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

 > 

Mesure et analyse de la pauvreté non monétaire chez les enfants:le cas du Cameroun

( Télécharger le fichier original )
par Simplice Kitleur LEKEUMO
Institut Sous-régional de Statistique et d'Economie Appliquée - Ingénieur d'Application de la Statistique 2007
  

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

2.3 Approche conceptuelle d'un indicateur de mesure

De plus en plus, l'approche unidimensionnelle de la pauvreté basée sur l'adoption du revenu comme seul indicateur de bien-être cède la place à l'approche multidimensionnelle qui fait désormais l'unanimité chez les économistes. Puisque depuis quelques années, un consensus s'est dégagé pour montrer, sur le plan conceptuel, que la pauvreté est un phénomène multidimensionnel (Ayadi et al, 2007). L'analyse de la pauvreté dans une perspective multidimensionnelle peut se faire de deux manières.

Premièrement, le statisticien peut utiliser la méthode des scores privatifs qui consiste à attribuer pour chaque composante de l'indicateur, un score de privation reflétant le niveau de vie du ménage. L'argumentaire avancé ici est que, la pauvreté des conditions d'existence est un manque (privation) global d'éléments de bien-être. Le score maximum correspond à un niveau de privation élevé tandis qu'un score nul signifie, au contraire une absence de carence. Deux principales approches permettent d'attribuer les scores aux catégories.

La première approche est utilisée lorsque les variables possèdent plusieurs catégories pouvant être classées suivant un ordre jugé croissant de bien-être. On retient par conséquent cette méthode de construction proposée par Lollivier et Verger qui recommandent de quantifier les catégories de la façon suivante. Les modalités des différentes composantes de l'indicateur sont affectées des scores 0, 1, 2,... suivant que celles-ci reflètent un niveau de privation croissante ou non. Le tableau 1 présente un exemple d'attribution de score.

Tableau 3 : Exemple d'attribution des scores

Caractéristique de l'Habitat

Score

Approvisionnement en eau

 

Robinet intérieur

0

Borne fontaine/pompe

1

Puit

2

Electricité

 

Oui

0

Non

1

Toilette

 

Personnel

0

En commun

1

Latrines

2

Sans toilettes/autres

3

Source : INS (2002)

Cette méthode a été utilisée dans une étude de l'INS (2002) à partir des données de l'ECAM 2, des scores privatifs ont été calculés pour apprécier les conditions d'existence du ménage. Selon cette approche, 40 % des ménages (soit 37 % des individus) essentiellement des ruraux ou des exploitants agricoles, ne disposent pas de 12 des 14 commodités fondamentales.

La seconde, développée par l'INSEE et qui se veut objective, attribue à chaque ménage ne possédant pas un bien, le pourcentage des ménages qui le possèdent. Par exemple, si 65% de ménages possèdent une télévision, ceux-ci auront un score de privation de 0 tandis que les ménages qui ne la possèdent pas (35%) auront un score de 65. Cette approche tend à donner un poids très grand aux biens de première nécessité possédés par la majorité des ménages, tandis que les biens de luxe possédés par la minorité auront des scores de privation bas. Cependant, cette méthode est indiquée lorsque les composantes de l'indicateur sont des variables dichotomiques. Cette méthode est très critiquée pour ce qu'elle laisse une très grande place à la subjectivité. L'attribution des scores et la fixation du seuil de pauvreté se font généralement arbitrairement. L'ordre de priorité dans la classification des modalités liées à une variable donnée est entièrement déterminé par les choix de l'analyste.

Deuxièmement, la méthode de conception d'un indice composite de pauvreté basée sur les techniques d'analyses multidimensionnelles, encore appelées analyses factorielles. Ces techniques permettent de construire un indicateur dont les pondérations contenues dans la forme fonctionnelle de l'indicateur sont les moins arbitraires possibles. Le principal avantage de cette méthode par rapport à la précédente est donc qu'elle élimine le caractère arbitraire de l'attribution des scores. Ainsi, elle laisse peu de place à la subjectivité. Cette approche est dite approche d'inertie car elle tire son origine de la mécanique statique. Elle utilise les techniques d'Analyse des Correspondances Multiples (ACM) dans le cas d'un tableau d'individus caractérisés essentiellement par des variables qualitatives.

La méthodologie de conception de notre indicateur sera basée sur cette deuxième approche.

2.3.1 Méthodologie de conception d'un Indicateur Composite de Pauvreté (ICP)

L'indicateur composite de pauvreté que nous présentons ici est l'indicateur le plus répandu dans la littérature concernant la mesure multidimensionnelle de la pauvreté dans le cas des pays africains. Cet indice a été utilisé pour la mesure et l'analyse de la pauvreté non monétaire dans les pays tels que la Tunisie (Ayadi et al, 2007), le Cameroun (Foko et al, 2007), le Sénégal (Ki et al, 2005) et dans l'analyse de la pauvreté non monétaire chez les enfants au Bénin (Quenum, 2007), dans l'UEMOA (Djoke et al, 2006).

