III-3 Mesure des déterminants de l'efficience
Nombre de ces études ne se sont pas limitées
à calculer les scores d'efficience mais à trouver les
déterminants de l'efficience. Ainsi plusieurs études sur les
déterminants des services de santé ont incorporé les
mesures de taille (par exemple le taux d'occupation des lits (Kooreman 1994a),
il suppose qu'un taux d'occupation élevé va affecter l'efficience
de l'offre de soin), d'autre ont tenter d'incorporer les mesures de
« qualité » ou de
« spécialisation » (Fizel et Nunnikhoven 1992;
Chillingerian 1993), Fizel et Nunnikhoven (1992) supposent qu'améliorer
la qualité des soins de santé est susceptible de réclamer
les inputs additionnels pour un niveau donné d'output .
Ces méthodes procèdent
généralement en deux étapes : on estime le score DEA
(ou la frontière SFA ou DFA), ensuite on le régresse à
travers un Tobit sur les facteurs pouvant influencer cette (in)efficience
(Chillingerian 1993 ; Kooreman 1994 ; Lo, Shih et Chen 1996).
Cependant, cette approche présente trois principales
limites :
En fonction du type d'inefficience calculé, les scores
d'efficience sont généralement censurés. Par exemple les
scores DEA sont bornés entre 0 et 1. Concernant la SFA et DFA, la
spécification fonctionnelle a un impact sur la répartition des
unités qu'elle soit efficiente ou pas. Par conséquent la
régression par les MCO n'est pas appropriée et les
résultats de la seconde étape doivent ainsi être remis en
question (Hollingsworth et al. 2002). Dans ce cas les modèles à
variable dépendantes limitées (comme les probit et logit) sont
généralement utilisés (Alexander et al. 1998 ;
Chirikos et Sear 2000 ; Rollins et al 2001)
Le second problème est que : si les variables
utilisées dans la seconde étape sont supposées affecter
l'efficience, pourquoi ne les a- t'on pas introduites dans le modèle de
première étape ? les raisons avancées resident dans
le fait que les modèles DFA et SFA ont du mal à incorporer les
variables catégorielles (Hollingsworth et al. 2002), de plus on avance
aussi les raisons de convenance empirique. Cependant Wang et Schmidt (2002)
montrent que ne pas introduire ces variables à la première
étape correspond tout simplement à un biais de variables omises
qui invalide ainsi les résultats de la seconde étape.
Le dernier problème est que si les déterminants
de l'équation de la première étape sont
corrélés avec ceux de seconde étape, alors les estimations
seront non convergentes et biaisées
Les développements théoriques récents
(Battese et Coelli 1995 ; Wang et Schmidt 2002 ; Greene 2005)
essayent de répondre à cette limite des méthodes en deux
étapes et proposent un modèle dans lequel l'inefficience est une
fonction explicite de ses déterminants, et tous les paramètres
sont estimés en une seule étape en utilisant une procédure
de maximum de vraisemblance. Rosko (2001) et Brown (2003) ont employé
cette méthode.
IV. À LA RECHERCHE DES
DETERMINANTS DE L'EFFICIENCE
La plupart des études sur l'évaluation des
déterminants de l'efficience procèdent généralement
en trois étapes (Hollingsworth et al. 2002), nous adoptons cette
approche dans un premier temps en recherchant la mesure d'efficience
appropriée (I), ensuite en spécifiant les inputs/outputs (II) et
enfin en présentant la technique d'estimation (III).
| 
