III.3. Analyse bivariée de quelques
indicateursP
L'Analysee entre le croisement des variables permet
dedécelerr lesprésomptionss des couples de variables. Un accent
sera mis sur la mesure de liaison entre les variables qui seront
choisies.
III.3.1. Répartition des variables selon la
régionP 1Taux de mortalité par régionQ
Le taux de mortalité est un indicateur important. En
effet, la mortalité infantile conditionnel'espérancee de
vieàa la naissance : tantqu'ill est élevé, le taux de
mortalité infantile est undéterminantt essentiel
del'espérancee de vieàa la naissance. Elle conditionne
en partie la fécondité. Ainsi larépartitionn de la
mortalité par hôpital parrégionn montre que Faranah est la
plus touchée avec un de 5,65%, suivie de larégionn de Boké
(4,46%). Le plus faible estobservéeàa Conakry (3,30%) et
présente également un faible écart (CV=0,08) entre les
communes. Le plus grand écart entre lespréfecturess
estobservée dans larégionn de Kindia. Lesrégionss de Mamou
et deN'Zérékorée présentent respectivement 3,73% et
3,88%.
Tableau 8 : Répartition du taux de
mortalité dans les hôpitaux par région
Taux de Mortalité
|
Région
|
|
|
|
3,30
|
5,65
|
3,96
|
3,50
|
3,46
|
3,73
|
3,88
|
Écart-type
|
1,98
|
0,28
|
0,91
|
1,48
|
2,03
|
1,53
|
1,80
|
1,51
|
Coefficient
de variation
|
0,44
|
0,08
|
0,16
|
0,37
|
0,58
|
0,44
|
0,48
|
0,39
|
|
26
Source : BSD, calculspropres
s
KALIVOGUI
Pépé,ITS3,,stage/BSD/MSHP/Conakry y
ü Taux de fréquentation hospitalière
par région
Cet indicateur permet de connaitre l'utilisation du
système hospitalier par la population. Sa répartition selon la
région montre que Conakry et Faranah utilisent fréquemment le
système par rapport aux autres comme l'indique respectivement le taux de
fréquentation 8,3% et 8,2%. Le faible taux est observé dans la
région de N'Zérékoré (2,6%). En moyenne, il est
4,9% pour le pays.
Tableau 9: Fréquentation hospitalière
selon la région
Taux de fréquentation
hospitalière
|
Région
|
Total
|
|
Conakry
|
Faranah
|
Kankan
|
Kindia
|
Labé
|
Mamou
|
N'Zérékoré
|
.
Gumée
|
|
|
8,29
|
8,18
|
4,35
|
4,63
|
3,93
|
3,55
|
2,57
|
4,88
|
Écart-type
|
3,28
|
12,06
|
4,52
|
4,55
|
2,91
|
5,33
|
1,22
|
1,28
|
5,39
|
Coefficient de variation
|
0,79
|
1,46
|
0,55
|
1,05
|
0,63
|
1,36
|
0,34
|
0,50
|
1,11
|
|
Source : BSD, calculs propres
ü 5 DSSFLVGX VFPEL13:9'9 DELVDnVsVXUl1 nombre de
Médecins par région
Cet indicateur permet de connaitre le nombre d'habitants par
médecin. Il est très important dans la mesure où il permet
de constater le besoin en personnel de santé dans une zone sanitaire ou
dans un pays. Il est intéressant de savoir si la variable région
a une influence significative sur le rapport nombre d'habitant sur personnel de
santé. En effet testons les hypothèses :
H0 : la Région n'a pas d'influence sur le
rapport nombre d'habitants sur nombre de Médecins,
contre H1 : la Région a une influence sur le
rapport nombre d'habitants sur nombre de Médecins
Répondre à cette question revient à
appliquer une analyse de la variance à un facteur
(ANOVA1) à ces deux variables. L'utilisation
de l'ANOVA1 dans SPSS 19 au seuil de 5% a donné le
résultat suivant :
Tableau 10 : Anova a un facteur
Rapport Nombre d'habitants sur le nombre de
Médecins
|
|
Somme des
carrées
|
Degré
de
liberté
|
Moyenne des
carrées
|
F
|
Signification
|
|
Combiné
|
137864,13
|
6
|
22977,35
|
2,686
|
0,032
|
|
Intra- groupes
|
265176,63
|
31
|
8554,08
|
|
|
|
Total
|
|
403040,75
|
37
|
|
Source : BSD, calculs propres
La région critique du test est:
Wá= {Yik
/Fcalculé>Fthéorique }. On rejette
l'hypothèse nulle si
Fcalculé>Fthéorique c'est -
dire si p-value = P (Fcalculé > Fthéorique) <
á
Conclusion du test:
Nous remarquons que la p-value (p=0,032) est
inférieur au seuil (á0,05).
Donc on rejette l'hypothèse nulle H0
c'est-à-dire la Région a bel et bien effet significatif sur le
rapport nombre d'habitants sur nombre de Médecins au seuil de 5%.
|
|
