PANAFRICAN INSTITUTE FOR THE DEVELOPMENT-CENTRAL AFRICA
INSTITUT PANAFRICAIN POUR LE DEVELOPPEMENT-AFRIQUE CENTRALE
Option :
Planification,, ProgrammationEt Gestion Du
Développement
SUJET : Application de la méthode
d'évaluation contingente à la mesure de la demande et à la
planification des investissements scolaires dans les zones
sous-scolarisés : Cas des populations MBORORO du
Nord-Ouest
Présenté et soutenu par :
Tsemogne Sado Alain
Sous la Direction de :
Pr Claude Njomgang
Agrégé de sciences
économiques
Membres du Jury :
1. Président :
2. Rapporteur :
3. Membre :
REMERCIEMENTS
Le présent travail n'aurait pu se réaliser sans
le précieux appui de mon encadreur le Pr Claude Njomgang,
agrégé en économie et enseignant à
l'université de Yaoundé II. Je tiens à le remercier pour
la rigueur imposée au cours de cette recherche et les corrections
apportées à ce travail.
Ma sincère reconnaissance et ma profonde gratitude sont
adressées à L'IPD, à sa direction et aux enseignants du
programme, à mes camarades de promotion avec qui nous avons eu, tout au
long de notre formation, des échanges amicaux et fructueux.
Je tiens également à remercier le staff de PLAN
Cameroun, Direction régionale du nord-ouest, ainsi que l'association
MBOSCODA, pour leur encadrement lors de mon stage professionnel et lors de la
collecte de mes données.
Je tiens enfin à exprimer mes vifs remerciements
à messieurs les membres du jury qui m'honorent d'accepter de juger et
d'évaluer le présent travail.
L'Homme n'est rien sans les Hommes : Il vient
dans leurs mains et s'en va dans leurs mains
Cheick Hamidou Kane, l'aventure
ambiguë.
SOMMAIRE
Introduction générale
Première partie : Cadre conceptuel et
théorique
CHAPITRE PREMIER : FONDEMENTS THEORIQUES DE
L'EVALUATION DES
BIENS NON
MARCHANDS
1. La valeur économique des biens non marchands
2. Bases théoriques de la valorisation économique
des biens non marchands
CHAPITRE 2: METHODES D'EVALUATION ECONOMIQUE DES BIENS
NON
MARCHANDS
1. La méthode des marchés de substitution
2. La méthode indirecte d'évaluation
3. La méthode d'évaluation contingente (MEC)
Seconde partie : Analyse descriptive et
économétrique du CAP
CHAPITRE 3 : ANALYSE DESCRIPTIVE DU CONSENTEMENT A PAYER
POUR
L'EDUCATION DES POPULATIONS
MBORORO DU NORD-OUEST
1. Caractéristiques socio-économiques des
populations MBORORO du Nord-ouest
2. L'offre en éducation dans la région du
nord-ouest
3. Les fréquences des CAP annoncés
4. La fréquence des variables importance et valeur de
l'éducation
5. Consentement A Payer Moyen et médian
6. Evaluation du coût social lié à la demande
en éducation
CHAPITRE 4 : MODELISATION
1. Les variables
2. Le modèle
3. L'application du modèle à la base de
données
4. La prédiction des effets marginaux
Conclusion générale
Références bibliographiques
Annexe
Table des matières
LISTE DES TABLEAUX
TABLEAUX
|
TITRES
|
PAGES
|
|
1 Offre en éducation dans la région du
nord-ouest
|
15
|
|
2 CAP annoncés pour l'enseignement primaire
|
15
|
|
3 CAP annoncés pour l'enseignement secondaire
général
|
16
|
|
4 CAP annoncés pour l'enseignement secondaire
technique
|
16
|
|
5 valeur accordée à l'éducation
|
17
|
|
6 Importance donnée à la qualité de
l'éducation
|
17
|
|
7 Moyenne et médiane du CAP par rapport à la
méthode des enchères.
|
17
|
|
8 Moyenne et médiane du CAP par rapport à la
méthode de la carte de paiement
|
18
|
|
9 Analyse descriptive de la variable Level of education
|
21
|
|
10 Analyse descriptive de la variable Level of education
|
21
|
|
11 Analyse descriptive des variables Distance_prim
|
22
|
|
12 Analyse descriptive des variables Distance_sec
|
22
|
|
13 Analyse descriptive de la variable Number of chidren
|
23
|
|
14 Tableau récapitulatif des variables
|
23
|
|
15 Contrôle du biais de point de départ :
Test des moyennes de Student, enseignement primaire
|
26
|
|
16 Contrôle du biais de point de départ :
Test des moyennes de Student, enseignement secondaire général
|
26
|
|
17 Contrôle du biais de point de départ :
Test des moyennes de Student, enseignement secondaire technique
|
27
|
|
18 Estimation des résultats du modèle,
enseignement primaire
|
28
|
|
19 Estimation des résultats du modèle,
enseignement secondaire général
|
28
|
|
20 Estimation des résultats du modèle,
enseignement secondaire technique
|
29
|
|
21 Test d'homoscédasticité, enseignement
primaire
|
32
|
|
22 Test d'homoscédasticité, enseignement
secondaire général et technique
|
33
|
|
23 Correction de
l'hétéroscédasticité, enseignement primaire
|
33
|
|
24 Correction de
l'hétéroscédasticité, enseignement secondaire
général et technique
|
34
|
|
25 Prédiction des effets marginaux, enseignement
primaire
|
35
|
|
26 Prédiction des effets marginaux, enseignement
secondaire général
|
35
|
|
27 Prédiction des effets marginaux, enseignement
secondaire technique
|
36
|
LISTE DES GRAPHIQUES
GRAPHIQUE
|
TITRE
|
PAGE
|
1
|
Analyse descriptive de la variable âge
|
20
|
SIGLES ET ABREVIATIONS
APE : Association des Parents
d'Elèves
CAP : Consentement A Payer
CAPM : Consentement global A Payer Moyen
CAR : Consentement A Recevoir
CFA : Communauté Financière
Africaine
MBOSCUDA : Mbororo Social and Cultural
Developement Association
MINEDUB : Ministère des
Enseignements De Base
MINESEC : Ministère des
Enseignements Secondaires
MEC : Méthode d'Evaluation
Contingente
NOAA : National Oceanic and Atmospheric
Association
PIB : Produit Intérieur Brut
RESUME
L'objectif de cette étude est de contribuer à
fournir des informations susceptibles d'éclairer les décisions
des pouvoirs publics dans la mise en oeuvre des politiques d'investissement
scolaires en zone sous-scolarisée, le cas des MBORORO du nord-ouest. De
façon spécifique, il s'agit d'estimer les dispositions des
parents à payer pour l'éducation de leurs enfants et
d'identifier les facteurs explicatifs de ces payements. Pour y arriver, une
enquête basée sur la méthode de l'évaluation
contingente et portant sur 267 ménages a été
réalisée dans trois départements de la région du
nord-ouest (Mezam, Boyo et Momo), régions fortement peuplées par
ces habitants, et dans quatre localités (Bamenda, Santa, Fundong,
Mbengwi). Les données de cette enquête ont été
analysées en utilisant une approche descriptive et en ayant recours
à un modèle économétrique : le modèle
Tobit censuré.
Les résultats de l'analyse descriptive indiquent que la
majorité des chefs de ménages enquêtés souhaiterait
payer annuellement un montant d'environ 7200 FCFA contre la somme de 20000
FCFA nécessaires pour l'enseignement primaire, 20000 FCFA contre la
somme de 50000 FCFA nécessaires pour l'enseignement secondaire
général, et 24000 FCFA contre la somme de 75000 FCFA
nécessaires pour l'enseignement secondaire technique. Les
résultats obtenus par l'analyse économétrique montrent que
ce montant est influencé par le niveau d'instruction des chefs de
ménages, le revenu du ménage et les mariages précoces des
jeunes filles.
