Memoire Online - Analyse multidimensionnelle de l'avortement en république du congo

À ma mère OUMBA ALICE ; ma fille GANGAT-GFASTU Rébecca Vertu et ma fiancée KAYI M. Faïda Chrislène.

REMERCIEMENTS

Qu'il nous soit permis d'exprimer nos profondes gratitude et reconnaissance, à tous ceux qui de près ou de loin ont contribué au bon déroulement de notre stage ainsi qu'à ceux qui ont voulu rehausser la qualité de ce document. Il n'a pu être réalisé que mutuellement avec notre coéquipier stagiaire (Gaston DIKWE, IAS 3) que nous remercions indéfiniment.

Ø Monsieur Samuel AMBAPOUR, Directeur Général du CNSEE, qui a bien voulu nous accueillir dans sa structure. Nous lui remercions davantage pour l'attention qu'il nous a portée et pour ses conseils multiformes sur le plan professionnel ;

Ø Monsieur Dominique KIMPOUNI, Directeur de la coordination et de l'harmonisation statistique, qui nous a fait montre d'abnégation durant notre stage ;

Ø Monsieur Gabriel BATSANGA, Directeur des statistiques démographiques et sociales, qui nous a accueilli dans sa direction où nous étions précisément affectés ;

Ø Notre encadreur, Monsieur Etienne MAHOUKOU, chef de service des études démographiques à la DSDS, pour ses précieux conseils sans lesquels ce travail n'aurait pas été réalisé jusqu'au bout ;

Ø Monsieur Jean BILONGO, Mesdames Elisabeth MBOUSSI et Honorine SOLO et tous les autres cadres du CNSEE que nous avons pu côtoyer, pour nous avoir fait connaître davantage les réalités professionnelles.

Nos remerciements s'adressent aussi à Monsieur Léoncio F. ESONO Nze OYANA, Directeur Général de l'ISSEA et à tout le personnel de l'ISSEA pour nous avoir donné une formation professionnelle significative ; à l'endroit de nos autres camarades stagiaires Théophile ROTOUDJIMAYE, Remy MEZUI et Romain NIBE, avec qui nous avons passé d'agréables moments à Brazzaville ; et à notre ami et frère, Aymar Sylver MALONGA M, pour sa documentation et ses pertinentes suggestions.

Je ne saurais terminer cette page sans exprimer mes tréfonds gratitudes à mes soeurs et frères consanguins et à la famille KAYI, qui sans relâche m'ont apporté leurs indéfectibles soutiens moral et matériel.

Que ceux qui n'ont pas été énumérés ici, trouvent également l'expression de ma totale reconnaissance.

SOMMAIRE

SIGLES ET ABRÉVIATIONS

ACH ou CAH	Classification Ascendante Hiérarchique
ACP	Analyse en Composantes Principales
AD	Analyse discriminante
AFC	Analyse Factorielle des Correspondances^1(*)
ACM	Analyse des Correspondances Multiples
AFRISTAT	Observatoire Économique et Statistique d'Afrique Subsaharienne
CNSEE	Centre National de la Statistique et des Études Économiques
CNLS	Conseil National de Lutte Contre le Sida
CO2	Cosinus carrés
DSDS	Direction des Statistiques Démographiques et Sociales
DSRP	Document de Stratégie de Réduction de la Pauvreté
DHS	Demographic and Health Survey
EDSC-I	Enquête Démographique et de Santé au Congo (première édition)
IAS	Ingénieurs d'Application de Statistique
ISSEA	Institut Sous- Régional de Statistique et d'Économie Appliquée
IST	Infections sexuellement transmissibles
MCF	Méthode Contraceptive future
NEPAD	Nouveau Partenariat pour le Développement de l'Afrique
OMS	Organisation Mondiale de la santé
OMD	Objectifs du Millénaire pour le Développement
ONU	Organisation des Nations Unies
ORC Macro	Opinion Research Corporation Macro
PCT	Parti Congolais du Travail
PPTE	Pays Pauvres Très endettés
PNP	Politique Nationale de Population
PC	Programme de Coopération
PNLCS	Programme National de Lutte Contre le Sida
PNDS	Programme National de Développement Sanitaire
RGPH	Recensement Général de la Population et de l'Habitat
RC	République du Congo
SPAD	Système Pour l'Analyse des Données
SPSS	Statistical Package for the Social Sciences
UNFPA	Fonds des Nations Unies pour la Population
UNICEF	Fonds des Nations Unies pour l'Enfance

AVANT-PROPOS

Le programme d'étude dans la division des Ingénieurs d'Application de la Statistique (IAS) à l'Institut Sous-régional de Statistique et d'Économie Appliquée (ISSEA), dans un souci de faire acquérir significativement aux futurs IAS des compétences relatives aux réalités professionnelles auxquelles ils feront face, inclus un stage académique. Ce stage pour les élèves de 3^ième année est destiné à leur permettre d'appliquer quelques unes des disciplines qu'ils ont apprises, stage pendant lequel les stagiaires effectuent un travail statistique sur l'inventaire et la description des sources de données statistiques au sein de leur structure d'accueil d'une part, collecter les données, en accord avec un tuteur de stage et dont ils procéderont à une brève analyse d'autre part, et fera l'objet d'une soutenance devant un jury convenablement choisi par l'ISSEA.

Voila la perspective dans laquelle s'inscrit ce travail rapportant ainsi notre stage effectué du 02 juillet au 10 septembre à la DSDS (Direction des Statistiques Démographiques et Sociales) du Centre National de la Statistique et des Études Économiques près du Ministère du Plan, de l'Aménagement du Territoire, de l'Intégration Économique et du NEPAD (Brazzaville- RC), conformément à la note^2(*) N° 023.07/ISSEA/DG/DE1-2/BS.

Nous nous sommes intéressés, dans cette optique, à la base des données de la 1ère édition de l'Enquête Démographique et de Santé au Congo (EDSC-I) et avons ainsi concocté notre thème intitulé « Analyse multivariée de l'avortement en République du Congo ».Il est question pour nous, de dresser un profil de l'avortement avec une approche micro multidimensionnelle. Cette étude se propose donc de dresser un cliché de l'avortement multidimensionnel, ce qui permettra, à notre sens, d'une part de dresser un portrait complémentaire de l'analyse déjà faite dans le rapport EDSC-I sur l'avortement et d'autre part d'alimenter les stratégies de santé existantes en République du Congo, en l'occurrence les stratégies visant le bien-être social (planification familiale et santé de la reproduction) de la femme.

Il appartient dorénavant à la direction de l'ISSEA, de faire des critiques et suggestions à l'endroit de ce travail entaché certainement des imperfections, critiques et suggestions qui seront pour nous une perle de perfection!

LISTE DES TABLEAUX ET GRAPHIQUES

*FRÉQUENCE D'AVORTEMENTCLASSE D'ÂGES**
Tableau IV.3.1-1 : Répartition des femmes selon le nombre d'avortements eu au cours de la vie et le groupe d'âges............................................................................................	III
Tableau IV.3.1-1-a : Profils groupes d'âges.................................................................	III
Tableau IV.3.1-1-b : Profils nombre d'avortements......................................................	III
Tableau IV.3.1-1-c : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres.	IV
Tableau IV.3.1-1-d : Coordonnées, Contributions et C02 des fréquences actives..............	IV
Tableau IV.3.1-1-e : Coordonnées, Contributions et Cosinus carrés des individus.............	IV
Tableau IV.3.1-1-f : Valeurs et Histogramme des indices de niveau................................	IV
*FRÉQUENCE D'AVORTEMENTNIVEAU DE BIEN-ÊTRE ÉCONOMIQUE DU MÉNAGE**
Tableau IV.3.2-1 : Répartition des femmes selon le nombre d'avortements eu au cours de la vie et le quintile de bien-être économique..................................................................	IV
Tableau IV.3.2-1-a : Profils Quintile de bien-être économique.......................................	IV
Tableau IV.3.2-1-b : Profils Nombre d'avortements......................................................	IV
Tableau IV.3.2-1-c : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres.	V
Tableau IV.3.2-1-d : Coordonnées, Contributions et C02 des fréquences actives..............	V
Tableau IV.3.2-1-e : Coordonnées, Contributions et Cosinus carrés des individus.............	V
Tableau IV.3.2-1-f : Valeurs et Histogramme des indices de niveau................................	V
*RAISON MAJEURE DE L'AVORTEMENTCLASSE D'ÂGES**
Tableau IV.3.3-1 : Répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction de la raison principale de l'avortement et l'âge de la femme....	VI
Tableau IV.3.3-1-a : Profils groupe d'âges..................................................................	VI
Tableau IV.3.3-1-b : Raison principale du dernier avortement.......................................	VI
Tableau IV.3.3-1-c : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres.	VII
Tableau IV.3.3-1-d : Coordonnées, Contributions et CO2 des fréquences actives	VII
Tableau IV.3.3-1-e : Coordonnées, Contributions et Co2 des individus............................	VII
Tableau IV.3.3-1-f : Valeurs et histogramme des indices de niveau................................	VII
*DÉPARTEMENTSPROCÉDURE D'AVORTEMENT**
Tableau IV.3.4-1 : Répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction du département d'origine et de la procédure utilisée au dernier avortement....................................................................................................	VIII
Tableau IV.3.4-1-c : Valeurs propres, taux d'inertie et Histogramme des valeurs propres..	IX
Tableau IV.3.4-1-d : Coordonnées, Contributions et C02 des fréquences actives..............	IX
Tableau IV.3.4-1-e : Coordonnées, Contributions et C02 des individus............................	IX
Tableau IV.3.4-1-f : Valeurs et histogramme des indices de niveau................................	IX
*NIVEAU DE BIEN-ÊTRE ÉCONOMIQUE PROCÉDURE D'AVORTEMENT**
Tableau IV.3.5-1 : Répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction du Quintile de bien-être économique du ménage et de la Procédure utilisée au dernier avortement.......................................................................	40
RÉSULTATS ACM
Tableau IV.4-1 : Description des libellés des 12 Variables..............................................	43
Tableau IV.4-2 : Demi tableau de Burt des 8 questions actives......................................	X
Tableau IV.4-3 : Valeurs propres, taux d'inertie et Histogramme des valeurs propres........	43
Tableau IV.4-4 : Coordonnées, Contributions et C02 des modalités actives sur les axes 1 à 7..	X
Tableau IV.4-5 : Coordonnées et valeurs-tests des modalités illustratives sur les axes 1-7.	XI
RÉSULTATS RÉGRESSION LINÉAIRE MULTIPLE
Tableau IV.5.2-1 : Statistiques descriptives sommaires................................................	49
Tableau IV.5.2-2 : Matrices des corrélations................................................................	XI
Tableau IV.5.3-1: Qualité d'ajustement......................................................................	49
Tableau IV.5.3-2 : Analyse de la variance...................................................................	49
Tableau IV.5.3-3: Coefficients du modèle de régression linéaire multiple.........................	XII
Tableau IV.5.3-4 : Statistiques des résidus.................................................................	XII

*FRÉQUENCE D'AVORTEMENTCLASSE D'ÂGES**
Graphique IV.3.1-1-a : Profils groupes d'âges.............................................................	III
Graphique IV.3.1-1-b : Profils nombre d'avortements..................................................	III
Graphique IV.3.1-1-c : Représentation simultanée. Profils Nombre d'avortements et profils Groupe d'âges..................................................................................................	25
Graphique IV.3.1-1 : Arbre de classification (ou Dendrogramme). Nombre d'avortements et Groupes d'âges......................................................................................................	26
*FRÉQUENCE D'AVORTEMENTNIVEAU DE BIEN-ÊTRE ÉCONOMIQUE DU MÉNAGE**
Graphique IV.3.2-1-a : Profil Quintile de bien-être économique.....................................	V
Graphique IV.3.2-1-b : Profil Nombre d'avortements...................................................	V
Graphique IV.3.2-1-c : Représentation simultanée. Profils Nombre d'avortements et profils Quintile de bien-être économique........................................................................	29
GraphiqueIV.3.2-1-d : Arbre de classification. Nombre d'avortements*Quintile de bien-être économique........................................................................................................	30
*RAISON MAJEURE DE L'AVORTEMENTCLASSE D'ÂGES**
Graphique IV.3.3-1-a : Profils Groupe d'âges..............................................................	VI
Graphique IV.3.3-1-b : Profils Raison principale du dernier avortement..........................	VII
Graphique IV.3.3-1-c : Représentation simultanée. Profils Raison majeure du dernier avortement* profils Groupe d'âges...............................................................................	34
Graphique IV.3.3-1-d : Arbre de classification primale (ou Dendrogramme primale). Raison du dernier avortements et classe d'âges..............................................................	36
GraphiqueIV.3.3-1-d* : Arbre de classification dual (ou Dendrogramme dual). Raison majeure du dernier avortement- classe d'âges..............................................................	36
*DÉPARTEMENTSPROCÉDURE D'AVORTEMENT**
Graphique IV.3.4-1-a : Profils Départements..............................................................	VIII
Graphique IV.3.4-1-b : Profils Méthode d'avortement...................................................	VIII
Graphique IV.3.4-1-c : Représentation simultanée. Profils Technique d'avortement et profils Départements...........................................................................................................................	37
Graphique IV.3.4-1-d : Arbre de classification (ou Dendrogramme).Technique d'avortement et Département......................................................................................	38
*NIVEAU DE BIEN-ÊTRE ÉCONOMIQUE PROCÉDURE D'AVORTEMENT**
Graphique IV.3.5-1 : Représentation simultanée. Profils Niveau de bien-être économique et profils Procédure d'avortement.................................................................................	41
Graphique IV.3.5-2 : Arbre de classification. Profils Niveau de bien-être économique et Profils Procédure d'avortement.....................................................................................	42
RÉSULTATS ACM
Graphique IV.4 : Hypercube de contingence. Position des mentions actives et illustratives sur le plan (1,2)........................................................................................................................................	45
RÉSULTATS RÉGRESSION LINÉAIRE MULTIPLE
Graphique IV.5.2-1: Graphique de dispersion matricielle...............................................	XII
Graphique IV.5.2-2: Graphique des résidus standardisés/variable dépendante.................	XII
Graphique IV.5.2-3 : Régression des résidus standardisés............................................	XII

SYNTHÈSE

Le stage que nous venons d'effectuer au CNSEE marque la fin de notre 3^ième année de formation à l'ISSEA. Il nous a permis de participer à 2 principaux travaux statistiques portant sur le traitement et l'analyse des données de l'enquête EDSC-I dont les sujets « Pauvreté multidimensionnelle des ménages et des enfants en République du Congo» et « Analyse multivariée de l'avortement en République du Congo» nous ont permis de développer notre enthousiasme de recherche, de nous familiariser davantage avec certains logiciels, notamment SPAD, SPSS, EXCEL et PAINT, et d'acquérir une meilleure compréhension de l'avortement et de la pauvreté, avec pour corollaire une formulation des lignes d'actions pouvant servir d'arbitrage pour les décideurs en charge des PNP. Le dernier sujet (développé au chapitre 4) a été l'activité principale de notre stage et au terme de son analyse dans notre présent travail, nous avons obtenu les principaux résultats suivants, récapitulant une image multidimensionnelle du profil de l'avortement en RC :

? Environ 12 femmes sur 100 (11.39 %) ont déclaré avoir avorté ne serait-ce qu'une fois au cours de leur vie et parmi elles, 6.35 % ont déclaré avoir avorté une seule fois;

? Les femmes qui ont déclaré avoir avorté, l'ont fait en moyenne deux (2) fois et dans l'ensemble, elles n'ont jamais dépassé 9 avortements au cours de leur vie. Et puis, près d'une femme sur cinq d'entre elles a déclaré avoir connu des complications après avortement. Ces complications sont beaucoup plus influencées par l'âge de la femme qui les explique à 68.85 % (positivement) et par la technique utilisée pour avorter qui les explique à 7.60 % (dans le sens négatif).

? La fréquence d'interruption volontaire de grossesse s'élève avec le niveau de bien-être économique du ménage (6.05 % dans le quintile plus pauvre contre 15.48 % dans le quintile plus riche), avec la classe d'âges (1.02 % dans la fourchette 15-19 ans contre 22.32 % à 45-49 ans), avec le nombre d'enfants vivants et avec le niveau d'instruction alors qu'elle décroît avec le stade de la grossesse au moment de l'avortement. En outre, une prédominance des femmes a déclaré avoir avorté parce qu'elles estimaient déjà avoir un nombre élevé d'enfants (22.92 %) ;

? Plus de la moitié des femmes interrogées (et ayant déclaré avoir avorté) ont avorté par usage des méthodes modernes que sont la dilatation/curetage (près de 15 femmes sur 25) et l'aspiration (près de 2 femmes sur 25). Il s'agit principalement des femmes originaires des départements pourvus des grandes villes dont le Kouilou (26.35 % dû à Pointe-Noire) et Brazzaville (26.12 %). Parmi les méthodes restantes, est utilisée majoritairement la technique des comprimés (15.54 % des cas) ;

? Le milieu rural regorge une prédominance des femmes issues des ménages pauvres qui arrêtent l'école très tôt (au niveau primaire), avortent par les techniques traditionnelles utilisées même à leur propre domicile. Ces femmes ne vont presque pas en consultation post avortement, interrompent des grossesses évoluées jusqu'à 5 mois et plus, et préconisent utiliser à l'avenir une méthode contraceptive à dominance traditionnelle ;

? Contrairement au milieu rural, le milieu urbain est doté d'un environnement médical et scolaire `'adapté''. C'est ainsi qu'il regorge les femmes de niveau modal secondaire 1-2/supérieur qui avortent par le truchement des techniques modernes dans des établissements publics et privés de santé. Ces femmes vont en consultation après avortement, motivent leur raison d'avorter pour la poursuite soit de leur scolarité soit de leur travail, avortent dans la plupart des cas des grossesse peu évoluées (entre 0-1 mois) et entrevoient utiliser à l'avenir une procédure contraceptive moderne.

INTRODUCTION GÉNÉRALE

Indépendante depuis 1960, la République du Congo a connu l'instauration de la démocratie pluraliste en 1992, régime multipartiste qui s'est accompagné de troubles, en 1993 puis en 1997-1999, qui ont occasionné des préjudices au sein de la population et la destruction d'une partie du tissu économique du pays. Au sortir des conflits armés de la période 1997-1999, le Gouvernement s'est investi dans la mise en place des bases de la relance effective de l'économie nationale en s'inscrivant dans la double dynamique du sommet de Copenhague 1996 visant la réduction de moitié de la pauvreté d'ici à l'an 2015, conformément aux OMD et de l'initiative PPTE. C'est ainsi qu'en fin 2005, la situation macroéconomique du Congo s'est caractérisée, entre autres, par la consolidation de la croissance économique (6.8 % contre 4.2 % en 2004) grâce à la forte montée de la production pétrolière. Le PIB à prix courants a enregistré une hausse de 64.9 % en 2005 contre 20.9 % l'année précédente, passant de 2307.8 milliards de F CFA en 2004 à 3 157.8 milliards de F CFA en 2005.

Abritant le siège de l'OMS, la RC se trouve prédisposée à souscrire aux déclarations et actes internationaux majeurs relatifs à la santé en Afrique. La loi n°014-92 du 29 avril 1992 portant institutionnalisation PNDS démontre parfaitement l'intérêt des autorités congolaises pour ce secteur vital. L'application de cette loi s'est d'abord traduite par la mise en oeuvre d'un 1^er PNDS 1992-1996 qui a permis un certain nombre de réalisations ayant considérablement modifié le paysage sanitaire du Congo (par exemple la mise en place, par le décret n°95-3 du 04 janvier 1995, du Comité Technique de Suivi du PNDS, cadre de développement d'une approche participative et intersectorielle dans l'analyse des problèmes de santé). Enfin, l'intérêt du Gouvernement pour l'élaboration d'une Politique Nationale de Population (PNP) s'est concrètement manifesté dans le 2^ème Programme de coopération (1992-1994) signé avec le Fonds UNFPA pour veiller à faire une place aux questions de population.

Malheureusement, l'absence de données démographiques récentes et fiables, n'a pas permis de doter le pays d'un cadre de référence nécessaire à la promotion du bien-être de la population. Toutefois, dans le cadre des OMD et conformément à la vision du NEPAD, le Gouvernement congolais oeuvre à l'amélioration de la qualité de vie de la population. Le DSRP (en cours), s'inscrit dans cette logique. Dans le même ordre d'idée, le 3^ième programme pays de coopération (2004-2008) signé le 17 mai 2004 avec l'UNFPA contribue, en particulier, à favoriser l'accès aux services de qualité en santé.

D'après les résultats de l'EDSC-I, 11% des femmes ont eus recours à l'avortement^3(*) au cours de leur vie. Il peut s'agir bien entendu d'une proportion sous-estimée à cause du caractère illégal et de la réprobation que revêt cette pratique. Or il est évident de soupçonner une corrélation négative entre la pratique de l'avortement et la santé de la mère et/ou de l'enfant, et, en tant que telle, contribuerait significativement à la dégradation du potentiel féminin en général et de l'enfant en particulier. Ce qui peut retarder le développement du Congo car dit-on dans le langage populaire : « un corps sain est une source de richesse », mais aussi, parce que la population de la RC est jeune [45 % des congolais ont moins de 15 ans et à dominance féminine (51 %)]^4(*).

De même, on peut aussi présumer qu'avorter peut avoir une influence sur la fécondité, nuire à la santé maternelle et par extension à la santé de l'enfant, et peut, dans une certaine mesure, accroître significativement le risque de décéder pour les femmes ayant recours à cette pratique. Vue comme telle, l'analyse de l'avortement revêt une place de choix pour la mise sur pied des stratégies en matière de santé de la reproduction. D'où la nécessité de porter une attention particulière à l'avortement, une des gangrènes et un des vices qui mine la population congolaise si l'on veut juguler la mauvaise santé de la reproduction en RC.

Cependant, en RC, les rares analyses disponibles sur l'avortement ne sont qu'unidimensionnelles. C'est dans ce contexte que s'inscrit ce travail dont les résultats, fondés selon une approche multidimensionnelle, ajoutés à ceux du rapport EDSC-I 2005 et complétés éventuellement par ceux du RGPH2006, alimenteraient les réflexions relatives à l'amélioration de l'état de santé de la reproduction, permettraient de saisir certains facteurs explicatifs de l'avortement, insuffleraient des lignes d'actions en matière d'avortement des femmes selon leurs caractéristiques sociodémographiques et économiques, fourniraient des indicateurs d'aide à l'arbitrage pour les décideurs en charge des PNP et compléteraient la base de données du CNSEE afin de renforcer ses capacités statistiques pour la mesure et le suivi de la santé de la reproduction .

Nous commencerons notre exploration par la présentation du CNSEE et le déroulement de notre stage dans le chapitre 1 puis la présentation de l'enquête EDSC-I Congo 2005 dans le chapitre 2. Après quoi nous procéderons à une description des techniques d'analyse des données utilisées au chapitre 3, puis à l'analyse multi variée proprement dite de l'avortement au Congo qui fera l'objet du Chapitre 4 pour enfin terminer par les difficultés rencontrées et les recommandations au chapitre 5.

