Memoire Online - Impact de l'adoption des variétés améliorées de riz sur la scolarisation et la santé des enfants au Bénin: Cas du département des collines

S'étalant sur une superficie de 2.674 km2 représentant ainsi 2,37% du territoire national, la Commune de Savalou est limitée au Nord par la Commune de Bantè, au Sud par la Commune de Djidja (Zou), à l'Est par les Communes de Dassa-Zounmè et de Glazoué et à l'Ouest par la République du Togo. Administrativement, elle compte cinquante deux (52) villages et dix-sept (17) quartiers de ville répartis dans quatorze (14) arrondissements que sont : Savalou-Aga, Savalou-Agbado, Savalou-Attakè, Djaloukou, Doumè, Gobada, Kpataba, Lahotan, Lèma, Logozohè, Monkpa, Ouèssè, Ottola et Tchetti.

Jouissant d'un climat sub-équatorial avec deux saisons de pluies et deux saisons sèches, la Commune de Savalou est sur une pénéplaine avec des dômes isolés appelés inselbergs et des petites chaînes dont l'une s'étend sur près de 20 km donnant à la Commune son appellation du " pays de la chaîne des collines".

Les sols les plus répandus sont les sols ferrugineux tropicaux avec par endroit des étendues de concrétions. On distingue aussi des sols hydromorphes, des vertisols. La végétation est composée par endroit de galeries forestières, de forêts denses sèches, semi-décidues, de forêts claires ; de savanes boisées, arbustives et saxicoles.

La population est estimée à 104.749 habitants dont 50.163 (47,89%) hommes et 54.586 (52,11%) femmes. Les groupes socio-culturels les plus majoritaires sont le Fon et le Mahi. A côté de ceux- ci, viennent le groupe Yoruba et apparentés (Ifè, Itcha, Idaatcha) et les quelques minorités linguistiques comme les Adja, les Bariba, les Peuhl, les Otamari, les Yom Lokpa etc.

Le potentiel économique de la Commune de Savalou repose fondamentalement sur l'agriculture. Cette activité a occupé en 2003, 40.561 habitants dont 19.648 hommes (CARDER, sous secteur Savalou). Les principales cultures sont : le maïs, le niébé, le riz, l'igname, le manioc, l'anacarde et des cultures maraîchères.

L'élevage est majoritairement pratiqué par les Peuhl. La pêche quant à elle est pratiquée de façon isolée et ne constitue qu'une activité secondaire pour les habitants de la Commune.

Sur le plan sanitaire, la Commune dispose d'un hôpital de zone, d'un Centre Communal de Santé, de onze (11) Centres de Santé d'arrondissement, de quatorze (14) dispensaires, de vingt-deux (22) maternités isolées et de vingt-deux (22) unités villageoises de santé.

En matières d'infrastructures scolaires, la Commune de Savalou dispose d'au moins quatre (4) écoles primaires par arrondissement

Le Département des Collines a été retenu pour cette étude non seulement parce qu'il est l'un des milieux qui offre des conditions favorables pour la culture de riz mais aussi à cause de sa performance en matière de superficies réalisées en riz à chaque campagne. En effet, selon les statistiques du CeRPA (ex-CAEDER) (2002), ce département a toujours réalisé les 85% environ des superficies cultivées en riz dans la région Zou-Collines.

Au sein de ce Département, nos choix ont été portés sur les communes de Dassa-Zoumè, de Glazoué et de Savalou. En effet, ces Communes sont, d'une part les plus reconnues en matière de production rizicole dans la zone car elles concentrent la majorité des bas-fonds qui constituent des écologies les plus propices à la production de riz et d'autre part, non seulement elles sont sujettes aux interventions de beaucoup d'institutions (INRAB, ADRAO) et d'Organisations Non Gouvernementales en matière de la vulgarisation des nouvelles technologies de production de riz (variétés améliorées, aménagement des bas-fonds, utilisation des herbicides, etc.), mais aussi elles ont toujours produit à elles seules plus de 80% du riz local total du département. (Midingoyi, 2003 ; Adégbola et Midingoyi, 2004).

