Mesure de la satisfaction des justiciables au Bénin : approche multidimensionnelle

II. Spécification méthodologique et données

A. Démarche méthodologique

La méthodologie de l'étude s'articule autour deux points principaux en liaison avec les objectifs de recherche.

1. Calcul et analyse des indices de satisfaction

La prise en compte du caractère multidimensionnel de la satisfaction nous conduit à un choix quant à la méthode à utiliser à cet effet. Deux grands groupes de méthodes s'opposent dans les analyses multidimensionnelles : les premières basées sur l'approche d'entropie au titre desquelles l'approche floue et les méthodes d'attribution de score a priori et les secondes basées sur l'approche par l'inertie à travers les méthodes factorielles. Les travaux récents penchent pour cette dernière catégorie dont l'avantage principal est de fournir des pondérations endogènes à l'analyse (Foko et al, 2006 ; Asselin 2002 ; Filmer et Pritchett, 2001). Du fait de la nature de nos variables et de l'objectif de cette analyse multidimensionnelle, à savoir de discriminer au maximum les individus sur un axe qui résumera la satisfaction, nous utiliserons une Analyse des Correspondances Multiples (ACM). Une ACM préliminaire sera effectuée pour déterminer les variables qui contribuent le plus fortement à discriminer efficacement les individus. Cette sélection a deux avantages principaux : elle (i) tient compte de toute l'information disponible et (ii) assure une plus grande robustesse à l'ACM finale ; on peut en effet assimiler l'information perdue lors de la sélection à un bruit dans la mesure de la satisfaction^1(*). La sélection des variables est effectuée sur la base des contributions de ses modalités à l'inertie totale, les cosinus carrés et les valeurs tests de ses modalités par rapport aux premiers axes. Pour l'interprétation d'un axe, on sélectionnera les modalités qui ont les plus fortes contributions : une modalité contribue fortement à un axe, si sa contribution dépasse son poids. Les cosinus carrés permettent d'apprécier la qualité de représentation des modalités sur l'axe, celles qui ont les cosinus carrés les plus forts seront donc retenues. La valeur minimale pour le cosinus carré est de 0,1. De façon habituelle, on considère qu'une valeur-test supérieure à 2 en valeur absolue indique que la modalité correspondante est significativement différente du centre de gravité.

Pour chaque dimension identifiée par l'ACM définitive, les variables et modalités devront représenter fortement et de façon homogène la dimension étudiée. Les résultats de cette ACM serviront de base au calcul des indices individuels de satisfaction . Cette méthode est désormais classique dans les analyses de la pauvreté suivant l'approche multidimensionnelle. Nous nous inspirons notamment des travaux de Ki et al. 2005 et de Diagne et al, 2005.

La forme fonctionnelle de l'indice de satisfaction de l'individu i est :

Où :

K = nombre d'indicateurs catégoriels ou nombre de variables retenues ;

J_k = nombre de catégories ou nombre de modalités de l'indicateur ou de la variable k ;

= le score normalisé sur l'axe identifié, de la catégorie J_k, étant la première valeur propre ;

= la variable binaire 0/1, prenant la valeur 1 lorsque l'individu a la catégorie J_k.

La valeur de l'indice de satisfaction correspond donc à la moyenne des scores normalisés des variables. Le poids d'une catégorie est la moyenne des scores normalisés des unités de population appartenant à cette catégorie.

Cette forme fonctionnelle conduit à des valeurs négatives et positives pour les indices de satisfaction. Or, pour conduire l'analyse des inégalités à l'aide des instruments disponibles, il est nécessaire d'associer à chaque indice , une mesure positive qui conserve d'une part, la hiérarchie des ménages le long de l'axe de satisfaction et d'autre part, les propriétés de la forme fonctionnelle de l'indice (Foko et al, 2006). sera obtenue ici en ajoutant à chaque , la valeur absolue de la plus petite valeur négative possible de . Une analyse de l'aptitude à classer les individus suivant leur niveau de satisfaction sera effectuée.

L'agrégation se fait par simple calcul de la moyenne des indices individuels. L'indice pour un groupe d'individus de taille N est donc : .