ABSTRACT
The objective of this study is to contribute to provide
information likely to clarify the decisions of public authorities in the
implementation of school investment policies in under-scholarized areas, the
case of the MBORORO of the North-West. Specifically, we have to estimate the
willingness-to-pay of the parents for the education of their children and to
identify the explanatory factors of these payments. To reach that target, an
investigation based on the contingent valuation method and bearing on 267
families was carried out in four divisions of the area of the North-West
(Mezam, Boyo et Momo), areas strongly populated by the MBORORO, and in four
localities (Bamenda, Santa, Fundong, Mbengwi). The data of this investigation
were analysed using a descriptive approach and by using an econometric model:
The Tobit censured model.
The results of the descriptive analysis indicate that the
majority of the surveyed family heads would wish to pay annually an amount of
approximately 7200 FCFA against the sum of 20000 FCFA necessary for primary
school education, 20000 FCFA against the sum of 50000 FCFA necessary for
general secondary education, and 24000 FCFA against the sum of 75000 FCFA
necessary for technical secondary education. The results obtained by the
econometric analysis show that this amount is influenced by the educational
level of the family heads, the family income and the early marriages of young
girls.
INTRODUCTION GENERALE
1. CONTEXTE ET JUSTIFICATION DE L'ETUDE
Les préoccupations sans cesse croissantes pour
l'éducation des citoyens ont conduit les pouvoirs publics à
engager des politiques d'investissement en matière d'infrastructures
scolaires. Cependant, un mauvais jugement en matière des
préférences des populations bénéficiaires de ces
infrastructures a très souvent conduit à une mauvaise
pl1anification et à une contre-performance de la rentabilité de
ces infrastructures.
2. PROBLEMATIQUE
Au Cameroun, les populations MBORORO du Nord-ouest restent
victimes de la sous-scolarisation, malgré toute l'attention à eux
accordée par les autorités publics. Certains facteurs
socio-économiques expliquent les comportements de ces populations, entre
autres :
· Les phénomènes migratoires qui
entraînent une instabilité géographique.
· Les mariages précoces qui ont pour
conséquences un fort taux de déperdition scolaire
· Le faible taux de revenu (PIB) par habitant dans ces
régions
· L'instabilité et la non-pérennité
des sources de revenu
Notre travail est sous-tendu par le besoin de combler
l'écart entre une situation de départ insatisfaisante, et une
situation d'arrivée désirable. De ce fait il est important pour
cette étude de permettre aux dirigeants de bâtir une
décision publique concernant l'investissement en infrastructures
scolaires à partir des intérêts personnels de chacun.
De ce fait la question fondamentale qui fera l'objet de notre
étude est la suivante : Quel est le Consentement à payer des
parents pour l'éducation de leurs enfants ? Et ensuite comment
traduire ce consentement à payer par une politique d'investissement qui
réponde aux besoins spécifiques de ces populations ?
3. OBJET DE L'ETUDE
L'objectif général de cette étude est de
déterminer la valeur de l'éducation pour les parents MBORORO et
de proposer des alternatives pour les politiques de planification en
matière scolaire pour ces populations.
De façon spécifique; il s'agira :
Ø De déterminer la valeur d'un bien social (une
école) à partir des consentements à payer
(CAP) de ces populations.
Ø D'identifier les facteurs explicatifs de ce CAP
Ø D'évaluer le cout social lié à
l'amélioration du niveau de scolarisation chez ces populations
Ø De proposer des solutions pour une meilleure
insertion de ces populations dans le processus éducatif.
4. HYPOTHESES DE RECHERCHE
La méthode d'évaluation contingente part du
principe selon lequel sur la base de la théorie du consommateur, il est
possible d'attribuer des valeurs monétaires à des biens
non-marchand et pour lesquels il n'existe pas de prix susceptible de renseigner
sur la valeur de ces biens.
Dans le cadre de notre étude, nous émettons les
hypothèses suivantes :
Ø Pour un individu, la valeur d'une école est
évaluée à la satisfaction (utilité) qu'elle lui
procure, l'utilité dépendant de sa consommation des biens
marchands mais également des quantités disponibles des biens
environnementaux.
Ø Le consentement à payer des individus pour
l'éducation de leurs enfants est une bonne mesure du cout social des
dommages que leur cause l'absence ou l'insuffisance de cette
éducation.
Ø Le consentement à payer des personnes
interrogées (chefs de ménage) est une fonction croissante de
leurs revenus, de leur niveau d'instruction, de leur âge et une fonction
décroissante du nombre d'enfants qu'ils possèdent et de leur
sexe, de l'éloignement de l'école et de la formation offerte.
5. METHODOLOGIE DE LA RECHERCHE
La démarche méthodologique consistera à
étudier la rationalité des choix décisionnels des
populations concernées en matière d'éducation et de
formation. Ceci se fera en 4 phases :
Ø Le choix des scénarii, des questions de
valorisation et des autres questions
Cette étape s'est traduite par un questionnaire de
quatre (4) pages comportant des questions fermées et des questions
à choix dichotomiques (OUI ou NON)
Ø L'administration du questionnaire
Le questionnaire a été administré du 4
juillet au 12 septembre 2011. Cette étape a pris en compte:
· Le type d'entretien ; nous avons choisi la
méthode par interview directe qui offre un meilleur taux de
réponse (environ 90 %).
· Le scénario hypothétique. Cette
étape a permis de décrire les actifs à valoriser,
c.à.d. l'école et la formation. Il s'est agi d'évaluer,
à l'aide des questions appropriées, combien les individus sont
prêts à payer pour une formation donnée (intentions
émises sur une situation hypothétique)
· Les variables socioéconomiques (âges,
sexe, niveau d'études, revenus, religion, situation matrimoniale...)
· Le mode de paiement ; les questions de
valorisation, ont été réalisées par la
méthode d'enchères et la méthode de la carte de
paiement.
· Le traitement des faux zéro : Les individus
ont tendance à donner des réponses de la
sorte : « je ne veux pas payer...C'est au gouvernement de
payer...Je paye déjà assez d'impôts... ». Ces
réponses traduisent non un désintéressement pour les
conséquences du projet, mais des refus de participation dues à la
dimension publique du bien.
Nous avons choisi comme enquêteurs des jeunes gens
titulaires d'au moins un BAC ou A' Level et de préférence des
jeunes gens MBORORO parlant le FOUFOULDE (langue parlée par les
populations MBORORO), afin d'une part d'être en mesure de comprendre le
contenu du questionnaire, et d'autre part afin de faciliter le contact avec les
parents qui sont en général analphabètes et par nature
très susceptibles quand il leur est demandé des informations leur
concernant.
Pendant toute la durée de cette administration du
questionnaire, nous avons essayé d'apporter des solutions aux quelques
difficultés mineures rencontrées par les équipes soit par
téléphone, soit en organisant des rencontres avec les
équipes concernées.
Ø La collecte des données
L'enquête s'est déroulée dans quatre (4)
villes: Bamenda, Fundong, Santa et Mbengwi. Ces villes ont la
particularité d'être celles où les populations MBORORO sont
les plus représentatives. Pour toute l'enquête nous nous sommes
limités à une taille d'échantillon de 227 habitants, selon
un échantillonnage aléatoire. La collecte des données par
questionnaire a duré en moyenne 20 minutes.
Ø L'analyse des données
La variable à expliquer est ici le CAP, tandis que les
variables explicatives sont des variables socio-économiques ou
d'attitude des populations.
Pour l'estimation de la variable à expliquer
(CAP), nous procéderons par :
· Une approche par statistiques descriptives pour
déterminer les CAP moyens et médians, ainsi que les écarts
type
· Une approche par modèles
économétriques, notamment le modèle Tobit censuré.
Cette approche permettra d'évaluer les déterminants des CAP.
En vue d'une interprétation judicieuse des
résultats d'enquête, plusieurs moyens de traitement ont
été utilisés. Ainsi, après avoir apuré et
réorganisé la base de données, les logiciels
économétriques tels que Stata 12 et SPSS 20 ont été
utilisés respectivement pour l'analyse économétrique et
la statistique descriptive.
6. INTERET DE L'ETUDE
La question de sous-scolarisation des populations MBORORO du
nord-ouest pose le problème du choix judicieux des infrastructures
scolaires et de leur mode de fonctionnement, ainsi que du choix judicieux du
type de formation offerte. Le mode de vie de ces populations, leurs croyances
et leurs revenus sont des facteurs susceptibles d'expliquer le fort taux de
désintéressement ou de déperdition scolaire.
