et la proportion de musulmans
dans la population. C'est dans cet ordre d'idée que nous avons retenu
comme instrument la proportion de musulmans dans la population d'une part et
d'autre part une variable muette géographique. Cette variable muette
prend la valeur 1 si les pays appartiennent à l'Afrique Australe et de
l'Est où prédomine la forme la plus virulente du virus et 0
sinon.
Nous avons effectué le test
d'endogénéité de Nakamura et Nakamura. En effectuant la
régression auxiliaire, nous avons remarqué que ces deux
instruments étaient bien corrélés avec le taux de
prévalence du VIH/SIDA. En intégrant les résidus de cette
équation instrumentale au modèle, nous avons constaté
qu'ils n'étaient pas significatifs. Etant donné que les
précédents instruments n'ont pas franchi toutes les étapes
du test de Nakamura Nakamura, nous devrions recourir à la solution
théorique qui consiste à retenir comme instruments les variables
suspectées d'endogénéité retardées d'une
période. Par manque de donnée sur la prévalence du VIH
pour les pays de notre échantillon sur la période retardée
(1995) nous n'avons pas pu effectuer un second test
d'endogénéité.
Pour ce concerne l'endogénéité de la
variable PIB par tête, nous l'avons instrumenté par le volume des
exportations qui n'a également pas passé toutes les étapes
du test d'endogénéité.
I. RESULTATS
Cette partie de notre travail fera ressortir les
résultats attendus et les résultats obtenus.
1. Résultats
attendus
#172; Effets attendus du taux de prévalence du
VIH/SIDA (hiv)
Nous nous attendons que cette variable ait un coefficient de
signe positif, car plus ce taux est élevé au sein de la
population totale, plus la transmission directe du virus mère-enfant
sera également élevée. L'enfant dont la mère est
séropositive peut contracter le virus directement par la transmission
verticale et meurt généralement avant d'atteindre l'âge de
5 ans. On estime également que depuis, un nombre beaucoup plus
élevé d'enfants sont morts du fait de l'infection à VIH et
d'autres problèmes liés au SIDA (ONUSIDA 1996). Même parmi
les enfants qui ne sont pas infectés, nombreux sont ceux qui mourront
parce que les ressources nécessaires pour assurer leur survie et leur
santé seront absorbées par les soins que réclament les
adultes séropositifs3(*).
#172; Taux de vaccination contre la
rougeole (roug)
La rougeole étant l'une des maladies qui causent plus
de décès parmi les enfants de moins de 5 ans et compte tenu de
l'efficacité du vaccin anti-rougeole, nous nous attendons à un
signe négatif du coefficient de cette variable. En effet, un enfant
vacciné contre ce mal se verra prémuni contre la mort et verra sa
probabilité de décès diminuer.
#172; Taux d'accouchements assistés
(acoucsis)
Les accouchements assistés par un personnel de
santé formé en vue d'assurer la supervision, de fournir les soins
et les conseils nécessaires aux femmes pendant la grossesse, le travail
et la période puerpérale, de procéder à des
accouchements seuls et de fournir les soins nécessaires aux
nouveaux-nés, est assez déterminante pour la survie du
nouveau-né et de la mère. Plus les accouchements sont donc
assistés, moins serait le taux de mortalité infantile. Le signe
espéré du coefficient associé à cette variable est
négatif. Les accouchements assistés sont également
l'occasion de réduire le risque de transmission mission mère
enfant du VIH/SIDA.
#172; Education de la mère
(motheduc)
Nous nous attendons à un signe négatif du
coefficient de cette variable du fait du rôle important que joue
l'éducation dans l'amélioration de l'état de santé.
Le rôle primordial joué par l'éducation des femmes dans la
réduction de la mortalité infanto-juvénile fait
aujourd'hui d'un large consensus. Ceci se justifie par le fait que les femmes
éduquées, comparativement à celles qui ne le sont, sont
mieux informées sur les soins à prodiguer à leur
nourrisson, elles sont plus à même de repérer, de cibler un
problème de santé chez l'enfant et dons plus capables
d'intervenir rapidement, elles sont plus réceptive aux campagnes de
sensibilisation.