Chapitre I : PRÉSENTATION DU CNSEE-DÉROULEMENT DU STAGE ET TRAVAUX RÉALISÉS

Ce chapitre est consacré à la présentation générale (genèse, attributions, organisation, moyens humains et publications) de la structure qui nous a accueilli et à la description sommaire du déroulement de notre stage. Aussi, le chapitre traite-t-il, en dernière partie, des autres travaux que nous avons réalisés dans la structure.

I.1 PRÉSENTATION DU CNSEE

I.1.1 Genèse

Crée en 1977, le CNSEE recouvre les attributions de la Direction de la Statistique et de la Comptabilité Économique (DSCE) qui était l'une des directions du Commissariat Général au Plan (CGP). Ce changement engendra un autre, à savoir : le passage du Service National de Statistique (SNS) à une Direction Générale élevée au même rang que le Secrétariat Général au Ministère du Plan, de l'Aménagement du Territoire, de l'Intégration Économique et du NEPAD qui, a succédé au Commissariat Général du Plan .

I.1.2 Attributions

Le CNSEE est, d'après le décret n°2003-133 du 31 juillet 2003 portant attributions et organisation de la Direction Générale du CNSEE, l'organe technique qui assiste le Ministre dans l'exercice de ses fonctions en matière de statistique et des études économiques. Il est chargé, notamment, de :

Ø produire, de concert avec les services spécialisés du Ministère en charge de l'économie, des finances et du budget, des comptes nationaux ;

Ø produire et suivre, de concert avec le Ministère en charge de l'économie, des finances et du budget, les indicateurs macro-économiques ;

Ø réaliser les travaux statistiques relatifs à l'état et au mouvement de la population, à la production et à la répartition des biens et services ;

Ø conduire des enquêtes statistiques sur l'emploi, le chômage, le secteur informel, l'habitat et l'environnement ;

Ø publier les indicateurs économiques, sociaux et culturels d'intérêt national ;

Ø centraliser, actualiser et exploiter les fichiers des personnes physiques/morales, des biens ;

Ø coordonner l'action statistique de l'administration publique, des services semi-publics et des organismes privés d'intérêt général et centraliser les documents statistiques détenus par les administrations et les services techniques ;

Ø participer à l'élaboration, au suivi et au contrôle des programmes du Gouvernement à travers les études démographiques et sociales ;

Ø apporter le concours technique dans la coordination des travaux statistiques initiés par les administrations et les entreprises publiques, ainsi que les organismes privés ;

Ø gérer les fichiers du système congolais d'immatriculation des entreprises et des établissements ;

Ø assurer le secrétariat permanent de la commission supérieure de la statistique ;

Ø contribuer à l'application des recommandations de la commission supérieure de la statistique ;

Ø coordonner et suivre l'activité des directions départementales de la statistique et des études économiques ;

Ø créer et gérer la base des données économiques, démographiques et sociales ;

Ø promouvoir la recherche, la coopération et la formation dans le domaine statistique ;

Ø assurer le développement intégré des statistiques publiques en se basant sur un système des normes techniques harmonisées au plan national, sous-régional et international ;

Ø adopter les concepts, les nomenclatures, les normes et les méthodes en vigueur au plan régional et international.

I.1.3 Organisation5(*)

Placée sous l'autorité d'un Directeur Général, la Direction Générale du CNSEE comprend outre le secrétariat de la Direction, le service de la communication et de la diffusion, le service des méthodes et des mécanismes de suivi du développement humain et des directions^6(*) au sein desquelles existe un certain nombre de services.

I.1.3.1 Direction des statistiques économiques

I.1.3.2 Direction des statistiques démographiques et sociales

§ le service des statistiques de l'éducation, de la santé et de la protection sociale ;

§ le service des statistiques de la main d'oeuvre, de l'emploi et des salaires ;

I.1.3.3 Direction de la coordination et de l'harmonisation statistique

I.1.3.4 Direction de l'informatique et de la gestion de base de données

§ le service de la formation, de la diffusion et de la prospection informatique ;

I.1.3.5 Direction administrative et financière

I.1.3.6 Directions départementales

Les Directions Départementales sont dirigées, chacune, par un Directeur départemental. On y trouve les services suivants :

I.1.4 Moyens humains

Le CNSEE dispose d'un personnel de 138 agents répartis de la manière suivante :

§ 11 autres agents administratifs de catégorie C (attachés de l'Administration, secrétaires, chauffeurs, ...).

I.1.5 Produits du CNSEE

Le CNSEE met à la disposition des consommateurs diverses publications dont les principales sont : le Bulletin annuel des transports, l'Annuaire statistique, l'Etat de l'économie congolaise, les Comptes de la Nation, les prix à la consommation des ménages, les Statistiques du commerce extérieur et les Résultats définitifs du RGPH.

I.2 DÉROULEMENT DU STAGE

I.2.1 Contact avec l'administration

Comme d'usage, nous avons d'abord été reçu à la Direction Générale du CNSEE où nous avons bénéficié d'un accueil affable de son Directeur qui après un entretien nous avait recommandé de visiter les différentes autres Directions, question d'explorer la structure et le fonctionnement du centre. C'est alors que nous avons eu l'opportunité de faire la connaissance du personnel et avons été informés des tâches incombées à chaque Direction.

Au terme de ce tour de Direction, notre attention a été attirée particulièrement à la Direction des Statistiques Démographiques et Sociales (DSDS) où nous étions retenus, et distinctement au service des études démographiques.

I.2.2 Description du service des études démographiques

Dans cette section, nous présentons les attributs spécifiques du service dans lequel nous étions retenus, sa structuration et la méthodologie suivie pour atteindre les tâches qui lui sont assignées.

Ø collecter, analyser et publier les statistiques judiciaires autres que celles liées à l'état civil des individus, d'une part et pénitentiaires, d'autre part ;

Ø coordonner la préparation administrative et technique des RGPH en collaboration avec les autres services de la direction et d'autres administrations ;

Ø confectionner les tables nationales et départementales de mortalité et de fécondité ;

Ø collecter, analyser et publier les données dans les matières sociales non couvertes par les autres services de la direction.

Pour atteindre ses objectifs, le service procède, entre autres, par des descentes sur le terrain, au moment qu'il le faut. Il s'agit principalement des descentes dans les administrations pénitentiaires, les mairies, les hôpitaux/centres de santé, Ministère de la justice/Tribunal de grande instance et Ministère de l'environnement.

I.3 TRAVAUX EFFECTUÉS

A notre arrivée au CNSEE (02-07-2007), certains travaux étaient en cours d'exécution, notamment l'analyse approfondie des données de l'enquête démographique et de santé (EDS-I) tenue à Brazzaville en 2005. Des thèmes ont été confiés à certains experts et chercheurs sous la supervision du Directeur Général du CNSEE. Après la phase de prise de contact du travail de terrain et la petite initiation en la matière, nous avons pu réaliser les principaux travaux que voici :

ü La traduction, en français, de la base de données de l'enquête EDSC-I. Cette base, en effet, était archivée avec deux versions dont l'une entièrement en anglais et l'autre avec un mélange de langues (français et anglais) avec une prédominance de variables^7(*) en anglais ;

ü La pauvreté multidimensionnelle des enfants et des ménages en RC. Ce fut un projet de recherche qui nous était donné par le DG du CNSEE afin d'appuyer et compléter les analyses approfondies déjà amorcées par certains experts sur d'autres sujets cadrant avec l'EDSC-I. Notre contribution portait sur l'apurement de la base de données et la définition des variables d'intérêt et les résultats préliminaires des ACM selon une approche non monétaire de la mesure directe de la pauvreté des enfants. Le projet reste encore inachevé^8(*) et peut-être poursuivrons nous cette étude puis adresser les résultats complémentaires au CNSEE. Ce fut pour nous un travail fastidieux mais très profitable en termes d'amélioration des performances et aptitudes d'esprit de recherche ;

ü L'analyse multidimensionnelle de l'avortement au Congo qui est le sujet de notre présente étude. Nous nous le sommes proposés compte tenu des projets en cours visant l'approfondissement des analyses des données existantes de l'EDSC-I.

Chapitre II : PRÉSENTATION DE LA SOURCE DE DONNÉES : L'ENQUÊTE EDSC-I 2005

Certes le CNSEE dispose de plusieurs données qui nous permettraient d'atteindre nos objectifs définis plus haut (avant-propos §.3 et introduction générale §.6) {par exemple vol.I RGPH 1996-Provisoires, 1^ère édition de l'Enquête Congolaise auprès des Ménages (ECOM I), l'EDSC-I,...}, le présent rapport se base essentiellement sur les données de l'EDSC-I pour un double motif :(i) elle a l'avantage d'avoir été conçue dans le cadre de la finalisation du DSRP et le suivi des OMD ; (ii) elle est une base de données suffisamment récente et représentative au niveau national.

II.1 CADRE INSTITUTIONNEL, CONTEXTE ET OBJECTIFS DE L'EDSC-I

II.1.1 Cadre institutionnel de l'enquête EDSC-I 2005

L'enquête EDSC-I a été exécutée par le CNSEE. Faisant partie du Programme International des Enquêtes Démographiques et de Santé (Demographic and Health Survey-DHS) de ORC Macro, Calverton, Maryland (USA), cette investigation a été réalisée avec l'appui technique de ORC Macro International grâce à l'assistance financière du Gouvernement Congolais, du CNLS par le truchement de l'Agence Internationale de Développement (IDA-Banque Mondiale) et de l'UNICEF. Quant à sa coordination, elle a mobilisé les linguistes de la chaîne nationale de télévision et au personnel da santé pour traduction en Lingala et Kituba, les deux langues nationales de la RC.

II.1.2 Contexte de l'enquête EDSC-I 2005

La plongée dans la démocratie pluraliste en 1992 s`est accompagnée, en RC, de troubles, en 1993 puis en 1997-1999, qui ont occasionné des préjudices à la population et fragilisé les indicateurs de performances macroéconomiques (taux de dépendance économique d'environ 76 %, augmentation du taux de chômage, chaque congolais actif ayant à sa charge au moins 3 non actifs)^9(*). La RC qui jusqu'à une date récente était comptée parmi les pays à revenu intermédiaire, avec une pauvreté non encore décriée, n'a pas échappé à la crise sociale apparue suite à la dévaluation du F CFA qui enchérit la réduction des dépenses publiques et plus particulièrement la réduction de 30 % des salaires^10(*) des fonctionnaires aggravée par leur retard de paiement.

Aujourd'hui, il faut le noter, `'la lutte contre la pauvreté'' est le thème dont l'intérêt est croissant et généralisé. C'est dans cette optique qu'au sortir des conflits armés de la période 1997-1999, le Gouvernement congolais s'est investi dans la mise sur pied des bases de relance effective de l'économie nationale visant la réduction de la pauvreté conformément aux OMD et de l'initiative PPTE. Ainsi les indicateurs macroéconomiques qui autrefois `'étaient au rouge'' furent rééquilibrés : retour à la croissance de 6.8 % en 2005 contre 4.2 % en 2004, PIB à prix courant avec une hausse de 64.9 % en 2005 contre 20.9 % en 2004, hausse de la masse monétaire de 34.4 % ayant porté à 443.4 milliards en 2004 contre 330.0 milliards en décembre 2004, taux d'inflation^11(*) de 2.1 % en 2005 contre 3.5 % en 2004,...

Certes, l'économie nationale est en `'bonne santé'', il faut signifier que cela n'a pas la même visibilité dans les conditions de vie de chaque groupe des populations congolaises. Or juguler la pauvreté nécessite des données récentes, fiables et à l'échelon national.

Le Gouvernement congolais ayant un intérêt pour l'élaboration des PNP, il était judicieux d'établir un pont entre le CNSEE et les différentes structures traitant de la pauvreté. Voulant à cet effet, poser des labels et notamment la construction des indicateurs démographiques, l'EDSC-I fut opérée. Le contexte susmentionné montre qu'il était opportun de mener une EDS au Congo. On dit souvent dans le jargon populaire « santé et éducation pour bouter la pauvreté ».

II.1.3 Objectifs de l'enquête EDSC-I 2005

La population cible de l'EDSC-I était un échantillon national des hommes de 15-59 ans et des femmes de 15-49 ans avec pour objectif global de disposer des indicateurs démographiques et de santé indispensables à la mise en place des politiques et des programmes et plus particulièrement à la finalisation du DSRP et au suivi des OMD.

§ collecter des données permettant de calculer divers indicateurs démographiques;

§ étudier les facteurs directs et indirects qui déterminent les niveaux et tendances de fécondité et de mortalité;

§ identifier les catégories de femmes susceptibles d'utiliser la contraception ;

§ déterminer l'état nutritionnel des mères et des enfants de moins de 5 ans ;

§ recueillir des données sur la connaissance, les opinions et attitudes des personnes vis-à-vis du VIH/Sida et des autres IST ;

§ Servir de comparaison internationale et renforcer les capacités^13(*) du CNSEE.

II.2 STRUCTURE DE LA BASE DE DONNÉES DE L'ENQUÊTE EDSC-I

v Le questionnaire ménage comprend les sections que voici : identification du ménage, caractéristiques socioculturelles et démographiques du ménage, travail de l'enfant, caractéristiques des logements des ménages et section mesure du poids/taille et du niveau d'hémoglobine ;

v Le questionnaire femmes 15-49 ans avec les sections : caractéristiques sociodémographiques des enquêtés, reproduction, planification familiale, santé des enfants^14(*), mariage et activité sexuelle, préférence en matière de fécondité, caractéristiques du conjoint et travail de la femme, VIH/Sida et autres IST et section mortalité maternelle ;

v Enfin, le questionnaire hommes 15-59 ans a comme sections : caractéristiques sociodémographiques des enquêtés, reproduction, mariage et activité sexuelle, VIH/Sida et autres IST et section mortalité maternelle.

II.3 PLAN D'ÉCHANTILLONNNAGE

L'échantillon de l'EDSC-I est représentatif au niveau national, et stratifié à 2 degrés. Les 12 départements du pays ont été regroupés en 4 domaines : (i) Brazzaville (ii) Pointe Noire, (iii) Sud Congo (Kouilou, Niari, Lekoumou, Bouenza, Pool) stratifié en urbain et rural et (iv) Nord Congo (Plateaux, Cuvette, Cuvette-Ouest, Sangha, Likouala) stratifié en urbain et rural. Au 1^er degré, 225 grappes ont été tirées, proportionnellement à leur taille, à partir de la liste des ZD établies lors du RGPH 1996. Les ménages des grappes sélectionnées ont été exhaustivement dénombrés.

Quant au 2^èmedegré les ménages ont été tirés de façon équiprobable, à partir de la liste des ménages établie lors du dénombrement. Un total de 24 ménages a été tiré dans chaque grappe urbaine contre 34 dans chaque grappe rurale pour un total de 6012 ménages sélectionnés pour l'enquête ménage.

Par ailleurs, tous les individus des ménages tirés ont été identifiés à l'aide du questionnaire ménage. Toutes les femmes âgées de 15-49 ans (résidentes habituelles ou visiteuses) qui se trouvaient dans ces ménages ont été interrogés individuellement. En outre, ces femmes, de même que tous les enfants âgés de moins de 5 ans, ont été mesurés, pesés et ont fourni un échantillon de sang pour estimer la prévalence de l'anémie. De plus, dans un ménage sur deux, tous les hommes de 15-59 ans (résidents habituels ou visiteurs) ont également été interrogés individuellement.

Rappelons enfin que toutes les 225 grappes sélectionnées dans l'échantillon ont pu être enquêtées. Par contre, sur les 6012 ménages sélectionnés, 5926 ménages ont été identifiés et trouvés au moment de l'enquête dont 5879 enquêtés avec succès (taux de réponse égal à 99 %). Et à l'intérieur des 5879 ménages enquêtés avec succès, 7440 femmes de 15-49 ans ont été identifiées éligibles. Et parmi elles, 7051 ont été interrogées (taux de réponse égal à 95 %). L'enquête homme par contre a été réalisée dans un ménage sur deux et 3515 hommes de 15-59 ans ont été identifiés. Parmi eux, 3146 ont été enquêtés avec succès (taux de réponse à 90 %).

II.4 CALENDRIER DES ACTIVITÉS DE L'EDSC-I

v sélection de 60 agents et collecte enquête principale : 8 juillet-23 nov. 2005 ;

v analyse des données et rédaction d'un rapport de 14 chapitres^15(*) : Dès décembre 2005.

Chapitre III : TECHNIQUES D'ANALYSE DES DONNÉES UTILISÉES

On distingue trois démarches principales d'analyse des données : l'analyse factorielle qui cherche à réduire un nombre important d'informations par un nombre aussi restreint que possible de variables appelées composantes (ou facteurs), la classification qui consiste à classer les unités statistiques et les variables statistiques à l'aide d'algorithmes préalablement établis et l'analyse discriminante qui permet de construire une règle de décision permettant d'affecter un groupe d'individus donné. Les méthodes^16(*) d'analyse de données les plus utilisées dans le traitement des enquêtes sont : l'analyse en composantes principales (ACP), l'analyse factorielle des correspondances (AFC), l'analyse des correspondances multiples (ACM), l'analyse discriminante (AD) dont l'AD décisionnelle et l'AD descriptive et les méthodes de classification que sont la classification ascendante hiérarchique (ACH) et la classification ascendante non hiérarchique (ACNH). Dans les sections suivantes nous n'explicitons que les méthodes factorielles et la CAH qui s'adaptent à nos objectifs définis plus haut.

III.1 MÉTHODES FACTORIELLES

Basées sur des représentations graphiques (conversion automatique d'un gros tableau de données en images synthétiques), les méthodes d'analyse factorielle trouvent leur intérêt dans le sens où, en statistique, « un bon graphique est plus parlant qu'une montagne de chiffres », Xavier BRY (1995, p.3).

III.1.1 l'ACP en Bref

L'ACP consiste à décrire un ensemble d'individus et un ensemble de variables quantitatives. Le but est d'analyser les proximités des vecteurs individus, les corrélations entre les variables et, simultanément, les individus et les variables. Elle considère que les q nouvelles variables (dites composantes principales ou variables définies par les facteurs principaux), sont des combinaisons linéaires des p (p>q) variables initiales et, qu'elles sont non corrélées linéairement. En somme, les objectifs poursuivis par une ACP sont :

o la représentation graphique "optimale" des individus en minimisant les déformations du nuage des points, dans un sous-espace de dimension réduit q ;

o la représentation graphique des variables dans un sous-espace en explicitant au mieux les liaisons entre ces variables.

- La dispersion du nuage autour de son centre de gravité est mesurée à l'aide de l'inertie totale du nuage de points donnée par la formule

Un des objectifs de l'ACP étant de décrire les proximités entre les individus, on a besoin de mesurer la similarité de 2 vecteurs individus qui seront dits proches s'ils ont à peu près les mêmes valeurs des variables associés ; Ainsi, l'ACP permet, entre autre, de décrire les ressemblances et les oppositions entre des individus. Elle va nous permettre de réduire la dimension de l'espace en projetant les données sur des axes (aussi appelés facteurs ou dimensions) bien choisis ;

- La qualité des résultats auxquels conduit l'ACP dépend, de façon évidente, du choix de la dimension q du sous-espace de représentation, c'est-à-dire du nombre de composantes principales retenues pour faire des interprétations graphiques. Le nombre de composantes principales à retenir et les interprétations qui en découlent sont rappelés via AFC et ACM dans les sections suivantes ;

- Les variables actives sont utilisées directement dans l'ACP pour construire les axes principaux. Au contraire, les variables supplémentaires sont introduites après avoir construit les axes principaux ; les individus et les variables n'étant pas dans le même espace, dans le cadre d'une ACP, on ne peut pas les représenter sur le même graphique.

III.1.2 l'AFC en Bref

L'analyse des correspondances binaires (ACORBI) ou analyse factorielle des correspondances (AFC) permet d'étudier la dépendance de 2 variables qualitatives. Elle est basée sur une décomposition du Chi-Deux de contingence et l'étude de la dépendance est réalisée par des représentations graphiques. C'est une généralisation de l'ACP et s'applique par excellence aux tableaux de contingence (dits aussi tableaux de dépendance ou tableaux croisés) formés d'individus décrits par 2 caractères qualitatifs. La première formalisation mathématique de l'AFC est due à Hirschfeld (1935), et celle de l'ACM à Guttman (1941), ce qui dresse un historique de l'évolution de l'analyse des correspondances anglo-saxone alors qu'en France, l'analyse des correspondances a été proposée par Benzécri (1973)^17(*).

- Une AFC sur tableau de contingence se justifie si : (i) on est intéressé par l'analyse des relations entre les catégories de l'une et l'autre variable ; (ii) on dispose au moins de 3 modalités par variable et suffisamment bien remplies (par regroupement au besoin) ;

- On dit que 2 variables sont liées si la connaissance de l'une d'entre elles pour un individu modifie la distribution attendue de l'autre ;

- L'AFC peut être définie comme une double ACP : ACP du tableau des profils-lignes et ACP du tableau des profils-colonnes. La métrique utilisée pour mesurer la proximité entre deux individus n'est plus la métrique usuelle (distance euclidienne), mais la distance du Chi-Deux. Ce faisant, l'AFC peut être considérée comme une ACP avec une métrique spéciale, la métrique du Chi-Deux. Son objectif est de résumer et de décrire les liens entre l'ACP des profils-lignes et l'ACP des profils-colonnes et de construire des graphiques mettant en évidence les proximités entre les profils- lignes, les proximités entre profils-colonnes, et la nature de la liaison entre les lignes et les colonnes du tableau de contingence ;

- La métrique du Chi-Deux possède la propriété d'équivalence distributionnelle, propriété de stabilité de l'AFC : si 2 lignes de la table de contingence sont proportionnelles, on ne modifie pas l'AFC de la table en remplaçant les deux lignes par leur somme. La propriété demeure aussi vraie pour les colonnes ;

- Il existe bien un lien avec le Chi-Deux de Karl Pearson. En règle générale, constater une dépendance c'est bien mais l'expliciter est mieux. L'AFC vise précisément à décomposer cette dépendance selon un ensemble de dimensions indépendantes de même que l'ACP décompose la variance totale selon un ensemble de facteurs non corrélés.

L'inertie totale est donnée par la formule suivante :

Cela signifie que la valeur de l'inertie totale (qui est aussi la somme des valeurs propres) est un indicateur de la dispersion du nuage et mesure la liaison entre deux variables A et B, et avant toute interprétation, il faut s'assurer que le

dans la table de contingence est suffisamment grand et supérieur au point critique

pour que la liaison entre les deux variables qualitatives A et B soit jugée significative. C'est seulement dans une telle circonstance qu'exhiber l'AFC interviendra utilement, pour décrire cette dépendance entre lignes et colonnes du tableau de contingence ; On rappelle que

, avec

: effectif observé,

effectif théorique d'indépendance et

, k étant l'effectif total de la table de contingence.