L'intérêt de ce travail est donc d'obtenir des
informations utiles à la décision publique dans un contexte
particulier de sous-scolarisation, afin de rendre les politiques
d'investissement en infrastructures scolaires socialement désirables, et
partant plus efficaces et plus efficientes
7. REVUE DE LA LITTERATURE
Ø La méthode d'évaluation
contingente (MEC)
· Bien qu'élaborée par les économistes
au début des années 1960, la Méthode d'Evaluation
Contingente (MEC) ne connaît un véritable démarrage
qu'à partir des années 1980.
· On doit à Davis (1963), la première
étude fondée sur des techniques d'enquêtes comme instrument
de révélation des préférences.
· L'ouvrage de Mitchell et Carson (1989) «
Using Surveys to Value Public Goods: The
Contingent Valuation Method. Resources for the Future »
favorise le développement de la MEC
Ø L'estimation du consentement à
payer
Plusieurs auteurs ont étudié le
consentement à payer des ménages. On peut citer, MUNASINGHE
(1996), WASIKAMA (1998), MEHU (1992), HOUDEGBE (1999), WHITTINGTON et al,
(1990). La plupart de ces études se sont intéressées au
domaine de l'environnement. C'est d'ailleurs dans ce domaine que des
résultats encourageants et fiables ont été obtenus
(WHITTINGTON et al, 1990). Mais le secteur de l'assurance maladie a aussi fait
l'objet d'investigation. Les travaux dans ce domaine s'intéressent
à l'estimation des primes d'assurance, des tickets modérateurs et
aux déterminants de la participation aux systèmes d'assurance
santé.
MAO (2000) examine, en milieu rural chinois, la
disposition des paysans à payer pour la mise en place d'une
coopérative de santé. Il trouve que la disposition à payer
pour appartenir à la coopérative est d'environ 1,5 dollars par
personne par an. Ce montant représente le dixième des
dépenses de santé des ménages. BRAU, BRUNI et PINNA
(2004), étudient en Italie, le consentement à payer des
populations pour une assurance de santé couvrant les soins de long
terme. Ils ont recours à une approche indirecte basée sur la
méthode de la variation compensatrice. Ils comparent deux
scénarios de couverture de l'assurance. Un scénario avec un taux
de couverture de 75% et un autre avec un taux de 50%. Les dispositions moyennes
à payer pour ces scénarii varient entre 341 euros et 716 euros.
DONG et al.(2002) comparent dans une étude au
Burkina Faso, deux approches utilisées pour obtenir les consentements
à payer des populations pour une assurance de santé communautaire
à savoir : l'approche du take-it-or-leave-it (TIOLI) et celle du
Bidding game. La méthode TIOLI consiste à demander à
l'enquêté de se prononcer sur un prix qui lui est proposé
(il s'agit de répondre par oui ou par non à un prix
proposé). Quant à la technique du bidding game, elle est
similaire à un marchandage. Les résultats de leur recherche
suggèrent que la disposition moyenne à payer des chefs de
ménages pour eux-mêmes est de 2384 FCFA avec la méthode
TIOLI et de 3191 FCFA avec celle du Bidding game alors que pour le
ménage, elle est de 6448 FCFA et de 9769 FCFA respectivement avec la
méthode du TIOLI et du Bidding game.
Ø formats de questionnaires utilisés
pour la détermination du CAP.
· Les questions de type référendum, ou
carte de paiement, sont des questions fermées, demandant à
l'individu de choisir entre deux modalités, pour le
référendum, ou plus de deux, pour la carte de paiement,
réduisant le discours à sa plus simple expression. Par contre,
dès lors, qu'il s'agit de demander à un individu de
préciser des motivations quant à sa réponse à une
question de valorisation, c'est-à-dire d'expliciter son jugement, ceci
ne peut être fait qu'au moyen des questions ouvertes. Le discours devient
alors plus élaboré, fait d'un individu apte à construire
une argumentation, extériorisation de la justification de l'action. Se
pose alors la question d'une méthode susceptible de saisir l'information
contenue dans le discours dans la perspective d'une analyse quantitative.
Malheureusement, il n'existe encore, à notre connaissance, que peu
d'écrits se rapportant à une théorie du langage en
économie, exceptés les travaux de Rubinstein (1996, 1999) et de
Glazer et Rubinstein (1997).Les développements proposés par
Rubinstein (1999) vont bien dans le sens de la problématique retenue
ici, en avançant, par exemple, que, dès lors qu'il s'agit pour un
individu d'énoncer un ensemble de préférences, un certain
nombre d'entre elles ne peuvent être exprimées dans le langage
usuel. Ces travaux ne constituent cependant qu'une avancée
théorique et il convient de préciser, dans un cadre empirique,
les principes d'une méthodologie adaptée. La proposition de
Schkade et Payne (1993), qui utilisent des « protocoles verbaux »,
technique importée de la psychologie cognitive, est une première
tentative en ce sens. Schématiquement, cette méthode consiste
à demander aux répondants comment ils ont déterminé
leur consentement à payer et d'analyser les discours recueillis sur la
base d'une typologie prédéfinie. Une telle approche est toutefois
soumise à une critique évidente : dans quelle mesure les discours
recueillis ne sont pas des « rationalisations » des consentements
à payer déclarés, rendant impossible toute tentative
d'interprétation ? Pour contourner cette difficulté, Hollard et
Luchini (1999) et Luchini (2000) proposent d'utiliser des questions ouvertes
dans lesquelles on demande aux répondants d'évoquer les mots ou
expressions que leur évoque le bien soumis à l'évaluation
et d'analyser ensuite les propriétés des réponses obtenues
sur la base d'une démarche axiomatique fondée sur les
théories du choix social. Dans des résultats récents,
Flachaire et al. (2002) montrent que les informations fournies par une
telle méthode apportent un gain significatif lorsqu'il s'agit
d'expliquer des consentements à payer déclarés.
· Le NOAA Panel (Arrow et al., 1993) propose que
la valorisation soit traitée à partir d'une question
fermée ou technique du référendum, une
approche initialement proposée par Bishop et Heberlein (1979). Plus
précisément, on propose un montant à un individu, celui-ci
répond par l'affirmative ou non à l'offre qui lui est
proposée. Selon l'appellation consacrée dans la terminologie de
langue anglaise, une telle question est nommée Take-it-or-leave-it
approach. Bishop et Heberlein (1979) suggèrent que ce type de
question facilite la tâche de l'individu, qui n'a qu'à
répondre oui ou non à un prix qui lui est proposé. Un
autre argument en faveur de cette solution est celui avancé par Arrow
et al. (1993), selon lequel la question fermée est
préférable parce qu'elle se rapproche d'une situation de
marché où le consommateur accepte ou refuse l'échange
selon le prix proposé. La contrepartie de l'utilisation de questions
fermées est dans la perte d'information quant au niveau exact des
consentements à payer, puisque les réponses fournissent pour
chaque individu une borne inférieure ou une borne supérieure. Des
échantillons assez grands paraissent alors nécessaires.
Ø La formulation économétrique du
consentement à payer : Le modèle Tobit
censuré
Le modèle Tobit (James Tobin, 1958) a été
introduit initialement pour décrire la consommation de certains biens
durables par les ménages en fonction de leur revenu (Gourieroux, 1989).
En effet, en 1958 Tobin a observé que la relation entre les
dépenses des ménages en biens durables et le revenu,
présente de nombreuses valeurs égales à zéro.
L'hypothèse de linéarité et donc l'estimation du
modèle par les MCO ne sont plus valables (Gourieroux, 1989).
Ce modèle est utilisé lorsqu'on se trouve dans
une situation où la variable dépendante prend zéro pour un
nombre important d'observations. L'utilisation d'un modèle Tobit
censuré se justifie, pour expliquer le CAP des individus.
Lorsque la variable expliquée n'est connue que sous sa
forme discrète, il n'est plus question d'utiliser les moindres
carrés ordinaires (MCO), sous peine d'introduire des biais dans les
estimations. La solution consiste à postuler l'existence d'une variable
latente connue, dont une discrétisation à partir d'un ensemble de
seuils permet d'obtenir la variable expliquée.