De façon classique, l'étude des inégalités dans une distribution se fait grâce à la courbe de Lorenz et à l'indice de Gini. Elle peut également se faire à l'aide des indices de Theil (1967), de Hirschman-Herfindahl ou de Bourguigon. Mais ces indices sont des indices d'entropie généralisée (Dagum, 1997). Nous adoptons donc l'indice de Gini et la courbe de Lorenz dans le cadre de ce travail pour analyser les indices déterminés par l'approche d'inertie. La courbe de Lorenz des indices de satisfaction met en regard les pourcentages cumulés de la satisfaction totale et les pourcentages cumulés de personnes ayant cette satisfaction, en commençant par les individus ou les ménages les moins satisfaits. L'indice de Gini est le double de l'aire de la surface délimitée par la courbe de Lorenz des indices de satisfaction et la première diagonale du carré unité. Son expression mathématique est :

Nous suivons Dagum (1997) en décomposant cet indice en indice d'inégalités intragroupes Gw et d'inégalités intergroupes Gb pour approfondir l'analyse nord-sud.

G = Gb + Gw

où représente l'indice de Gini au sein du groupe k, , le poids relatif du groupe k et son pourcentage de satisfaction correspondant.

2. Estimation de l'effet causal

L'effet causal est déterminé par la méthode de Rosenbaum et Rubin (1983). Cette méthode associe à chaque individu i ayant utilisé les services de la justice, un individu ne les ayant pas utilisé, noté i'(i) dont les caractéristiques sont les plus proches possibles de celles de l'individu i. On définit un résumé de dimension 1 de ces caractéristiques individuelles. Ce résumé est la probabilité d'utilisation des services de la justice pendant la période de référence, ou score de propension, noté. L'appariement se fait grâce à cette probabilité : l'individu non traité noté i, qui est apparié avec l'individu traité i, est alors défini par la relation (matching score propensity). L'estimateur de Rubin pour l'effet moyen du traitement sur les traités est alors égal à :

En clair, il s'agit d'une approximation de ce qu'aurait été la situation de l'individu i s'il n'avait pas été traité.

B. Données

Les données proviennent d'une enquête légère réalisée en 2006 par le ministère chargé de la justice. 980 individus de 18 ans et plus ont été interviewés. L'échantillon constitué est faiblement représentatif au niveau national par rapport au genre et par rapport au poids démographique des départements. Nous avons donc procédé à un redressement de la base de données puis à un apurement complémentaire avant son exploitation. Notre analyse porte en définitive sur un échantillon de 633 individus. Cet échantillon respecte le poids démographique des départements. Le biais de sélection sur le sexe demeure cependant. On a en effet 70% d'hommes contre 30% de femmes. La classe d'âge modale est 25-45 ans avec 59,3% ; l'âge moyen est de 37 ans. 35,4% des individus ont un niveau d'études secondaires et 12,8% n'ont aucun niveau. Une grande majorité (71%) s'est rendu au moins une fois dans un tribunal mais seulement 33% ont utilisé les services de la justice selon la définition retenue dans le cadre de notre analyse. Paradoxalement, le pourcentage d'individus qui s'est rendu au moins une fois dans un tribunal est plus élevé au nord qu'au sud soit 73,6% contre 69,4% et la liaison entre ces deux variables n'est pas significative. Seuls 20% des enquêtés déclarent être satisfaits de la qualité générale de la justice au Bénin. La satisfaction des enquêtés est appréhendée dans l'enquête à travers les reproches qu'ils formulent à l'endroit des services de la justice. Ils expriment ces reproches sur les différents aspects de la qualité de la justice à savoir : accessibilité, professionnalisme du personnel, adéquation des textes et lois, célérité dans les procédures, indépendance de la justice, crédibilité de la justice, corruption...

I. Analyse multidimensionnelle et analyse causale

II. Interprétations des résultats et limites de l'étude

I. Analyse multidimensionnelle et analyse causale

A. Analyse multidimensionnelle et calcul d'indices

* ¹ Voir à ce propos Foko et al (2006)