Memoire Online - Réalisation des Objectifs du Millénaire pour le Développement (OMD) au Maroc : Une analyse par un modèle d'optimisation spatiale

III.1.1. Ajustement des modèles liés aux proportions des filles dans l'enseignement

Depuis plusieurs années, l'Etat fournit des efforts colossaux en matière de l'éducation, particulièrement la scolarisation de la fille rurale, qui se sentait privée d'un droit parmi les

plus élémentaires. Par conséquent, le taux de scolarisation de la fille rurale s'est nettement

amélioré. Il avoisine les 83% selon le Ministère de l'Education Nationale. De ce fait l'écart de scolarisation entre les deux sexes a été réduit considérablement. En effet, la proportion des filles dans le primaire avoisine les 50% pour certaines provinces notamment à dominante urbaine. Pour le reste, elle est pratiquement invariante et avoisine les 46%. Ce qui nous a épargné de réaliser une étude économétrique sur l'égalité des sexes au niveau primaire.

Cependant, au niveau collégial les disparités entre les provinces en matière de discrimination à l'égard des filles commencent à apparaître. Elles s'accentuent encore plus en passant au qualifiant et au supérieur. En effet, il se trouve qu'au niveau supérieur certaines provinces atteignent les 57% alors que pour d'autres les filles représentent à peine le quart. Pour expliquer ces disparités provinciales, la pauvreté est encore retenue comme premier facteur déterminant. En effet, quoique celle-ci agisse sur la scolarisation des enfants en général, elle semblerait défavoriser encore plus les filles. La disponibilité des établissements scolaires et les équipements en infrastructures de base jouent également un rôle capital dans

la scolarisation de la fille. Par ailleurs, les routes et les résidences scolaires (« Dar taliba ») serviraient des facilités d'accès à l'école. La parité des sexes dans l'enseignement serait aussi liée au taux d'urbanisation ainsi qu'au taux d'alphabétisation qui semblent la favoriser. En outre les filles issues des familles nombreuses et pauvres ont tendance à quitter l'école pour s'occuper des taches ménagères et éventuellement des frères et soeurs plus jeunes.

Dans notre étude, il était plus intéressant de distinguer entre les différents niveaux de l'enseignement pour bien illustrer les disparités qui pourraient exister en passant d'un niveau

à l'autre. Dans un premier temps, toutes les variables traduisant les facteurs cités ci haut ont

été introduites comme variables explicatives. Pour les niveaux collégial et qualifiant particulièrement, il a fallu introduire le taux d'achèvement du niveau inférieur pour illustrer et capter la tendance de la scolarisation d'une manière générale au niveau de la province.

Cependant, au niveau supérieur, il n'y a que le taux de pauvreté et le taux d'urbanisation qui paraissent pertinents parmi toutes ces variables. Néanmoins d'autres variables pourraient intervenir telles que l'âge au premier mariage et la proportion des femmes parmi les chômeurs qui agiraient positivement et négativement sur les études supérieures des filles (respectivement). Mais vu la colinéarité entre certaines variables comme

le taux d'urbanisation, le taux d'alphabétisation et le taux de branchement en eau potable, il

ne fallait considérer qu'une seule. Le taux d'urbanisation a été retenu étant donné qu'il peut contenir l'information contenue dans les autres.

Il faut signaler aussi que le taux de pauvreté, les taux d'achèvement et la proportion des femmes parmi les chômeurs étant endogènes dans les autres équations, ont été instrumentalisés. La dépense moyenne par tête, la taille moyenne des ménages et le taux de pauvreté en 1994 ont été utilisés comme instruments du taux de pauvreté 2004. Les trois autres variables endogènes ont été approchées par le taux d'alphabétisation. Finalement les modèles définitifs, les résultats des estimations et les interprétations sont présentés dans le

Tableau 15 : Estimation par doubles moindres carrés de l'équation de proportion des filles

Dependent Variable: F_G_ENS_C Method: Two-Stage Least Squares Date: 05/31/06 Time: 11:23

R-squared	0.556266	Mean dependent var	43.02492
Adjusted R-squared	0.506962	S.D. dependent var	5.947786
S.E. of regression	4.176337	Sum squared resid	941.8568
F-statistic	12.75518	Durbin-Watson stat	2.407514
Prob(F-statistic)	0.000000

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	47.27693	7.741303	6.107103	0.0000
PAUV04	-0.440675	0.308997	-1.426150	0.1596
COLLEGE_TETE	8897.046	6402.912	1.389531	0.1704
TX_URBA	0.057512	0.054527	1.054749	0.2962
TX_ACHEV_P	0.000717	0.123271	0.005820	0.9954
T_MOYMEN	-0.026330	1.769854	-0.014877	0.9882
DIS_RGD	-0.221159	0.133954	-1.651010	0.1045

Tableau 16 : Estimation par doubles moindres carrés de l'équation de proportion des filles

Dependent Variable: F_G_ENS_Q Method: Two-Stage Least Squares Date: 05/31/06 Time: 13:11

Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	70.11584	15.91488	4.405679	0.0001
LYCEES_TETE	13633.46	17943.00	0.759821	0.4507
PAUV04	-0.119662	0.313128	-0.382149	0.7039
TX_URBA	0.148691	0.077251	1.924773	0.0595
TX_ACHEV_C	-0.335260	0.362022	-0.926076	0.3585
DIS_RGD	-0.096816	0.164636	-0.588059	0.5589
T_MOYMEN	-2.608568	2.076824	-1.256037	0.2145

Adjusted R-squared	0.344017	S.D. dependent var	6.162637
S.E. of regression	4.991291	Akaike info criterion	3.323008
Sum squared resid	1345.301	Schwarz criterion	3.565239
F-statistic	6.706019	Durbin-Watson stat	1.751606
Prob(F-statistic)	0.000024

Comme premier constat, les variables ressortent individuellement non significatives

mais puisqu'elles sont économiquement pertinentes, il convient d'interpréter leurs signes. En plus, globalement, le modèle s'ajuste bien aux données puisque les p-value des statistiques de Fisher sont inférieures à 5%.

En examinant ces résultats, nous remarquons que la pauvreté et la proportion des filles aux niveaux collégial et qualifiant sont liés négativement. Cela refléterait la situation en milieu rural où la pauvreté est relativement élevée et les taux de scolarisation des filles sont bas. Cette relation traduit l'interdépendance de la pauvreté et l'éducation. Donc une politique visant à améliorer l'éducation ne pourrait être efficace que si celle-ci est couplée avec des mesures de réduction de la pauvreté.

Comme attendu, dans les familles nombreuses les filles ont tendance à quitter l'école, éventuellement pour des raisons évoquées précédemment. Il ne faudrait pas aussi négliger l'effet des routes puisque le coefficient lié à la distance par rapport aux routes goudronnées ressort négatif. Ce qui signifie que plus de routes goudronnées dans les provinces permettrait

à plus de filles d'aller à l'école. La disponibilité en collèges et lycées semble également favoriser la scolarisation des filles ; les coefficients qui les représentent sont en effet positifs.

Par ailleurs, les discriminations des sexes dans l'enseignement restent une réalité des provinces rurales. Le taux d'urbanisation est positivement lié aux deux proportions. Ce qui confirme la nécessité de porter une attention particulière vers le milieu rural dans la mise en place des programmes socioéconomiques. Au niveau du collège, le taux d'achèvement du primaire qui indique la tendance de la scolarisation dans la province favorise plus les filles. Cependant, au niveau du qualifiant, le coefficient du taux d'achèvement au collège ressort négatif. Ce qui parait étrange à première vue, nous pourrions soupçonner tout de même que le taux d'achèvement du collège avantage plus les garçons que les filles contrairement au taux d'achèvement du primaire, puisqu'en général les collèges sont plus loin que les écoles primaires, ce qui décourage encore plus les familles d'envoyer les filles au collège.

Tableau 17 : Estimation par doubles moindres carrés de l'équation de la proportion des filles dans l'enseignement supérieur.

Dependent Variable: F_G_ENS_S Method: Two-Stage Least Squares Date: 05/30/06 Time: 22:36

R-squared	0.148987	Mean dependent var	43.05000
Adjusted R-squared	0.087096	S.D. dependent var	7.229542
S.E. of regression	6.907540	Sum squared resid	2624.276
F-statistic	5.475016	Durbin-Watson stat	1.961360
Prob(F-statistic)	0.000877

AGE_PR_MAR
Variable	Coefficient	Std. Error	t-Statistic	Prob.
C	49.90667	26.85419	1.858431	0.0685
PAUV04	-0.344403	0.177013	-1.945642	0.0568
TX_URBA	0.086312	0.040019	2.156758	0.0354
AGE_PR_MAR	0.199626	0.657894	0.303432	0.7627
F_CHOM	-0.404372	0.538613	-0.750764	0.4560

premier facteur qui entrave la formation des femmes au niveau supérieur. De même, le signe

lié à la proportion des femmes parmi les chômeurs est négatif. Ce qui signifie que la femme étudiante est rapidement découragée par le chômage de ses paires et quitte l'université pour une autre activité et fonder un foyer éventuellement. A cet effet, le coefficient relatif à l'âge

au premier mariage ressort positif. Ce qui justifie le fait que les études de la jeune femme seraient également anéanties par le phénomène de mariage précoce que connaissent certaines localités du pays. D'ou l'urgence d'adoption et de suivi du nouveau Code de la Famille qui fixe l'âge minimum du mariage à 18 ans. Par ailleurs, les provinces les plus urbanisées et donc les plus alphabétisées sont celles qui connaissent le moins de discrimination des sexes

Réalisation des Objectifs du Millénaire pour le Développement (OMD) au Maroc : Une analyse par un modèle d'optimisation spatiale

III. Objectif 3 : Promouvoir l'égalité des sexes et l'autonomisation des femmes

III.1. Egalité des sexes dans l'enseignement