Pour certains auteurs, le choix du modèle
économétrique dépend de l'hypothèse retenue dans le
processus d'annonce du CAP. Ainsi, selon eux on peut utiliser la
procédure en deux étapes de Heckman (1979) ou un Tobit
censuré simple. Dans notre travail, nous retenons le modèle Tobit
censuré. Pour faire l'analyse d'une distribution censurée, la
formulation du modèle est faite en utilisant une variable latente.
Ainsi, si CAPi représente le CAP d'un individu i, le
modèle peut s'écrire :
CAPi = Xi +
i
Avec :
· CAPi =
CAPi* si CAPi* =
0
· CAPi = 0 sinon
Dans cette spécification, Xi est
le vecteur de variables explicatives; représente le vecteur
des paramètres à estimer et CAPi* est la
variable latente. Les erreurs sont supposées normalement
distribuées.
Notre travail se divise en deux parties. La première
partie, intitulée « cadre conceptuel et
théorique», se subdivise en deux (2) chapitres ; elle
présente les fondements théoriques ainsi que les méthodes
d'évaluation des biens non-marchand. La seconde partie,
intitulée « analyse descriptive et
économétrique du CAP », évalue le CAP, identifie
ses déterminants et interprète les résultats obtenus.
PREMIERE PARTIE :
CADRE CONCEPTUEL ET THÉORIQUE
Ce chapitre se propose de donner les méthodes
utilisés afin de conférer une valeur économique à
des bien non échangeables sur le marché, ainsi que les bases
théoriques de cette évaluation.
I. VALEUR ECONOMIQUE DES BIENS NON MARCHANDS
La plupart des biens et services ne sont pas
échangeables sur les marchés. Leur valeur économique (le
prix que les gens seraient disposés à payer pour ces services)
n'apparait pas dans les prix des marchés. La seule façon de leur
attribuer des valeurs monétaires est de recourir aux méthodes
alternatives d'évaluation.
La démarche d'évaluation économique
totale s'inscrit dans le cadre du courant de la science économique
appelée «économie du bien-être ». Pour ce
courant, le marché est un parfait révélateur de
préférence, quelles qu'elles soient. Ces
préférences sont exprimées par des consentements à
payer et à recevoir, dont l'égalisation fournit en principe le
prix de marché. Ainsi parle-t-on d'actifs naturels.
L'économie du bien-être est une branche de
l'économie néoclassique. Elle est « individualiste
méthodologique », en ce sens que l'agent économique
individuel est une parcelle du tout social, ce qui permet de considérer
l'intérêt collectif comme étant la somme des
intérêts individuels, seuls des individus ayant des
intérêts et des buts.
La polémique entourant les questions
d'évaluation économique des biens non marchands résulte de
la confusion faite entre la valeur économique et toutes autres valeurs,
éthiques ou morales par exemple. L'objectif des méthodes
d'évaluation n'est pas d'attribuer une valeur universelle indiscutable
pour chaque bien, mais d'attribuer une valeur monétaire à ces
biens.
La mesure de la valeur des biens et services non marchands
suppose la prise en compte de ces dimensions et attributs. Ces valeurs peuvent
être liées ou non à un usage donné. La
littérature distingue les valeurs suivantes :
I.1 La valeur d'usage
La valeur d'usage se rapporte à l'ensemble des usages
qui est fait du milieu, à des fins de production ou de consommation.
Elle est composée de la valeur d'usage directe, de la valeur d'usage
indirecte et de la valeur d'option.
La valeur d'usage directe résulte de l'utilisation du
milieu à des fins de production ou de consommation. Elle regroupe les
flux d'utilité dont on profite directement.
La valeur d'usage indirecte est liée au changement de
la valeur de production ou de consommation de l'activité qu'elle
protège ou soutient et contribue à son bon fonctionnement.
Toutefois cette contribution n'est ni commercialisée, ni
financièrement rétribuée mais reste directement
liée aux activités économiques.
La valeur d'option correspond à une valeur d'usage
particulière. Elle correspond à ce que les usagers sont
prêts à payer pour maintenir l'option d'usages futurs, et pas
toujours connus, du bien. Elle réside dans le désir de profiter
d'une certaine ressource dans le futur. Même si les individus n'en tirent
pas à l'heure actuelle davantage d'usage directe ou indirecte, ils
souhaitent la conservation de ces biens comme option dans l'avenir. Cette
catégorie de valeur intervient lorsqu'on a aucune certitude quant
à la future demande d'un bien et/ou à sa disponibilité. La
valeur d'option permet d'introduire le temps dans l'évaluation et la
décision.
I.2 La valeur de non-usage
Théoriquement la valeur d'un bien admettant une demande
est plus liée à la valeur d'usage. Cependant certaines valeurs
sont liées à la conviction morale des usagers. Ces valeurs
représentent la valeur de non usage des biens non marchands.
La valeur de non-usage correspond à une perception non
utilitariste du bien. Bien que non utilitaires, ces valeurs seront
évalués à l'aide du référent
monétaire au prétexte que les humains accordent aussi une valeur
au fait de savoir qu'un bien existe, même s'ils ne l'utilisent jamais
directement. Deux(2) types de valeurs de non-usage sont dénombrés
dans la littérature: La valeur d'existence et la valeur
d'héritage.
La valeur d'existence est liée au fait que les
individus peuvent attribuer une valeur aux biens même s'ils n'en font
aucunusage présent ou futur. Dans ce cas, il s'agit de valeur
intrinsèque ou valeur d'existence. Elle découle du simple plaisir
de savoir qu'un bien existe sans se soucier de savoir s'il sera utilisé
ou non.
La valeur d'héritage ou patrimoniale est liée au
souhait des agents de transmettre le bien à leurs descendants
I.3 La valeur économique totale.
La valeur économique totale est obtenue par
agrégation des valeurs partielles pour un agent donné. Ce que
l'on cherche à mesurer n'est pas la valeur économique d'un
élément non marchand, mais les variations de
« bien-être » engendrées par une variation de
la disponibilité et de la qualité des biens et services non
marchands.
II. BASES THEORIQUE DE LA VALORISATION ECONOMIQUE DES
BIENS NON
MARCHANDS
L'objectif est de pouvoir exprimer en grandeur
monétaire une diminution ou une augmentation de la fonction
d'utilité des individus, suit à une dégradation ou une
amélioration de la qualité du bien ou du service. Les
préférences des individus pour une qualité donnée
et le surplus du consommateur sont certainement les outils conceptuels les
mieux adaptés à la quantification de cette grandeur.
La théorie du choix du consommateur est basée
sur l'hypothèse fondamentale selon laquelle un individu cherche à
maximiser son utilité totale, c.à.d son surplus sous contrainte
de son revenu et des prix. Le surplus du consommateur étant la
différence entre la somme de monnaie maximale que le consommateur est
disposé à verser pour obtenir une certaine quantité d'un
bien et la dépense qu'il doit supporter pour obtenir la quantité
de bien considéré.
Les formalisations mathématiques du surplus selon les
analyses de Marshall et de Hicks sont retenues. Selon Marshall, le surplus du
consommateur se définit à partir de la courbe de demande du
marché qui est obtenue en faisant la sommation des demandes
individuelles. Si les prix varient, le surplus du consommateur variera en sens
opposé. Hicks, par contre, propose d'évaluer la variation du
bien-être d'un individu à partir de la courbe de demande
compensée.
Ainsi la prise en compte ou non de l'effet revenu conduit
à la définition de quatre(4) surplus du consommateur : La
variation compensatrice des prix, la variation compensatrice du revenu, la
variation équivalente des prix et la variation équivalente des
revenus.
La variation compensatrice du revenu donne la somme maximale
(minimale) qui doit être prélevée sur le revenu du
consommateur (ajoutée au revenu du consommateur) pour que son
bien-être reste inchangé malgré la baisse (la hausse) des
prix.
Quant à la variation équivalente, elle mesure la
somme maximale (minimale) qui doit être donnée
(prélevée) à un consommateur pour maintenir son
bien-être à un niveau équivalent à une baisse
(hausse) de prix.
Pour apprécier le changement de la situation d'un
individu entre un état initial et un état final, on utilise
davantage la variation compensatrice du revenu et la variation
équivalente du revenu. La notion du surplus du consommateur se situe
donc entre variation compensatrice et variation équivalente du revenu.