La qualité globale de la représentation du nuage initial par le sous-espace de dimension q [

] est mesurée par le pourcentage d'inertie pris en compte par les q premiers axes factoriels définissant ce sous-espace. Puisque la part du Chi-Deux expliquée par le

ième axe factoriel est donnée par

, on déduit alors que la proportion d'inertie expliquée par les

ième premiers axes factoriels s'écrit :

Cette contribution représente la qualité de la représentation d'un individu par le sous-espace qui ajuste le nuage initial. Elle se mesure par l'indice CO2 donné par :

où

désignent respectivement la coordonnée factorielle et la distance entre l'individu i et le centre de gravité G du nuage. Cet indice n'est autre que le cosinus carré de l'angle formé par l'individu i et l'axe factoriel

est proche de 1, l'individu est bien représenté sur cet axe, si au contraire

est proche de 0, l'individu i est très mal représenté sur cet axe. On peut généraliser cette notion en passant d'un axe à un sous-espace généré par les q premiers axes factoriels. On appelle contribution relative du sous-espace généré par les q premiers axes factoriels, la quantité :

Si un point est bien représenté sur un sous-espace à q dimensions (c'est-à-dire,

), on en déduira qu'il est inutile de chercher à améliorer la représentation de ce point par la prise en compte d'autres axes factoriels.

L'AFC présente une particularité du fait que les individus sont affectés de poids différents (f_i.) : un individu peut donc avoir plus ou moins d'influence dans le lien entre les variables qualitatives; on dispose pour la mesurer d'un indice appelé contribution relative d'un individu à un axe donné par la relation

La somme de toutes les contributions vaut 1 et qu'un profil- ligne (resp. profil-colonne) est d'autant plus important dans la construction du

ième axe factoriel que sa contribution est élevée.

Des nombreux critères de choix pour q existent dans la littérature. On utilisera essentiellement la règle de la part d'inertie expliquée et la règle du coude de Cattell. On admet que le nombre d'axes factoriels est égal à

III.1.3 l'ACM en Bref

L'ACM généralise l'AFC et permet donc de représenter sur le même graphique les modalités de réponses de plus de 2 variables. Elle permet de décrire de vastes tableaux binaires, dont les fichiers d'enquêtes socio-économiques constituent un exemple privilégié; Elle s'applique non plus à une table de contingence, mais à un tableau disjonctif complet (qui présente en ligne les individus et en colonne toutes les modalités des variables qualitatives retenues, les cases d'intersection comportant la valeur 1 si l'individu répond au critère en colonne et 0 dans le cas contraire) ou à un tableau de Burt. Les règles d'interprétation des résultats (coordonnées, CTR, COS2) concernant les éléments actifs d'une ACM sont sensiblement les mêmes que celles d'une AFC et pour choisir la dimension q du sous-espace de projection on utilisera soit le critère du coude de Cattell (décrochement ou décroissance des 1 ères valeurs propres) soit le critère de Kaiser, et très souvent la règle de la valeur propre supérieure à la moyenne des valeurs propres (

- La faible part de la variance expliquée sur les premiers axes est une caractéristique de l'ACM qui donne généralement des mesures pessimistes de l'information extraite ;

- L'ACM présente une propriété particulière redevable à la nature même du tableau disjonctif complet. En effet, elle met en évidence des types d'individus ayant des profils semblables quant aux attributs choisis pour les décrire ;

- Compte tenu des distances entre les éléments du tableau disjonctif complet et des relations barycentriques particulières, on exprime : (i) la proximité entre individus en terme de ressemblances : deux individus se ressemblent s'ils ont choisi globalement les mêmes modalités ; (ii) la proximité entre modalités de variables différentes en terme d'association : ces modalités sont proches parce qu'elles concernent globalement les mêmes individus (individus semblables) ; (iii) la proximité entre 2 modalités d'une même variable en terme de ressemblance : par construction, les modalités d'une même variable s'excluent et si elles sont proches, cette proximité s'interprète en terme de ressemblance entre les groupes d'individus qui les ont choisies (vis-à-vis d'autres variables actives de l'analyse). L'inertie totale est donnée par

et exprime le nombre moyen des J modalités par les p variables actives, diminué d'une unité. Dépendant uniquement du nombre de variables et de modalités et non des liaisons entre les variables, elle n'a donc pas de signification statistique. Et contrairement à cette somme des valeurs propres (inertie totale) qui n'a pas de sens statistique, la somme des carrés des valeurs propres est un indicateur de liaison entre variables : elle est d'autant plus élevée que les liaisons entre variables sont plus fortes ;

- En ACM, une variable continue n'est active que si elle est rendue nominale (soit découpée en classes soit recodée selon 2 colonnes numériques).

III.2 MÉTHODE DE CLASSIFICATION

Pourquoi une classification ? (i)Il est toujours difficile d'interpréter les axes factoriels au-delà du plan factoriel ;(ii) la compression excessive de l'espace de projection peut entraîner des distorsions fâcheuses et des superpositions de points occupant des positions distinctes dans l'espace ;(iii) les visualisations peuvent manquer de robustesse et (iv) les visualisations peuvent concerner des milliers de points et donner lieu à des graphiques illisibles.

D'où la nécessité d'une classification réalisée sur l'espace tout entier, méthode robuste en ce sens que, les parties basses des dendrogrammes produits sont indépendantes des éventuels points marginaux isolés.

La technique de classification fournit une autre forme de synthèse des données qu'une analyse factorielle. Elle constitue des classes homogènes d'individus, les classes étant distinctes les unes des autres le plus probable relativement aux variables considérées. Les individus qui se ressemblent au niveau des variables actives sont rassemblés dans une même classe et la synthèse de toute l'information contenue dans le tableau de données se ramène alors à la caractérisation de ce petit nombre de classes homogènes. Il s'agit d'une classification sur facteurs issus de l'AFC ou de l'ACM. Elle revient à créer une variable qualitative qui correspond à l'appartenance à une classe ; SPAD propose la classification hiérarchique (CAH/RECIP) qui fournit une hiérarchie de partitions, et la méthode d'agrégation autour de centres mobiles qui conduit directement à une seule partition. Dans notre étude, nous n'utiliserons uniquement que la CAH ;

- La méthode de classification sur les facteurs de SPAD effectue une classification des individus à partir d'un ensemble de p variables (ou p facteurs) issus d'une analyse factorielle préalable ;

- Le logiciel SPAD effectue une CAH selon le critère de Ward. C'est une méthode qui consiste en une ascendance hiérarchique qui minimise à chaque étape la perte d'inertie inter-classes. La procédure effectue la classification hiérarchique d'un ensemble d'individus caractérisés par leurs premières coordonnées factorielles créées par une procédure d'analyse factorielle (avec le critère d'agrégation de Ward !). L'arbre d'agrégation appelé dendrogramme ainsi créé peut ensuite être coupé en un nombre donné d'éléments ``terminaux» où les individus sont regroupés selon une hiérarchie^18(*) H de façon ascendante : on regroupe les individus les plus proches et on recommence pour les n-1 points suivants... On produit donc une suite de partitions emboîtées ;

- L'Indice de niveau^19(*) donnera la valeur de l'indice d'agrégation (ou indice de niveau) de chaque noeud et mesurera, au sens de Ward, la dissimilarité entre les classes. Et le choix du niveau de coupure du dendrogramme, et donc, du nombre de classes de la partition n'étant pas toujours facilité par simple inspection visuelle, nous utiliserons l'examen de l'histogramme des indices croissants de niveau et réaliserons la coupure après agrégation correspondant à des valeurs peu élevées qui regroupent les éléments les plus proches à des valeurs élevées de l'indice, qui dissocient, les groupes bien distincts dans la population (coupure au niveau pour lequel cet histogramme marque un palier important).

- La CAH présente l'avantage de laisser libre le choix du nombre de classes qui est imposé avec la méthode des centres mobiles. De plus, elle est déterministe.

Chapitre IV : AVORTEMENT MULTI VARIÉ AU CONGO

IV.1 INTRODUCTION

Le dictionnaire LE PETIT LAROUSSE (1996, P.114)] défini l'avortement comme étant « une expulsion volontaire ou naturelle d'un embryon ou d'un foetus avant le moment où il devient viable. C'est en d'autres termes, une interruption naturelle ou provoquée d'une grossesse ». Nous nous appesantirons sur l'aspect provoqué de l'avortement c'est-à-dire la desquamation avec usage des techniques modernes (aspiration, dilatation, curetage) et traditionnelles (injections, comprimés, plantes, décoctions,...). La pratique de cet acte n'est pas nouvelle au Congo tout comme partout dans le monde. Elle est un facteur explicatif des épineux problèmes : mortalité maternelle, mortalité infantile, détérioration du système immunitaire féminin, ralentissement d'aptitude de procréation chez la femme pour ne citer que cela.

On peut aussi présumer que l'avortement des « jeunes mères » peut accroître leurs risques de mortalité. Enfin, en détériorant le système immunitaire de la femme qui fait recours à cette pratique, il peut, entre autres, lui ôter certaines convenances scolaires et mêmes professionnelles. D'où la nécessité de son analyse.

Malheureusement, sa mesure est souvent un sujet délicat à cause des nombreuses considérations qui entourent cet acte. En effet, l'avortement est condamné par la presque-totalité des religions, elle a un caractère illégal, fait l'objet d'une législation prohibitive et se pratique classiquement de façon dissimulée ou clandestine. Toutefois, la section reproduction de l'EDSC-I a traité des aspects ayant trait à cette pratique, lesquels aspects ont été analysés (cf.Chap6, PP 87-98, Rapport EDSC-I, CNSEE Congo et ORC Macro). Selon les résultats de l'EDSC-I, 11 femmes sur 100 ont déclaré avoir avorté, au moins une fois au cours de leur vie. Et parmi elles, 1% ont eu recours à cette pratique 4 fois ou plus^20(*) et 9 % ont déclaré l'avoir fait, au moins une fois, au cours des 5 dernières années.

Pour signifier notre attitude réservée des interprétations que nous ferons face à la délicatesse de notre sujet qu'est l'avortement, nous voulons paraphraser le Directeur de la coordination et de l'harmonisation statistique du CNSEE (Dominique KIMPOUNI) qui explique que : « Les résultats concernant l'avortement doivent être interprétés avec prudence et il est plus judicieux de les considérer avec une certaine réserve. Par exemple, la proportion 11 %, des femmes ayant avorté au moins une fois, est probablement sous-estimée ; certaines femmes, en effet, déclarent avoir avorté plus aisément que d'autres» [cf. Rapport EDSC-I Congo (2005, P.87)]. Qu'à cela ne tienne, nous donnerons à travers ce chapitre une mesure multivariée de l'avortement au Congo en saisissant quelques facteurs explicatifs, après qu'on ait présenté l'approche méthodologique.

IV.2 MÉTHODOLOGIE

Nous pensons que l'analyse des différents thèmes de l'EDSC-I, contenue dans son rapport est assez large pour orienter tout usager. Notre contribution ne va que dans le sens d'un enrichissement : notre manière multivariée de décrire l'avortement pourrait compléter sa trace que révèle les statistiques descriptives uni et bidimensionnelle du rapport EDSC-I. En effet, constater une liaison (liaison entre les variables décrites dans la section IV.3) entre deux caractères est une bonne chose mais expliciter cette liaison de façon aussi synthétique que possible en est une autre. Pour ce faire, nous opterons pour une triple approche :

§ Une mise en évidence des écarts à l'indépendance des profils d'avortement. Il s'agira en effet d'une décomposition des interactions ou d'une explication des liaisons entre profils d'avortement. Nous analyserons partiellement, les proximités entre chaque profil et son profil marginal^21(*) des tables de contingence, en détectant l'existence ou non d'une liaison entre caractères qualitatifs^22(*) (pris 2 à 2) et procéderons, dans le cas d'une interaction existante, à sa décomposition via la technique d'AFC complétée par une ACH sur les facteurs, conformément aux sections III.1.2 et III.2 du chapitre III. C'est ce qui fait l'objet de la section IV.3 ;

§ Une mise en évidence des catégories des femmes à profils d'avortement similaires. Il s'agira d'une généralisation de la précédente approche. Nous procéderons à la construction et à l'analyse d'un Hypercube de contingence de l'avortement avec un ensemble des variables pris simultanément, c'est-à-dire que nous mettrons en évidence les genres de femmes qui se ressemblent quant aux attributs choisis pour les décrire, et, ce, par le truchement de la technique d'ACM complétée par une ACH sur les facteurs (conformément aux sections III.1.3 et III.2 du chapitre III). La section IV.4 traite de cette question ;

§ Une description du nombre d'enfants vivants des femmes interrogées. Nous utiliserons un ajustement d'un hyperplan par la technique des MCO (moindres carrés ordinaires) qu'offre le progiciel SPSS, avec usage des variables indicatrices relatives à l'avortement.

Nous terminons cette méthodologie en disant qu'au préalable des analyses multi variées, nous donnerons pour chaque table (ou graphique) une description sommaire univariée sans laquelle il n'y aura aucun sens à interpréter les axes c'est-à-dire les directions principales de projection d'inertie du nuage de points initial.

Pour des raisons de taille élevée d'échantillon de femmes, et donc d'encombrement graphique, la représentation simultanée des lignes et des colonnes liée à l'ACM, bien qu'importante, ne figure point dans notre rapport. Nous ferons correspondre tous les points-lignes à des femmes anonymes qui ne seront intéressantes que par leurs caractéristiques. Les individus n'interviendront ensuite dans l'analyse donc que par l'entremise des variables supplémentaires. Cf. LEBART L, MORINEAU A et PIRON M (1994, P.140)

IV.3 DÉCOMPOSITION DES INTERACTIONS ENTRE LES PROFILS D'AVORTEMENT

Compte tenu du nombre important des variables pouvant faire l'objet d'une décomposition, nous tenons à signaler que nous nous limiterons seulement à 5 tables de contingence (thèmes allant de IV.3.1 à IV.3.5).

IV.3.1 Fréquence d'avortement et classe d'âges de la femme

Le tableau IV.3.1-1 (cf. annexe B.1) donne la répartition de l'ensemble des femmes selon le nombre d'avortements eus au cours de leur vie et leur groupe d'âges. Les deux variables quantitatives (Nombre d'avortement et l'âge de la femme) ont été transformées en variables qualitatives après les avoir découpées en tranches [instruction prise dans Xavier BRY (1995, P.7)]. Ce tableau d'effectifs bruts n'est pas intéressant à analyser. Nous allons nous intéresser aux tableaux IV.3.1-1-a (profils groupe d'âges) et IV.3.1-1-b (profils nombre d'avortements) qui lui sont associés.

Le tableau IV.3.1-1-a donne les profils-lignes c'est-à-dire la répartition de la variable `'Groupe d'âges'' pour chaque poste de la variable `'Nombre d'avortements''. Il s'agit des probabilités conditionnelles pour une femme d'appartenir dans le groupe d'âges i sachant qu'elle a eu j avortement(s) au cours de sa vie. Son examen appuyé par le graphique IV.3.1-1-a montre une prééminence des femmes n'ayant jamais avorté (88.61 %). Soit donc une proportion de 11.39 % des femmes ayant avorté ne serait-ce qu'une fois au cours de leurs vie, quelque soit le groupe d'âges et parmi elles, 6.35 % ont déclaré avoir avorté une seule fois contre 0.67 % de celles qui ont eu recours à l'avortement 4 fois au minimum. On note par ailleurs que la fréquence d'avortement est corrélée positivement avec l'âge, passant par exemple de 1.02 % dans la fourchette 15-19 ans à 22.32 % entre 45-49 ans. Cette croissance n'est pas surprenante.

De même le tableau IV.3.1-1-b donne les profils-colonnes c'est-à-dire la répartition de la variable `'Nombre d'avortements'' pour chaque poste de la variable `'Groupe d'âges''. Il s'agit des probabilités conditionnelles pour une femme d'avoir connu j avortement(s) au cours de sa vie sachant qu'elle appartient dans le groupe d'âges i. Son examen rapide appuyé par le graphique IV.3.1-1-b montre une prééminence des femmes âgées de 15-19 ans (22.21 %).

Malheureusement les 2 tableaux (et donc les 2 graphiques) mis en exergue dans cette partie ne donnent pas les différences des divers profils-lignes et profils colonnes. En outre ces deux histogrammes ne donnent pas séparément l'information de profil à celle de poids. D'où la nécessité d'étudier la liaison globale groupe d'âge *nombre d'avortements de la table de contingence IV.3.1.

Q2 : les femmes d'une classe d'âges donnée avortent elles `'remarquablement'' un certain nombre de fois ?

Nous avons 4 axes factoriels [min (n, p)-1=min (7,5)-1]. Et la somme des 4 valeurs propres du tableau IV.3.1-1-c (annexe B.1) donne 0.0614, qui correspond à la trace de la matrice de départ ou en d'autres termes à l'inertie totale du nuage de points initial. Multipliée par l'effectif total (7051) des femmes du tableau de contingence, on trouve une statistique de test de khi-deux :

.Or l'on sait que sous

, une telle statistique suit une loi de

(khi-deux) à 24 degrés de liberté. Avec un seuil de

, on a :

Ainsi, le

observé est largement supérieur au

critique (432.93>36.40) : on rejette donc l'hypothèse principale d'indépendance

.C'est effectivement dans cette circonstance de dépendance que l'usage de l'AFC est jugée utile.

L'histogramme des valeurs propres joint au tableau IV.3.1-1-c (annexe B.1) montre l'existence d'un décrochement (ou un coude) entre la 1^ère et la 2ème valeur propre. Le critère de Cattell est respecté. Nous retenons un seul axe important : le 1er, avec une valeur propre

qui apporte 90.33 % de l'inertie du nuage.

Le premier axe explique environ 90 % de l'information et oppose les femmes qui ont déclaré n'avoir eu aucun avortement au cours de leur vie aux femmes ayant avorté au moins une fois (opposition de JAM à AV1, AV2, AV3 et AV4+). Le second axe quant à lui n'explique qu'environ 6 % de l'information et oppose AV1 et AV4+ à AV2 et AV3.

Si tous les profils-colonnes avaient même contribution, celle-ci tournerait entre 20 % (100% divisé par 5 modalités de la variable Nombre d'avortements). Les profils-colonnes ayant une contribution au-delà de cette moyenne théorique sont celles ayant influencé significativement^23(*) le 1^er axe. Il s'agit uniquement du profil-colonne AV1« avoir connus 1 avortement » qui, d'après le tableau IV.3.1-1-d (annexe B.1), explique plus de la moitié (53.4 %) de l'inertie de l'axe 1. Les profils JAM « n'avoir jamais avorté », AV2 « avoir avorté 2 fois » et AV3 « avoir avorté 3 fois » et AV4+ « avoir avorté 4 fois ou plus », en expliquent respectivement 11.2 %, 15.2 %, 10,7 % et 9.4 % (47 % environ dans l'ensemble). Quant à l'axe 2, l'explication est donnée majoritairement par le profil AV3 qui apporte seule plus de 3/4 de l'information (79 %) suivi du profil AV1 en explique environ15 %.

Le profil JAM est parfaitement représenté sur le 1^er axe. Il en est de même pour le profil AV1 qui est très bien représenté sur ce même axe. A ces deux profils, il ne serait plus important de les prendre en compte sur l'axe 2. Les autres profils sont aussi relativement bien représentés sur le 1^er axe. Par contre le profil AV3 est relativement bien représenté sur l'axe 2.

Par ailleurs, d'après le Tableau IV.3.1-1-e (annexe B.1), si tous les profils-lignes avaient même contribution, celle-ci varierait entre 14 % (100% divisé par 7 groupes d'âge). Les profils ayant donc une contribution au-delà de cette moyenne sont celles ayant influencé significativement le 1^er axe. Il s'agit des profils-lignes 15-19 ans et 35-39 ans qui ont fortement contribué à la formation de l'axe 1 en apportant respectivement pour 43 % et 18 % environ (75 % environ pour les deux à la fois). Sur l'axe 2, ce sont les profils-lignes 25-29 ans et 45-49 ans qui participent significativement à la création d'environ 77 % de l'inertie dans l'ensemble (respectivement 23 % et 54%).

Tous les profils-lignes sont très bien représentés sur l'axe 1, excepté le profil 25-29 ans qui est relativement bien représenté sur l'axe 2. On remarque aussi que les profils-lignes 15-19 ans et 20-24 ans sont parfaitement représentés sur l'axe 1 (modalités à co2=1).

Tous ces détails sont synthétisés dans le graphique IV.3.1-1-c ci-après, qui est une représentation simultanée des profils-lignes et des profils-colonnes du tableau de contingence Nombre d'avortement*Groupe d'âges.

GraphiqueIV.3.1-1-c : Représentation simultanée. Profils Nombre d'avortements et profils Groupe d'âges.

Nous allons compléter^24(*) l'examen de ce graphique par un dendrogramme résultant d'une classification ACH issue elle-même des résultats de l'AFC précédente. L'on parvient alors à constituer les groupes similaires d'âges vis à vis des profils JAM, AV1, AV2, AV3 et AV4+. Le dendrogramme obtenu (graphique IV.3.1-1-d ci-dessus) renseigne sur les caractéristiques des 3 classes obtenues ainsi qu'il suit :

Classe 1 (couleur jaune) : constituée des femmes aux « âges avancés » : 35-29 ans, 40-44 as et 45-49 ans. Ce sont des femmes ayant le plus avorté.

Classe 2 (sans couleur) : constituée des femmes aux « âges moyens » : 25-29 ans et 30-34 ans. Ce sont des femmes à profil d'avortement intermédiaire, c'est-à-dire relativement proche en même temps des femmes n'ayant connu aucun avortement et celles ayant déjà avorté au cours de leur vie.

Classe 3 (couleur rouge) : constituée des « femmes à peine matures » : 15-19 ans et 20-24 ans. Ce sont des femmes dont le profil est très proche de celui des femmes n'ayant jamais avorté au cours de leur vie.

Il y a donc un effet âge dans la table de contingence de départ. Ce qui confirme les résultats de l'EDSC-I, à savoir: en RC, la fréquence d'avortements augmente avec l'âge de la femme. Ce résultat n'est pas contraire à la réalité. En effet plus la femme est âgée plus elle connaît une durée d'activité sexuelle plus longue, ce qui peut justifier le nombre elevé d'avortements au cours de sa vie. Suivant le premier axe (graphiqueIV.3.1-1-c) s'oppose ainsi la classe 3 aux classes 1 et 2.

GraphiqueIV.3.1-1-d : Arbre de classification (Dendrogramme).Nombre d'avortements et Groupe d'âges.

IV.3.2 Fréquence d'avortement et Niveau de bien-être économique du ménage

Le tableau IV.3.2-1 de l'annexe B.2, donne la répartition de l'ensemble des femmes selon le nombre d'avortements eus au cours de la vie et le niveau de bien-être économique du ménage d'origine de la femme. La variable quantitative (Nombre d'avortements) a été transformée en variable qualitative après l'avoir découpée en tranches. Ce tableau d'effectifs bruts n'est pas intéressant à analyser. Nous allons nous intéresser aux tableaux IV.3.2-1-a (profils niveau de bien-être économique) et IV.3.2-1-b (profils nombre d'avortements) qui lui sont associés.