L'étude a été effectuée dans les mêmes villages que ceux retenus par PAPA (2004). Des considérations pratiques ont guidé le choix de ces villages. En effet, ce choix a tenu compte de la diversité des systèmes de culture de riz (aménagement ou non des bas-fonds, maîtrise ou non de l'eau, utilisation ou non des variétés améliorées de riz, utilisation ou non de la fumure minérale, de la traction mécanique ou motorisée, etc.) dans cette zone mais surtout des villages d'introduction des variétés améliorées de riz en l'occurrence les NERICAs par la vulgarisation. Ainsi, pour chaque village d'introduction retenu, un village proche l'a été également. De même, ces villages devraient être accessibles au cours de la période d'enquête.

Vingt-quatre (24) villages ont été sélectionnés au total à raison de douze (12) dans la Commune de Dassa-Zounmè, dix (10) dans la Commune de Glazoué et deux (2) à Savalou (confère Tableau 3- 1)

Département Commune	Village
	Nombre Noms

Adourékoman, Atogbo, Gomè, Houala, Glazoué 10 Kpakpaza, Kpakpa-Zounmè, Ouèdèmè,

Comme signalé plus haut, cette étude s'est basée sur le même échantillon que celui de PAPA (2004). Ainsi, après avoir procédé à un recensement exhaustif des producteurs de riz dans tous les villages retenus, l'échantillonnage aléatoire a permis à PAPA de dégager un effectif de quinze (15) producteurs /productrices par village, soit un total de 360 enquêtés.

Mais compte tenu de la disponibilité des paysans et du temps imparti pour cette recherche, tous ces 360 paysans n'ont pas pu être enquêtés. Au total, 304 producteurs / productrices de riz l'ont été.

Les données collectées sont à la fois quantitatives et qualitatives. Elles proviennent essentiellement de sources primaires et concernent les caractéristiques sociales des producteurs / productrices de riz (éducation, sexe, accès au crédit, à l'information, au foncier etc.), la taille des exploitations et les spéculations pratiquées par le paysan, la ou les variétés de riz cultivées, les quantités d'intrants utilisées, la main-d'oeuvre utilisée, la production totale obtenue pour le riz, le revenu issu des autres cultures pratiquées, les activités para-agricoles génératrices de revenus, etc. Ces données primaires ont été mesurées à l'aide des questionnaires structurés et standardisés.

Cependant, les données relatives aux environnements biophysique et institutionnel sont secondaires et proviennent de la documentation dans les différentes structures telles que la BIDOC-FSA, la PAPA, l'INRAB, l'INSAE, le PNUD, le MAEP, le CARDER, l'ADRAO, l'IITA etc.

La majeure partie des données utilisées lors de cette étude provient des enquêtes sur le terrain. Etant donné l'impératif du temps lié aux exigences académiques et les moyens financiers disponibles, les données ont été collectées par passage unique où il est fait appel à la mémoire des producteurs et productrices de riz. En effet, pour la collecte des données sur les quantités de production obtenue, et dans le but de faciliter l'estimation, il a été demandé aux paysans d'utiliser les unités locales de mesure de riz.

Pour la collecte des données sur les dépenses liées à la scolarisation des enfants, nous avons retenu l'année académique 2004-2005 pour faciliter l'estimation. Aussi, avons-nous subdivisé ces dépenses en des dépenses liées à l'achat de fournitures scolaires, d'uniformes et autres, tout ceci dans le but de limiter au maximum les erreurs d'estimation.

De la même façon, la collecte des données sur la santé des enfants a concerné les huit derniers mois de l'année. Les différentes dépenses en matière de santé des enfants ont concerné uniquement les soins curatifs.

Notre souci constant a été de minimiser autant que possible les écarts à la réalité.