Elle représente une approximation satisfaisante de la variation de
l'utilité du consommateur.
Les préférences des individus sont
révélées sur le marché et s'exprime en terme de
consentement à payer (CAP) et de consentement à recevoir (CAR).
Le CAP est la somme maximale d'argent qu'un individu est prêt à
payer plutôt que de renoncer à une amélioration d'un
service rendu par un service non marchand. Le CAR est la somme minimale
d'argent qu'un individu exigerait pour volontairement renoncer à une
amélioration de la qualité de service rendu par un bien non
marchand. Autrement dit, c'est la compensation monétaire que le
consommateur est prêt à recevoir pour subir une perte de
bien-être.
Le CAP se réfère au niveau initial
d'utilité, c'est-à-dire au bien être actuel tel qu'il est
vécu par la personne interrogée. Ce choix conduit donc à
raisonner par rapport à une situation connue, plus facile à
appréhender que celle qu'implique le CAR. Une critique traditionnelle de
l'utilisation du CAR porte sur l'absence de contrainte budgétaire qui
peut conduire les personnes interrogées à des annonces
irréalistes.
En pratique, on choisit généralement
d'évaluer le CAP, c'est-à-dire la variation de revenu
compensatoire en cas d'amélioration, et la variation de revenu
équivalente en cas de détérioration. Deux raisons sont
à l'origine de ce choix. Théoriquement, d'une part, le CAP donne
une valeur minimale de la variation de bien-être à évaluer,
ce qui permet de défendre sa crédibilité, dans le cadre
d'une action en justice, par exemple, où des dommages et
intérêts seraient demandés. Cette première analyse
ne donne éthiquement que très peu de crédit à la
primauté du CAP sur le CAR, puisqu'elle ne se justifierait que par la
crédibilité qu'elle offre face à la justice et non sur une
base éthique ou déontologique. Empiriquement, d'autre part,
l'écart entre CAP et CAR est aggravé par le fait que les agents
ont tendance à valoriser davantage toute perte de bien-être que
les gains équivalents, et toute réduction de leurs pertes que les
réductions de gains envisageables.
Cependant, un tel choix est contesté : rien ne justifie
d'écarter le CAR sous prétexte qu'il est très fort, voire
infini.
Les méthodes d'évaluation des biens non
marchands peuvent être classées en trois catégories.
La première catégorie consiste à
évaluer le consentement à payer pour des mesures de protection de
ces biens par référence à des marchés existants
considérés comme « marchés de substitution »,
c'est- à dire se substituant à un marché qui n'existe pas
en tant que tel.
La deuxième catégorie de méthode
s'efforce d'affecter une valeur monétaire à des dommages
préalablement évalués en termes non monétaire
(physique).
La troisième catégorie de méthode, en
créant un marché artificiel ou « quasi-marché »,
a pour objectif de réaliser une évaluation directe des fonctions
de demande.
I. LA METHODE DES MARCHES DE SUBSTITUTION
Puisque le marché ne permet pas une évaluation
« spontanée » des valeurs non marchandes, on peut chercher
à identifier des comportements économiques qui reflètent
indirectement le CAP des individus. Par l'observation de certains
marchés, on cherchera donc une évaluation monétaire
indirecte de ce CAP. L'évaluation des dépenses de protection, les
« prix hédoniste», l'évaluation des dépenses de
déplacement font partie des méthodes des marchés de
substitution.
I.1. La méthode des prix hédoniques
Cette méthode repose sur l'idée simple selon
laquelle la valeur d'un bien immobilier (bâtiment ou terrain) n'est pas
seulement déterminée par ses seules caractéristiques
matérielles intrinsèques (taille, matériaux de
construction, nombre de pièces, garage etc. ...) mais également
par une série de caractéristiques environnementales(ou
«attributs ») telles que l'accessibilité, la proximité
de services (magasins, école, espaces verts...). On peut ainsi penser
que toutes choses égales par ailleurs, la valeur d'une école sera
plus grande en zone aménagé, propre, accessible et
agréable qu'en zone sale, non accessible et peu convenante.
I.2. La méthode du coût des voyages
Tandis que la méthode des prix hédonistes repose
sur l'étude du marché immobilier, la méthode du coût
des voyages se fonde sur l'analyse du comportement de consommation sur le
« marché » des dépenses de déplacement pour se
rendre sur un lieu donné. On cherche ainsi à évaluer le
CAP pour se rendre et rester sur un site.
II. LA METHODE INDIRECTE D'EVALUATION
Cette méthode est considérée comme
indirecte parce que contrairement aux autres méthodes, on ne cherche pas
à évaluer les dommages ni à mesurer le CAP par une
référence directe aux marchés ou «
quasi-marchés ». Cette approche consiste à procéder
d'abord à une mesure « physique » (non monétaire) des
dommages. Les modifications du bien non marchand sont évaluées en
observant les changements physiques intervenus. Par exemple, dans le cadre
de notre étude mesurer le taux d'alphabétisation, du taux de
chômage, le nombre de mariages précoces...
III. LA METHODE D'EVALUATION CONTINGENTE (MEC)
III.1. Présentation de la méthode
La démarche courante de l'économie
appliquée consiste à observer le comportement réel des
agents. La MEC adopte une démarche différente. Cette
méthode, encore appelée méthode des marchés
hypothétiques ne repose pas sur une référence à des
marchés existants mais procède à une évaluation
directe du CAP, au moyen d'enquêtes et de questionnaires. Dans la
méthode d'évaluation contingente, le marché ou le montant
à payer pour acquérir le bien ou le service sont
hypothétiques. L'individu est interrogé au sujet de son
évaluation contingente. La MEC est basée sur la valeur
d'utilité. L'utilité que nous procure un bien lui procure sa
valeur.
La MEC est employée chaque fois que le marché ne
permet pas d'utiliser les méthodes directes de révélation
des préférences ou lorsque l'intervention publique ne peut
s'appuyer sur aucune donnée disponible.
Le questionnaire joue un rôle central dans la
démarche. Il détermine la qualité des résultats
obtenus. Une étude contingente comporte quatre(4) étapes
essentielles : Le type d'entretien, le scénario
hypothétique, le véhicule de paiement et les variables
socio-économiques.
Les interviews lors d'une évaluation contingente
peuvent se faire par voie postale, par téléphone ou par interview
directe. Les meilleurs résultats dans l'exercice de l'évaluation
contingente sont obtenus par interview directe avec un taux de réponse
supérieure à 90 %, mais elle est plus longue et plus couteuse
à réaliser (Desaigues et point, 1993).
La mise en oeuvre du scénario hypothétique est
l'étape la plus importante dans les études d'évaluation
contingente. Le scénario décrit clairement et de la
manière la plus complète possible l'actif à valoriser.
Le véhicule ou support de paiement est un
élément essentiel du questionnaire. Il permet d'associer au
paiement l'argent qui fournira le bien en contrepartie. Il doit être
réaliste et neutre afin que le CAP ne soit pas surestimé. Tout
doit être fait pour éviter ou minimiser les non-réponses
et les valeurs nulles par refus de paiement (faux zéros).
Le questionnaire est complété par des questions
socio-économiques (âge, sexe, éducation, lieu de
résidence...). Ces informations permettent de tester la validité
du modèle d'évaluation contingente et de construire un
modèle généralisable à d'autres contextes.
La question relative à la valorisation du bien peut
être envisagée selon différentes modalités. La
première d'entre elles correspond à un système
d'enchères successives croissantes ou décroissantes. On propose
un montant à l'individu et selon la réponse qu'il fournit
(acceptation ou refus), on propose un second montant (supérieur ou
inférieur), puis un troisième montant, et ainsi de suite.
Une autre solution consiste à utiliser une question
ouverte. Il s'agit tout simplement, dans ce cas, de demander aux individus le
montant maximal qu'ils sont prêts à payer (leur Consentement A
Payer).
On peut également utiliser une carte de paiement.
Celle-ci consiste en des montants (ou des intervalles) définis à
l'avance parmi lesquels l'individu doit choisir celui correspondant à
son CAP.