#172; Produit Intérieur Brut par tête
(gdppc)
Théoriquement nous nous attendons à ce que le
signe du coefficient de cette variable soit négatif. En effet, le revenu
est un élément clé de la qualité de vie dans un
pays. Ainsi, plus le revenu est faible, moins la part réservée
aux dépenses de santé par les pouvoirs publics est
élevé et moins les populations accordent une part importante
à la santé. Ceci étant, un niveau de PIB par tête
élevé entraîne une meilleure alimentation des populations,
un meilleur accès aux soins de santé, aux infrastructures
sanitaires et à l'eau potable ce qui peut permettre la baisse de la
mortalité infanto-juvénile.
#172; Instabilité politique et violence
croisée avec le hiv (inst_vih)
Nous attendons à avoir pour cette variable
multiplicative, un coefficient de signe positif. Ceci du fait qu'une
instabilité politique ne permet pas aux pays, de mettre en place une
politique sanitaire rigoureuse. L'insuffisance des infrastructures sanitaires
ou la désorganisation de celles qui existent, entraine la baisse de la
demande et la détérioration de la qualité de soins. Si
à cette situation s'ajoute le VIH/SIDA, le taux de mortalité en
générale et celle infanto-juvénile en particulier sera en
hausse.
2. Résultats
obtenus
Les résultats auxquels nous sommes arrivés
à partir de l'estimation du modèle à effets fixes
( ) sont en partie conformes à ceux auxquels nous nous
attendions. Les résultats de la régression sont consignés
dans le tableau suivant :
Tableau 5 : résultats de la
régression
Linear regression, absorbing indicators Number of
obs = 168
F( 6,
120) = 9.15
Prob >
F = 0.0000
R-squared
= 0.9544
Adj
R-squared = 0.9366
Root MSE
= 15.056
------------------------------------------------------------------------------
| Robust
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4582889 .7076847 0.65 0.518
-.9428775 1.859455
roug | -.2190717 .1132868 -1.93 0.055
-.4433716 .0052281
motheduc | -.758119 .2301168 -3.29 0.001
-1.213734 -.3025038
acoucsis | -.2700784 .3393422 -0.80 0.428
-.9419523 .4017954
gdppc | .0016068 .0005645 2.85 0.005
.0004891 .0027244
pol_hiv | .7315258 .2732748 2.68 0.008
.1904607 1.272591
_cons | 214.3106 18.94468 11.31 0.000
176.8014 251.8197
-------------+----------------------------------------------------------------
code | absorbed
(42 categories)
Les variables de contrôle :
#172; Taux de vaccination contre la
rougeole (roug)
Pour cette variable, nous avons obtenu un résultat
conforme à celui attendu. En effet, le coefficient associé est de
signe négatif et la p-value est significative (0,0055) au seuil de 10%.
Ce qui indique qu'une augmentation de taux de vaccination contre la rougeole de
10 point de pourcentage, entraine une diminution du taux de mortalité
infanto-juvénile de 2,19%0 (pour mille)
#172; Taux d'accouchements assistés
(acoucsis)
Le coefficient associé à cette variable est de
signe négatif et attendu. Cependant, la p-value associée n'est
pas significative (0,428). Néanmoins, le signe négatif de cette
variable nous permet d'affirmer que le taux d'accouchements assistés,
va influencer le taux de mortalité infanto-juvénile dans le
même sens. Les accouchements assistés sont également
l'occasion de réduire le risque de transmission mère-enfant du
VIH/SIDA. En effet, plus les accouchements sont assistés, moins la
transmission verticale (mère-enfant) est élevée et moins
le taux de mortalité infanto-juvénile dû au VIH/SIDA sera
élevé4(*).
#172; Education de la mère
(motheduc)
Le coefficient de cette variable est signe négatif et
très significatif (0,001) confirmant le résultat attendu. Le
résultat corrobore les conclusions de plusieurs études sur les
effets de l'éducation de la mère sur la mortalité
infanto-juvénile. Il apparaît dans notre étude qu'une
augmentation de la proportion des femmes éduquées de 10 points de
pourcentage, fait baisser la mortalité infanto-juvénile de
7,58%0 (pour mille). En effet, une femme éduquée est
plus à même de comprendre la nécessité du respect
des règles minimales d'hygiène, de se faire accoucher dans une
structure sanitaire par les professionnels de santé et de l'observance
des prescriptions médicales, tout en préservant la vie des
nouveaux-nés.