La méthode d'analyse utilisée, dans le but d'atteindre les objectifs fixés par cette étude, est essentiellement quantitative. Toutefois, elle a été complétée par la méthode qualitative afin de pouvoir expliquer certains faits d'ordre institutionnel, sociologique et culturel.

Les données ont été saisies à l'aide du logiciel ACCESS 2000, l'analyse effectuée à l'aide des logiciels SPSS version 12 et STATA version 9 et le traitement de texte réalisé avec le logiciel WORD 2000.

La statistique descriptive telle que les fréquences, les paramètres de position (moyenne arithmétique), de dispersion (écart-type) a été utilisée pour décrire les caractéristiques des ménages.

Cette étude utilise l'approche économétrique basée sur le calcul de l'Effet Moyen de Traitement (ATE) pour évaluer l'impact des variétés améliorées de riz sur les conditions de vie des riziculteurs étudiées.

Dans la littérature, plusieurs approches sont utilisées pour évaluer l'impact des changements technologiques ou politiques à savoir l'approche dite "naïve", l'approche expérimentale et l'approche non-expérimentale.

La première approche, c'est-à-dire celle dite "naïve" consiste à prendre un échantillon aléatoire de participants et de non-participants au programme (ou d'adoptants et de non-adoptants de la technologie) et à utiliser la différence simple des résultats moyens observés des deux groupes comme l'estimation de l'impact du programme ou de la technologie. Cet estimateur est potentiellement biaisé (Heckman, 1990 ; Diagne, 2003) et ne prend pas en compte les caractéristiques socio-économiques des exploitants ; il correspond à la méthode d'estimation utilisée couramment dans la littérature managériale, et donne des résultats similaires à l'analyse exploratoire.

C'est donc pour résoudre le problème des éléments "non factuels" et générer des estimations sans biais des résultats d'impact que les approches expérimentales (expérience sociale ou randomisation) et non-expérimentales ont été développées.

La conception expérimentale ou aléatoire consiste à réunir un groupe de personnes (ou toute autre unité d'analyse) ayant les mêmes droits et acceptant de participer au programme, et de les assigner de façon aléatoire en deux groupes : le groupe de ceux qui bénéficieront de l'intervention (groupe de traitement) et celui de ceux qui n'en bénéficieront pas (groupe de contrôle). Les participants au programme ayant été choisis au hasard, toute différence avec les non-participants est seulement due au traitement. C'est la raison pour laquelle les conceptions expérimentales sont généralement considérées comme étant les plus fiables (estimations non biaisées) et donnant les résultats les plus faciles à interpréter (Cochrane et Rubin, 1973 ; Bassi, 1984). Cependant, ce type d'évaluation est difficile à appliquer dans la pratique, car posant des problèmes d'éthique dans le cas des phénomènes sociaux.

Les économistes utilisent donc essentiellement l'approche non-expérimentale en se basant sur les théories économiques et économétriques pour guider l'analyse et minimiser les erreurs potentielles dans l'estimation des impacts (Diagne, 2003). En effet, les conceptions non-expérimentales sont utilisées lorsqu'il n'est pas possible de sélectionner un groupe de contrôle ou de comparaison. On peut comparer les participants au programme avec les non-participants, en faisant appel à des méthodes statistiques pour tenir compte des différences constatées entre les deux groupes. Il est possible, à l'aide d'une analyse de régression, d'obtenir un "contrôle" de l'âge, du revenu, du sexe et autres caractéristiques des participants. Ce type de conception d'évaluation est relativement peu onéreux et facile à appliquer, mais l'interprétation des résultats n'est pas directe et les résultats eux- mêmes peuvent être moins fiables.