III.2. Les biais liés à la MEC
La Méthode d'Evaluation Contingente s'expose à
des difficultés d'analyse importantes. Ces difficultés
découlent non seulement de limites opératoires (ex: lourdeur du
dispositif d'enquête) mais aussi de multiples biais qu'elle peut
impliquer (Bonnieux, 1998; Carson, 1999). Il s'agit notamment du
caractère fictif de l'échange proposé qui impose de
s'interroger sur la solidité du consentement à payer
déclaré ex ante.
La notion de biais suppose implicitement que chaque individu
valorise le bien sur la base d'un maximum de l'utilité
conformément à la théorie du consommateur. Tout
écart à ce programme d'optimisation est alors
considéré comme un biais.
Cummings et al. ont identifié six « biais »
à éviter dans ces évaluations :
· Le biais stratégique, qui se manifeste lorsque
les personnes interrogées donnent à dessein des réponses
fausses, sachant que dans la réalité elles ne devront effectuer
aucun paiement. Si les enquêtés perçoivent les
conséquences de l'expérience, il est possible qu'ils se
comportent stratégiquement et de ce fait ne révèlent pas
leurs vraies préférences (en se comportant comme des cavaliers
solitaires) ; le répondant à tendance à
exagérer (resp. à réduire) la disposition à payer
(resp. à accepter) une compensation selon son anticipation de
l'avenir.
· Le biais du point de départ (ou biais initial)
ou encore biais d'encrage, qui est lié à l'influence des premiers
ordres de grandeur (« enchère ») suggérés par
l'enquêteur (« accepteriez-vous de payer telle somme? »).
L'enquêté peut se sentir enfermé dans une certaine
fourchette; il faut dès lors veiller à ce que les valeurs
exprimées soient à la fois « libres » et «
réalistes ».
· Le biais informationnel découle de la nature de
l'information fournie à l'enquêté: information sur
l'importance de l'éducation, sur les comportements à adopter, les
dépenses à engager, etc.
· Le biais instrumental, qui traduit la
sensibilité des valeurs révélées en fonction des
moyens de paiements proposés (majoration d'impôts, droit
d'entrée, augmentation du prix de certains biens et services tels que
l'électricité ou l'eau, etc.): on accepte plus facilement
certaines formes de paiement que d'autres.
· Le biais hypothétique, qui est dû à
l'absence de conséquence financière du choix exprimé: sur
un marché réel, une erreur de choix ou de calcul est
sanctionnée par une perte; sur un marché hypothétique, il
n'en est rien. Selon Barde (1992), la méthode des marchés
hypothétiques comporte des difficultés liées en
particulier aux problèmes de « mise en condition » des
personnes interrogées, dont certaines refusent parfois de jouer le jeu.
On peut ainsi douter de la précision de ces évaluations en raison
même du caractère hypothétique des situations. Un
problème essentiel est de s'assurer que les enquêtés sont
bien incités à dire la vérité.
Ce biais survient lorsque l'individu ne peut pas se projeter
dans la situation d'une transaction hypothétique. Il est dû au
manque de familiarité avec le marché hypothétique et le
manque d'informations sur le bien ou le service.
· Le biais opérationnel, enfin, qui correspond au
degré de cohérence entre le marché hypothétique et
le marché réel. Il importe que l'enquêté ait une
connaissance aussi bonne que possible des biens qu'on lui demande
d'évaluer. On établit ainsi une liste de « conditions
opérationnelles de référence » qui définissent
les nécessaires « passerelles » avec la
réalité.
On notera par ailleurs que les sommes
révélées peuvent également varier selon que l'on
demande combien l'on consentirait à payer pour obtenir une
amélioration ou quel montant l'on exigerait en compensation des dommages
subis.
III.3. Avantages de la méthode
La méthode d'évaluation contingente
présente l'avantage d'être universelle puisque
théoriquement applicable à l'ensemble des biens non marchands.
L'expérience montre qu'elle est particulièrement utile et
adaptée pour l'évaluation des biens et services «intangibles
».
Concernant la problématique des biais, on peut faire
l'hypothèse que la nature de l'objet «éducation » peut
aider à contourner certaines difficultés. A titre d'exemple, la
sensibilité collective à cette question ainsi que le
caractère concret des effets de la sous-scolarisation induisent de
larges connaissances chez un nombre élevé d'habitants. Ces
caractéristiques ont aidé, par exemple, à maitriser
l'occurrence du biais informationnel sur les Consentements A Payer
déclarés.
Plus globalement, en tant que procédé
heuristique, cette méthode d'évaluation contingente permet
d'approcher statistiquement le potentiel explicatif de paramètres ne
pouvant être abordés par les autres procédés
d'évaluation. En ce sens, et malgré les limites et les biais
qu'elle implique, elle permet d'étoffer la fonction de demande, donc de
mieux saisir l'intentionnalité et la rationalité qu'elle incarne.
L'engouement, par les économistes depuis peu, pour cette méthode
découle de ce potentiel explicatif.
DEUXIEME PARTIE :
ANALYSE DESCRIPTIVE ET ÉCONOMÉTRIQUE DU
CAP
Pour déterminer les facteurs explicatifs du CAP, nous
présenterons à la suite les populations MBORORO du nord-ouest,
ensuite une analyse descriptive, une analyse économétrique des
déterminants du CAP. Toutefois, il faut rappeler que les questionnaires
utilisés pour l'enquête comportent trois (3) sections. La
première section porte sur les informations concernant les parents. La
deuxième section porte sur le l'attitude des parents vis-à-vis de
l'éducation de leurs enfants. La troisième section a trait aux
questions de valorisation. Cette section met aussi l'accent sur la MEC et sur
le CAP. Un format de questionnaire avec la méthode d'enchères et
un autre format avec une carte de paiement sur le CAP sont les deux formats de
questionnaires qui ont été utilisés.
I. CARACTERISTIQUES SOCIO-ECONOMIQUES DES POPULATIONS
MBORORO DU NORD- OUEST
I.1 Origine
Les MBORORO sont un sous-groupe ethnique du groupe FULANI, qui
se traduit littéralement par « qui parle FUFULDE ».
Ils sont originaires du nord de l'Afrique, et se sont installés dans le
reste du continent par migrations successives, au cours des siècles.
Les premières installations des MBORORO dans le
nord-ouest remontent à 1918-19. Ils sont alors à la recherche des
hautes prairies et des sources natronées, choses propices à
l'élevage du bétail.
I.2. Mode de vie et sources de revenus
Les MBORORO se caractérisent par une même
façon de vivre et par des occupations presqu'exclusivement pastorales.
En même temps que la fixation des éleveurs en saison de pluie, la
transhumance de saison sèche est généralisée. Pour
les MBORORO, le bétail n'est pas séparé de la population,
il en fait un « campement » : Lieu des hommes et des
troupeaux. L'endroit n'est pas habité pour lui-même, mais parce
que le bétail revient là chaque soir, qu'il y reste et qu'il s'y
repose. Les MBORORO ne peuvent vivre avec leurs troupeaux qu'en s'isolant en
brousse. Pour ces populations, la brousse n'est pas l'étendue non
humanisée et inquiétante des cultivateurs ; c'est le cadre
familier de vie des animaux et des gens qui s'en occupent.
L'attention apportée par le gouvernement Camerounais au
règlement des conflits entre éleveurs et cultivateurs,
l'encadrement des populations par les services sociaux, semblent augurer que
les populations MBORORO du nord-ouest s'intègrent à la
région ; pourtant ce n'est pas le cas.
Les éleveurs affirment qu'ils ne sont pas
considérés comme des citoyens à part entière. Ils
se heurtent à une défiance, à une inhospitalité
permanente de la part des villageois.
Les MBORORO du nord-ouest n'ont jamais réussi à
être représentés par une institution officielle. Ils n'ont
aucune autorité administrative. Ils sont organisés, au niveau
local, autour des ARDO (patriarche MBORORO), ce qui préserve, d'une
certaine manière, leur identité.
II. OFFRE EN EDUCATION DANS LA REGION DU NORD-OUEST
Il ressort du tableau de l'annexe 2 que l'offre en
éducation dans le nord-ouest présente les caractéristiques
suivantes :
Ø Diverse et variée pour ce qui est de
l'enseignement primaire, avec une forte concentration d'établissements
scolaires dans le Dongamantum et la Mezam.
