Section 1 : ESTIMATION DU MODELE
L'analyse des facteurs qui influencent la probabilité
qu'un enfant meurt avant son cinquième anniversaire est mis en
évidence par l'estimation de l'équation MORTA. Nous avons fait
l'hypothèse que certaines variables socio-économiques,
culturelles et maternelles telles que :
Le sexe de l'enfant, la vaccination, les soins
prénataux, activité de la mère, niveau d'instruction de la
mère, le rang de naissance, l'ethnie, la religion, l'âge de
l'enfant, la dépense journalière de consommation et l'âge
de la mère à l'accouchement influencent la mortalité
infanto-juvénile. En guise d'outil d'interprétation de nos
résultats de l'estimation, nous avons, en outre, calculé les
effets marginaux.
1-1 Calculs des effets marginaux
Selon le principe des effets marginaux, il s'agit d'avoir une
idée de la sensibilité de la probabilité de
l'événement par rapport à des variations dans les
variables explicatives. Cette sensibilité est généralement
fournie par le calcul de l'effet marginal, c'est-à-dire la
dérivée de la probabilité estimée par rapport aux
composantes de i (Alban Thomas, 2000).
Posons
(7)
(8)
n
prob y
( ) ( ) ( )
= =
1 F X i F
â â 0 â
= + i X i
i = 1
On appelle effet marginal la quantité :
? prob yi
( )
= 1
ef j =
?Xi
? F
ef =â j j
= â j ( i
â
f X
? X j
)
(9)
Ainsi donc si Xj varie de
Xj + 1 alors, la probabilité varie de
efj . C'est donc un outil de surveillance de
l'évolution de la probabilité prédite (voir tableau
4.1).
1-2 Résultats des régressions
Nous avons utilisé le logiciel stata 9 pour l'estimation
de notre modele et les résultats sont présentés dans le
tableau 4. 1
Tableau 4-1 Résultat de l'estimation du
modèle MORTA
Log de vraisemblance = -30,803845 Nombre d'observations = 146
LR chi2 (17) = 75,19 Prob > chi2 = 0,0000 Pseudo
R2 = 0,5496
|
Variables
|
Coefficients
|
Écart-type
|
Z
|
P(z)
|
Effets marginaux
|
|
Allaitsein
|
-0,9996283
|
1,041837
|
-0,96
|
0,337
|
-0,0369717
|
|
rangnais 2
|
-6,189308
|
2,666698
|
-2,32
|
0,020
|
-0,1489331
|
|
rangnais 1
|
-6,876481
|
3,097347
|
-2,22
|
0,026
|
-0,1443792
|
|
rangnais 4
|
-1,543244
|
1,951733
|
-0,79
|
0,429
|
-0,0253651
|
|
rangnais 3
|
-2,867953
|
2,278523
|
-1,26
|
0,208
|
-0,0541941
|
|
rangnais 5
|
-2,386983
|
2,062857
|
-1,16
|
0,247
|
-0,0299943
|
|
vacc
|
-5,488882
|
1,247712
|
- 4,40
|
0,000
|
-0,5268123
|
|
ageenf
|
-1,04009
|
0,4240879
|
-2,45
|
0,014
|
-0,0290238
|
|
depjc
|
0,0005525
|
0 ,0006413
|
0 ,86
|
0,389
|
0,0000154
|
|
agemerea
|
-0,1645992
|
0,103601
|
-1,59
|
0,112
|
-0,0045932
|
|
Secondaire
|
-3,526916
|
1,753934
|
-2,01
|
0,044
|
-0,0386137
|
|
primaire
|
0,1642266
|
0,9290669
|
-0,18
|
0,860
|
0,0046655
|
|
salarié
|
0,8609932
|
1,706083
|
0,50
|
0,614
|
0,034753
|
|
sexema
|
-0,0477057
|
0,7539143
|
-0,06
|
0,950
|
-0,0013346
|
|
autoempl
|
-0,6801409
|
0,9184926
|
-0,74
|
0,459
|
-0,0171276
|
|
etuelev
|
0,997462
|
1,701633
|
0,59
|
0,558
|
0,0422777
|
|
chrétienne
|
-1,840055
|
0,9124641
|
-2,02
|
0,044
|
-0,0594767
|
Source : Résultats de nos estimations
Dans un modèle Logit, on teste la
significativité globale du modèle au seuil de 5 % pour voir si
les variables utilisées conviennent pour l'estimation, ici notre
modèle est globalement significatif avec (Prob > chi2 = 0.000).
Le test de corrélation montre que les variables
explicatives ne sont pas fortement corrélées, ce qui montre que
la régression est de qualité. (Voir annexe 2)
Pour tester individuellement la significativité des
coefficients du modèle, on regarde leur probabilité respective (P
value) au seuil de 5%.
Le test de significativité individuel des
paramètres au seuil de 5% révèle que le statut vaccinal,
le rang de naissance, le niveau d'instruction de la mère, âge de
l'enfant et la religion de la mère sont les variables pertinentes.
L'activité de la mère, l'âge de la mère à
l'accouchement, le mode d'allaitement, le sexe et la dépense
journalière de consommation sont non significatives.
|
|
