WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Fécondité des adolescentes en RDC: recherche des facteurs explicatifs

( Télécharger le fichier original )
par Frédéric POUMBOU
Université de Yaoundé II - Cameroun - Diplôme d'études supérieures spécialisées en démographie 2008
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

b) Principe de la méthode

L'analyse de régression logistique (ou modèle logistique) est un modèle multivarié qui permet de prédire c'est-à-dire d'exprimer sous forme de risque (ou de probabilité) la relation entre une variable Y et une ou plusieurs variables Xi, le plus souvent nominales. Même si la relation entre les variables est statistique, le modèle cherche à établir une relation fonctionnelle de la forme : Y=f (X), où :

- Y caractérise la variable à prédire : elle est dichotomique et prend la valeur 1 pour la modalité étudiée et 0 si non ; et,

- Les Xi caractérisent les i facteurs de prédiction (facteurs de risque ou facteurs pronostiques).

Ce modèle permet de calculer le risque de survenue (ou la probabilité de devenir ou de ne pas devenir mère) de la maternité chez une adolescente lorsque les valeurs des variables Xi sont connues.

c) Equation du modèle et interprétation

Le modèle de régression logistique est un modèle de dépendance qui fait partie d'une classe de modèles dits log linéaires qui ont en commun l'analyse des ratios, qu'ils soient exprimés sous forme logistique ou non (Bocquier P., 1996). Les valeurs fluctuent entre 1 ou 0, selon que l'individu répond à la caractéristique ou non. Dans ce modèle, on distingue deux types de populations :

- celle qui a la caractéristique étudiée (en proportion Pj, P (Y=1)) ;

- celle qui n'a pas la caractéristique (en proportion 1- Pj= P (Y=0)).

La quantité modélisée calculée à partir du rapport des deux populations donne le "Odds Ratio". Un Odds est défini comme une cote (c'est-à-dire le rapport d'une probabilité à son complément) :

Pj

Odds =

1 - Pj

Pj est par exemple la probabilité d'être maman.

On définit l'Odds Ratio (OR) associé à une variable indépendante (par exemple le milieu de résidence) comme suit :

(P1/1 -P1)

OR=

(P0/1- P0)

Si P0 représente la probabilité d'être maman pour une adolescente rurale et P1 celle pour une adolescente citadine, alors un Odds Ratio de 1 signifie que la probabilité d'être maman est la même chez les citadines et chez les rurales. Autrement dit, le risque de maternité précoce n'est pas associé au milieu de résidence. En revanche, un Odds Ratio différent de 1 signifie qu'il y a une association entre la maternité précoce et le milieu de résidence. Si cet Odds Ratio est >1 cela signifie que le numérateur est plus grand que le dénominateur et, par conséquent, que les citadines ont un plus grand risque d'être maman que les rurales. C'est le contraire s'il est <1 (Taffé P., 2004).

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"En amour, en art, en politique, il faut nous arranger pour que notre légèreté pèse lourd dans la balance."   Sacha Guitry