Le tableau IV.3.2-1-a donne les profils-lignes c'est-à-dire la répartition du niveau de bien-être économique du ménage pour chaque poste de la variable Nombre d'avortements. Il s'agit des probabilités conditionnelles qu'une femme appartienne à un ménage de niveau de bien-être économique i sachant qu'elle a eu j avortement(s) au cours de sa vie. Son examen appuyé par le graphique IV.3.2-1-a dessine les mêmes tendances que celles du graphique IV.3.1-1-a, c'est-à-dire que quelque soit la catégorie de niveau de bien-être économique, il y a une très forte prédominance des femmes n'ayant jamais avorté. La fréquence d'avortement croit avec le quintile de bien-être économique, passant par exemple de 6.05 % dans le quintile +Pauvre à 15.48 % dans le quintile +Riche. Cette croissance n'est pas ahurissante : « les pauvres ont un taux de fécondité plus élevé que les riches » se dit parfois « le lit du pauvre est fécond », dans le langage populaire.

De même le tableau IV.3.2-1-b donne les profils-colonnes c'est-à-dire la répartition de la variable `'Nombre d'avortements'' pour chaque poste de la variable `'Niveau de bien-être économique''. Il s'agit des probabilités conditionnelles de rencontrer une femme ayant connu j avortement(s) au cours de sa vie sachant qu'elle est issue d'un ménage de niveau de bien-être économique i. Son examen rapide appuyé par le graphique IV.3.2-1-b montre que le niveau bien-être économique croit avec la fréquence d'avortement, passant de 81.36 % à 85.11 % lorsque le nombre d'avortements varie de JAM à AV+. Il relève aussi une prédominance des les femmes issues des ménages les plus riches.

Malheureusement ces 2 tableaux (et donc ces 2 graphiques) mis en exergue dans cette partie ne donnent pas les différences des divers profils-lignes et profils colonnes. Et aussi les deux histogrammes ne donnent pas séparément l'information de profil à celle de poids. D'où l'intérêt d'étudier la liaison globale Niveau de bien-être économique *nombre d'avortements de la table de contingence IV.3.2.

Q1 : le nombre d'avortements qu'à eus une femme renseigne t-il sur le quintile de bien-être économique du ménage dont elle est issue ?

Q2 : les femmes issues d'un ménage de quintile de bien-être économique donné avortent elles `'particulièrement'' un certain nombre de fois ?

Il y a indépendance entre Nombre d'avortements et Quintile de bien-être économique.

Il existe une liaison entre le Nombre d'avortements et Quintile de bien-être économique.

Nous avons de même ici 4 axes factoriels [min (n, p)-1=min (5,5)-1]. Et la somme des 4 valeurs propres du tableau IV.3.1-1-c (annexe B.2) donne 0.0138, qui correspond à la trace de la matrice de départ ou en d'autres termes à l'inertie totale du nuage de points initial. Multipliée par l'effectif total (7051) des femmes du tableau de contingence, on trouve une statistique de test khi-deux :

.Or l'on sait que sous

, une telle statistique suit une loi de

(khi-deux) à 16 degrés de liberté. Avec un seuil de

, on a :

Ainsi, le

observé est largement supérieur au

critique (97.30>26.30) : on rejette donc l'hypothèse principale d'indépendance

. Exhiber l'AFC s'avère alors utile.

L'histogramme des valeurs propres joint au tableau IV.3.2-1-c montre l'existence d'un décrochement (ou un coude) entre la 1^ère et la 2ème valeur propre. Nous retenons un seul axe important : le 1er, avec une valeur propre

. Il explique 84.50 % de l'inertie du nuage.

Le premier axe explique près de 85 % de l'information et oppose les femmes qui ont déclaré n'avoir jamais avorté au cours de leur vie aux femmes ayant avorté 1 fois, 2 fois, 3 fois et 4 fois ou plus.

Si tous les profils-colonnes avaient même contribution, celle-ci varierait autour de 20 % (100% divisé par 5). Les profils-colonnes de contribution au-delà de 20 % sont donc celles ayant influencé fortement le 1^er axe : il s'agit des profils-colonnes AV2 et AV3 qui ont, d'après le tableau IV.3.2-1-d (annexe B.2), expliqué respectivement 43.1 % et 24.3 % de l'inertie de l'axe 1. Le profils AV1 en a expliqué 17.2 %. Quant à l'axe 2, l'explication est donnée majoritairement par le profil AV1 qui apporte seule plus de la moitié de l'information (59 %). On remarque aussi que le profil JAM (co2=1) est parfaitement représenté sur l'axe 1 qu'il ne serait plus important de le prendre en compte sur l'axe 2, et tous les autres profils sont bien représentés sur le 1^er axe.

Par ailleurs, d'après le Tableau IV.3.1-1-e (annexe B.2), si tous les profils-lignes avaient même contribution, celle-ci balancerait entre 20 % (100% divisé par 5). Au-delà de cette moyenne les profils seront considérés comme ayant plus influencé le 1^er axe : il s'agit des profils-lignes +Pauvre et +Riche qui ont contribué à la formation de l'axe 1 en apportant respectivement 42.7 % et 37.8 % environ (81 % environ pour les deux à la fois). Sur l'axe 2 (bien que non important ici), ce sont les profils-lignes +Pauvre (23.6 %) et Second (69.3 %) qui participent significativement à la création d'environ 93 % de l'inertie dans l'ensemble. L'on remarque la bonne représentation sur l'axe 1 de tous les profils-lignes (excepté le profil-ligne « moyen ») et la parfaite représentation du profil-ligne+Riche sur cet axe.

Tous ces détails sont synthétisés dans le graphique IV.3.2-1-c suivant, qui représente simultanément les profils Nombre d'avortement*Quintile de bien être économique.

GraphiqueIV.3.2-1-c :Représentation simultanée. Profils Nombre d'avortements*profils Quintile de bien-être économique..............................................

L'inspection visuelle de ce graphique relève et confirme la croissance de la fréquence d'avortement avec le quintile de bien-être économique du ménage dont est issu la femme. Elle relève aussi sur le 1^er axe une opposition entre les femmes issues des ménages +Riche, Quatrième ou Moyen et ayant connu soit 2 soit 3 avortements au cours de leur vie aux femmes issues des ménages +Pauvre ou Second et n'ayant presque jamais avorté.

Nous pouvons de même ici affiner ce résultat via un arbre de classification. C'est ainsi qu'a été complété^25(*) l'examen de ce graphique par une ACH issue elle-même des résultats de l'AFC qui lui sont associés, ce qui a abouti à une classification des individus vis-à-vis des postes JAM, AV1, AV2, AV3 et AV4+ (voir graphique IV.3.2-1-d suivant).

GraphiqueIV.3.2-1-d : Arbre de classification. Nombre d'avortements*Quintile de bien-être économique.

Le dendrogramme ci-dessus obtenu, coupé, renseigne sur 3 classes décrites ainsi qu'il suit :

Constituée uniquement des femmes issues des ménages +Pauvre ayant le moins avortées (profil proche de JAM), c'est-à-dire, ont pour la plus part, déclaré n'avoir pas eu recours à l'avortement au cours de leur vie ;

Formée des femmes originaires des ménages de niveaux de vie second et moyen. Elles ont aussi leur profil de bien-être économique relativement proche de celui des femmes n'ayant connu aucun avortement au cours de leur vie. C'est précisément la sous-classe « second » qui a ce statut des femmes n'ayant presque jamais avorté ;

Constituée des femmes issues des ménages dont le niveau de bien-être économique est « quatrième, +Riche ». Il s'agit des femmes qui ont le plus déclaré avoir eu recours à l'avortement. La sous-classe +Riche particulièrement, est la plus représentée dans cette situation de fréquence élevée d'avortement.

Ces regroupements en classes confirment les résultats de l'EDSC-I, 2005 en RC, qui stipulent que les femmes originaires des ménages les plus riches interrompent plus volontairement les grossesses par rapport à celles des ménages les plus pauvres qui ont plus tendance à garder le foetus jusqu'à ce qu'il devienne viable. On peut imaginer beaucoup de choses à ce niveau. Et de notre point de vue, la réponse se trouve entre deux courants de pensées du cadre conceptuel de l'appréhension de la pauvreté:

§ Selon l'école des welfarist, est considérée comme pauvre (ou non-riche), toute personne qui se situe en deçà d'un seuil fixé de bien-être économique (seuil de pauvreté) c'est-à-dire une personne, qui face à ces ressources, combine tous les paniers de biens/services qui maximisent son utilité ; Basée sur ce cadre, nous pouvons affirmer que les femmes pauvres^26(*) ont de moins en moins recours à l'avortement parce qu'elles trouvent que l'enfant est une ressource future sur laquelle est fondée l'espoir de leur ménage afin de quitter le dessous du seuil de pauvreté. Et encore qu'avorter c'est risqué sa vie et c'est d'autant plus risqué lorsqu'on est dépourvu des moyens, palliatifs aux complications éventuelles.

§ L'école des besoins de base, qui considère comme pauvre (ou non-riche) une personne privée d'un minimum de conforts de base jugés élémentaires^27(*) à l'atteinte d'une certaine qualité de vie. Dans cette optique, on peut par exemple dire que les femmes riches sont dotées des moyens financiers que la probabilité qu'elles soient tentées à avorter est plus grande par rapport aux femmes pauvres qui déjà sont dépourvues des commodités (conforts) élémentaires. A cela peut s'ajouter le fait que les femmes riches sont pour la plupart occupées (travail, scolarité,...) qu'elles trouvent la grossesse comme faisant obstacle à leur occupation. Il sied de préciser que ce dernier avis est discutable car on peut très rapidement trouver son contraire, en pensant par exemple au fait que les femmes riches ne devraient pas, compte tenu de leurs conforts (facilités économiques) devant leur permettre d'élever plus aisément un enfant, ne devraient en principe pas plus avorter que les femmes pauvres.

Nous confirmerons (ou infirmerons) ce propos dans la suite et précisément dans la section IV.4 traitant de l'ensemble des interrelations choisis autour de l'avortement.

IV.3.3 Raison principale d'avortement et Âge de la femme

Le tableau IV.3.3-1 de l'annexe B.3, donne la répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction de la raison principale du dernier avortement et de l'âge de la femme ; la variable âge étant rendue nominale[instruction prise dans Xavier BRY (1995, P.7)]. Nous allons nous intéresser aux tableaux IV.3.3-1-a (profils groupes d'âge) et IV.3.3-1-b (profils raison principale du dernier avortement) qu'il engendre.

Le tableau IV.3.3-1-a donne les profils-lignes, c'est-à-dire la répartition de la variable `'Groupe d'âges'' pour chaque modalité de la variable `'Raison principale du dernier avortement''. Il s'agit des probabilités conditionnelles pour une femme d'appartenir dans le groupe d'âges i sachant qu'elle a avorté dernièrement pour une raison j donnée. Il ressort du graphique IV.3.3-1-a une forte prééminence des femmes qui ont déclaré avoir eu recours à l'avortement parce qu'elles estimaient déjà avoir un nombre élevé d'enfants. Cette raison a été évoquée dans 22.92 % des cas, talonnée par la proportion de celles qui ont évoqué les autres raisons (18.75 %) et le problème d'argent/difficultés économiques (16.36 %). Les raisons concernant le problème de santé et la peur des parents ont été de moins en moins évoquées, soit respectivement dans 5.87 % et 5.72 % des cas. Il apparaît particulièrement que la peur des parents est plus évoquée par des femmes les moins âgées (15-19 ans). Elle explique peu l'avortement. Cela confirme ce que nous avons vu plus haut : c'est dans la fourchette d'âges la plus basse que la proportion des femmes ayant recours à l'avortement est la plus petite possible (1.02 %) cf. section IV.3.1.

Le tableau IV.3.3-1-b donne la répartition de la variable `'Raison majeure du dernier avortement'' pour chaque poste de la variable `'Groupe d'âges''. Son examen appuyé par le graphique IV.3.3-1-b montre une prédominance des femmes âgées de 20-24 ans (31.74 %), suivie de celles en âge de 20-24 ans. Les plus faibles proportions sont observées chez les femmes en âge de 40-44 ans (2.62 %) et 45-49 ans (1.08 %). Toutefois, une étude de la liaison globale renseignerait mieux sur la table de contingence IV.3.3-1 entre groupe d'âges et la raison principale au récent avortement.

On veut répondre à deux questions : Q1 : la raison du dernier avortement renseigne t-elle sur l'âge de la femme ? Q2 : les femmes d'une classe d'âges donnée avortent elles `'spécifiquement'' pour une certaine catégorie de raison donnée ?

Nous avons 6 axes factoriels. L'inertie totale du nuage de points décrit dans le tableau IV.3.3-1-c (annexe B.3) est 0.2859. Ce qui correspond à une statistique de test khi-deux

.Cette dernière suit, sous

, une distribution de

(khi-deux) à 42 ddl. Au niveau d'évidence

, on a :

Ainsi, le

observé est largement supérieur au

critique : on rejette donc l'hypothèse principale d'indépendance

.Exhiber l'AFC s'avère aussi utile ici pour décrire cette liaison.

L'histogramme des valeurs propres joint au tableau IV.3.3-1-c montre l'existence d'un coude entre la 2ième et la 3ème valeur propre. Deux axes suffisent : le 1er, avec une valeur propre

et le second avec une valeur propre

, apportant respectivement 78.18 % et 10.66 % (soit environ 89 % dans leur ensemble) de l'inertie du nuage.

Dans le tableau IV.3.3-1-d (annexe B.3), les profils-colonnes ayant une contribution au-delà de la tendance idéale souhaitée (12.5 %) sont celles ayant influencé significativement le 1^er axe. Il s'agit des profils « Tropjeune », « Peurparents » et « continuscol/trav » qui ont expliqué respectivement 38 %, 21 % et 18 % la formation du premier axe. Ces profils expliquent donc dans leur ensemble la quasi-totalité de la formation de cet axe. On peut donc assimiler le 1^er axe à la catégorie des femmes en bas âge. Cet axe qui explique environ 78 % de l'information, oppose « Tropjeune », « Peurparents » et « continuscol/trav » à « autres ». Sur cet axe sont bien représentés les profils « Peurparents », « continuscol/trav » et « autres » alors que, est très bien représenté, le profil « Tropjeune ».

Le second axe quant à lui n'explique qu'environ 11 % de l'information et oppose « PbSanté » à « Tropenfants » et« continuscol/trav ». Ces 3 modalités ont contribué pour 81.5 % dans la formation du 2^ième axe, soit respectivement 30.5 %, 22.3 % et 28.7 %. Cependant seule le profil « PbSanté » y est bien représenté (bon co2).

Par ailleurs, dans le tableau IV.3.3-1-e (annexe B.3), les profils-lignes ayant une contribution très loin de la moyenne souhaitée 14 % sont ceux qui ont le plus participé à l'élaboration du 1^er axe. Il s'agit du profil-ligne 15-19 ans qui a apporté pour lui seul près de la moitié de l'information (49.5 %) et du profil-ligne 30-34 ans qui lui a contribué pour 17.9 % (68 % environ pour les deux à la fois) alors que les profils-lignes 20-24 ans, 25-29 ans et 35-39 ans n'ont dans leur ensemble apporté qu'environ 29 % de l'inertie à la formation du 1^er axe.

Tous ces profils précités sont bien représentés sur cet axe. Le profil 15-19 ans y est particulièrement très bien représenté (très bon co2). Cet axe oppose 15-19 ans et 20-24 ans, qui agissent du coté négatif à 25-29 ans, 30-34 ans et 35-39 ans qui agissent à l'inverse, du coté positif.

Sur l'axe 2, ce sont les profils-lignes 15-19 ans,20-24 ans et 40-44 ans qui participent plus significativement à la création d'environ 78 % de l'inertie dans l'ensemble (respectivement 23 %,30 % et 25%). Les profils-lignes 35-39 ans et 45-49 ans n'y ont contribué que faiblement. En effet, 35-39 ans n'a apporté que 12 % d'information contre 45-49 ans qui n'en a apporté que 10 %.Tous les profils-lignes dont il est parlé ici sont mal représentées sur l'axe 2, excepté le profil 44-49 ans qui y est relativement bien représenté.

Nous avons synthétisé la précédente description sur le graphique IV.3.3-1-c ci-après.

GraphiqueIV.3.3-1-c: Représentation simultanée. Profils Raison du dernier avortement* profils Groupe d'âges

Le long du premier axe de la figure ci-dessus, l'on voit bien sur cette figure, qu'en ce qui concerne la récente interruption de grossesse, les raisons « Trop jeune » et « Peur des parents », corrélées négativement avec cet axe, ont été plus évoquées par les femmes de la frange 15-19 ans. C'est une confirmation de l'analyse exploratoire précédente. Et ce résultat n'est pas extraordinaire car on peut très facilement s'apercevoir qu'étant encore trop jeunes (15-19 ans), ces femmes ont peu d'expérience dans l'activité sexuelle, sont au plus, majoritairement, au lycée, sont encore sous le toit des parents et dépendent d'eux certainement, ce qui justifie qu'elles aient leur crainte. En revanche, la raison de continuer l'école ou de poursuivre le travail, raison qui est aussi corrélée négativement avec le 1^er axe, a été plus évoquée par les femmes de 20-24 ans. De l'autre coté de cet axe se positionne les femmes qui ont interrompu leur dernière grossesse pour d'autres raisons.

Le long du second axe, par contre, s'opposent les profils « problèmes de santé », évoquées par les femmes âgées de 40-44 ans, du coté positif de l'axe avec les profils « Nombre élevé d'enfants » et « poursuite de la scolarité et/ou du travail), évoqués respectivement par les femmes de 25-34 ans et 20-24 ans.

Il apparaît dans le graphique ci-dessus un particulier phénomène statistique. En effet, on note la forme parabolique présentée par la suite des classes d'âges. Cet effet apparaît ici, comme habituellement dans la plupart des variables temporelles (ici l'âge), de façon mécanique. Et en tant que tel, il n'est pas forcément intéressant en soi mais peut s'avérer important dans l'étude des phénomènes périphériques, afin d'interpréter véritablement les axes. C'est ainsi que l'axe 1 oppose les basses classes d'âges (15-24 ans) aux classes d'âges avancées (30-49 ans) tandis que l'axe 2 oppose les groupe d'âges extrêmes (15-19 ans et 40-49 ans) aux groupes d'âges intermédiaires (20-24 ans, 25-29 ans et 30-34 ans) : C'est l'effet Guttman. Certains points méritent une attention particulière le long de la parabole.

La parabole signifie : initialement assez importante, la proportion des femmes qui avortent en bas-âge pour des raisons d'adolescence et de dépendance à leur parents (peur des parents, trop jeunes), décroît pour atteindre son minimum à 20-24 ans où elle correspond aux femmes qui avortent pour pouvoir continuer les études ou le `'boulot'', puis croit à nouveau pour redevenir une importante proportion de femmes amorçant leur ménopause et qui interrompent leur gestation pour des raisons de bien-être physiologique (problème de santé).

Il y a par ailleurs deux points qui méritent une attention particulière, notamment les classes d'âges qui marquent une rupture de la parabole:30-34 ans et 44-49 ans. A ces âges se produisent donc des phénomènes spécifiques qui perturbent l'effet Guttman. En somme, il va sans dire au Congo, qu'une étude particulière de l'avortement peut donc s'avérer très important chez les femmes de 30-34 ans et 45-49 ans. Nous n'avons actuellement aucun argument pour dire ce qu'il en est véritablement.

En outre, nous avons effectué via une CAH, des regroupements en termes de similarité entre femmes, en ce qui concerne les raisons de la dernière interruption de grossesse vis-à-vis de l'âge. Ces regroupements complétant l' AFC sont résumés dans le graphique IV.3.3-1-d. Mais aussi, nous avons exceptionnellement dans cette partie, ajouté une CAH effectuée sur la matrice duale de l'initiale (voir graphique IV.3.3-1-d^*), afin de bien distinguer les proximités entre les raisons du dernier avortement, ce qui ne semble pas trop se dessiner sur le graphique primale IV.3.3-1-c.

GraphiqueIV.3.3-1-d : Arbre de classification primale (ou Dendrogramme primale). Raison du dernier avortements* classe d'âges.

GraphiqueIV.3.3-1-d^* : Arbre de classification dual (Dendrogramme dual). Raison du dernier avortements et classe d'âges........................................................................................................................................

La prise en compte simultanée de la coupure des deux arbres précédents complète la constitution des classes homogènes qui était encore un peu ambiguës sur le graphique IV.3.1-1-c. Ainsi apparaît très nettement 4 classes :

Classe 1 (en rose) : Des femmes de 15-19 ans et avortant parce que trop jeunes et/ou ayant peur des parents ;

Classe 2 (en violet) : Des femmes de 20-24 ans et qui décident d'avorter pour poursuivre l'école ou le travail ;

Classe 3 (en violet-rose) : Des femmes de 25-39 ans et qui justifient leur décision d'interruption de gestation pour des raisons soit d'un nombre élevé d'enfants soit pour d'autres raisons ;

Classe 4 (en jaune) : Des femmes de 40-49 ans et avortant pour des problèmes d'argent, de santé ou d'absence d'enthousiasme de leur partenaire.

IV.3.4 Département et procédure d'avortement

Le tableau IV.3.4-1 de l'annexe B.4, donne la répartition des femmes ayant avorté au moins une fois les cinq dernières années selon le département d'origine et la procédure d'avortement utilisée au dernier avortement. Les effectifs en marge ne sont toujours pas égaux à la somme des effectifs des modalités concernées (une combinaison de méthodes d'avortement est plausible chez certaines femmes). Les profils sont représentés sur les graphiques en secteur IV.3.4-1-a et IV.3.4-1-b (annexe B.4).

Il ressort du graphique IV.3.4-1-a une forte prééminence de l'utilisation des techniques modernes d'avortement. En effet, plus de la moitié des femmes interrogées (femmes ayant avorté) ont avorté avec usage des méthodes modernes que sont la dilatation/curetage (près de 3 femmes sur 5) et l'aspiration (près de 2 femmes sur 25). Parmi les méthodes restantes, est utilisée majoritairement l'usage des comprimés dans 17.54 % des cas.

De même il ressort du graphique IV.3.4-1-b une prédominance des femmes qui avortent dans les départements lotis des grandes villes. Il s'agit des département comme Kouilou (26.35 %) à cause de Pointe-Noire (une des grandes métropoles congolaise) qui couvre elle seule pratiquement toute les femmes ayant avorté dans le Kouilou, et Brazzaville avec près d'un quart des femmes ayant avorté (26.12 %).

