II.C. LE MODÈLE INITIAL
Pour saisir l'impact des politiques RDR sur l'infection du VIH
sida, on a choisi le modèle linéaire suivant :
PREVIDU = + 1 IDUEFFECTIF +2
INCIDRATE +3 MEANAGE + 4OVERDOSE + 5 CHOMAGE +
6 PIBHABPPA + 7 VALEURIDH + 8 TRAITEMENT+
10 CLIENTS +11 CENTRE +12 PES +
Pour estimer les différents paramètres
(désignés par les ), on fait un certain nombre
d'hypothèses. Une de ces hypothèses est que la relation entre la
variable endogène et la variable exogène est linéaire. Une
autre hypothèse est que la variable endogène observée
possède un élément aléatoire qui doit remplir les
conditions de Gauss-Markov.
Dès lors que toutes ces conditions seront remplies,
l'estimateur des Moindres Carrés Ordinaires ou MCO sera non
biaisé et à variance minimale.
II.C.1. LE MODÈLE FINAL
L'échantillon d'étude a été
analysé en coupe instantanée ou analyse transversale. Certaines
variables ont dû être transformées avant d'être
intégrées dan le modèle. En effet, certaines ont
été transformées en logarithme népérien afin
de minimiser les écarts entre les valeurs, tandis que d'autres ont
dû être transformées en puissances pour mieux saisir l'effet
seuil. Pour estimer les paramètres, nous avons utilisé la
régression multiple par l'estimateur MCO consiste à minimiser la
somme des écarts entre les valeurs observées.
Les résultats de la régression finale sont les
suivantes (annexe 1) :
PREVIDU = 163,8215 +
0,000011 IDUEFFECTIF + 1.2012
INCIDRATE - 0,0257 MEANAGE + 0,00567 OVERDOSE
- 0,15951 CHOMAGE + 0,0000994 PIBHABPPA -
173,11 VALEURIDH -0.00314 TRAITEMENT +
0,000426 CLIENTS + 0,241 CENTRE
-3,87.10-6 PES +
Le pouvoir explicatif est de 0.501. Les variables explicatives
du modèle expliquent à 50 % la variabilité du taux
d'incidence du VIH/Sida.
II.C.2. II.3.2 LES TESTS D'HYPOTHÈSES
ÉCONOMÉTRIQUES
Pour estimer les différents paramètres du
modèle par la méthode MCO, il convient de réaliser un
certain nombre des tests économétriques car cet estimateur est
sans biais et convergent sous certaines conditions.
a) Le test de normalité.
Le test de normalité des résidus qui permet de
voir la distribution de l'écart aléatoire. Ce test s'avère
très nécessaire étant donné qu'on est en
présence d'un échantillon très réduit et que la
valeur aberrante aurait plus d'influence sur les résultats (annexe
2).
Le coefficient d'asymétrie ou «skewness» est
égal à 0,6315624 tandis que celui qui mesure l'épaisseur
de la queue de distribution ou « kurtosis » est égal
à 2.929241.
Ces deux coefficients nous permettent de calculer la
statistique de Jarque-Bera donnée par la formule : JB =
N[B1/6 + (B2-3)²/24] qui est égale à 5,27.
Cette statistique étant inférieur à celle
lu dans les tables du ChiDeux à deux degrés de liberté qui
est de 5,99.On accepte l'hypothèse nulle de normalité des
résidus, avec un risque de 5%. La figure ci-dessous montre que la
distribution de l'écart aléatoire de notre échantillon est
normale
On conclut que l'élément aléatoire est
distribué suivant une loi normale. Ce qui satisfait à un des
conditions de Gauss Markov.
| 