Supposons que nous souhaitons déterminer l'effet d'un changement technologique sur un

indicateur de résultat défini par y, le revenu par exemple. Soient v ₁et v₀ deux variables

aléatoires qui représentent le niveau du revenu pour un individu i s'il utilise ( v ₁) la nouvelle

technologie ou pas ( v ₀ ). Soit la variable binairewi 1lorsqu'il a adopté la technologie et wi 0, .7

si non. L'effet causal de l'adoption de la technologie pour cet individu i est la différence entre y et y₀ :

y -- y1^--

y₀ (¹)

Mais la principale difficulté rencontrée dans l'estimation de A y est que, pour un individu donné,

la variable d'intérêt est observée soit suite au traitement, soit dans le cadre de référence, mais jamais les deux à la fois. En d'autres termes, lorsqu'intervient un changement technologique, on ne peut pas observer ce que seraient les différents résultats sans le changement, et s'il n'intervient pas on ne peut pas observer ce qui se passerait si le changement intervenait effectivement ( Rubin, 1974 ; Diagne, 2003 ; Roy, 1951 et Holland, 1986 cités par Bassole, 2004). Dans la littérature économétrique sur l'étude d'impact, cette donnée manquante est appelée le "contre-factuel" (les éléments non factuels) (Rubin, 1977).

Cependant, Rosenbaum et Rubin (1983), dans leur étude intitulée "The Central role of Propensity
Score in Observaltional Studies for Causal Effect", ont eu à démontrer qu'on pourrait déterminer
un effet causal moyen du changement technologique au sein d'une population si on admet une

hypothèse d'indépendance conditionnelle entre v1 ., , v₀ et w . Leur idée consiste à faire la

différence entre le niveau moyen de l'indicateur des bénéficiaires et celui des non bénéficiaires. On obtient alors l'effet moyen du traitement (ATE)³.

Cet indicateur mesure l'impact de la technologie sur un individu tiré au hasard dans la population, ce qui est encore égal à la moyenne d'impact de la technologie sur la population entière (Heckman, 1997 ; Wooldridge, 2002).

Une autre quantité qui a été l'objet de plus d'attention dans cette littérature d'impact, est l'effet moyen de traitement sur le traité communément noté ATE1⁴.

³ On utilise le sigle anglais de l'effet moyen du traitement, " Average Treatment Effect".

Comme son nom l'indique, ÁÔÅ₁ est la mesure de l'impact du programme ou de la technologie au sein de la sous-population ayant adopté la technologie.

De façon précise, avec w~ , la variable d'intérêt observée peut s'écrire comme suit :

En supposant la variable du traitement_w statistiquement indépendant de (y₀, y₁) , comme c'est

le cas lorsque le traitement est aléatoire, l'estimation de ATE devient simple avec l'utilisation de l'équation (4). Nous avons :

Sous cette hypothèse d'indépendance, ATE_et ATE₁ sont obtenus par la différence des moyennes dey pour les traités (adoptants) et les non traités (non-adoptants).

Mais cette hypothèse d'indépendance des moyennes est souvent inapplicable pour les évaluations
des programmes en ce sens que la participation à un programme ou l'adoption d'une technologie

par un individu dépend du bénéfice (y₁-- y₀) qu'il espère tirer du programme ou de la

technologie, en d'autres mots, ceci pose le problème d'auto-sélection dans l'adoption d'une technologie.

Pour corriger ce biais et pouvoir estimer de façon consistante ATE et ATE₁ , plusieurs méthodes

sont proposées dans la littérature sur l'évaluation d'impact. Ces méthodes peuvent être catégorisées en deux. Il s'agit de la méthode semi-paramétrique et celle paramétrique. La méthode semi-paramétrique permettra d'évaluer l'impact des variétés améliorées de riz et celle paramétrique permettra d'analyser les facteurs affectant la scolarisation et la santé des enfants.

