II.2. Evaluation de la qualité des données.
Avant de faire toute analyse de données, la rigueur
scientifique nécessite le contrôle de la qualité des
données dont on dispose en concordance avec l'objet de l'étude.
Cette étape permet de se faire une idée sur la pertinence et la
fiabilité des résultats de l'étude. De manière
générale les données d'enquêtes sont
entachées d'erreurs (échantillonnage, observation...). Lorsque
l'on tire un échantillon pour extrapoler les caractéristiques
observées à l'ensemble de la population, les enquêtes
induisent, de ce fait, un biais qui se traduit par les erreurs
d'échantillonnage.
L'établissement d'un plan de sondage bien adapté
à la population étudiée, l'élaboration
préalable des formules des estimateurs et des intervalles de confiance
avant la phase du terrain contribuent à minimiser ces erreurs. Pour ce
faire, les déviations dues aux erreurs d'observation sont les plus
fréquemment rencontrées dans les données
particulièrement africaines où cela peut bien s'agir d'omissions
(de jeunes enfants, de vieillards, de personnes vivant
isolément...) ; de doubles comptes (d'hommes polygames, de
personnes en déplacement...) ; de déclaration erronée
d'âge.
En effet, Gendreau et Nadot (1967) stipulent que la
déclaration erronée d'âges présente une plus grande
fréquence que les deux autres types d'erreurs d'observation.
L'attraction ou la répulsion de certains âges conduit à des
pyramides très corrompues lorsqu'elles sont tracées par
année d'âges, mais ne prennent que l'allure générale
de la pyramide. Par contre, lorsqu'on tient au rajeunissement ou au
vieillissement systématique de personnes de certains groupes
d'âges, cela nous entraînent à des déformations
importantes de cette répartition. A cela nous mettons l'accent sur la
déclaration d'âges de toutes les jeunes filles et de leur
état matrimonial.
II.2.1. Evaluation de la qualité des données
relatives à l'âge
En se penchant sur les attractions aux âges
ronds, ces derniers sont ceux qui se terminent par les
chiffres 0 ou 5. Ce qui est vrai, est que ne connaissant pas exactement leur
âge, certaines personnes ont tendance à déclarer des
âges se terminant par de tels chiffres dans le but soit de se rajeunir
soit de vieillir. L'analyse de la courbe de population par âge aide
à déceler ce type d'erreurs.
Tableau
II.2: Répartition par âge des adolescents de 15 à 24 ans
dans l'échantillon
|
AGES
|
Sexe
|
Total
|
|
Masculin
|
Féminin
|
|
Effectifs
|
%
|
Effectifs
|
%
|
Effectifs
|
%
|
|
15
|
703
|
17,7
|
594
|
10,5
|
1297
|
11,6
|
|
16
|
650
|
11,8
|
572
|
10 ,1
|
1222
|
10,9
|
|
17
|
578
|
10,5
|
608
|
10,7
|
1186
|
10,6
|
|
18
|
596
|
10,8
|
591
|
10,4
|
1187
|
10,6
|
|
19
|
489
|
8 ,9
|
460
|
8,1
|
949
|
8,5
|
|
20
|
544
|
9,9
|
572
|
10,1
|
1116
|
10
|
|
21
|
392
|
7,1
|
446
|
7 ,9
|
838
|
7,5
|
|
22
|
535
|
9,7
|
542
|
9,6
|
1077
|
9,6
|
|
23
|
503
|
9,1
|
646
|
11,4
|
1149
|
10,3
|
|
24
|
510
|
9,2
|
608
|
10,7
|
1118
|
10
|
|
TOTAL
|
5500
|
100
|
5639
|
100
|
11139
|
100
|
Sources : nous-mêmes à partir de la base de
données de MICS4-RDC
Il ressort de ce tableau que dans l'ensemble que les
déclarations d'âges n'ont pas du connu le fait d'attraction aux
âges ronds. Du moins une grande proportion de la population cible est
âgée de 23ans (11,4%).
De manière générale, certains indices
analytiques sont utilisés pour mesurer l'attraction dans la
déclaration d'âges ronds 0 et 5(indice de Whipple) et d'autres
mesurant la préférence de tous les chiffres de 0 à 9
(indice de Myers) ; ces indices permettent à donner un ordre de
grandeur à la qualité de la déclaration d'âge en
termes de structure par âge. Or, pour Harouna, (1998) cité par
Modieli (2008), si souvent, il est fréquent d'utiliser le regroupement
en groupes d'âge quinquennaux comme un moyen de dissimuler les
attractions. Mais cette façon de faire n'est pas toujours valable car
toutes les analyses ne peuvent être faites sous forme d'âges
groupés.
| 