#172; Produit Intérieur Brut par tête
(gdppc)
Le signe du coefficient de cette variable est positif mais
non significatif (0,183), ce qui n'est pas conforme au résultat attendu.
Cependant, plusieurs études ont montré qu'une augmentation du PIB
par tête entraine une réduction de la mortalité
infanto-juvénile5(*).
Comme nous l'avons souligné dans la première partie notre
étude, l'inadéquation de ce résultat est imputable
à l'endogénéité de la variable PIB par tête
due à l'omission d'une variable pertinente qui lui est
corrélée. Ce qui donne lieu à un biais d'estimation.
#172; Les effets obtenus du Taux de prévalence
du VIH/SIDA (hiv)
Le signe de cette variable est conforme à ce qui
était attendu, mais n'est pas significatif (0,345) au seuil de 10%. Ce
résultat peut s'expliquer par le problème
d'endogénéité de cette variable que nous avons
souligné au niveau des tests économétriques.
Néanmoins, une augmentation de la prévalence du VIH/SIDA de 1
point de pourcentage, entraine une augmentation de la mortalité
infanto-juvénile de 0,46 pour mille, « ceteris
paribus ». En revanche, lorsqu'on prend en compte le niveau de
prévalence associé à la variable instabilité
politique, le résultat obtenu laisse apparaître pour cette
variable multiplicative (inst_hiv), un coefficient de signe positif et
très significatif au seuil de 1%, conformément à ce que
nous attendions. Il ressort de ce constat qu'une augmentation conjointe de la
prévalence du VIH/SIDA de 1 point de pourcentage et de
l'instabilité politique d'un écart type entraine une augmentation
de la mortalité infanto-juvénile de 1,19 pour mille (0,46+0,73).
Ces résultats ont permis ainsi de mettre en évidence l'effet de
l'instabilité politique et du VIH/SIDA sur la mortalité
infanto-juvénile dans les pays de l'Afrique Subsaharienne.
CONCLUSION
A l'issu de cette réflexion et des résultats
empiriques que nous avons obtenus, il semble effectivement que le VIH/SIDA joue
un rôle très important dans l'explication de la mortalité
infanto-juvénile dans les pays de l'Afrique Subsaharienne. En effet une
augmentation de la prévalence du VIH/SIDA entraine
inéluctablement une augmentation de la mortalité
infanto-juvénile. Cet effet du VIH/SIDA sur la mortalité des
enfants de moins de cinq ans est plus fort en présence
d'instabilité politique.
Néanmoins, on s'aperçoit à travers le
résultat de nos régressions, que la prévalence VIH/SIDA
n'est significative dans l'explication de la mortalité
infanto-juvénile que si elle associée à
l'instabilité politique. De plus, ce modèle a permis de mettre en
évidence les autres déterminants de la mortalité
infanto-juvénile en occurrence la vaccination, l'éducation des
mères, le niveau de revenu et l'accouchement assisté.
Toutefois, il est important d'insister sur le fait que ce
modèle ne peut être exhaustif, étant donné que nous
n'avions pas pu mettre en évidence les effets direct du VIH/SIDA,
à travers la prise en compte de tous les aspects de la transmission
mère-enfant par manque de données. Ainsi, il est évident
que la proportion d'enfants infectée par suite de l'allaitement ou au
cours de l'accouchement a sans nul doute, un effet sur la mortalité des
enfants due au VIH/SIDA qui n'a pu être prise en compte dans notre
modèle.
Nous soulignons à ce niveau, le fait que nous n'avons
pas trouvé de bons instruments pour pouvoir vérifier
empiriquement, l'exogénéité de notre variable de VIH/SIDA.
Il est important de souligner également, que la
littérature portant sur les effets du VIH/SIDA sur la mortalité
infantile n'est pas fournie.
Dans la perspective de l'atteinte des Objectifs du
Millénaire pour Développement, la mesure des effets du VIH/SIDA
sur la mortalité des enfants nécessite des études plus
approfondies. Ceci permettra en plus des efforts déjà
réalisés dans le domaine scientifique, de mieux cerner cette
problématique dans l'optique de leur prise en compte dans les politiques
de réduction de la mortalité infanto-juvénile dans les
Pays en Développement d'une manière générale.