La construction de cet indice passe par la sélection et la définition des variables matérialisant les fonctionnements des enfants. Nous nous accommoderons dans la mesure du possible de suivre les prescriptions de l'UNICEF dans le choix des variables matérialisant les fonctionnements des enfants. Pour l'UNICEF (2003), les principales dimensions et indicateurs utilisés dans la perception de la pauvreté infantile sont les suivantes :

- Le logement : enfant vivant dans une habitation avec cinq personnes ou plus et sans revêtement ;

- Les installations sanitaires : enfant qui n'a pas accès à des toilettes quelles qu'elles soient ;

- L'eau potable : enfant utilisant des eaux de surface (rivières, mares, ruisseaux et rétentions de barrages), ou à qui il faut un minimum d'une demie heure pour allé chercher de l'eau et revenir ;

- L'information : enfant n'ayant pas accès à une radio, une télévision, un téléphone, un journal ou un ordinateur (toute forme de médias) ;

- La nourriture : enfant qui se situe à plus de trois écarts-types au dessous de la population internationale de référence pour leur taille par rapport à leur âge, leur taille par rapport à leur poids, et leur poids par rapport à leur âge. C'est également connu sous le nom de dénutrition anthropométrique sévère ;

- L'éducation : enfant d'âge scolaire qui n'est jamais allés à l'école ou qui n'y vont pas actuellement ;

- La santé : enfant qui n'a reçu aucune vaccination, et aucun traitement contre une maladie récente mettant en jeu une infection respiratoire aiguë ou des diarrhées.

En se basant sur la présentation faite par Asselin (2002), nous construisons un indice composite de pauvreté pour les enfants. L'idée est de résumer l'information apportée par les variables du tableau 2 caractérisant un enfant en un seul indicateur. Notonsla valeur de l'indicateur composite pour l'individu. Cet indice s'écrit sous la forme générale suivante :

. Où est l'indicateur primaire avec pour l'enfant. est le poids attribué à l'indicateur dans le calcul de l'indice composite .

La sélection des variables figure des variables aux modalités binaires (1 si l'enfant possède la modalité et 0 sinon) et des variables ordinales et/ou multinomiale admettant plus de deux modalités. Afin d'harmoniser la nature des variables utilisées, il est nécessaire de transformer les variables multinomiales en variables binaires.

L'indice composite devient alors :

Avec :

 : Nombre de variable primaires ;

: Nombre de modalités de la variable primaire  ;

: Le poids (score) accordé à la modalité  ;

 : Une variable binaire prenant la valeur 1 lorsque l'individu a la modalité et 0 sinon.

Le souci majeur ici étant de limiter la subjectivité dans l'attribution des scores, il convient alors de trouver une méthode appropriée pour la définition des poids accordés aux modalités. La littérature à cet effet est prolifique en méthodes. Ces méthodes sont intimement liées à la nature des variables : les techniques d'ACP (Analyse en Composante Principale) mises en oeuvre pour les variables quantitatives ont été utilisées par Filmer et Pritchett (1998), puis les techniques d'ACM (Analyse des Correspondances Multiples) que nous utiliserons et qui ont été présentées par Asselin (2002). Elles se prêtent mieux aux analyses multidimensionnelles sur variables qualitatives.

L'ACM s'applique sur un tableau comportant individus en ligne et variables en colonne. Chaque individu ou unité de la population peut être représenté par un vecteur ligne de dimension. Ensuite, ce tableau est transformé en un tableau dit « tableau disjonctif complet » dans lequel chaque colonne de variable est « disjonctée » en autant de colonnes que de modalités. Pour chaque individu, l'occurrence d'une modalité est codée par 1, les autres modalités étant codée par 0. Ce tableau abouti par transformation au tableau de Burt qui est un tableau croisant toutes les variables et toutes les modalités présentes. L'ACM recherche un sous espace optimal dans lequel on peut dépister des liaisons entre variables, entre individus ou entre individus et variables. La recherche de ce sous espace optimal passe par la maximisation de l'inertie du nuage de point.

Soit l'inertie total du nuage de points formé par le tableau des données. On a :

L'inertie totale du nuage est mesurée par des valeurs propres auxquelles sont associées des vecteurs propres. Le premier vecteur propre auquel est associée la première valeur propre définit l'axe en direction duquel l'étalement du nuage de point est maximal. Sur le premier axe factoriel issu de la projection du nuage des points variables, chaque modalité a une coordonnée factorielle. C'est le score recherché. De l'ACM, on obtient des pondérations qui correspondent aux scores normalisés sur le premier axe factoriel. La valeur de l'indice composite pour chaque individu correspond tout simplement à la moyenne des scores normalisés des modalités. Le poids d'une modalité est la moyenne des scores normalisés des individus ayant cette modalité.

Toutes les modalités des variables étant transformées en indicateurs binaires (0/1), donnant au total indicateurs binaires, l'ICP pour un individu donné peut encore s'écrire :

. Où est le poids de la modalité et est un indicateur binaire prenant la valeur 1 si l'individu a la modalité et 0 sinon.

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



La Quadrature du Net