La méthode semi-paramétrique est issue de la combinaison des méthodes paramétrique et non paramétrique. Ainsi, dans un premier temps, on estime le score de propension (ProPensity score) qui n'est rien d'autre que la probabilité prédite de l'adoption de la technologie. Cette méthode a été proposée par Rosenbaum et Rubin (1983) pour réduire le biais dû au fait que l'on ne peut observer le résultat d'un adoptant actuel s'il n'avait pas adopté, et le résultat d'un non-adoptant actuel s'il avait adopté. Pour ces auteurs, le score de propension se définit comme la probabilité conditionnelle d'avoir adopté la technologie étant donné un vecteur x des caractéristiques observables qui déterminent l'adoption :

Rosenbaum et Rubin (1983) ont aussi démontré que si en plus de l'hypothèse d'indépendance
conditionnelle, P(x) remplit la condition : 0 < Ñ(x) <1, alors, ATE _et ÁÔÅ₁ Peuvent s'écrire de la

ÁÔÅ = Å

[(w - P(x)) y P(x)( P(x)) (9) ?

Estimer les équations (9) et (10) reviennent d'abord à estimer p(.) par un modèle de régression

Probit ou Logit (Wooldridge, 2002) et ensuite, utiliser la valeur estimée P(x) pour obtenir ATE _et ÁÔÅ₁ en remplaçant l'espérance conditionnelle par l'échantillon de taille finie :

où wi est le statut d'adoption de l'individu i ; Y_i est la variable d'intérêt (le outcome) ;

La méthode paramétrique comprend les méthodes de régression (régression simple et celle basée sur le score de propension) et de Variables Instrumentales (VI).

Reprenons les deux variables aléatoires Y₁et Y₀ qui représentent le niveau du revenu pour un individu i s'il utilise la nouvelle technologie ( Y ₁) ou pas ( Y_o). En décomposant chaque contre- factuel en fonction des éléments observables (x ), nous pouvons écrire :

Å(Y / w, x)=u_o + áw + g_o (x) + (x) - g_o (x).1 (16)
Où a ATE; g_o (x) Å(_Vo / x) et g(x) Å(V/11x).

L'estimation de l'équation (19) donne une valeur consistante de ATE (Wooldridge, 2002).

Cette méthode n'est que le prolongement de la méthode de régression simple. Les pionniers de cette méthode sont Rosembaum et Rubin qui, en 1983, ont proposé que l'équation (19) peut être estimée en utilisant la probabilité d'adopter une technologie étant donné les éléments observables (x) c'est-à-dire p(x) ? Ñ(w =1/ x) . En effet, ces auteurs ont prouvé que, sous l'hypothèse

d'indépendance conditionnelle de ( y^1, y ₀) et w sur x , (y 1, y_P ) et w sont aussi indépendant
étant donné p(x). Et c'est cette fonction p(x) qui, dans la littérature d'impact, est

appelée"propensity score" ou "score de propension" (en français). Pour preuve, ils ont montré que :

Å(w / y_o , y₁, p(x)) = Å[Å(w/ y_o, x)/y_o, y₁,p(x).1= Å(p(x) / y_o, y₁, p(x)) = p(x)

La méthode de W part aussi de l'équation (19) et est plus adaptée pour générer des estimateurs consistants lorsque, l'hypothèse d'indépendance conditionnelle n'est plus assurée. De plus, cette méthode est fréquemment suggérée dans la littérature lorsque les données disponibles sont issues d'une seule enquête transversale.

En réécrivant la variable d'intérêt comme c'était le cas dans l'équation (19), nous avons :

où Z est l'ensemble des variables influençant l'adoption. O_i est le vecteur de coefficients.

L'équation (22) montre que w est endogène dans l'équation (21). Par conséquent, w et w.(x -- w) ont besoin d'instruments. Ainsi, si q q(x, z) désigne l'ensemble d'instruments de w, alors l'instrument naturel de w * x est q * x (Wooldridge, 2002).

Alors, l'équation (21) sera estimée de la façon suivante : (Wooldridge, op.cit)

en utilisant les instruments 1, G_i	,x_i et Gi(xi^-x)

A la place des instruments G_i et_xi , nous pouvons utiliser z_i qui n'est rien d'autres que l'ensemble des variables influençant directement w, mais indirectement y_i (la variable d'intérêt).

Impact de l'adoption des variétés améliorées de riz sur la scolarisation et la santé des enfants au Bénin: Cas du département des collines

3-2-4- Commune de Savalou