ANNEXES
. *Statistiques desriptives
Variable | Mean Std. Dev. Min Max |
Observations
-----------------+--------------------------------------------+----------------
im overall | 159.3929 59.77393 18 320 |
N = 168
between | 58.52353 20 291 |
n = 42
within | 14.47225 117.1429 204.8929 |
T = 4
|
|
hiv overall | 8.27646 8.608894 .0773347 38.8 |
N = 168
between | 8.295911 .0780011 34.125 |
n = 42
within | 2.554847 -5.96854 16.85146 |
T = 4
|
|
roug overall | 61.55952 21.72989 18 97 |
N = 168
between | 19.62063 29.25 96.75 |
n = 42
within | 9.702305 36.05952 97.55952 |
T = 4
|
|
motheduc overall | 42.52262 19.41235 11 96 |
N = 168
between | 18.5753 13.5 86.5 |
n = 42
within | 6.164089 24.77262 76.02262 |
T = 4
|
|
acoucsis overall | 50.14286 21.10263 6 99 |
N = 168
between | 20.8135 9 94.75 |
n = 42
within | 4.461076 36.89286 66.89286 |
T = 4
|
|
gdppc overall | 2363.624 3009.127 453.1864 19780 |
N = 168
between | 2855.201 489.5347 13217.88 |
n = 42
within | 1024.266 -7121.056 8925.748 |
T = 4
. *Test de Hausman
Fixed-effects (within) regression Number of obs
= 168
Group variable (i): code Number of groups
= 42
R-sq: within = 0.2223 Obs per group:
min = 4
between = 0.4719
avg = 4.0
overall = 0.4331
max = 4
F(6,120)
= 5.72
corr(u_i, Xb) = 0.4522 Prob > F
= 0.0000
------------------------------------------------------------------------------
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4582889 .483487 0.95 0.345
-.4989816 1.415559
roug | -.2190717 .1265995 -1.73 0.086
-.46973 .0315865
motheduc | -.758119 .1926906 -3.93 0.000
-1.139633 -.3766051
acoucsis | -.2700784 .2746772 -0.98 0.327
-.8139202 .2737633
gdppc | .0016068 .0011999 1.34 0.183
-.000769 .0039825
inst_hiv | .7315258 .2602651 2.81 0.006
.216219 1.246833
_cons | 214.3106 16.12429 13.29 0.000
182.3856 246.2355
-------------+----------------------------------------------------------------
sigma_u | 48.831644
sigma_e | 15.056297
rho | .91318543 (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(41, 120) = 24.08 Prob
> F = 0.0000
Random-effects GLS regression Number of obs
= 168
Group variable (i): code Number of groups
= 42
R-sq: within = 0.1970 Obs per group:
min = 4
between = 0.5861
avg = 4.0
overall = 0.5534
max = 4
Random effects u_i ~ Gaussian Wald chi2(6)
= 71.39
corr(u_i, X) = 0 (assumed) Prob > chi2
= 0.0000
------------------------------------------------------------------------------
im | Coef. Std. Err. z P>|z| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4254233 .4223622 1.01 0.314
-.4023914 1.253238
roug | -.3152181 .1213161 -2.60 0.009
-.5529932 -.077443
motheduc | -.9124917 .1800989 -5.07 0.000
-1.265479 -.5595043
acoucsis | -.7711354 .2271328 -3.40 0.001
-1.216307 -.3259633
gdppc | .0006957 .0011248 0.62 0.536
-.0015089 .0029003
inst_hiv | .5794249 .251837 2.30 0.021
.0858335 1.073016
_cons | 253.6693 13.67986 18.54 0.000
226.8573 280.4813
-------------+----------------------------------------------------------------
sigma_u | 38.143536
sigma_e | 15.056297
rho | .86519435 (fraction of variance due to u_i)
------------------------------------------------------------------------------
. hausman eq1
---- Coefficients ----
| (b) (B) (b-B)
sqrt(diag(V_b-V_B))
| eq1 . Difference
S.E.