On veut répondre à deux questions : la technique utilisée au dernier avortement renseigne t-elle sur le département d'origine ? ; Les femmes d'une région donnée avortent-elles`'préférentiellement'' avec une certaine méthode donnée ? La statistique de test est

alors que

, une AFC est donc plausible. Cette dernière donne 6 axes possibles et le critère de Kaiser (cf. tableau IV.3.4-1-c, annexe B.4) donne la suffisance des deux 1ers axes pour la projection du nuage. Ces deux axes permettent d'analyser 84 % de la dispersion des profils par rapport aux profils moyens (56 % pour le premier et 28 % pour le second). On a résumé l'interprétation sur la figure IV.3.4-1-c ci-après :

GraphiqueIV.3.4-1-c : Représentation simultanée. Profils Technique d'avortements* profils Départements.

L'examen visuelle de cette figure fait apparaître, tenant compte aussi des CTR, des coordonnées et des CO2 (tableaux IV.3.4-1-d et IV.3.4-1-e, annexe B.4), deux types d'opposition. D'une part, le 1^er axe est un paramètre de niveau le long duquel s'opposent les techniques modernes d'avortement (dilatation et curetage) pratiquées par les femmes originaires du Kouilou (à cause de Pointe-Noire, 2^ième ville de la RC) aux méthodes traditionnelles (Sondes, plantes et décoctions) utilisées par les femmes originaires des départements défavorisés que sont la Likouala et la Cuvette. Il faut noter que la Likouala est bonne illustrative (bon co2) c'est-à-dire très bien représentée sur cet axe. L'individu Kouilou a été mis en supplémentaire (Pointe-Noire en effet, est une métropole du Congo située dans le Kouilou). La proximité de Pointe-Noire à coté de Kouilou dans le graphique ci-dessus confirme cette filiation. On fait remarquer qu'en gagnerait mieux en richesse d'analyse si l'on mettait les postes « sondes » et « aspiration » en supplémentaires.

D'autre part, l'axe 2, oppose les profil Dilatation/curetage et sondes utilisées par les femmes originaires du Niari, de Pointe-Noire, de la Bouenza et de la Likouala aux profils injections et comprimés plus utilisées par les femmes issues de la Lekoumou, la Cuvette-Ouest et la Sangha. Le deuxième axe est pour ainsi dire un axe géographique. Une vue claire du rapprochement entre départements/techniques d'avortement est illustrée sur la figure IV.3.4-1-d ci-après :

GraphiqueIV.3.4-1-d : Arbre de classification (ou Dendrogramme).Technique d'avortement* Départements

Une inspection visuelle de la coupure du dendrogramme ci -dessus, coupure conforme à l'histogramme des indices de niveaux du tableau IV.3.4-1-f (annexeB.4), on a un regroupement en 5 classes, à savoir :

Des femmes de la Likouala, avortant majoritairement par des techniques traditionnelles comme les plantes et les décoctions. Le mauvais environnement socio-économique et culturel (enclavement, inondation, insuffisance des établissements scolaires, l'absence des grands centres de santé/hôpitaux) en est l'explication ;

Des femmes des départements Cuvette-Ouest, Lekoumou, Sangha, Plateaux, Pool et Cuvette. Il s'agit ici d'un résultat très impressionnant en ce sens que cette classe est constituée par la quasi-totalité des départements regroupés lors de l'EDSC, précisément au moment de la stratification (cf. Rapport EDSC-I2005, P.9). Ce sont des régions du Nord (exception faite pour le Pool) dans lesquelles les femmes avortent avec des procédés traditionnelles comme les injections et les comprimés : ce sont des départements aussi mal lotis en matière de bien-être physiologique ;

Des femmes originaires de Pointe-Noire et de la Bouenza. L'homogénéité de la Bouenza par rapport à Pointe-Noire peut s'expliquer en ce sens que la population de la Bouenza est plus concentrée à Nkayi, la plus grande ville de ce Département. Nkayi en effet couvre près de ¼ de la population de la Bouenza^28(*). La proximité de Bouenza/Pointe-Noire n'est donc qu'une ressemblance de Nkayi et Pointe-Noire qui sont deux villes où les femmes arrêtent leur état gestatif par des techniques modernes comme la dilatation et le curetage. Dotés des grands centres hospitaliers, l'usage de ces méthodes caractérise ces 2 localités pourvues d'un environnement médical acceptable. Ce pendant l'étude des procédures d'avortement dans les localités rurales de la Bouenza reste à réfléchir. On ne peut rien dire de nos statistiques. Peut être faut il envisager pour ces localités des techniques d'analyse plus robustes ou au moins plus exhaustives ;

Constituée des femmes Brazzavilloises. Capitale politique, Brazzaville est pourvue de plusieurs centres de santé, des hôpitaux, des cabinets/cliniques (publics et privés) et même d'un centre hospitalier et universitaire (le CHU de Brazzaville) pour dire que cette classe de femmes est dans un environnement médical relativement adapté au modernisme, tout au moins pour celles qui supportent les frais de bien-être physiologique.

Brazzaville est une grande métropole congolaise si bien que l'usage prédominant des techniques modernes d'avortement, caractéristiques des femmes qui l'habitent n'est pas singulier. C'est ainsi qu'elles utilisent fréquemment les méthodes modernes comme la dilatation/curetage : des 67.95 % des femmes qui les utilisent, 27.21 % d'entre elles sont brazzavilloises. L'aspiration, méthode très sophistiquée y est aussi utilisée à 49.10 % des 9.02 % qui l'utilisent dans l'ensemble des départements.

Des femmes du Niari. Elles ont pratiquement les mêmes caractéristiques que celles de Brazzaville. Elles utilisent Dilatations/curetage (6.12 % des cas) et de moins en moins les plantes/décoctions (17.07 % des cas) et l'aspiration à une proportion d'environ 6.78 %). Le Niari doit le modeste usage des techniques assez sophistiquées à Dolisie, troisième ville du Congo. Des mêmes sources que celles précisées dans la description de la classe 2 précédente, il ressort que Dolisie couvre près de 77 % de la population du Niari. Etant aussi techniquement (sanitaire et éducatif) assez équipée, Dolisie et donc le Niari par ricoché n'occupe pas une position inaccoutumée sur les graphiques IV.3.4-1-c et IV.3.4-1-d sus-indiqués.

IV.3.5 Niveau de bien-être économique et Procédure d'avortement

Une brève étude (AFC) sur la table de contingence IV.3.5-1 ci-dessus est synthétisée sur les graphiques IV.3.5-1 et IV.3.5-2 qu'elle engendre.

Tableau IV.3.5-1 : Répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction du Quintile de bien-être économique du ménage et de la Procédure utilisée au dernier avortement.

Les marges ne sont pas impératives (certaines femmes ayant déclaré avoir utilisé simultanément plus d'une technique lors du récent avortement). Les modalités particulières Sonde et NSP (Ne sait pas) sont pris en supplémentaires (illustratives).

Graphique IV.3.5-1 : Représentation simultanée. Niveau de bien-être économique et Procédure d'avortement.

La simple inspection visuelle de ce graphique fait apparaître une trajectoire parabolique de l'ensemble des profils : cette forme, nous l'avons vue à l'instar de la sous-section IV.3.3, est caractéristique de l'effet Guttman. Particulièrement ici, il porte sur les deux caractères étudiés. Ainsi, le premier axe [qui explique plus des trois quarts(76.46 %)] de la dispersion des profils autour de leur profils moyens oppose les `'fortes'' modalités des caractères aux `'faibles'' modalités de ces mêmes caractères c'est-à-dire, d'un côté les femmes issues des ménages les plus riches et faisant recours aux techniques modernes d'avortement telles dilatation/curetage et aspiration, et de l'autre côté les femmes originaires des ménages les plus pauvres ou de quintile économique second, faisant recours aux méthodes familières constituées des plantes/décoctions.

Par contre, le long de l'axe 2 qui apporte près d'un cinquième (18.57 %) d'information à la matrice initiale, s'opposent les modalités intermédiaires^29(*) des deux caractères c'est-à-dire les femmes issues des ménages de niveau de vie économique « moyen » ou « 4^ième », utilisant des comprimés et/ou des injections pour avorter contre les modalités extrêmes illustrées par les femmes issues des ménages plus pauvres (recourant aux plantes/décoctions) ou plus riches (recourant à l'aspiration) pour avorter.

Le regroupement entre procédures d'avortement homogènes a été facilitée via la figure ci-après résultant d'une CAH ayant permis de distinguer 4 classes : aspiration, plantes/décoctions, comprimés et injections puis Dilatation/curetage (Ce qui a permis de compléter la figure IV.3.5-1 précédente avec des rectangles matérialisant les classes et leurs caractéristiques).

Graphique IV.3.5-2 : Arbre de classification. Niveau de bien-être économique et Procédure d'avortement.

IV.3.6 Prise en compte des autres Interactions

La méthode AFC utilisée dans les sections précédentes a l'inconvénient de ne prendre que les caractères 2 à 2, ce qui rend l'analyse fastidieuse, vu le nombre élevé des variables choisies autour de l'avortement. C'est ainsi les facteurs autres que ceux étudiés plus haut (exemple Nombre d'enfants vivants, Milieu de résidence, Niveau d'instruction, Stade de la dernière grossesse avortée, Complications post avortement, Consultation post avortement et Méthode de contraceptive envisagée), interviendront dans les deux dernières sections. Mais, jusque-là, ce ne sera toujours pas un travail exhaustif car l'avortement est inter relié à beaucoup d'autres thèmes de la santé de la reproduction à l'instar de la planification familiale, la santé de la mère, etc.

IV.4 CATÉGORISATION DES FEMMES À PROFILS D'AVORTEMENT SIMILAIRES

Nous procéderons dans cette partie à la construction et à l'analyse d'un Hypercube de contingence de l'avortement avec un ensemble des variables pris simultanément de sorte que nous obtenions une mise en évidence des genres (des catégories) de femmes qui se ressemblent quant aux attributs (profils) choisis pour les décrire, et ce, par le truchement de la technique d'ACM. Notons que, pour servir d'auxiliaires avec les variables qui ont été cité au IV.3.6, nous reprenons certaines autres variables étudiées plus haut. Un échantillon de 185 femmes est concerné à 12 questions ci-dessus sélectionnées. Les détails sont donnés à l'annexe C.

Le tableau IV.4-1 ci-dessus donne les libellées des 12 questions (ou variables) que nous avons sélectionné et leurs modalités [seule la modalité Std5+ a été ventilée (effectif inférieur à 2 %) dans le tri à-plat des modalités ayant précédé l'analyse par l'ACM avec SPAD]. Il présente 12 variables dont 8 actives avec 22 modalités associées (21 après apurement) et 4 illustratives avec aussi 22 modalités associées. Dans toute la suite de cette section on adopte les notations de Benzécri, soit J=21 (modalités actives) et P=8 (variables actives).

Le tableau IV.4-2 (annexe C) présente le tableau de Burt relatif aux 8 variables actives. On y trouve 28 tables de contingence croisant les 8 variables actives 2 à 2 (

), avec sur la diagonale, les questions croisées elles-mêmes, et donc les effectifs correspondant à chaque modalité (la somme de tous les effectifs de chaque table est 185 qui est le total des individus concernés par toutes les 12 questions simultanément).

Dans le tableau IV.4-3 ci-après est présentée l'inertie totale du nuage I=1.625(I=J/P-1) ainsi que les 13 (J-P) valeurs propres nécessaires à la détermination des axes factoriels.

Tableau IV.4-3 : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

| 1 | 0.1997 | 12.29 | 12.29 | ******************************************************************************** |

| 2 | 0.1857 | 11.43 | 23.72 | *************************************************************************** |

| 3 | 0.1647 | 10.13 | 33.85 | ****************************************************************** |

| 4 | 0.1497 | 9.21 | 43.06 | ************************************************************ |

| 5 | 0.1352 | 8.32 | 51.39 | ******************************************************* |

| 6 | 0.1334 | 8.21 | 59.60 | ****************************************************** |

| 7 | 0.1278 | 7.87 | 67.46 | **************************************************** |

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

L'histogramme annexé à ce tableau révèle une décroissance irrégulière des valeurs propres. Le critère de Cattell suggère un coude entre la 7^ième et la 8^ième valeur propre. Cela est confirmé par la règle des valeurs propres supérieures à 1/P=0.125, permettant de ne retenir que les 7 premiers et donc 7 axes factoriels. On peut également y remarquer la faible proportion d'inertie expliquée sur chacun de ces 7 axes : c'est une caractéristique de l'ACM, qui donne très souvent des valeurs propres moins pessimistes^30(*).

Le tableau IV.4-4 (annexe C) fournit les indicateurs nécessaires pour interpréter les positions des modalités actives. Seules les modalités ayant une contribution supérieure à 4.5 % (100 %/22) et un cosinus carré supérieur à 0.05 (1/22) sont à interpréter. Sont significatifs sur l'axe1, 7 variantes sur 22 (toutes sont bien représentées sur cet axe) : Rural, oui CPA, Aspiration, Sond/Inject/Comprimé, Plante/Décoc/Autr TNQ, Stade 2-4 mois et NEV 0-1 enfants, qui expliquent elles seules plus des deux tiers de l'inertie de l'axe 1 [67.2 % =14.5 % (Rural) +8.0 % (OuiCPA)+17.0 % (Aspiration)+5.8 % (Sond/Inject/Comprimé)+12.0 % (Plante/Décoc/Autr TNQ)+5.3 % (Stade 2-4 mois)+4.6 % (NEV 0-1 enfants)]. La formation de l'axe 2 quant à elle est plus expliquée par 9 variantes (toutes sont bien représentées sur cet axe) qui contribuent dans leur ensemble à 86.2 % à sa formation : OuiCPA (22.1 %), Dilatation/Curetage (7.0 %), Aspiration (7.8 %), Plante/Décoc/Autr TNQ (14.0 %), Aure DEC (6.9 %), Stade 2-4 mois (5.1 %), NEV 0-1 enfants (4.9 %), 5 enfants et + (7.6 %) et Stérilisation (10.8 %). La représentation de la structure des modalités sur le plan factoriel (1,2), qui résume les 28 tables croisées, constitue l'Hypercube de contingence qui est la synthèse finale de cette partie matérialisée par la figure IV.4 (page suivante).

Pour ne pas passer outre les 5 autres axes, nous signalons particulièrement quelques éminences observées : des femmes qui sont allées en consultation post avortement, ayant 2 à 4 enfants et envisageons utiliser dans leur union soit la pilule soit le retrait/Autre MCF comme contraception (62.5 %, axe 3), des femmes pour lesquelles la décision d'avorter a été prise par quelqu'un d'autre et prétendant utiliser le condom comme moyen de contraception(48.7 %,axe 4), des femmes qui avortent soit par Sond/Inject/Comprimé soit par Plante/Décoc/Autr TNQ (47.9 %, axe 5),des femmes ayant 5 enfants et + et ayant l'intention de planifier leur famille par le recours à la stérilisation (49.7 %, axe 6) et des femmes de qui n'a pas émané la décision d'interruption de grossesse et ayant 5 enfants et plus (37.8 %, axe 7).

Dans le tableau IV.4-5 (annexe C) sont données les valeurs-test et les coordonnées des modalités supplémentaires sur les 7 premiers axes. Seules les postes significatifs [valeur-test supérieure à 2 (en valeur absolue)] sont pris en compte. Ainsi, on note les mentions {Clinique/Cabinet,À la maison/Autre LAV}, {AutreLAV,MPA}, {Primaire,Secondaire1/2} et {30 à 34 ans}, caractéristiques du 1^er axe alors que les mentions {Hôpital} et {20 à 24 ans, 30 à 34 ans, 40 à 49 ans} caractérisent le second axe. Les postes {peur des parents} et {15 à 19 ans, 25 à 29 ans} sont caractéristiques du 3^ième axe alors que seule la coordonnée {A la maison/Autre LAV}, relative au lieu d'avortement caractérise le 4^ième axe. On y trouve les postes {Clinique/Cabinet, À la maison/Autre LAV},{Trop d'enfants} et {25 à 29 ans, 40 à 49 ans} qui déterminent l'axe 5 ; les variantes { À la maison/Aure LAV},{Supérieur},{15 à 19 ans,30 à 34 ans, 35 à 39 ans} affiliées à l'axe 6 et enfin, les raisons {Problèmes de santé, Problèmes d'argent} et les tranches d'âges {35 à 39 ans, 40 à 49 ans} qui caractérisent le 7^ièmeaxe.

Graphique IV.4 : Hypercube de contingence. Position des mentions actives et illustratives sur le plan (1,2).

Légende : Points triangulaires pleins rouge = modalités actives ; Points rectangulaires pleins-bleu = modalités illustratives ; Lignes rouges = lieux précis de certaines modalités qui encombreraient la figure si on les plaçait à leur lieu originel ; Courbes à lignes polygonales = jointure des modalités ordinales [CAG : clase d'âges, NEV : nombre d'enfants vivants, Stad : stade de la grossesse au moment de l'avortement, NIV : niveau d'instruction].

Il ressort de cet Hypercube de contingence deux observations. D'une part, l'axe 1 qui oppose son côté positif engendré par les femmes de niveau d'instruction considérable (secondaire 1 et 2), ayant 0 à 1 enfant, avortant par le recours exclusif à l'aspiration dans les cabinets médicaux/cliniques, avec son côté négatif constitué par les femmes rurales âgées de 30-34 ans, de niveau d'instruction très basse (primaire), interrompant des grossesses de 2-4 mois par des techniques traditionnelles telles sondes/injections/comprimés et plantes/décoctions/autres TNQ qu'elles utilisent chez elles ou en d'autres lieux et connaissant ipso facto des complications après avortement (l'axe 1 est pour ainsi dire un axe de technologie^31(*) en matière d'avortement). D'autre part, s'opposent sur l'axe 2, son côté positif engendré par les femmes en âge avancé (30-34 ans et 40-49 ans) ayant au moins 5 enfants vivants et qui avortent des grossesse de 2-4 mois par des techniques assez bonnes (dilatation/curetage) pratiquées dans les hôpitaux contre son côté négatif constitué des femmes de 20-24 ans, ayant 0 à 1 enfant, ne prenant pas elles-mêmes la décision d'avorter par usage soit de l'aspiration soit les plantes/décoctions/autres TNQ, déclarant avoir connu des complications post avortement et envisageant ipso facto utiliser à l'avenir la stérilisation comme moyen contraceptif.

Il faut dire que ces résultats sont en accord avec ceux que nous avons obtenus dans la section précédente. Ils les complètent avec des modalités spécifiques. En tenant compte des dépendances établies aux sections IV.3 et IV.4 et des lignes polygonales évolutives incorporées sur le graphique IV.4, il se dessine que la fréquence d'interruption volontaire de grossesse (NAV) augmente avec le quintile de bien-être économique du ménage, la classe d'âge (ligne polygonale CAG, en noir), le nombre d'enfants vivants (ligne polygonale NEV, en vert d'eau) et avec le niveau d'instruction (ligne polygonale NIV, en violet) alors qu'elle décroît avec le stade de la grossesse au moment de l'avortement (courbe Stad, en turquoise).

Cette fréquence est plus élevée chez les urbaines que chez les rurales. En effet, le milieu rural est très mal lotis (environnement médical, socio-culturel et économique « inadaptés») si bien que les femmes qui y sont issues arrêtent l'école très tôt, avortent par les seules techniques traditionnelles qu'elles utilisent en des lieux autres que les hôpitaux, les cliniques/cabinet/centres de santé. Faute des moyens financiers et d'instruction suffisante, les femmes rurales ne vont presque pas en consultation après avortement, risquent leur vie en interrompant des grossesses évoluées. Néanmoins, elles préconisent utiliser à l'avenir le préservatif comme moyen contraceptif. Le milieu urbain quant à lui est doté des environnements médical et scolaire « relativement adéquats » si bien qu'on y trouve une prédominance des femmes assez instruites, avortent de ce fait par le truchement des techniques modernes, vont en consultation post avortement car pourvues aussi des commodités financières, motivent leur décision d'avorter pour la poursuite soit de la scolarité soit du travail et ne le font dans la plupart des cas que pour des grossesses moins évoluées (stade 0-1 mois).

Il s'est aussi révélée une relation milieu de résidence-taux de fécondité : le nombre d'enfants vivants moins élevé chez les femmes urbaines en bas âge qui ne prennent pas elles-mêmes la décision d'avorter contre le nombre d'enfants vivants élevé chez les femmes rurales âgées et prenant elles-mêmes la décision d'avorter. Ceci confirme un des résultats de l'EDSC-I 2005 à savoir : « à tous les âges, la fécondité en milieu rural est plus élevée par rapport à la fécondité en milieu urbain (cf. Gabriel BATSANGA, Rapport EDSC-I Chapitre 4, p.55).

Enfin, on n'a pas eu de bonnes raisons de rejeter l'hypothèse d'une dépendance entre les techniques utilisées pour l'avorter et la MCF : autant les femmes urbaines utilisent majoritairement des procédures modernes pour avorter autant elles entrevoient utiliser des MCF modernes tandis qu'autant les femmes rurales font principalement recours aux techniques traditionnelles d'avortement autant elles ont l'intention d'utiliser des MCF à prédominance traditionnelle.

IV.5 SPÉCIFICATION EN RÉGRESSION LINÉAIRE MULTIPLE

IV.5.1 Problématique et hypothèses du modèle

Puisque l'avortement peut affecter la fécondité (approximée dans notre travail par le nombre d'enfants vivant), nous voulons dans cette partie postuler un hyperplan pour essayer de voir s'il existe une relation entre le nombre d'enfants vivants (Nev) et un vecteur de variables explicatives, cela dans le simple but de compléter les caractéristiques (profils) des femmes `'avorteuses'', par d'autres variables qui auraient pu encombrer les analyses factorielles effectuées dans les sections IV.3 et IV.4 plus haut. Le modèle ici postulé ne constitue donc aucunement une explication de la probabilité pour qu'une femme décide d'avorter en raison de son nombre d'enfants vivants (ce qui nous contraindrait d'utiliser un modèle autre que la régression linéaire multiple et dont nous n'avons pas compétence). Avec Nav : nombre total d'avortements, Ngsnv : nombre de grossesses sans naissance vivante, Stad : stade de la dernière grossesse avortée, ÂgeF : l'âge de la femme et Âgep : l'âge du partenaire comme régresseurs potentiels. Nous postulons :

Où

est le terme d'erreur aléatoire d'espérance nulle et de variance égale à une constante. Nous voulons de façon astucieuse rendre plus spécifique l'équation de l'hyperplan (H) précédente, en y incorporant 2 variables qualitatives. Les résultats de l'EDSC concernant les complications que connaissent certaines femmes selon l'âge et la procédure d'avortement nous incitent à nous intéresser à des nouveaux caractères dans le modèle de départ. Connaissant des femmes tirées pendant l'EDSC-I, celles qui, après avortement, ont connu des complications selon qu'elles aient utilisées telle ou telle autre procédure pour interrompre une grossesse, notre objectif, ici, est de représenter spécifiquement le profil des femmes ayant connu des complications après leur dernier avortement et de vérifier si le type de technique utilisé lors de la dernière interruption de grossesse a une influence sur le nombre d'enfants vivants (NEV). Pour ce faire, on définit deux variables indicatrices tecniq et complic que nous incrusterons ensuite dans l'élaboration du modèle de départ, en les dichotomisant de la façon suivante :

Nous rappelons les hypothèses classiques du modèle de régression : H₁ la relation statistique entre la variable dépendante et les variables explicatives est linéaire, H₂le terme erreur est une variable aléatoire d'espérance nulle, H₃ la variance des erreurs est homoscédastique, H₄ Il n'existe aucune corrélation entre les erreurs, H₅ les variables explicatives ne sont pas stochastiques mais certaines, H₆ les termes d'erreurs aléatoires sont normalement distribuées de moyenne 0 et de variance constante ó².