Ø Peu fournie pour ce qui concerne l'enseignement
secondaire général, surtout dans la Mentchum et le Boyo.
Ø Très pauvre en enseignement technique, qui est
quasi-inexistante dans la Mentchum et le Ngoketundja.
Pour les populations qui nous concernent, les localités
où elles sont le plus représentées (BOYO, Momo et Mezam)
sont très pauvres en établissements enseignement technique et peu
fournies en établissements d'enseignement général.
On s'attendrait donc à ce que les CAP de ces populations
pour ce qui est de l'enseignement technique soient fortement influencés
par cette situation.
III. LES FREQUENCES DES CAP ANNONCES
A partir des tableaux 2,3 et 4 de l'annexe 3, on remarque ce qui
suit :
Ø Pour l'enseignement primaire, 83 % des
enquêtés ont un CAP annoncé par an en deçà de
10000 FCFA, tandis que 34 % ont un CAP annoncé de 2000 FCFA qui est le
mode de la série. On remarque aussi que 0.4 % des enquêtés
ont un CAP nul.
Ø Pour l'enseignement secondaire général,
90,8 % des enquêtés ont un CAP annoncé par an en
deçà de 30000 FCFA, tandis que 40,1 % ont un CAP annoncé
de 10 000 FCFA qui est le mode de la série. On remarque aussi que 0.5 %
des enquêtés ont un CAP nul.
Ø Pour l'enseignement secondaire technique, 88,3 % des
enquêtés ont un CAP annoncé par an en deçà de
30000 FCFA, tandis que 37,8 % ont un CAP annoncé de 10 000 FCFA qui
est le mode de la série. On remarque aussi que 0.6 % des
enquêtés ont un CAP nul.
Ø 7,5 % des enquêtés n'ont pas
déclaré de CAP pour ce qui concerne l'enseignement primaire, 18,7
% pour ce qui concerne l'enseignement secondaire général et 32,6
% pour ce qui est de l'enseignement technique.
Il ressort de ces observations ce qui suit :
Ø Les enquêtés ont conscience de la valeur
de l'éducation de leurs enfants, car le pourcentage des CAP nuls est
négligeable. Mais en même temps ils annoncent qu'ils n'ont pas de
revenus suffisants.
Ø Le taux de CAP non déclarés croît
à mesure que le cycle d'éducation et le type d'éducation
devient supérieur ou plus complexe (enseignement primaire, enseignement
secondaire général, enseignement secondaire technique).
IV. LA FREQUENCE DES VARIABLES « IMPORTANCE
DE L'EDUCATION » ET « VALEUR DE L'EDUCATION »
Les variables Valeur accordée à
l'éducation et Importance donnée
à la qualité de l'éducation
représentent la perception que les enquêtés ont de
l'éducation de leurs enfants. Ainsi aux questions « Estes-vous
concernés par l'éducation de vos enfants » et
« Accordez-vous de l'importance à la qualité de cette
éducation », les enquêtés ont fourni des
réponses résumés dans les tableaux5 et 6 en annexe 4.
V- CONSENTEMENT A PAYER MOYEN ET MEDIAN
Pour ce qui est de la méthode des enchères (tableau
7, annexe 5), il en ressort ce qui suit :
Ø Pour l'enseignement primaire, le Consentement A Payer
Moyen des individus est de 7271,26 FCFA par an et la valeur maximale du CAP
est de 20 000 FCFA. La médiane est de 5000 FCFA.
Ø Pour l'enseignement secondaire général,
le Consentement A Payer Moyen des individus est de 19861,75 FCFA par an et la
valeur maximale du CAP est de 50 000 FCFA. La médiane est de 20 000
FCFA.
Ø Pour l'enseignement secondaire technique, le
Consentement A Payer Moyen des individus est de 23555,56 FCFA par an et la
valeur maximale du CAP est de 75 000 FCFA. La médiane est de 20 000
FCFA.
Pour ce qui est de la méthode dela carte de paiement
(tableau 8, annexe 5), il en ressort ce qui suit :
Ø Pour l'enseignement primaire, le Consentement A Payer
Moyen des individus est de 6203,92FCFA par an et la valeur maximale du CAP est
de 20 000 FCFA. La médiane est de 5000 FCFA.
Ø Pour l'enseignement secondaire général,
le Consentement A Payer Moyen des individus est de 18070,18 FCFA par an et la
valeur maximale du CAP est de 50 000 FCFA. La médiane est de 10 000
FCFA.
Ø Pour l'enseignement secondaire technique, le
Consentement A Payer Moyen des individus est de 19136,13 FCFA par an et la
valeur maximale du CAP est de 75 000 FCFA. La médiane est de 10 000
FCFA.
On remarque que dans les deux cas, les statistiques sont
approximativement identiques, en dehors des CAP médian pour
l'enseignement secondaire général et technique.
VI- EVALUATION DU COUT SOCIAL LIE A LA DEMANDE EN
EDUCATION
6.1. Le Consentement global A Payer Moyen (CAPM)
Pour calculer le Consentement A Payer Moyen, la
littérature suggère que ces moyennes tiennent compte des
personnes qui refusent de participer financièrement au programme
(Carson, 1999).
Le consentement A Payer Moyen représente ce qu'un
individu est disposé à payer pour l'éducation de ses
enfants.
Ø Pour l'enseignement primaire:
Le consentement A Payer Moyen (CAPM) pour le premier format de
questionnaire est de : 7271,26 FCFA par an.
Le consentement à payer moyen pour le questionnaire
avec la carte de paiement est de : 6203,92 FCFA par mois.
Le consentement à payer moyen total est de : [(7271,26
+6203,92) /2] = 6737,59 FCFA par an et par individu.
Ø Pour l'enseignement secondaire
général:
Le consentement A Payer Moyen (CAPM) pour le premier format de
questionnaire est de : 19861,75 FCFA par an.
Le consentement à payer moyen pour le questionnaire
avec la carte de paiement est de : 18070,18 FCFA par mois.
Le consentement à payer moyen total est de : [(19861,75
+18070,18) /2] = 18965,96 FCFA par an et par individu.
Ø Pour l'enseignement secondaire
technique:
Le consentement A Payer Moyen (CAPM) pour le premier format de
questionnaire est de : 23555,56 FCFA par an.
Le consentement à payer moyen pour le questionnaire
avec la carte de paiement est de : 19136,13 FCFA par mois.
Le consentement à payer moyen total est de : [(23555,56
+19136,13) /2] = 21345,84 FCFA par an et par individu.
6.2. Le coût social
L'évaluation du coût social de l'éducation
chez les populations MBORORO du nord-ouest consistera à faire le produit
du Consentement A Payer Moyen et du nombre de personnes en âge scolaire.
Ce produit est encore appelé Consentement A Payer Total (CAPT) ou
coût social de l'éducation.
Actuellement, la population scolarisée est
estimée à 12000 habitants, répartie comme suit : 7000
jeunes pour le primaire et 5000 pour le secondaire.
Ø Pour l'enseignement primaire
CAPT = CAPM*Pop =6737,59 *7000= 47
163130 FCFA par an
Ø Pour l'enseignement
secondaire
Les 5000 jeunes en âge scolaire sont répartis
entre l'enseignement général et l'enseignement technique, pour
une moyenne du CAPM de [(18965,96 + 21345,84)/2] = 20155,9
FCFA
CAPT = CAPM*Pop =20155,9*5000= 100779500
FCFA par an
Le coût social de l'éducation des jeunes MBORORO
du nord-ouest peut être estimé à 47136130 FCFA + 100
779500 FCFA soit :
CAPT = 147915630 FCFA par an.
Ce chapitre présente la partie pratique de notre
étude. Elle présente les variables utilisées, le
modèle de simulation, les différents résultats obtenus.
L'analyse économétrique présente la
significativité de ces différents résultats ainsi que les
interprétations qui peuvent en être faits.
I. LES VARIABLES
Comme dans tout modèle économétrique, le
modèle que nous allons présenter comporte deux types de variables
; la variable que nous cherchons à expliquer appelée variable
expliquée ou variable dépendante et la ou les variables
explicatives c'est-à-dire celle(s) qui serviront à expliquer
l'évolution de la première citée.