-------------+----------------------------------------------------------------
hiv | .4582889 .4254233 .0328656
.2353079
roug | -.2190717 -.3152181 .0961464
.0361918
motheduc | -.758119 -.9124917 .1543727
.0685132
acoucsis | -.2700784 -.7711354 .5010569
.1544612
gdppc | .0016068 .0006957 .0009111
.0004179
inst_hiv | .7315258 .5794249 .1521008
.0656966
------------------------------------------------------------------------------
b = consistent under Ho and Ha;
obtained from xtreg
B = inconsistent under Ha, efficient under Ho;
obtained from xtreg
Test: Ho: difference in coefficients not systematic
chi2(6) = (b-B)'[(V_b-V_B)^(-1)](b-B)
= 68.20
Prob>chi2 = 0.0000
. *Test de Ramsey Reset
Fixed-effects (within) regression Number of obs
= 168
Group variable (i): code Number of groups
= 42
R-sq: within = 0.2223 Obs per group:
min = 4
between = 0.4719
avg = 4.0
overall = 0.4331
max = 4
F(6,120)
= 5.72
corr(u_i, Xb) = 0.4522 Prob > F
= 0.0000
------------------------------------------------------------------------------
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4582889 .483487 0.95 0.345
-.4989816 1.415559
roug | -.2190717 .1265995 -1.73 0.086
-.46973 .0315865
motheduc | -.758119 .1926906 -3.93 0.000
-1.139633 -.3766051
acoucsis | -.2700784 .2746772 -0.98 0.327
-.8139202 .2737633
gdppc | .0016068 .0011999 1.34 0.183
-.000769 .0039825
inst_hiv | .7315258 .2602651 2.81 0.006
.216219 1.246833
_cons | 214.3106 16.12429 13.29 0.000
182.3856 246.2355
-------------+----------------------------------------------------------------
sigma_u | 48.831644
sigma_e | 15.056297
rho | .91318543 (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(41, 120) = 24.08 Prob
> F = 0.0000
Fixed-effects (within) regression Number of obs
= 168
Group variable (i): code Number of groups
= 42
R-sq: within = 0.2847 Obs per group:
min = 4
between = 0.3970
avg = 4.0
overall = 0.3581
max = 4
F(9,117)
= 5.17
corr(u_i, Xb) = 0.3909 Prob > F
= 0.0000
------------------------------------------------------------------------------
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 59.43723 41.34726 1.44 0.153
-22.44885 141.3233
roug | -28.25424 19.74142 -1.43 0.155
-67.35109 10.84262
motheduc | -97.91025 68.25926 -1.43 0.154
-233.0941 37.27363
acoucsis | -34.77898 24.29715 -1.43 0.155
-82.89822 13.34025
gdppc | .207229 .1444896 1.43 0.154
-.0789252 .4933831
inst_hiv | 94.43629 65.86321 1.43 0.154
-36.00235 224.8749
imhat2 | -1.215096 .9065531 -1.34 0.183
-3.010477 .5802851
imhat3 | .004999 .0040124 1.25 0.215
-.0029473 .0129452
imhat4 | -7.53e-06 6.59e-06 -1.14 0.256
-.0000206 5.52e-06
_cons | 22725.4 15987.17 1.42 0.158
-8936.358 54387.16
-------------+----------------------------------------------------------------
sigma_u | 50.760469
sigma_e | 14.62366
rho | .92336383 (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(41, 117) = 25.31 Prob
> F = 0.0000
. test imhat2 imhat3 imhat4
( 1) imhat2 = 0
( 2) imhat3 = 0
( 3) imhat4 = 0
F( 3, 117) = 1.59
Prob > F = 0.1952
. *test de la normalité des residu
Fixed-effects (within) regression Number of obs
= 168
Group variable (i): code Number of groups
= 42
R-sq: within = 0.2223 Obs per group:
min = 4
between = 0.4719
avg = 4.0
overall = 0.4331
max = 4
F(6,120)
= 5.72
corr(u_i, Xb) = 0.4522 Prob > F
= 0.0000
------------------------------------------------------------------------------
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4582889 .483487 0.95 0.345
-.4989816 1.415559
roug | -.2190717 .1265995 -1.73 0.086
-.46973 .0315865
motheduc | -.758119 .1926906 -3.93 0.000
-1.139633 -.3766051
acoucsis | -.2700784 .2746772 -0.98 0.327