Concrètement, notre objectif est de déterminer les estimateurs

des paramètres inconnus

(

) qui soient sans biais, et les plus précis possibles, ce qui permettra d'ajuster un hyperplan de régression (H) pouvant servir, s'il est validé, à une inférence statistique^32(*). En effet, ce modèle peut servir à la prédiction de la variable dépendante Nev pour un vecteur (ÂgeF, Stad, Nav, Ngsnv, ÂgeP, Tecniq, Complic) de variables explicatives, à la construction de intervalles de confiance et à effectuer des test d'hypothèses sur les coefficients du modèle. Avec SPSS, nous avons obtenu les résultats suivants que nous analysons brièvement.

IV.5.2 Statistiques sommaires

Le tableau IV.5.2-1 ci-dessus donne pour chaque variable sa valeur minimale, sa valeur maximale, sa moyenne et son écart type. Il ressort que les femmes observées (et ayant avorté) ont en moyenne 3 enfants, les valeurs de Nev étant dispersées autour de cette valeur de 3 enfants vivants, sans toute fois dépasser 15 enfants. Seules les âges (femme et partenaire) sont grandement dispersées autour de leur moyenne (9 pour les femmes avec un âge moyen de 28 ans et 11 pour les partenaires avec un âge moyen de 39 ans). On y trouve aussi deux indicateurs particuliers de l'avortement : les femmes ayant avorté l'ont fait en moyenne deux fois au cours de leur vie, et dans l'ensemble, elles ont eus au plus 9 avortements.

Le tableau IV.5.2-2 (annexe D) donne les coefficients de corrélations entre les variables explicatives. Toutes les variables explicatives ne sont pas fortement corrélées deux à deux. Par contre, l'âge de la femme et l'âge de son partenaire d'une part, le nombre total d'avortements au cours de la vie et le nombre de grossesse sans naissance vivante, sont relativement bien corrélées dans le sens négatif.

Le graphique IV.5.2-1 (annexe D) représente toutes les combinaisons possibles des variables du modèle pris deux à deux. La forme allongée indique une liaison linéaire entre deux variables. Il en est le cas pour ÂgeF et ÂgeP, ÂgeF et Nev, Nev et ÂgeP, Nav et Ngsnv. Ces résultats confirment les précédents. De plus on a aucune variable explicative fonction linéaire élevée des autres variables explicatives. Il n'y a donc pas multicolinéarité.

IV.5.3 Modélisation et validation des hypothèses

D'après le tableau IV.5.3-1 suivant, le modèle explique 71 % de la dépendance de Nev à l'ensemble de ses variables explicatives. La statistique de Fisher (F=1252.284) y associée confirme la significativité globale de la régression, c'est-à-dire qu'il existe au moins une variable qui permet d'expliquer Nev. Elle atteste significative la mesure d'ajustement par un hyperplan dont la qualité est mesurée par la statistique de Fisher F. Par ailleurs, la statistique de Durbin-Watson (DW=1.771) jointe, est aussi significative : ce qui suppose que les erreurs (résidus) sont indépendantes. Quant au tableau IV.5.3-2 qui le suit, il n'est qu'un résumé de l'analyse de la variance. Elle présente particulièrement la variabilité totale comme résultant d'une variabilité expliquée par l'hyperplan (H) et d'une variabilité résiduelle.

Dans le tableau IV.5.3-3 (annexe D) sont fournis particulièrement les coefficients du modèle (colonne B), leur écart type (colonne Erreur standard), les t-statistiques (statistiques de Student, colonne t) et leur signification avec un niveau d'évidence 5 % (colonne signification). Il ressort que seuls la constante et les coefficients des variables ÂgeF, Stad, ÂgeP et Tecniq sont significatifs. Dans son avant dernière colonne apparaissent des corrélations partielles. Chaque coefficient décrit le rapport linéaire entre la variable dépendante Nev et une variable explicative lorsque les effets linéaires des autres variables explicatives du modèle sont éliminés. Ainsi l'on voit que l'âge de la femme (corrélation partielle égale à 0.685) ainsi que la technique utilisée pour avorter (corrélation partielle égale à -0.076) contribueront plus au pouvoir explicatif du modèle.

L'observance (annexe D) du graphique IV.5.2-2 et du tableau IV.5.3-4 d'une part et du graphique IV.5.2-3 d'autre part rassure respectivement que les résidus sont distribués normalement et que les erreurs ne sont pas corrélées à Nev.

Les termes entre parenthèses sont les t de Student (t-ratios),

le coefficient de détermination et

l'estimateur de l'écart type des résidus.

Il ressort de cet hyperplan qu'au seuil de 5 %, on peut admettre que l'âge de la femme, le stade de la grossesse au moment de l'avortement, l'âge du partenaire et la technique utilisée pour avorter ont une influence sur le nombre d'enfants vivants des femmes ayant avorté ne serait-ce qu'une fois au cours de leur vie. Ainsi, nous avons capté à travers la variable Nev d'autres informations (en encadré ci-dessous) sur les caractéristiques des classes des femmes à profil d'avortement illustré au travers des analyses factorielles faites plus haut. La combinaison de toutes ces informations est récapitulée dans les principaux résultats de notre étude (cf. synthèse et conclusion).

Lorsque l'âge de la femme augmente d'une année, le nombre d'enfants vivants correspondant s'élève de 19 points (le stade de la grossesse au dernier avortement, la technique utilisée pour avorter et l'âge du partenaire demeurant stables) alors qu'une augmentation d'une année d'âge chez le partenaire élève relativement de 0.006 le nombre d'enfants vivants.

Lorsque le stade de la grossesse au dernier avortement augmente d'un mois, le nombre d'enfants vivants s'élève de 6.5 points, les autres facteurs (AgeF, AgeP et Tecniq) restant constants.

Le coefficient 0.432 attaché à la variable indicatrice Tecniq est la variation relative de Nev qui accompagne une variation de Tecniq d'une unité c'est-à-dire une variation du Nombre d'enfants vivants qui se crée lorsque l'on passe d'une technique traditionnelle à une technique moderne pour interrompre une grossesse (ÂgeF, Stad, ÂgeP demeurant inchangés).

La constante 2.732 confirme le Nev moyen des femmes interrogées obtenu dans les statistiques sommaires décrites à la page 49 de la sectionIV.5.2.

Chapitre V : DIFFICULTÉS RENCONTRÉES ET RECOMMANDATIONS

Ce chapitre souligne quelques difficultés majeures que nous avons rencontrées, malgré le bon et aimable climat de travail et le bon encadrement dont nous avons bénéficié durant toute la période de notre stage. Des recommandations sont suggérées pour pallier à certains problèmes épineux que pour l'ensemble des informations recueillies autour de l'avortement en RC.

V.1 DIFFICULTES RENCONTRÉES

§ L'insuffisance du personnel. La DSDS, en effet, souffre d'un manque drastique de personnel. Pire encore, malgré le nombre insuffisant des cadres dans cette direction, certains d'entre eux viennent en dents de scie, tantôt ils sont là et tantôt non en raison des heures d'arrivée et de départ incontrôlées, et encore moins les absences. Cela a plus ou moins retardé notre travail car obtenir certaines informations nécessitait beaucoup de jours. Mais aussi, cela affecte les cadres les plus fréquents dans cette direction en ce sens qu'ils doivent consacrer plus de temps et donc plus d'efforts pour réaliser les missions de la DSDS ;

§ L'insuffisance de micro-ordinateurs. Nul n'est besoin de démontrer l'indispensable rôle de l'outil informatique pour le statisticien. Malheureusement, le ratio nombre de micro-ordinateur/ effectif des cadres à la DSDS est en déca de l'unité et n'est donc pas l'apanage de la DSDS. Exception faite de l'appareil du Directeur de la DSDS lui-même, nous avons estimé ce ratio à environ 1 micro-ordinateur pour 18 cadres. Il est clair que cela ralenti de plus belle l'exécution rapide des travaux liés à la DSDS qui déjà, est touchée par l'insuffisance de personnel ;

§ L'utilisation de machine en alternance. Bien que c'est dans le service dans lequel où nous étions retenus que se trouvait, heureusement, l'unique ordinateur de la DSDS (exception faite de celui du Directeur), nous étions obligé de travaillé en temps partagé : nous, notre collègue coéquipier DIKWE Gaston et, de temps en temps, les cadres de la DSDS (dans le cadre des prestations de circonstances). C'était l'éminente des grandes difficultés rencontrées. Nous avons ainsi, des suites de programmation de temps imparti, commencé la rédaction proprement dite de notre rapport le 17 août 2007 soit 1 mois et 2 semaines après le début de notre stage ;

§ La fuite du temps. Compte tenu des deux précédents problèmes auxquels il faut ajouter la traduction en français de la base de données EDSC-I 2005 qui était mise à notre disposition , notre temps imparti touchait à sa fin sans que nous n'achevons l'analyse telle que définie en introduction générale. Tenant compte de cet aspect, nous pouvons expliquer l'inefficience dans certaines de nos analyses. Par exemple, il nous est arrivé de constater que la création du 2^ième axe factoriel, soit expliquée majoritairement (79 %) par la modalité AV3 (cf. section IV.3.3). Nous savons que, dans de tels cas, la présence de cette modalité dans l'analyse cache nombre de relations, plus affinées, entre les modalités restantes. Faute de temps nous n'avons pas mis cette modalité en supplémentaire et recommencer l'analyse. Dans le même contexte, nous n'avons pas pu classifier à la fois les lignes et les colonnes issues d'une AFC, toutefois, cela ne change pas considérablement l'analyse, étant entendu que lignes et colonnes jouent le même rôle dans une AFC et en plus nous pensons avoir abordé l'essentiel.

V.2 RECOMMANDATIONS

V.2.1 Recommandations liées à la DSDS

Afin de pallier aux situations susmentionnées, nous suggérons que la DSDS sollicite une dotation, d'une part des nouveaux cadres afin de prêter main forte à ceux qu'il compte déjà, et d'autre part du matériel de travail tel de micro-ordinateurs, de façon à améliorer la productivité et être plus efficient dans l'exécution des tâches assignées à cette direction. En même temps, il serait souhaitable de mettre à la disposition de cette direction, un service de maintenance de matériel endommagés et obsolètes ; Aussi, nous suggérons que le CNSEE, veille à une bonne opération de saisie des données d'enquête, ce qui serait une perfection considérable de la qualité des statistiques et des analyses éventuelles ; Enfin nous suggérons que la DSDS procède à une opération de comparaison des informations de différentes sources car certaines sources en effet présentent des informations divergentes.

V.2.2 Recommandations liées à l'avortement en République du Congo

Il a été constaté tout le long de notre analyse détaillée au chapitre 4 des disparités considérables, surtout géographiques, en matière d'avortement. Il s'est avéré que les femmes rurales, bien qu'avortant moins que les femmes urbaines, le font avec usage des techniques traditionnelles qu'il va sans dire qu'elles sont plus exposées aux complications post avortement par rapport aux femmes urbaines. Nous avons présumé que le manque d'infrastructures de base (telles hôpitaux, centres de santé, personnel qualifié, établissements scolaires) en est grandement illustratif.

De ce fait, l'Etat congolais, en tant que garant de l'offre des services sanitaires doit :

§ par le biais de son Ministère de la santé, assainir le tissu de la santé par des équipements sanitaires adaptés ;

§ multiplier les formations sanitaires dans le domaine de la santé de la reproduction ;

§ encourager et motiver les promoteurs et fondateurs des formations sanitaires privées et publiques qui peuvent promouvoir la planification familiale (conseils sur le contrôle de la fécondité et contraception) ;

§ octroyer des primes de motivation au personnel de santé exerçant en zone rurale ;

§ motiver les étudiants congolais dans la formation via les écoles de médecine, désenclaver l'arrière pays et prioritairement les départements mal lotis comme Likouala, Cuvette/Cuvette-Ouest, Plateaux, Pool, Lekoumou et Sangha ;

§ initier une sensibilisation de la population (surtout des jeunes), du danger que revêt la pratique de l'avortement en organisant des conférences, des colloques, des débats, des émissions télévisées/radiodiffusées de presse et pourquoi pas envisager un module de cours portant sur les conséquences de l'avortement dans le système d'enseignements. Un encouragement aux méthodes contraceptives peut catalyser cette stratégie (distribution gratuite des préservatifs par exemple) ;

§ sensibiliser avec insistance le message concernant l'incidence de l'avortement sur la santé de la mère et de ses enfants compte tenu des techniques traditionnelles ;

§ pour atténuer la fréquence d'avortement et mieux dépeindre ce mal qui mine le secteur sanitaire, il est nécessaire que l'Etat congolais revigore le système de production des données statistiques de ce secteur, ceci par le suivi rigoureux et régulier de collecte et analyse des données cadrant la santé de la reproduction.

Il faut préciser qu'il serait plus judicieux que les différentes actions sus-citées s'orientent prioritairement dans le milieu rural.

Telles peuvent être les axes stratégiques qui aideraient le Gouvernement congolais à améliorer la santé de la reproduction qui est une des composantes dans la vision qui consiste à poursuivre ses objectifs du millénaire pour le développement.

CONCLUSION GÉNÉRALE

Nos principaux objectifs durant le stage ont été, d'une part, d'appréhender l'environnement de travail du futur statisticien que nous sommes et d'autre part, de mettre sur pied d'une trace micro multidimensionnelle du profil d'avortement par l'élaboration de quelques indicateurs de l'avortement afin d'insuffler des lignes d'actions relatives à l'avortement des femmes selon leurs caractéristiques sociodémographiques/économiques et de renforcer les capacités statistiques du CNSEE pour la mesure et le suivi de la santé de la reproduction en RC. Au terme de la période de 2 mois et 8 jours passés à la DSDS du CNSEE, nous pouvons dire que le stage nous a été bénéfique en ce sens que la quasi-totalité de nos objectifs a été atteinte.

C'est ainsi le stage nous a permis de connaître les contraintes auxquelles nous seront soumises à l'avenir, telles le matériel limité, les tâches simultanées et leurs interactions dans la réalisation. Le stage nous a aussi permis de nous familiariser davantage avec les logiciels statistiques comme SPSS et SPAD. Après avoir présenté notre structure d'accueil, nous avons étalé l'enquête EDSC-I qui nous a servi de source de données puis exhibé les techniques d'analyse des données après quoi nous avons procédé à l'analyse proprement dite de l'avortement multivariée. De cette analyse s'est dessiné nombre d'indicateurs relatifs à l'avortement dont les principaux méritent d'être reprécisés.

? environ 12 femmes sur 100 (11.39 %) ont déclaré avoir avorté ne serait-ce qu'une fois au cours de leur vie et parmi elles, 6.35 % ont déclaré avoir avorté une seule fois;

? les femmes qui ont déclaré avoir avorté, l'ont fait en moyenne deux (2) fois et dans l'ensemble, elles n'ont jamais dépassé 9 avortements au cours de leur vie. Et puis, près d'une femme sur cinq d'entre elles a déclaré avoir connu des complications après avortement. Ces complications sont beaucoup plus influencées par l'âge de la femme qui les explique à 68,85 % (positivement) et par la technique utilisée pour avorter qui les explique à 7.60 % (dans le sens négatif).

? la fréquence d'interruption volontaire de grossesse s'élève avec le quintile de bien-être économique du ménage (6.05 % dans le quintile plus pauvre contre 15.48 % dans le quintile plus riche), avec la classe d'âges (1.02 % dans la fourchette 15-19 ans contre 22.32 % à 45-49 ans), avec le nombre d'enfants vivants et avec le niveau d'instruction alors qu'elle décroît avec le stade de la grossesse au moment de l'avortement. En outre, une forte prédominance des femmes a déclaré avoir avorté parce qu'elles estimaient déjà avoir un nombre élevé d'enfants (22.92 %) ;

? plus de la moitié des femmes interrogées (et ayant déclaré avoir avorté) ont avorté par usage des méthodes modernes que sont la dilatation/curetage (près de 3 femmes sur 5) et l'aspiration (près de 2 femmes sur 25). Il s'agit principalement des femmes originaires des départements pourvus des grandes villes dont le Kouilou (26.35 % dû à Pointe-Noire) et Brazzaville (26.12 %). Parmi les méthodes restantes, est utilisée majoritairement la technique des comprimés (15.54 % des cas).

? le milieu rural regorge une prédominance des femmes issues des ménages pauvres qui arrêtent l'école très tôt (au niveau primaire), avortent par les techniques traditionnelles utilisées même à leur propre domicile. Ces femmes ne vont presque pas en consultation post avortement, interrompent des grossesses évoluées jusqu'à 5 mois et plus, et préconisent utiliser à l'avenir une méthode contraceptive à dominance traditionnelle ;

? contrairement au milieu rural, le milieu urbain est doté d'environnements médical et scolaire `'adaptés''. C'est ainsi qu'il regorge les femmes de niveau d'instruction modal secondaire 1-2/supérieur qui avortent par le truchement des techniques modernes dans des établissements publics et privés de santé. Ces femmes vont en consultation après avortement, motivent leur raison d'avorter pour la poursuite soit de leur scolarité soit de leur travail, avortent dans la plupart des cas des grossesse peu évoluées (entre 0-1 mois) et entrevoient utiliser à l'avenir une procédure contraceptive moderne.

Partiel et imparfait, ce travail attend de la part du jury des remarques et suggestions devant permettre sa correction après quoi sera amendé entre autres son pouvoir révélateur de l'avortement.

RÉFÉRENCES BIBLIOGRAPHIQUES

1. BRY Xavier, « Analyses Factorielles Multiples », Economica, coll. Poche Techniques quantitatives, Tome 2, 1996.

2. LEBART Ludovic, MORINEAU Alain et PIRON Marie, « Statistique Exploratoire Multidimensionnelle »,2nd édition DUNOD, 1994.

3. CNSEE Congo.1998.RGPH de 1996, vol I : Résultats provisoires.Brazzaville, Congo : Ministère de la programmation, de la privatisation et de la promotion de l'entreprise Privée Nationale (MPPPEPN).

4. CNSEE Congo et ORC Macro.2006, Enquête démographique et de santé du Congo 2006.Calverton, Maryland, USA : CNSEE et ORC Macro.

ANNEXES

ANNEXE A : ORGANIGRAMME DU CNSEE

ANNEXE B : DÉCOMPOSITION INTERACTION PROFILS D'AVORTEMENT

Tableau IV.3.1-1 : Répartition des femmes selon le nombre d'avortements eus au cours de la vie et le groupe d'âges.

	JAM	AV1	AV2	AV3	AV4+	Total
15 à 19 ans	0,9898	0,0038	0,0057	0,0006	0,0000	1,0000
20 à 24 ans	0,9350	0,0368	0,0181	0,0067	0,0033	1,0000
25 à 29 ans	0,8651	0,0687	0,0420	0,0210	0,0032	1,0000
30 à 34 ans	0,8458	0,0899	0,0450	0,0118	0,0075	1,0000
35 à 39 ans	0,7988	0,1145	0,0373	0,0313	0,0181	1,0000
40 à 44 ans	0,7931	0,1071	0,0544	0,0309	0,0145	1,0000
45 à 49 ans	0,7768	0,1458	0,0501	0,0091	0,0182	1,0000
Total	0,8861	0,0635	0,0302	0,0135	0,0067	1,0000

	JAM	AV1	AV2	AV3	AV4+	Total
15 à 19 ans	0,2481	0,0134	0,0423	0,0105	0,0000	0,2221
20 à 24 ans	0,2234	0,1228	0,1268	0,1053	0,1064	0,2117
25 à 29 ans	0,1714	0,1897	0,2441	0,2737	0,0851	0,1756
30 à 34 ans	0,1264	0,1875	0,1972	0,1158	0,1489	0,1325
35 à 39 ans	0,1061	0,2121	0,1455	0,2737	0,3191	0,1177
40 à 44 ans	0,0699	0,1317	0,1408	0,1789	0,1702	0,0781
45 à 49 ans	0,0546	0,1429	0,1033	0,0421	0,1702	0,0623
Total	1,0000	1,0000	1,0000	1,0000	1,0000	1,0000

Tableau IV.3.1-1-c : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres.

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

| 1 | 0.0554 | 90.33 | 90.33 | ******************************************************************************** |

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

Tableau IV.3.1-1-d : Coordonnées, Contributions et Cosinus carrés des fréquences actives

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| C1 - JAM 88.61 0.01 | 0.08 0.00 0.00 0.00 0.00 | 11.2 0.0 0.2 0.0 0.0 | 1.00 0.00 0.00 0.00 0.00 |

| - AV1 6.35 0.47 | -0.68 -0.09 0.00 -0.02 0.00 | 53.4 15.1 0.0 25.2 0.0 | 0.98 0.02 0.00 0.00 0.00 |

| C3 - AV2 3.02 0.32 | -0.53 0.04 0.20 0.03 0.00 | 15.2 1.7 50.8 29.2 0.0 | 0.87 0.01 0.12 0.00 0.00 |

| C4 - AV3 1.35 0.66 | -0.66 0.45 -0.11 -0.01 0.00 | 10.7 79.0 6.7 2.2 0.0 | 0.67 0.31 0.02 0.00 0.00 |

| C5 - AV4+ 0.67 0.96 | -0.89 -0.15 -0.39 0.09 0.00 | 9.4 4.2 42.3 43.5 0.0 | 0.81 0.02 0.16 0.01 0.00 |

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

Tableau IV.3.1-1-e : Coordonnées, Contributions et Cosinus carrés des individus

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| 15 à 19 ans 22.21 0.11 | 0.33 -0.01 -0.02 0.00 0.00 | 42.7 0.6 4.0 4.8 0.0 | 0.99 0.00 0.00 0.00 0.00 |

| 20 à 24 ans 21.17 0.02 | 0.15 -0.01 -0.01 0.00 0.00 | 9.0 0.9 0.8 1.6 0.0 | 0.99 0.01 0.00 0.00 0.00 |

| 25 à 29 ans 17.56 0.01 | -0.06 0.07 0.06 -0.01 0.00 | 1.0 23.2 26.5 18.0 0.0 | 0.28 0.40 0.31 0.01 0.00 |

| 30 à 34 ans 13.25 0.02 | -0.12 -0.04 0.06 0.00 0.00 | 3.6 7.4 19.2 0.7 0.0 | 0.74 0.10 0.17 0.00 0.00 |

| 35 à 39 ans 11.77 0.09 | -0.29 0.04 -0.10 -0.01 0.00 | 17.6 4.5 49.5 9.1 0.0 | 0.88 0.01 0.11 0.00 0.00 |

| 40 à 44 ans 7.81 0.09 | -0.29 0.07 0.00 0.03 0.00 | 12.1 9.8 0.0 65.5 0.0 | 0.94 0.05 0.00 0.01 0.00 |

| 45 à 49 ans 6.23 0.15 | -0.35 -0.17 0.00 0.00 0.00 | 14.0 53.6 0.0 0.3 0.0 | 0.81 0.19 0.00 0.00 0.00 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

0.04513 *********************************************************************************

ANNEXE B.2 : CORRESPONDANCE FRÉQUENCE D'AVORTEMENT*NIVEAU DE BIEN-ÊTRE ÉCONOMIQUE DU MÉNAGE

Tableau IV.3.2-1 : Répartition des femmes selon le nombre d'avortements eus au cours de la vie et le quintile de bien-être économique.

