|
Determinants de l'efficience des systemes de santé: une analyse sur un panel de 183 pays.( Télécharger le fichier original )par Jean Florentin DJIENGOUE CERDI - Master 2 économie du developpement 2009 |
IV-3 Méthode d'estimationLa méthode des moindres carrés ordinaires n'est pas indiquée pour un tel modèle car l'espérance mathématique de l'erreur composée est non nulle, ce qui rend l'estimateur biaisé (Kumbhakar 1990). La méthode généralement utilisée est celle du maximum de vraisemblance (voir Greene 2005 ; Wang et Ho 2007). Pour l'estimation de son modèle avec effet spécifique, Greene (2004b) développe un algorithme avancé pour le calcul de son estimateur du maximum de vraisemblance qui peut être estimé de façon simple32(*). Ensuite, à partir des simulations de Monte Carlo, il montre qu'il n'y a pas de biais de paramètre incident par rapport aux autres modèles comme le modèle à choix discret, le Logit ou le Probit. Cependant, cette approche ne tient que si la dimension temporelle est très grande, or ce n'est pas souvent le cas (Wang et Ho 2007). Il existe une seconde approche légèrement différente de celle de Greene (2005) car estimant le modèle par la méthode du maximum de vraisemblance soit en différence33(*) soit en within34(*). Cette approche (Wang et Ho 2007) retire les effets fixes et on est ainsi certain que le problème de paramètre incident est évité35(*). De plus la consistance du résultat ne dépend ni de la longueur de temps ni de celle des individus. Et enfin le modèle obtenu est proche de celui proposé par Wang et Schmidt (2002)36(*) et donc facilement estimable dans la plupart des logiciels. Cependant, cette différenciation est susceptible d'annuler tous les effets fixes déterminants de l'inefficience, nous optons donc finalement pour un modèle de Greene (2004) (avec une extension à Wang et Schmidt (2002)) avec prise en compte de l'hétérogénéité régionale37(*) (Kotzian 2005). Ce choix est d'autant plus plausible dans la mesure où les systèmes de santé dans le monde font face à plusieurs types de pressions liées à la transition démographique et épidémiologique, au développement de la science et de la technologie, à la demande médicale et à l'accroissement des attentes publiques. Ces pressions créent donc des convergences dans les objectifs et les activités des systèmes de santé pour une région donnée dans les domaines clés comme les soins de santé primaire, l'accès aux soins, la maîtrise des coûts, la promotion de la santé, le choix des patients et le lien entre la santé et les services sociaux (Mechanic et Rochefort, 1996). IV-4 Données et statistiques descriptivesLa base de données est constituée d'un panel de 183 pays comprenant à la fois les pays développés et les PVD38(*). Le choix de cet échantillon élargi aux pays développés est motivé par la volonté de rendre les résultats robustes et facilement extrapolables à l'ensemble des pays. La période d'étude va de 1993 à 2004 et constitue une extension par rapport à Evans et al. (2000) et Greene (2004 b) qui ont travaillé sur la période de 1993 à 1997. De plus ces derniers considèrent certaines variables comme constante durant la période d'étude, il s'agit notamment de la densité au kilomètre carré et de l'indice de gini, ce qui n'est pas le cas pour notre étude. En effet étant donnée l'urbanisation croissante et la mobilité des populations, ces hypothèses ne sauraient tenir en longue période. Le choix d'une longue période s'explique par le fait que la variable dépendante est l'espérance de vie corrigée du facteur invalidité (ou la mortalité des moins de 5 ans) qui est susceptible de ne pas trop changer en courte période. Nous gagnons donc à avoir une variabilité intragroupe assez élevée par rapport aux autres études (Gravelle et al. 2002a,b). Les données sur l'EVCI, la prévalence du VIH/SIDA et les dépenses de santé proviennent de la base de données en ligne du site de l'OMS (WHOSIS), le WDI de la banque mondiale a été également utilisé pour les variables