-.8139202 .2737633
gdppc | .0016068 .0011999 1.34 0.183
-.000769 .0039825
pol_hiv | .7315258 .2602651 2.81 0.006
.216219 1.246833
_cons | 214.3106 16.12429 13.29 0.000
182.3856 246.2355
-------------+----------------------------------------------------------------
sigma_u | 48.831644
sigma_e | 15.056297
rho | .91318543 (fraction of variance due to u_i)
------------------------------------------------------------------------------
F test that all u_i=0: F(41, 120) = 24.08 Prob
> F = 0.0000
. sktest residu
Skewness/Kurtosis tests for Normality
------- joint
------
Variable | Pr(Skewness) Pr(Kurtosis) adj chi2(2)
Prob>chi2
-------------+-------------------------------------------------------
residu | 0.158 0.795 2.09
0.3518
. *test d'homoscedasticité
Source | SS df MS Number of
obs = 168
-------------+------------------------------ F( 6,
161) = 5747.05
Model | 5.0287e+09 6 838123558 Prob >
F = 0.0000
Residual | 23479518.5 161 145835.519 R-squared
= 0.9954
-------------+------------------------------ Adj
R-squared = 0.9952
Total | 5.0522e+09 167 30252819.6 Root MSE
= 381.88
------------------------------------------------------------------------------
residu2 | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 152.3262 4.196293 36.30 0.000
144.0393 160.6131
roug | -72.04528 1.577225 -45.68 0.000
-75.16 -68.93057
motheduc | -239.285 2.374088 -100.79 0.000
-243.9733 -234.5966
acoucsis | -89.08242 2.001651 -44.50 0.000
-93.0353 -85.12954
gdppc | .5608018 .0132142 42.44 0.000
.5347062 .5868973
pol_hiv | 216.0009 3.262524 66.21 0.000
209.5581 222.4438
_cons | 43157.03 111.3058 387.73 0.000
42937.22 43376.83
------------------------------------------------------------------------------
. * correction de l'héteroscedasticité
Linear regression, absorbing indicators Number of
obs = 168
F( 6,
120) = 9.15
Prob >
F = 0.0000
R-squared
= 0.9544
Adj
R-squared = 0.9366
Root MSE
= 15.056
------------------------------------------------------------------------------
| Robust
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | .4582889 .7076847 0.65 0.518
-.9428775 1.859455
roug | -.2190717 .1132868 -1.93 0.055
-.4433716 .0052281
motheduc | -.758119 .2301168 -3.29 0.001
-1.213734 -.3025038
acoucsis | -.2700784 .3393422 -0.80 0.428
-.9419523 .4017954
gdppc | .0016068 .0005645 2.85 0.005
.0004891 .0027244
pol_hiv | .7315258 .2732748 2.68 0.008
.1904607 1.272591
_cons | 214.3106 18.94468 11.31 0.000
176.8014 251.8197
-------------+----------------------------------------------------------------
code | absorbed
(42 categories)
. *test d'endogenéité
Source | SS df MS Number of
obs = 164
-------------+------------------------------ F( 6,
157) = 23.02
Model | 5663.88005 6 943.980009 Prob >
F = 0.0000
Residual | 6437.58416 157 41.0037207 R-squared
= 0.4680
-------------+------------------------------ Adj
R-squared = 0.4477
Total | 12101.4642 163 74.2421117 Root MSE
= 6.4034
------------------------------------------------------------------------------
hiv | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
roug | .1241879 .0259414 4.79 0.000
.0729488 .1754269
motheduc | .0882306 .0403221 2.19 0.030
.0085869 .1678744
acoucsis | .0827753 .0342647 2.42 0.017
.015096 .1504546
muslim | -.0710005 .0180237 -3.94 0.000
-.1066007 -.0354004
vmr | (dropped)
gdppc | .0001004 .0002329 0.43 0.667
-.0003597 .0005605
pol_hiv | -.0177579 .0570255 -0.31 0.756
-.1303941 .0948782
_cons | -5.008685 2.142561 -2.34 0.021
-9.24065 -.7767212
------------------------------------------------------------------------------
Linear regression Number of
obs = 164
F( 7,
156) = 32.42
Prob >
F = 0.0000