	JAM	AV1	AV2	AV3	AV4+	Total
+pauvre	0,9395	0,0379	0,0137	0,0032	0,0056	1,0000
Second	0,9044	0,0693	0,0151	0,0090	0,0023	1,0000
Moyen	0,8902	0,0563	0,0328	0,0157	0,0050	1,0000
4ème	0,8656	0,0715	0,0377	0,0146	0,0106	1,0000
+riche	0,8452	0,0777	0,0459	0,0223	0,0089	1,0000
Total	0,8863	0,0635	0,0301	0,0135	0,0067	1,0000

	JAM	AV1	AV2	AV3	AV4+	Total
+pauvre	0,1864	0,1049	0,0802	0,0421	0,1489	0,1759
Second	0,1922	0,2054	0,0943	0,1263	0,0638	0,1883
Moyen	0,1999	0,1763	0,2170	0,2316	0,1489	0,1990
4ème	0,2092	0,2411	0,2689	0,2316	0,3404	0,2142
+riche	0,2124	0,2723	0,3396	0,3684	0,2979	0,2227
Total	1,0000	1,0000	1,0000	1,0000	1,0000	1,0000

88.61 % par exemple est la proportion des femmes n'ayant jamais avorté quel que soit le niveau de bien-être économique de leur ménage d'origine.

17.59 % par exemple est la proportion des femmes issues des ménages plus pauvres quel que soit leur fréquence d'avortement

Tableau IV.3.2-1-c : Tableau des valeurs propres et Histogramme des valeurs propres

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

| 1 | 0.0117 | 84.50 | 84.50 | ******************************************************************************** |

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

Tableau IV.3.2-1-d : Coordonnées, Contributions et Cosinus carrés des fréquences actives

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| C1 - JAM 88.63 0.00 | -0.04 0.00 0.00 0.00 0.00 | 9.8 0.9 0.6 0.0 0.0 | 0.98 0.01 0.00 0.00 0.00 |

| - AV1 6.35 0.05 | 0.18 0.12 0.04 0.00 0.00 | 17.2 59.0 16.4 1.0 0.0 | 0.67 0.30 0.03 0.00 0.00 |

| C3 - AV2 3.01 0.18 | 0.41 -0.09 -0.02 0.01 0.00 | 43.1 16.8 2.2 34.9 0.0 | 0.95 0.05 0.00 0.00 0.00 |

| C4 - AV3 1.35 0.22 | 0.46 0.02 -0.12 -0.01 0.00 | 24.3 0.4 29.1 44.8 0.0 | 0.94 0.00 0.06 0.00 0.00 |

| C5 - AV4+ 0.67 0.20 | 0.31 -0.23 0.22 -0.01 0.00 | 5.6 22.8 51.7 19.2 0.0 | 0.49 0.26 0.25 0.00 0.00 |

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

Tableau IV.3.2-1-e : Coordonnées, Contributions et Cosinus carrés des individus.

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| +Pauvre 17.59 0.03 | -0.17 -0.04 0.01 0.00 0.00 | 42.7 23.6 1.4 25.6 0.0 | 0.93 0.07 0.00 0.00 0.00 |

| Second 18.83 0.01 | -0.08 0.07 0.00 0.00 0.00 | 11.7 69.3 0.2 1.3 0.0 | 0.57 0.43 0.00 0.00 0.00 |

| Moyen 19.90 0.00 | 0.00 -0.02 -0.04 0.00 0.00 | 0.0 4.2 48.4 15.5 0.0 | 0.00 0.17 0.82 0.00 0.00 |

| Quatrième 21.42 0.01 | 0.07 -0.01 0.04 0.00 0.00 | 7.8 2.8 47.5 10.1 0.0 | 0.73 0.03 0.24 0.00 0.00 |

| +Riche 22.27 0.02 | 0.14 0.00 -0.01 0.00 0.00 | 37.8 0.1 2.5 56.0 0.0 | 1.00 0.00 0.00 0.00 0.00 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

0.00852 *********************************************************************************

Tableau IV.3.3-1 : Répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction de la raison principale de l'avortement et l'âge de la femme.

	PbSanté	Trojeune	Troenfants	PeurParents	Mariveutpa	ContinuScol/Trav	Argent	Autres	Total
15-19 ans	0,0630	0,2340	0,0900	0,1720	0,0720	0,1680	0,1130	0,0880	1,0000
20-24 ans	0,0270	0,0980	0,2150	0,0690	0,1250	0,1850	0,1480	0,1330	1,0000
25-29 ans	0,0590	0,0200	0,2640	0,0340	0,1180	0,0660	0,2050	0,2350	1,0010
30-34 ans	0,0730	0,0000	0,3460	0,0140	0,1340	0,0080	0,1620	0,2630	1,0000
35-39 ans	0,1190	0,0080	0,2480	0,0000	0,2070	0,0210	0,1210	0,2760	1,0000
40-44 ans	0,1170	0,0100	0,0820	0,0000	0,3140	0,0110	0,2450	0,2210	1,0000
45-49 ans	0,1150	0,0000	0,1300	0,0000	0,2700	0,0000	0,4200	0,0650	1,0000
Total	0,0587	0,0702	0,2292	0,0572	0,1304	0,1031	0,1636	0,1875	1,0000

	PbSanté	Trojeune	Troenfants	PeurParents	Mariveutpa	ContinuScol/Trav	Argent	Autres	Total
15-19 ans	0,1505	0,4675	0,0550	0,4212	0,0774	0,2284	0,0968	0,0658	0,1402
20-24 ans	0,1460	0,4433	0,2977	0,3825	0,3042	0,5693	0,2870	0,2251	0,3173
25-29 ans	0,2679	0,0760	0,3069	0,1583	0,2411	0,1706	0,3338	0,3339	0,2665
30-34 ans	0,1935	0,0000	0,2349	0,0380	0,1599	0,0121	0,1540	0,2182	0,1556
35-39 ans	0,1687	0,0095	0,0900	0,0000	0,1320	0,0169	0,0615	0,1224	0,0832
40-44 ans	0,0522	0,0037	0,0094	0,0000	0,0631	0,0028	0,0392	0,0309	0,0262
45-49 ans	0,0211	0,0000	0,0061	0,0000	0,0223	0,0000	0,0277	0,0037	0,0108
Total	1,0000	1,0000	1,0000	1,0000	1,0000	1,0000	1,0000	1,0000	0,9997

Tableau IV.3.3-1-c : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

| 1 | 0.2235 | 78.18 | 78.18 | ******************************************************************************** |

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

Tableau IV.3.3-1-d : Coordonnées, Contributions et Cosinus carrés des fréquences actives.

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| C1 - PbSanté 5.89 0.21 | 0.21 0.40 0.01 -0.04 0.04 | 1.2 30.5 0.1 1.2 3.7 | 0.21 0.75 0.00 0.01 0.01 |

| - Trojeune 6.82 1.28 | -1.12 0.15 0.11 -0.03 0.05 | 38.0 5.0 4.1 0.7 5.0 | 0.97 0.02 0.01 0.00 0.00 |

| C3 - Troenfants 22.95 0.12 | 0.27 -0.17 0.11 0.01 0.07 | 7.5 22.3 13.0 0.2 33.3 | 0.62 0.25 0.10 0.00 0.04 |

| C4 - PeurParents 5.74 0.88 | -0.90 0.14 0.18 0.09 -0.03 | 21.0 3.9 9.6 5.2 1.8 | 0.93 0.02 0.04 0.01 0.00 |

| C5 - Mariveutpa 13.18 0.12 | 0.20 0.14 -0.21 -0.11 0.03 | 2.5 8.7 28.3 17.9 4.0 | 0.35 0.17 0.36 0.10 0.01 |

| C6 - ContinuScol/Trav 10.23 0.52 | -0.63 -0.29 -0.18 -0.07 -0.04 | 18.0 28.7 16.6 5.9 5.5 | 0.76 0.17 0.06 0.01 0.00 |

| C7 - Argent 16.28 0.07 | 0.15 0.03 -0.13 0.18 -0.02 | 1.7 0.6 13.7 61.9 1.9 | 0.31 0.02 0.23 0.44 0.00 |

| C8 - Autres 18.91 0.15 | 0.35 0.02 0.12 -0.06 -0.08 | 10.3 0.2 14.7 7.1 44.8 | 0.82 0.00 0.10 0.02 0.05 |

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| C1 - PbSanté 5.89 0.21 | -0.07 0.00 0.00 0.00 0.00 | 57.2 0.0 0.0 0.0 0.0 | 0.02 0.00 0.00 0.00 0.00 |

| - Trojeune 6.82 1.28 | 0.02 0.00 0.00 0.00 0.00 | 7.7 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C3 - Troenfants 22.95 0.12 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C4 - PeurParents 5.74 0.88 | 0.00 0.00 0.00 0.00 0.00 | 0.2 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C5 - Mariveutpa 13.18 0.12 | 0.02 0.00 0.00 0.00 0.00 | 18.3 0.0 0.0 0.0 0.0 | 0.01 0.00 0.00 0.00 0.00 |

| C6 - ContinuScol/Trav 10.23 0.52 | -0.03 0.00 0.00 0.00 0.00 | 15.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C7 - Argent 16.28 0.07 | 0.00 0.00 0.00 0.00 0.00 | 0.4 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C8 - Autres 18.91 0.15 | 0.01 0.00 0.00 0.00 0.00 | 1.2 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

Tableau IV.3.3-1-e : Coordonnées, Contributions et Cosinus carrés des individus.

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| 15-19 ans 14.11 0.85 | -0.89 0.22 0.13 0.02 0.01 | 49.5 23.0 12.6 0.7 0.1 | 0.92 0.06 0.02 0.00 0.00 |

| 20-24 ans 31.78 0.12 | -0.27 -0.17 -0.11 -0.04 0.01 | 10.5 30.5 19.9 6.3 0.7 | 0.63 0.25 0.11 0.01 0.00 |

| 25-29 ans 26.67 0.09 | 0.28 -0.04 0.04 0.09 -0.06 | 9.2 1.2 1.9 27.9 28.0 | 0.84 0.01 0.02 0.10 0.03 |

| 30-34 ans 15.66 0.29 | 0.50 -0.02 0.16 -0.01 0.07 | 17.9 0.2 19.1 0.2 26.0 | 0.89 0.00 0.09 0.00 0.02 |

| 35-39 ans 8.22 0.34 | 0.51 0.21 0.00 -0.20 0.00 | 9.4 11.6 0.0 37.3 0.1 | 0.75 0.13 0.00 0.11 0.00 |

| 40-44 ans 2.48 0.74 | 0.49 0.55 -0.41 -0.08 -0.12 | 2.7 24.7 20.6 1.8 13.0 | 0.33 0.41 0.22 0.01 0.02 |

| 45-49 ans 1.09 1.18 | 0.41 0.50 -0.69 0.45 0.30 | 0.8 8.9 25.9 25.8 32.1 | 0.14 0.21 0.40 0.17 0.07 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| 15-19 ans 14.11 0.85 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| 20-24 ans 31.78 0.12 | 0.00 0.00 0.00 0.00 0.00 | 0.3 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| 25-29 ans 26.67 0.09 | -0.01 0.00 0.00 0.00 0.00 | 5.2 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| 30-34 ans 15.66 0.29 | 0.02 0.00 0.00 0.00 0.00 | 20.9 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| 35-39 ans 8.22 0.34 | -0.04 0.00 0.00 0.00 0.00 | 33.4 0.0 0.0 0.0 0.0 | 0.01 0.00 0.00 0.00 0.00 |

| 40-44 ans 2.48 0.74 | 0.08 0.00 0.00 0.00 0.00 | 34.8 0.0 0.0 0.0 0.0 | 0.01 0.00 0.00 0.00 0.00 |

| 45-49 ans 1.09 1.18 | -0.05 0.00 0.00 0.00 0.00 | 5.5 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

0.18357 *********************************************************************************

Tableau IV.3.4-1 : Répartition des femmes ayant avorté au moins une fois les cinq dernières années en fonction du département d'origine et de la procédure utilisée au dernier avortement.

Tableau IV.3.4-1-c : Valeurs propres, Taux d'inertie et Histogramme des valeurs propres

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

| 1 | 0.1623 | 55.94 | 55.94 | ******************************************************************************** |

+--------+------------+----------+----------+----------------------------------------------------------------------------------+

Tableau IV.3.4-1-d : Coordonnées, Contributions et Cosinus carrés des fréquences actives.

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| C1 - Dilatation et curéta 55.74 0.07 | -0.19 -0.16 -0.02 0.04 0.02 | 13.0 18.3 0.9 4.8 7.2 | 0.57 0.40 0.01 0.02 0.01 |

| - Aspiration 10.33 0.07 | 0.04 -0.10 -0.04 -0.20 -0.14 | 0.1 1.2 0.6 27.6 42.3 | 0.02 0.13 0.02 0.52 0.26 |

| C3 - Sonde 0.16 49.83 | 6.26 -2.04 -2.40 -0.68 0.43 | 39.6 8.4 37.6 5.2 6.3 | 0.79 0.08 0.12 0.01 0.00 |

| C4 - Injections 6.89 0.27 | -0.01 0.33 0.22 -0.31 0.11 | 0.0 9.0 13.1 46.6 19.0 | 0.00 0.40 0.18 0.37 0.05 |

| C5 - Comprimés 19.84 0.29 | 0.17 0.49 -0.10 0.08 -0.02 | 3.6 58.9 8.3 8.4 0.9 | 0.10 0.84 0.04 0.02 0.00 |

| C6 - Plantes/Décotions 5.74 1.46 | 1.11 -0.21 0.42 0.14 -0.02 | 43.3 3.2 39.5 7.4 0.5 | 0.84 0.03 0.12 0.01 0.00 |

| C7 - NSP 1.31 0.32 | -0.22 -0.24 0.03 0.00 -0.29 | 0.4 0.9 0.0 0.0 23.7 | 0.15 0.18 0.00 0.00 0.27 |

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| C1 - Dilatation et curéta 55.74 0.07 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| - Aspiration 10.33 0.07 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C3 - Sonde 0.16 49.83 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C4 - Injections 6.89 0.27 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C5 - Comprimés 19.84 0.29 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C6 - Plantes/Décotions 5.74 1.46 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| C7 - NSP 1.31 0.32 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

Tableau IV.3.4-1-e : Coordonnées, Contributions et Cosinus carrés des individus.

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| Niari 7.21 0.31 | 0.16 -0.36 0.39 0.06 0.00 | 1.1 11.8 43.0 2.0 0.0 | 0.08 0.42 0.48 0.01 0.00 |

| Lekoumou 0.98 1.44 | 0.12 0.96 -0.47 0.53 -0.03 | 0.1 11.1 8.7 19.2 0.1 | 0.01 0.64 0.16 0.20 0.00 |

| Bouenza 6.07 0.16 | -0.14 -0.29 0.10 -0.14 0.08 | 0.8 6.2 2.5 7.9 7.5 | 0.13 0.53 0.07 0.12 0.04 |

| Pool 3.44 0.22 | 0.18 0.32 0.20 -0.03 0.20 | 0.7 4.4 5.3 0.2 30.2 | 0.14 0.48 0.18 0.00 0.19 |

| Plateaux 1.31 0.34 | -0.01 0.53 -0.15 -0.18 0.01 | 0.0 4.6 1.1 2.8 0.0 | 0.00 0.83 0.06 0.09 0.00 |

| Cuvette 1.15 1.50 | 0.83 0.36 0.44 0.69 -0.08 | 4.9 1.8 8.7 37.4 1.4 | 0.46 0.09 0.13 0.32 0.00 |

| Cuvette-Ouest 0.49 2.85 | 0.27 1.53 0.03 -0.43 0.41 | 0.2 14.2 0.0 6.3 17.2 | 0.03 0.82 0.00 0.07 0.06 |

| Sangha 7.70 0.31 | 0.24 0.49 0.06 0.03 0.02 | 2.7 23.2 1.1 0.5 0.5 | 0.18 0.79 0.01 0.00 0.00 |

| Likouala 1.97 6.86 | 2.52 -0.58 -0.38 -0.08 0.03 | 77.2 8.1 11.4 0.9 0.4 | 0.93 0.05 0.02 0.00 0.00 |

| Brazzaville 38.36 0.02 | -0.02 0.08 0.00 -0.07 -0.07 | 0.1 3.2 0.0 12.5 34.8 | 0.04 0.41 0.00 0.29 0.26 |

| Pointe-Noire 31.31 0.11 | -0.25 -0.17 -0.12 0.07 0.03 | 12.3 11.3 18.2 10.4 7.9 | 0.56 0.26 0.13 0.04 0.01 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| Kouilou 38.85 0.07 | -0.18 -0.10 -0.09 0.09 0.08 | 0.0 0.0 0.0 0.0 0.0 | 0.47 0.14 0.12 0.11 0.09 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| Niari 7.21 0.31 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Lekoumou 0.98 1.44 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Bouenza 6.07 0.16 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Pool 3.44 0.22 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Plateaux 1.31 0.34 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Cuvette 1.15 1.50 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Cuvette-Ouest 0.49 2.85 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Sangha 7.70 0.31 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Likouala 1.97 6.86 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Brazzaville 38.36 0.02 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

| Pointe-Noire 31.31 0.11 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

|---------------------------------------+-------------------------------+--------------------------+--------------------------|

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

| Kouilou 38.85 0.07 | 0.00 0.00 0.00 0.00 0.00 | 0.0 0.0 0.0 0.0 0.0 | 0.00 0.00 0.00 0.00 0.00 |

+---------------------------------------+-------------------------------+--------------------------+--------------------------+

0.13763 *********************************************************************************

ANNEXE C : RÉSULTATS DE L'ACM\CORRESPONDANCES MULTIPLES

-----+-----------+-----------+-----------+---------------------+-----------+-----------+----------------+---------------------+

-----+-----------+-----------+-----------+---------------------+-----------+-----------+

-----+-----------+-----------+-----------+---------------------+-----------+-----------+----------------+

-----+-----------+-----------+-----------+---------------------+-----------+-----------+----------------+---------------------+

MCF4 | 86 26 | 13 99 | 55 57 | 68 10 29 5 | 86 26 | 81 31 | 38 57 17 | 0 0 0 112 |

-----+-----------+-----------+-----------+---------------------+-----------+-----------+----------------+---------------------+

Tableau IV.4-4 : Coordonnées, Contributions et Cosinus carrés des modalités actives sur les axes 1 à 7.

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| MIR1 - Urbain 9.59 0.30 | 0.30 0.11 -0.12 -0.16 0.08 | 4.4 0.6 0.8 1.6 0.4 | 0.30 0.04 0.05 0.08 0.02 |

| MIR2 - Rural 2.91 3.30 | -1.00 -0.36 0.39 0.53 -0.26 | 14.5 2.0 2.7 5.4 1.4 | 0.30 0.04 0.05 0.08 0.02 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 18.9 2.6 3.5 7.1 1.9 +--------------------------+

| Oui - OuiCPA 1.62 6.71 | -0.99 -1.59 -0.06 -0.26 0.59 | 8.0 22.1 0.0 0.7 4.2 | 0.15 0.38 0.00 0.01 0.05 |

| Non - NonCPA 10.88 0.15 | 0.15 0.24 0.01 0.04 -0.09 | 1.2 3.3 0.0 0.1 0.6 | 0.15 0.38 0.00 0.01 0.05 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 9.2 25.4 0.0 0.9 4.8 +--------------------------+

| Oui - OuiCSA 5.47 1.28 | 0.39 -0.07 -0.58 0.44 0.12 | 4.1 0.1 11.3 7.0 0.5 | 0.12 0.00 0.27 0.15 0.01 |

| Non - NonCSA 7.03 0.78 | -0.30 0.05 0.45 -0.34 -0.09 | 3.2 0.1 8.8 5.5 0.4 | 0.12 0.00 0.27 0.15 0.01 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 7.3 0.2 20.1 12.5 1.0 +--------------------------+

| TNQ1 - Dilatation/Curetage 7.70 0.62 | 0.04 0.41 -0.05 0.19 0.43 | 0.1 7.0 0.1 1.8 10.6 | 0.00 0.27 0.00 0.06 0.30 |

| TNQ2 - Aspiration 1.69 6.40 | 1.42 -0.92 -0.09 -0.03 -0.34 | 17.0 7.8 0.1 0.0 1.4 | 0.31 0.13 0.00 0.00 0.02 |

| TNQ3 - Sond/Inject-Comprimé 2.77 3.51 | -0.65 -0.24 0.29 -0.28 -1.28 | 5.8 0.9 1.4 1.5 33.8 | 0.12 0.02 0.02 0.02 0.47 |

| TNQ4 - Plante/Décoc/AutrTNQ 0.34 36.00 | -2.66 -2.77 -0.73 -1.73 2.37 | 12.0 14.0 1.1 6.8 14.1 | 0.20 0.21 0.01 0.08 0.16 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 34.9 29.5 2.8 10.1 59.9 +--------------------------+

| DEC1 - Elle même 9.73 0.28 | -0.07 0.19 0.08 -0.26 0.00 | 0.2 2.0 0.4 4.3 0.0 | 0.02 0.13 0.02 0.23 0.00 |

| DE - Autre DEC 2.77 3.51 | 0.23 -0.68 -0.29 0.90 0.00 | 0.7 6.9 1.5 15.0 0.0 | 0.02 0.13 0.02 0.23 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 0.9 8.9 1.9 19.2 0.0 +--------------------------+

| STD1 - Stade 0-1mois 9.19 0.36 | 0.20 -0.19 0.05 -0.15 -0.21 | 1.9 1.8 0.1 1.4 3.0 | 0.12 0.10 0.01 0.06 0.12 |

| STD2 - Stade 2-4 mois 3.31 2.78 | -0.57 0.53 -0.13 0.42 0.58 | 5.3 5.1 0.3 3.8 8.3 | 0.12 0.10 0.01 0.06 0.12 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 7.2 6.9 0.4 5.2 11.4 +--------------------------+

| NEV1 - 0-1 enfants 5.41 1.31 | 0.41 -0.41 0.62 0.18 0.17 | 4.6 4.9 12.5 1.2 1.2 | 0.13 0.13 0.29 0.02 0.02 |

| NEV2 - 2-4 enfants 5.47 1.28 | -0.22 0.13 -0.64 -0.32 0.08 | 1.3 0.5 13.6 3.7 0.2 | 0.04 0.01 0.32 0.08 0.00 |

| NEV3 - 5 enfants et + 1.62 6.71 | -0.65 0.93 0.10 0.47 -0.83 | 3.4 7.6 0.1 2.4 8.3 | 0.06 0.13 0.00 0.03 0.10 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 9.3 13.1 26.2 7.2 9.7 +--------------------------+

| MCF1 - Stérilisation 1.82 5.85 | 0.61 -1.05 -0.16 0.17 -0.39 | 3.4 10.8 0.3 0.4 2.0 | 0.06 0.19 0.00 0.01 0.03 |

| MCF2 - Pilule 2.84 3.40 | 0.46 0.33 1.23 -0.44 0.61 | 3.0 1.7 26.2 3.8 7.9 | 0.06 0.03 0.45 0.06 0.11 |

| MCF3 - Condom 0.27 45.25 | -1.55 -0.31 2.08 4.32 0.37 | 3.2 0.1 7.1 33.7 0.3 | 0.05 0.00 0.10 0.41 0.00 |

| MCF4 - Coit/Autre MCF 7.57 0.65 | -0.26 0.14 -0.50 -0.03 -0.15 | 2.7 0.8 11.4 0.0 1.2 | 0.11 0.03 0.38 0.00 0.03 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 12.3 13.4 45.0 37.9 11.4 +--------------------------+