comme le revenu par tête. La densité de la population est tirée du site de la division de la population des nations unis. Les données sur les indicateurs de gouvernance de la banque mondiale ont été tirées de Kaufmann, Kraay et Mastruzzi (2007) ; étant donné que ces indicateurs n'ont été calculé qu'a partir de 1996 et à intervalle de deux années, les valeurs des années suivantes ont été reporté aux années précédentes39(*) (Docquier et al. 2007). Les statistiques descriptives sur les principales variables illustrent l'hétérogénéité dans l'échantillon. On a ainsi des pays qui sont situés à des stades très différents de la transition épidémiologique et démographique, l'espérance de vie (respectivement le taux de mortalité des moins de 5 ans) varie entre 26 ans pour la Sierra Leone en 2001 et 75 ans pour le Japon en 2002 (entre 3 et 327 décès pour mille naissances vivantes respectivement pour la Suède et la Sierra Leone). Il convient de rappeler qu'il s'agit de l'espérance de vie corrigée du facteur invalidité telle que calculé par l'OMS. Cette hétérogénéité dans la transition est marquée par le taux de prévalence du VIH/SIDA et de la malnutrition qui restent élevés dans la plupart des pays en développement et très faibles dans les pays développés. Cette disparité peut également s'apercevoir dans les variables sociales telles que le taux d'alphabétisation qui se situe entre 18 et 99% avec une forte variabilité de 17%, et l'indice de gini qui lui varie entre 0.01 et 6.06 pour le plus inégalitaire. Il existe aussi une forte divergence dans le processus de financement de la santé, on a ainsi les pays où la santé est pratiquement financée par le privé (le ratio financement public/financement privé est proche de zéro) et les pays où le principe d'équité est plus ou moins respecté, dans ce dernier cas le ratio est proche de 0.5. Les variables de gouvernance de la Banque mondiale (Kaufmann, Kraay, Mastruzzi 2007) touchent également les extrêmes. En effet la qualité de la réglementation qui mesure l'habileté du gouvernement à formuler et à mettre en oeuvre les bonnes politiques nécessaires à la promotion du secteur privé varie dans les deux extrêmes :de 1 pour le Royaume Uni, le Danemark à 5 pour la plus part des pays en développement. Il en est de même pour les autres indicateurs destinés à mesurer le niveau de démocratisation, de liberté civile, de droit politique et les limites dans lesquelles les individus participe au choix des gouvernants mais aussi de mesure de l'efficacité des gouvernements, et enfin de la qualité de fourniture de biens publics, la bureaucratie, la compétence des fonctionnaires, l'indépendance des fonctionnaires des pressions politiques et la crédibilité des engagements du gouvernement dans les décisions politiques. D'autres caractéristiques de l'hétérogénéité de l'échantillon sont disponibles dans le tableau ci-dessous. Il convient de préciser que ces statistiques descriptives masquent la variabilité intragroupe et ne permettent pas de voir les efforts entrepris par un gouvernement donné au cours du temps. Tableau 3 : statistiques descriptive sur les principales variables
* 32 _ A condition qu'il soit programmé dans le logiciel d'analyse. * 33 _ Ceci est d'autant plus possible car la différence première et le « within » n'altèrent pas la distribution de l'inefficience (voir Wang et Ho, 2007). * 34 _ On obtient ainsi l'estimateur du maximum de vraisemblance marginal (EMVM). * 35 _ Ce qui nous arrange d'autant plus que notre objectif premier n'est pas d'identifier ni les effets fixes ni l'inefficience mais les déterminants de celui-ci. * 36 _ Ou encore plus simplement de celui de Battese et Coelli (1995) ou Huang and Liu(1994). * 37 _ Nous supposons donc que l'hétérogénéité entre pays d'une même région est assez faible. * 38 _ Liste des pays en annexe du document. * 39 _Cette hypothèse est assez restrictive dans la mesure où elle ne prendra pas en compte les éventuels chocs passagers dans un gouvernement donné. |
|