R-squared
= 0.5322
Root MSE
= 39.378
------------------------------------------------------------------------------
| Robust
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 2.838934 1.273781 2.23 0.027
.3228514 5.355017
roug | -.9051552 .2210186 -4.10 0.000
-1.341731 -.4685799
motheduc | -1.305785 .3443464 -3.79 0.000
-1.985968 -.6256019
acoucsis | -1.360461 .1929943 -7.05 0.000
-1.74168 -.9792416
vmr | (dropped)
gdppc | .0008388 .0014134 0.59 0.554
-.0019531 .0036307
pol_hiv | .3582408 .2420676 1.48 0.141
-.1199123 .8363939
r_resid | -2.246375 1.374993 -1.63 0.104
-4.962381 .4696315
_cons | 315.1202 14.83378 21.24 0.000
285.8192 344.4211
------------------------------------------------------------------------------
. *test de la validité des instruments
Instrumental variables (2SLS) regression
Source | SS df MS Number of
obs = 164
-------------+------------------------------ F( 6,
157) = 26.02
Model | 242659.399 6 40443.2332 Prob >
F = 0.0000
Residual | 274383.552 157 1747.66594 R-squared
= 0.4693
-------------+------------------------------ Adj
R-squared = 0.4490
Total | 517042.951 163 3172.04265 Root MSE
= 41.805
------------------------------------------------------------------------------
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 2.838934 1.657293 1.71 0.089
-.4345333 6.112402
roug | -.9051552 .2777392 -3.26 0.001
-1.453743 -.3565677
motheduc | -1.305785 .3365818 -3.88 0.000
-1.970598 -.6409724
acoucsis | -1.360461 .2478415 -5.49 0.000
-1.849995 -.8709269
gdppc | .0008388 .0015474 0.54 0.589
-.0022175 .0038952
inst_hiv | .3582408 .3820488 0.94 0.350
-.3963779 1.112859
_cons | 315.1202 19.60188 16.08 0.000
276.4027 353.8376
------------------------------------------------------------------------------
Instrumented: hiv
Instruments: roug motheduc acoucsis gdppc pol_hiv muslim
------------------------------------------------------------------------------
Linear regression Number of
obs = 164
F( 7,
156) = 4.94
Prob >
F = 0.0000
R-squared
= 0.1184
Root MSE
= 39.378
------------------------------------------------------------------------------
| Robust
epsilon | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | -2.246375 .3961061 -5.67 0.000
-3.028798 -1.463951
roug | .2789725 .1824796 1.53 0.128
-.0814771 .6394221
motheduc | .1981991 .2780586 0.71 0.477
-.3510466 .7474448
acoucsis | .1859444 .2136245 0.87 0.385
-.2360254 .6079142
gdppc | .0002254 .00141 0.16 0.873
-.0025597 .0030105
inst_hiv | -.0398909 .2364988 -0.17 0.866
-.5070441 .4272622
muslim | -.1594938 .0976252 -1.63 0.104
-.3523317 .0333441
vmr | (dropped)
_cons | -11.25139 12.20875 -0.92 0.358
-35.36717 12.8644
------------------------------------------------------------------------------
. *prise en compte des variables muettes régionales
Linear regression Number of
obs = 168
F( 10,
157) = 37.38
Prob >
F = 0.0000
R-squared
= 0.6539
Root MSE
= 36.269
------------------------------------------------------------------------------
| Robust
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 1.252978 .3862217 3.24 0.001
.4901176 2.015839
roug | -.5128926 .1726685 -2.97 0.003
-.8539455 -.1718397
motheduc | -1.077929 .2407526 -4.48 0.000
-1.553461 -.6023969
acoucsis | -1.248732 .2066431 -6.04 0.000
-1.656891 -.840573
gdppc | .0004584 .00164 0.28 0.780
-.0027809 .0036977
water | -.2164926 .1871605 -1.16 0.249
-.5861701 .1531848
inst_hiv | -.0017336 .2349717 -0.01 0.994
-.4658473 .46238
west_afr | 46.79417 7.859004 5.95 0.000
31.27116 62.31719
east_afr | (dropped)
central_afr | 36.99559 9.076654 4.08 0.000
19.06748 54.9237
southern_afr | 31.68599 9.474774 3.34 0.001
12.97152 50.40046