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

|------------------------------------------+-------------------------------+--------------------------+--------------------------|

+------------------------------------------+-------------------------------+--------------------------+--------------------------+

| MIR1 - Urbain 9.59 0.30 | 0.03 0.09 0.00 0.00 0.00 | 0.1 0.5 0.0 0.0 0.0 | 0.00 0.02 0.00 0.00 0.00 |

| MIR2 - Rural 2.91 3.30 | -0.09 -0.28 0.00 0.00 0.00 | 0.2 1.8 0.0 0.0 0.0 | 0.00 0.02 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 0.2 2.4 0.0 0.0 0.0 +--------------------------+

| Oui - OuiCPA 1.62 6.71 | 0.46 0.51 0.00 0.00 0.00 | 2.6 3.4 0.0 0.0 0.0 | 0.03 0.04 0.00 0.00 0.00 |

| Non - NonCPA 10.88 0.15 | -0.07 -0.08 0.00 0.00 0.00 | 0.4 0.5 0.0 0.0 0.0 | 0.03 0.04 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 3.0 3.9 0.0 0.0 0.0 +--------------------------+

| Oui - OuiCSA 5.47 1.28 | -0.28 0.38 0.00 0.00 0.00 | 3.2 6.2 0.0 0.0 0.0 | 0.06 0.11 0.00 0.00 0.00 |

| Non - NonCSA 7.03 0.78 | 0.22 -0.30 0.00 0.00 0.00 | 2.5 4.8 0.0 0.0 0.0 | 0.06 0.11 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 5.7 11.0 0.0 0.0 0.0 +--------------------------+

| TNQ1 - Dilatation/Curetage 7.70 0.62 | 0.05 0.09 0.00 0.00 0.00 | 0.1 0.5 0.0 0.0 0.0 | 0.00 0.01 0.00 0.00 0.00 |

| TNQ2 - Aspiration 1.69 6.40 | 0.63 -0.13 0.00 0.00 0.00 | 5.1 0.2 0.0 0.0 0.0 | 0.06 0.00 0.00 0.00 0.00 |

| TNQ3 - Sond/Inject-Comprimé 2.77 3.51 | -0.43 -0.32 0.00 0.00 0.00 | 3.9 2.3 0.0 0.0 0.0 | 0.05 0.03 0.00 0.00 0.00 |

| TNQ4 - Plante/Décoc/AutrTNQ 0.34 36.00 | -0.73 1.20 0.00 0.00 0.00 | 1.4 3.8 0.0 0.0 0.0 | 0.01 0.04 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 10.5 6.8 0.0 0.0 0.0 +--------------------------+

| DEC1 - Elle même 9.73 0.28 | 0.12 0.28 0.00 0.00 0.00 | 1.0 5.8 0.0 0.0 0.0 | 0.05 0.27 0.00 0.00 0.00 |

| DE - Autre DEC 2.77 3.51 | -0.42 -0.97 0.00 0.00 0.00 | 3.6 20.4 0.0 0.0 0.0 | 0.05 0.27 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 4.7 26.2 0.0 0.0 0.0 +--------------------------+

| STD1 - Stade 0-1mois 9.19 0.36 | -0.21 0.24 0.00 0.00 0.00 | 3.1 4.2 0.0 0.0 0.0 | 0.12 0.16 0.00 0.00 0.00 |

| STD2 - Stade 2-4 mois 3.31 2.78 | 0.59 -0.67 0.00 0.00 0.00 | 8.6 11.8 0.0 0.0 0.0 | 0.12 0.16 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 11.7 16.0 0.0 0.0 0.0 +--------------------------+

| NEV1 - 0-1 enfants 5.41 1.31 | -0.39 0.11 0.00 0.00 0.00 | 6.1 0.5 0.0 0.0 0.0 | 0.12 0.01 0.00 0.00 0.00 |

| NEV2 - 2-4 enfants 5.47 1.28 | 0.12 -0.45 0.00 0.00 0.00 | 0.6 8.9 0.0 0.0 0.0 | 0.01 0.16 0.00 0.00 0.00 |

| NEV3 - 5 enfants et + 1.62 6.71 | 0.89 1.17 0.00 0.00 0.00 | 9.7 17.4 0.0 0.0 0.0 | 0.12 0.20 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 16.4 26.8 0.0 0.0 0.0 +--------------------------+

| MCF1 - Stérilisation 1.82 5.85 | 1.71 -0.09 0.00 0.00 0.00 | 40.0 0.1 0.0 0.0 0.0 | 0.50 0.00 0.00 0.00 0.00 |

| MCF2 - Pilule 2.84 3.40 | -0.16 -0.27 0.00 0.00 0.00 | 0.5 1.7 0.0 0.0 0.0 | 0.01 0.02 0.00 0.00 0.00 |

| MCF3 - Condom 0.27 45.25 | 0.09 1.53 0.00 0.00 0.00 | 0.0 5.0 0.0 0.0 0.0 | 0.00 0.05 0.00 0.00 0.00 |

| MCF4 - Coit/Autre MCF 7.57 0.65 | -0.36 0.07 0.00 0.00 0.00 | 7.2 0.3 0.0 0.0 0.0 | 0.20 0.01 0.00 0.00 0.00 |

+------------------------------------------+--------- CONTRIBUTION CUMULEE = 47.8 7.0 0.0 0.0 0.0 +--------------------------+

Tableau IV.4-5 : Coordonnées et valeurs -tests des modalités illustratives sur les axes 1 à 7.

+---------------------------------------------+-------------------------------+------------------------------------+----------+

|---------------------------------------------|-------------------------------|------------------------------------|----------|

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| LAV1 - Hôpital 71 71.00 | 0.1 2.6 -0.7 1.9 1.6 | 0.01 0.24 -0.07 0.17 0.15 | 1.61 |

| LAV2 - Centre de Santé 2 2.00 | 1.8 -0.5 -1.1 0.0 -0.3 | 1.24 -0.38 -0.74 -0.01 -0.18 | 91.50 |

| LAV3 - Clinique/Cabinet 69 69.00 | 4.4 -0.1 -0.9 1.6 3.2 | 0.42 -0.01 -0.09 0.15 0.30 | 1.68 |

| LAV4 - Autre LAV 13 13.00 | -1.7 -1.7 1.6 -0.4 -2.0 | -0.45 -0.45 0.42 -0.11 -0.54 | 13.23 |

| LAV5 - A la maison/Autre LAV 30 30.00 | -5.2 -2.0 1.4 -4.3 -4.9 | -0.87 -0.33 0.23 -0.71 -0.82 | 5.17 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| MPA1 - Problème santé 7 7.00 | 0.9 -1.1 -1.8 1.5 0.4 | 0.35 -0.41 -0.66 0.56 0.14 | 25.43 |

| MPA2 - Trop jeune 6 6.00 | 0.4 1.2 0.8 -0.9 0.5 | 0.17 0.46 0.33 -0.35 0.20 | 29.83 |

| MPA3 - Trop d'enfants 37 37.00 | 0.2 1.6 -1.9 -0.6 -2.1 | 0.03 0.23 -0.28 -0.08 -0.31 | 4.00 |

| MPA4 - Peur des parents 9 9.00 | 1.1 0.2 3.4 -1.3 0.9 | 0.36 0.06 1.09 -0.43 0.29 | 19.56 |

| MPA5 - Continu école/Travail 27 27.00 | 1.3 -0.6 1.7 -1.1 0.6 | 0.24 -0.10 0.31 -0.20 0.11 | 5.85 |

| MPA6 - Problème d'argent 29 29.00 | -0.1 -0.6 -0.4 1.2 -1.3 | -0.01 -0.11 -0.06 0.20 -0.22 | 5.38 |

| MPA7 - Autre MPA 70 70.00 | -2.1 -0.5 -0.5 0.7 1.6 | -0.20 -0.05 -0.05 0.07 0.15 | 1.64 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| NIV1 - Primaire 50 50.00 | -4.0 0.7 0.6 0.2 -1.4 | -0.49 0.08 0.07 0.02 -0.17 | 2.70 |

| NIV2 - Secondaire 1-2 129 129.00 | 3.2 0.1 0.0 0.2 0.9 | 0.16 0.00 0.00 0.01 0.05 | 0.43 |

| NIV3 - Supérieur 6 6.00 | 1.7 -1.9 -1.3 -0.9 1.1 | 0.68 -0.76 -0.53 -0.34 0.43 | 29.83 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| CAG1 - 15 à 19 ans 26 26.00 | -0.4 -1.9 4.0 0.1 -1.2 | -0.08 -0.36 0.74 0.01 -0.23 | 6.12 |

| CAG2 - 20 à 24ans 48 48.00 | 1.7 -2.7 1.6 -0.1 0.5 | 0.21 -0.33 0.20 -0.02 0.07 | 2.85 |

| CAG3 - 25 à 29 ans 58 58.00 | 1.4 -1.0 -2.4 -1.3 2.1 | 0.16 -0.11 -0.26 -0.14 0.23 | 2.19 |

| CAG4 - 30 à 34 ans 27 27.00 | -2.6 4.1 -1.2 1.0 0.3 | -0.46 0.72 -0.22 0.17 0.05 | 5.85 |

| CAG5 - 35 à 39 ans 21 21.00 | -0.8 1.5 -1.8 0.6 -1.7 | -0.16 0.32 -0.37 0.12 -0.36 | 7.81 |

| CAG6 - 40 à 49 ans 5 5.00 | -0.7 2.2 0.1 0.5 -2.2 | -0.32 0.99 0.04 0.22 -0.95 | 36.00 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

|---------------------------------------------|-------------------------------|------------------------------------|----------|

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| LAV1 - Hôpital 71 71.00 | 1.1 0.9 0.0 0.0 0.0 | 0.11 0.08 0.00 0.00 0.00 | 1.61 |

| LAV2 - Centre de Santé 2 2.00 | 0.6 1.0 0.0 0.0 0.0 | 0.44 0.69 0.00 0.00 0.00 | 91.50 |

| LAV3 - Clinique/Cabinet 69 69.00 | 1.1 -0.9 0.0 0.0 0.0 | 0.11 -0.09 0.00 0.00 0.00 | 1.68 |

| LAV4 - Autre LAV 13 13.00 | -1.5 -0.2 0.0 0.0 0.0 | -0.40 -0.05 0.00 0.00 0.00 | 13.23 |

| LAV5 - A la maison/Autre LAV 30 30.00 | -2.1 -0.1 0.0 0.0 0.0 | -0.35 -0.02 0.00 0.00 0.00 | 5.17 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| MPA1 - Problème santé 7 7.00 | -0.2 -2.6 0.0 0.0 0.0 | -0.07 -0.98 0.00 0.00 0.00 | 25.43 |

| MPA2 - Trop jeune 6 6.00 | 0.1 -0.5 0.0 0.0 0.0 | 0.04 -0.19 0.00 0.00 0.00 | 29.83 |

| MPA3 - Trop d'enfants 37 37.00 | 0.4 0.9 0.0 0.0 0.0 | 0.07 0.13 0.00 0.00 0.00 | 4.00 |

| MPA4 - Peur des parents 9 9.00 | -1.5 0.0 0.0 0.0 0.0 | -0.48 -0.01 0.00 0.00 0.00 | 19.56 |

| MPA5 - Continu école/Travail 27 27.00 | -0.4 -1.0 0.0 0.0 0.0 | -0.07 -0.18 0.00 0.00 0.00 | 5.85 |

| MPA6 - Problème d'argent 29 29.00 | 0.1 2.2 0.0 0.0 0.0 | 0.03 0.37 0.00 0.00 0.00 | 5.38 |

| MPA7 - Autre MPA 70 70.00 | 0.5 -0.4 0.0 0.0 0.0 | 0.05 -0.04 0.00 0.00 0.00 | 1.64 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| NIV1 - Primaire 50 50.00 | 0.3 -1.2 0.0 0.0 0.0 | 0.03 -0.14 0.00 0.00 0.00 | 2.70 |

| NIV2 - Secondaire 1-2 129 129.00 | -1.2 1.2 0.0 0.0 0.0 | -0.06 0.06 0.00 0.00 0.00 | 0.43 |

| NIV3 - Supérieur 6 6.00 | 2.5 -0.1 0.0 0.0 0.0 | 1.00 -0.05 0.00 0.00 0.00 | 29.83 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

| CAG1 - 15 à 19 ans 26 26.00 | -2.7 -1.5 0.0 0.0 0.0 | -0.49 -0.27 0.00 0.00 0.00 | 6.12 |

| CAG2 - 20 à 24ans 48 48.00 | -1.4 -0.3 0.0 0.0 0.0 | -0.17 -0.04 0.00 0.00 0.00 | 2.85 |

| CAG3 - 25 à 29 ans 58 58.00 | -1.2 -1.1 0.0 0.0 0.0 | -0.13 -0.12 0.00 0.00 0.00 | 2.19 |

| CAG4 - 30 à 34 ans 27 27.00 | 2.6 0.0 0.0 0.0 0.0 | 0.47 -0.01 0.00 0.00 0.00 | 5.85 |

| CAG5 - 35 à 39 ans 21 21.00 | 3.3 2.1 0.0 0.0 0.0 | 0.69 0.43 0.00 0.00 0.00 | 7.81 |

| CAG6 - 40 à 49 ans 5 5.00 | 0.6 3.0 0.0 0.0 0.0 | 0.27 1.33 0.00 0.00 0.00 | 36.00 |

+---------------------------------------------+-------------------------------+------------------------------------+----------+

ANNEXE D : RÉSULTATS RÉGRESSION LINÉAIRE MULTIPLE

Tableau IV.5.3-3: Coefficients du modèle de régression linéaire multiple.

	Coef non stand		Coef stand	t	Signification	Corrélations
	B	Erreur stand	Bêta			Corrélation simple	Partielle	Partie
const	2,732	0,136		20,122	0.000
AgeF	0,187	0,002	0,730	78,886	0.000	0,742	0,685	0,627
Stad	0,065	0,023	0,023	2,847	0.004	0,049	0,034	0,023
Nav	-0,091	0,051	-0,018	-1,790	0.073	-0,046	-0,021	-0,014
Ngsnv	-0,059	0,044	-0,014	-1,350	0.177	0,016	-0,016	-0,011
AgeP	0,006	0,003	0,021	2,315	0.021	0,393	0,028	0,018
Tecniq	-0,432	0,068	-0,051	-6,380	0.000	-0,057	-0,076	-0,051
complic	0,108	0,130	0,007	0,830	0.406	-0,009	0,010	0,007

Graphique IV.5.2-2: Graphique des résidus standardisés. Tableau IV.5.3-4 : Statistiques des résidus.

* ² Note en date du 24/01/07 du DG de l'ISSEA aux élèves ingénieurs 3^ème année et portant stage académique.

* ³Interruption naturelle ou provoquée d'une grossesse/expulsion d'un embryon ou d'un foetus avant le moment où il devient viable.

* ⁶ Chaque Direction est placée sous l'autorité d'un directeur qui l'anime et le dirige.

* ⁸ Inachevé faute de temps mais aussi des coupures notables d'électricité que connaissait la ville dans la période de notre stage. Et d'ailleurs certaines des grandes lignes de ce présent rapport ont été complétées ici dès notre arrivée à Yaoundé.

* ⁹ Résultats de l'Enquête sur les Revenus d'Activités (ERA) 2002. Congo.CNSEE.

* ¹¹ Variation du niveau général des prix. Ne concerne que Brazzaville et Pointe Noire.

* ¹² Nous les résumons (voir des amples détails aux pages 6-7 du rapport EDSC-I 2005.CNSEE et ORC Macro).

* ¹⁴ Grossesse, soins prénatals et allaitement, vaccination, santé et malnutrition.

* ¹⁶ Les techniques et notations ici définies (et exhibées en suite au chapitre 4) sont essentiellement extraites des ouvrages « Analyses Factorielles Multiples », Tome 2,1996, Xavier BRY et « Statistique Exploratoire Multidimensionnelle », 2^nd édition DUNOD, 1994, L. Ludovic, MORINEAU Alain et PIRON Marie ainsi que des notes de cours IAS, 3 ^ème(année 2006-2007) avec M. Jean Cléophas ONDO.

* ¹⁸ On rappelle qu'une hiérarchie H sur un ensemble I est un ensemble de parties de I tel que I et les singletons de I appartiennent à cette hiérarchie et les éléments de H sont soit disjoints soit emboîtés.

* ¹⁹ L'indice de niveau d'un noeud est en fait la perte d'inertie inter-classes occasionnée par la formation du noeud.

* ²⁰ La décision d'avorter étant prise par la femme elle-même dans 77 % des cas.

* ²² C'est cette liaison entre 2 variables qualitatives qui est encore appelée écart à l'indépendance.

* ²⁴ Cf. section III.2 du chapitre III pour les détails de la méthode et les règles d'interprétation.

* ²⁵ Cf. section III.2 du chapitre III pour les détails de la méthode et les règles d'interprétation.

* ²⁶ Sous l'hypothèse classique selon laquelle une personne issue d'un ménage pauvre est pauvre.

* ²⁷ : Ce sont : nourriture, eau, logement, services sanitaires, éducation de base...

* ²⁸ Cf. CNSEE Congo.1998.RGPH de 1996, vol I : Résultats provisoires.Brazzaville Cf. RGPH 1996, Congo Résultats provisoires.

* ³⁰ Ludovic LEBART propose de considérer parfois le carré de ces valeurs propres comme mesure d'inertie.

* ³¹ Axe d'opposition entre techniques modernes avec ses caractéristiques et techniques traditionnelles avec ses caractéristiques.

Analyse multidimensionnelle de l'avortement en république du congo

DÉDICACE

REMERCIEMENTS

SOMMAIRE

SIGLES ET ABRÉVIATIONS

AVANT-PROPOS

LISTE DES TABLEAUX ET GRAPHIQUES

SYNTHÈSE

INTRODUCTION GÉNÉRALE

Chapitre I : PRÉSENTATION DU CNSEE-DÉROULEMENT DU STAGE ET TRAVAUX RÉALISÉS

I.1 PRÉSENTATION DU CNSEE

I.1.1 Genèse

I.1.2 Attributions

I.1.3 Organisation5(*)

I.1.3.1 Direction des statistiques économiques

I.1.3.2 Direction des statistiques démographiques et sociales

I.1.3.3 Direction de la coordination et de l'harmonisation statistique

I.1.3.4 Direction de l'informatique et de la gestion de base de données

I.1.3.5 Direction administrative et financière

I.1.3.6 Directions départementales

I.1.4 Moyens humains

I.1.5 Produits du CNSEE

I.2 DÉROULEMENT DU STAGE

I.2.1 Contact avec l'administration

I.2.2 Description du service des études démographiques

I.3 TRAVAUX EFFECTUÉS

Chapitre II : PRÉSENTATION DE LA SOURCE DE DONNÉES : L'ENQUÊTE EDSC-I 2005

II.1 CADRE INSTITUTIONNEL, CONTEXTE ET OBJECTIFS DE L'EDSC-I

II.1.1 Cadre institutionnel de l'enquête EDSC-I 2005

II.1.2 Contexte de l'enquête EDSC-I 2005

II.1.3 Objectifs de l'enquête EDSC-I 2005

II.2 STRUCTURE DE LA BASE DE DONNÉES DE L'ENQUÊTE EDSC-I

II.3 PLAN D'ÉCHANTILLONNNAGE

II.4 CALENDRIER DES ACTIVITÉS DE L'EDSC-I

Chapitre III : TECHNIQUES D'ANALYSE DES DONNÉES UTILISÉES

III.1 MÉTHODES FACTORIELLES

III.1.1 l'ACP en Bref

III.1.2 l'AFC en Bref

III.1.3 l'ACM en Bref

III.2 MÉTHODE DE CLASSIFICATION

Chapitre IV : AVORTEMENT MULTI VARIÉ AU CONGO

IV.1 INTRODUCTION

IV.2 MÉTHODOLOGIE

IV.3 DÉCOMPOSITION DES INTERACTIONS ENTRE LES PROFILS D'AVORTEMENT

IV.3.1 Fréquence d'avortement et classe d'âges de la femme

IV.3.2 Fréquence d'avortement et Niveau de bien-être économique du ménage

IV.3.3 Raison principale d'avortement et Âge de la femme

IV.3.4 Département et procédure d'avortement

IV.3.5 Niveau de bien-être économique et Procédure d'avortement

IV.3.6 Prise en compte des autres Interactions

IV.4 CATÉGORISATION DES FEMMES À PROFILS D'AVORTEMENT SIMILAIRES

IV.5 SPÉCIFICATION EN RÉGRESSION LINÉAIRE MULTIPLE

IV.5.1 Problématique et hypothèses du modèle

IV.5.2 Statistiques sommaires

IV.5.3 Modélisation et validation des hypothèses

Chapitre V : DIFFICULTÉS RENCONTRÉES ET RECOMMANDATIONS

V.1 DIFFICULTES RENCONTRÉES

V.2 RECOMMANDATIONS

V.2.1 Recommandations liées à la DSDS

V.2.2 Recommandations liées à l'avortement en République du Congo

CONCLUSION GÉNÉRALE

RÉFÉRENCES BIBLIOGRAPHIQUES

ANNEXES

ANNEXE A : ORGANIGRAMME DU CNSEE

ANNEXE B : DÉCOMPOSITION INTERACTION PROFILS D'AVORTEMENT

ANNEXE C : RÉSULTATS DE L'ACM\CORRESPONDANCES MULTIPLES

ANNEXE D : RÉSULTATS RÉGRESSION LINÉAIRE MULTIPLE