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


Home | Publier un mémoire | Une page au hasard

 > 

Analyse de déterminants de la mortalité infanto juvénile au Cameroun

( Télécharger le fichier original )
par Valery Martial TANKOU KAMELA
Institut Sous régional de Statistique et d'Economie Appliqué - Ingénieur Statisticien 2009
  

précédent sommaire suivant

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

CHAPITRE 4 : ANALYSE DES DÉTERMINANTS DE LA MORTALITÉ INFANTO-JUVÉNILE

Les résultats préliminaires obtenus précédemment, nous ont permis d'avoir une idée sur les facteurs susceptibles d'influencer la mortalité des enfants au Cameroun. Le but de ce chapitre est d'analyser l'effet de ces facteurs sur la mortalité des enfants. Dans un premier temps, nous allons effectuer une analyse des correspondances multiples afin de mieux percevoir les liens qui existent entre les différentes variables qualitatives : les caractéristiques socio-économiques, démographiques, et culturelles du ménage auxquelles l'enfant appartient. Nous allons nous servir du modèle de régression logistique pour mieux appréhender les déterminants de la mortalité infanto-juvénile.

4.1 ANALYSE DES CORRESPONDANCES MULTIPLES

Dans la base de données EDS III, 2004 que nous utilisons, nous avons d'une part les enfants qui sont décédés avant de fêter leur 5ème anniversaire et d'autre part ceux qui l'ont atteint. L'ACM38(*) permettra de décrire les liaisons qui existent entre les modalités de plus de deux variables qualitatives observées sur plusieurs individus. Elle est une généralisation de l'Analyse Factorielle des Correspondances (AFC).

La variable dépendante est survie de l'enfant, avec deux modalités : mort ou survivant. Au moment de lancer l'analyse avec le logiciel SPAD, cette variable est maintenue en illustrative. Par conséquent elle ne participe pas à la construction des axes factoriels. Le but ici est de voir comment ses modalités (mort ou survivant) se positionnent sur le nuage de variables explicatives projetées. Le paragraphe ci-dessous présente les résultats de l'ACM obtenu.

4.1.1 Présentation des résultats de l'ACM

L'objectif ici est de déterminer les relations entre les différentes variables explicatives, et comment elles se comportent autour des deux modalités de la variable dépendante. En effet les différents tests du khi que nous avons réalisés ont dans certains cas permis de déceler une dépendance entre les variables explicatives et la variable dépendante. Il est utile à présent de mesurer les liens éventuels qui peuvent se dessiner derrière les différentes variables explicatrices, afin de voir leur comportement autour de la variable dépendante. Ces liens pourront sans doute définir les groupes à haut risques, exprimant les combinaisons des facteurs qui expliqueraient un grand risque de mortalité des enfants. Les modalités de ces variables ont été codifiées pour des besoins de lisibilité du graphique. Nous présentons d'abord les différents facteurs :

Ass : pour assistance au moment de l'accouchement ; niv : niveau de vie du ménage

Ran : rang de l'enfant ; sex : sexe de l'enfant

Gem : gémellité ; sta : statut matrimonial de la femme

Fem : niveau d'instruction de la femme ; mou : moustiquaire

Mil : lieu de résidence ; lie : lieu d'accouchement

Hoe : niveau d'instruction du père ; âge : âge de la femme ; int : intervalle génésique

Vac : vaccination

Ainsi, les différentes abréviations des modalités sont les suivantes :

Tableau 2 : Recodage des modalités des variables actives préliminaire pour l'ACM

Inertie du nuage des points et choix des axes factoriels

D'après la règle du coude, nous sommes conduits à retenir les deux premiers axes factoriels pour les interprétations qui expliquent 20,53 % de l'inertie totale. Ce pourcentage est suffisant pour faire des interprétations en ACM.

Premier axe factoriel : Les modalités des variables qui ont le plus contribué à sa formation sont : le milieu urbain, le milieu rural, les hommes de niveaux d'instruction moyen et « secondaire et plus », le lieu d'accouchement à domicile, le lieu d'accouchement dans un centre de santé. Cet axe oppose les enfants nés dans un centre de santé, qui vivent en milieu urbain et dans les ménages aisés, dont le père a un niveau d'instruction secondaire, à ceux qui sont nés à domicile, qui vivent en milieu rural et dans les ménages pauvres, dont le père est sans instruction.

Deuxième axe factoriel : Les modalités des variables qui ont le plus contribué à sa formation sont : l'assistance à l'accouchement, l'assistance manquée, les enfants de premier rang, les enfants de rang supérieur à six, l'âge de la mère à l'accouchement inférieur à vingt ans, l'âge de la mère à l'accouchement supérieur à 35 ans. Cet axe oppose les enfants de rang supérieur à six dont la naissance intervient lorsque la mère est âgée de plus de 35 ans et s'est faite assistée au moment de l'accouchement aux premières naissances qui interviennent lorsque la mère a moins de 20 ans et ne s'est pas faite assistée au moment de l'accouchement.

Quadrants du graphique

En tenant compte de la variable « survie_enfant » mise en supplémentaire pour les besoins d'analyse, l'examen des quadrants du graphique ci-dessus donnent les résultats suivants :

Le quadrant (1+, 2+) caractérise les enfants vivant en milieu rural, issus des ménages pauvres, dont la mère ne sait pas faite assistée au moment de l'accouchement et dont le père est sans niveau d'instruction. Ces enfants sont plus exposés à la mortalité car leurs caractéristiques sont plus proches de la modalité « mort » de notre variable illustrative.

Le quadrant (1+, 2-) caractérise les enfants de rang supérieur à six dont la naissance intervient lorsque la mère est âgée de plus de 35 ans.

Le quadrant (1-, 2-) caractérise les enfants nés dans un centre de santé, qui vivent en milieu urbain et dans les ménages aisés, dont le père a un niveau d'instruction secondaire et plus. Ces enfants sont moins exposés à la mortalité car leurs caractéristiques sont plus proches de la modalité « survivant » de notre variable illustrative. Notons également que ces individus sont plus proches de l'individu moyen en raison du faite qu'ils sont plus représentés dans notre échantillon (environ 85 %).

Le quadrant (1-, 2+) caractérise les enfants qui sont de rang un, et nés lorsque la mère a moins de 20 ans au moment de l'accouchement.

De façon diamétrale, les quadrants (1+, 2+) et (1-, 2-) s'opposent d'une part ainsi que les quadrants (1-, 2+) et (1+, 2-). La première opposition caractérise les deux groupes d'enfants décédés avant l'âge de quatre ans révolus et le deuxième groupe ceux qui ont survécu jusqu'à cet âge. Les variables qui assurent le plus cette discrimination sont le milieu de résidence, l'assistance à l'accouchement, le niveau de vie du ménage ou vit l'enfant, le lieu d'accouchement et l'instruction du père. Par contre les variables qui interviennent dans l'opposition des deux quadrants (1-, 2+) et (1+, 2-) ne distinguent pas de façon rigoureuse les deux groupes d'enfants morts et survivants. Nous voulons manifester une légère prudence, compte tenu des observations que nous dégageons de l'ACM. La principale raison étant le problème de poids ; puisque l'échantillon de données n'est pas équilibré, plusieurs individus sont attirés vers l'individu moyen.

Figure : Projection des variables sur les axes factoriels

Source : EDS III, 2004

* 38 _ C'est une méthode d'analyse factorielle due à Guttman (1941) et à Benzecri (1973).

précédent sommaire suivant






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








"Piètre disciple, qui ne surpasse pas son maitre !"   Léonard de Vinci