_cons | 269.3585 13.57728 19.84 0.000
242.5408 296.1762
------------------------------------------------------------------------------
Linear regression Number of
obs = 168
F( 7,
160) = 38.07
Prob >
F = 0.0000
R-squared
= 0.5794
Root MSE
= 39.604
------------------------------------------------------------------------------
| Robust
im | Coef. Std. Err. t P>|t| [95%
Conf. Interval]
-------------+----------------------------------------------------------------
hiv | 1.136047 .3416004 3.33 0.001
.4614199 1.810674
roug | -.7300074 .1727496 -4.23 0.000
-1.071171 -.3888439
motheduc | -.9940563 .2556647 -3.89 0.000
-1.498969 -.4891437
acoucsis | -1.304065 .2093723 -6.23 0.000
-1.717554 -.8905749
gdppc | .0004228 .0016705 0.25 0.801
-.0028764 .0037219
inst_hiv | .2402728 .2358977 1.02 0.310
-.2256019 .7061476
war | 2.102814 10.73026 0.20 0.845
-19.08839 23.29402
_cons | 302.304 12.23743 24.70 0.000
278.1363 326.4718
------------------------------------------------------------------------------
REFERENCES
BIBLIOGRAPHIQUES
1. Jean-Pierre LACHAUD :
Modélisation des déterminants de la mortalité des enfants
et pauvreté aux Comores Université de Montesquieu Bordeaux IV
France 1996
2. Magali BARBERI : Les
déterminants de la mortalité des enfants dans le tiers-monde
Paris Act. 1991 CEPED
3. Christpher J. RUHR: Marental Leave and
Child Health National Bureau of Economic Research inc. Mai 1998
4. Filmer and Pritchett: Child mortality and
public spending on health: How much does money matter? World Bank October
1997
5. Prachi MISHRA and David NEWHAUSE: Health
aid and infant mortality : Fiscal Affairs and Research Departments; IMF
Working Paper WP/07/100; ; April 2007
6. Jacob ADETUNJI: Trends in under-5
mortality rates and the HIV/AIDS epidemic; Bulletin of the World Health
Organization, 2000, 78 (10);
7. Benoît FERRY :
Démographie, santé de la procréation et
croissance économique durable en Afrique ; Conférence sur la
transition démographique dans les pays en développement ;
Paris 2003
8. UNICEF : Rapport annuel sur la
santé des enfants dans le monde 2000 (du 1er janvier au 31
décembre 1999)
www.unicef.org
9. UNICEF Rapport annuel sur la santé
des enfants dans le monde 2001 ;
www.unicef.org
10. ONUSIDA [(Programme Commun des
Nations-Unis et de l'Organisation Mondiale de la Santé (OMS)]. Le point
sur l'épidémie du SIDA 2006; Décembre 2006
11. UNICEF : Combattre le
VIH/SIDA : Stratégie pour gagnée : 2003-2005 ;
2003 ;
www.unicef.org
12. Groupe des Nations-Unies pour le
développement : Indicateurs pour le suivi des
progrès accomplis dans la réalisation des objectifs du
Millénaire pour le développement ; 2005
13. Chronique du CEPED (Centre
Français sur la Population et le Développement) : Impact
démographique du VIH/SIDA ; N° 44, Juillet 2002
14. Claudio Araujo, Jean-François Brun et
Jean-Louis Combes ; Econométrie (repères, cours et
application) ; (2004)
* 1 Ces indicateurs ont
été élaborés par Kaufman, Kraay et Zoido-Lobato et
comprennent : l'instabilité politique et la violence, le pouvoir
d'influence et la responsabilité, l'efficacité des pouvoirs
publics, la qualité de la régulation, la primauté du droit
et le contrôle de la corruption.
* 2 (Adjetundi, 2000 filmert et
pritchet 1997, Prachi Mishra and David Newhouse 2006)
* 3 Adétunji Jacob ;
2000
* 4 Dans les pays en
développement, plus de deux millions d'enfants sont infectés par
le VIH. Dans la quasi-totalité des cas, le virus a été
transmis par la mère au cours de la grossesse, au moment de
l'accouchement ou après la naissance à l'occasion de
l'allaitement maternel. INED 2006
* 5 Filmer et Pritchett 1997
| 