I.1. La variable dépendante (CAP)
La variable dépendante ou variable expliquée de
ce modèle est le consentement à payer des agents pour
l'éducation de leurs enfants. De façon plus pratique, elle
représente le montant qu'un individu serait disposé à
payer pour subvenir aux frais liés à l'éducation et
à la formation scolaire.
Dans le cadre de notre étude et compte tenu du
contexte, nous avons distingué le CAP lié à l'enseignement
primaire, le CAP lié à l'enseignement secondaire
général et le CAP lié à l'enseignement secondaire
technique.
I.2. Les variables explicatives
Les variables mentionnées dans le questionnaire et qui
pourraient éventuellement expliquer la disposition des individus
à payer pour l'éducation de leurs enfants sont :
Age :
Il s'agit de l'âge de l'enquêté. Plus ce
dernier est jeune plus il accorde une importance à l'éducation de
ses enfants. On pourrait s'attendre donc à ce les personnes moins
âgés soient plus disposés à financer
l'éducation que les vieillards, ces derniers étant plus
encrés dans les traditions.
Ø Analyse descriptive de la variable
âge
Il apparait du graphique 1 de l'annexe 6 que la moyenne
d'âge est de 43 ans, avec près de 20 % d'enquêtés
âgés autour de cette tranche d'âge.
Niveau
d'instruction :
Le niveau d'instruction est une variable
d'intérêt .Selon qu'un individu est d'un niveau d'instruction
élevé ou pas, il pourrait se faire une idée plus juste de
l'importance de l'éducation et des dangers de la sous-scolarisation.
Le niveau d'éducation pourrait donc avoir un effet positif sur la
disposition à payer des individus.
Ø Analyse descriptive de la variable Level
of education
Il apparait du tableau 9 annexe 6 que près de 61,4 %
des enquêtés sont sous-scolarisés, et moins de 2,6 % ont
fait des études universitaires.
Niveau du revenu :
Le niveau de revenu est une variable fondamentale du
modèle que nous présentons. A priori l'on pourrait supposer que
seuls les individus disposant d'un revenu seraient disposés à
payer pour l'éducation de leurs enfants.
Dans le cadre de notre étude, la difficulté a
consisté à interroger directement les populations sur leur niveau
de revenu. Nous avons donc introduit cette option comme l'une des explications
au faible taux de scolarisation des enfants : « Manque
de moyens financiers ».
Profession :
Pour les populations MBORORO, La profession du parent est un
élément déterminant pour la scolarisation de leurs
enfants. En effet, les éleveurs confient leurs troupeaux à leurs
enfants qui les mènent dans de lointains pâturages. Ces enfants
n'ont donc jamais de contact avec l'école. Quant aux agriculteurs et
autres, on s'attendrait à ce qu'ils soient plus enclin à envoyer
leurs enfants à l'école.
Ø Analyse descriptive de la variable
profession
D'après le tableau 10 de l'annexe 6,
un taux élevé de notre échantillon, à
savoir 68,2 % exerce la profession d'éleveur ; 31,8 % se partage
les autres activités (fonctionnaires, agriculteurs, chauffeurs...).
Distance :
La distance entre les domiciles et l'école peut
expliquer un faible taux de fréquentation des écoles. Plus
l'école est proche, plus on s'attendrait à ce que les parents,
par mimétisme ou par curiosité, y envoient leur
progéniture.
Ø Analyse descriptive des variables
Distance_prim et Distance_sec
Il apparait du tableau 11 de l'annexe 6 que seul 26 % des
enquêtés habitent près de l'école primaire, le reste
en est éloigné ou très éloigné.
Le tableau 12 de l'annexe 6 nous renseigne que seul 7 % des
enquêtés habitent près de l'école primaire, et 61 %
en est très éloigné.
Mariage :
Les mariages précoces des jeunes filles MBORORO sont
une cause connue de la sous-scolarisation de ces populations. Ceci est en
rapport direct avec les croyances religieuses et ancestrales.
Nombre d'enfants :
Le nombre d'enfants d'un individu peut expliquer le fort taux
de de sous-scolarisation ; l'on s'attendrait à ce que plus un
individu à d'enfants, plus il est incapable de les envoyer tous à
l'école.
D'après le tableau 13 de l'annexe 6, on note que la
moyenne du nombre d'enfants par individu enquêté est de 7,54 avec
un maximum à 25 enfants.
Tableau récapitulatif des
variables.
Ce tableau est présenté en annexe 7 et il
présente les codifications utilisées lors de la simulation
logicielle de chaque variable, ainsi que les effets escomptés.
II. LE MODELE
II.1. Le problème
Nous voulons modéliser le consentement à payer
(le montant qu'un individu serait disposé à payer pour
l'éducation de ses enfants).
Les modèles de régression classique supposent
que la variable dépendante est une variable continue. Par
conséquent, elle ne saurait prendre une ou plusieurs valeurs
données en tant que probabilité non nulle. Cependant, il existe
des phénomènes économiques pour lesquels la variable
dépendante est continue mais peut prendre des valeurs isolées
avec des probabilités finies non nulles: il s'agit des modèles
à variables dépendante limitée. Dans ces modèles,
la variable dépendante n'est observée que sur un certain
intervalle. Par exemple, dans le cas du modèle que nous
présentons, on remarque bien qu'il existe des personnes pour lesquelles
la disposition à payer est nulle. Dans ce cas, l'échantillon est
dit censuré: en effet, on observe une contribution que pour les
personnes disposée à payer. La variable CAP (disposition à
payer des individus pour l'éducation) est censurée à
gauche (CAP>0).
II.2. Les spécifications du modèle
Le modèle proposé par Tobin est le
suivant :
Y*i = á + Xi + Ui
Avec :
Yi = Yi* si
Yi* = 0
Yi = 0 sinon
La variable Y*i représente la
dépense en biens durable pour l'individu i, Xi le
revenu et Ui le terme d'erreur. Pour un individu qui n'a
pas effectué de dépense, Y*i n'est pas
observée (variable latente). Il est représenté par la
valeur 0.
Dans le contexte de notre étude le même
raisonnement reste valable. Les CAP avancés par les parents sont
similaires aux dépenses en biens durables des consommateurs. Toute
valeur inférieure au coût réel de l'éducation est
considérée comme négative.
En plus, le modèle Tobit présente un grand
intérêt dans la modélisation des consentements dans le cas
où le questionnaire ne prend pas en compte le consentement à
recevoir. Son usage est recommandé dans ce cas pour corriger les valeurs
extrêmes, encore appelées valeurs aberrantes.
Dans le cadre de notre étude, nous avons tenu à
éviter des valeurs aberrantes, en évitant les questions ouvertes
et en proposant à l'enquêté des valeurs maximales qui
correspondent aux coûts réel de la formation. Ainsi donc lors de
la simulation, nous n'avons donc pas censuré le modèle à
droite.
Enfin, le cas de non-réponses est d'autant plus
difficile à traiter que leur proportion est importante
(Particulièrement lorsqu'il s'agit d'interroger les individus sur un
mode d'éducation peu répandu et auquel ils ne sont pas
habitués : L'enseignement technique). Les personnes n'ayant pas
répondu sont certainement majoritaires des personnes non
intéressés, donc qui ont un CAP nul. Mais un certain nombre
d'entre elles doivent certainement être des personnes qui ne sont pas
parvenues à fournir une évaluation. Il convient donc de ne pas
restreindre l'analyse aux seuls répondants, ce qui introduirait des
biais, et d'utiliser un modèle de régression avec variable
censurée du type Tobit, au lieu d'un modèle linéaire
simple.
III. L'APPLICATION DU MODELE A LA BASE DE DONNEES
Dans cette section, nous nous proposons d'étudier le
contrôle des biais; nous montrons comment nous avons tenté de
contrôler les principaux biais suivants : le biais stratégique, le
biais de point de départ et le biais hypothétique.
Nous calculerons ensuite les déterminants de la
disposition des individus à contribuer à l'éducation de
leurs enfants. L'on suppose que cette variable pourrait être
expliquée par les variables que nous avons présentées au
point un.
III-1- Contrôle des biais
III-1-1 Contrôle du biais stratégique
Le biais stratégique survient lorsque les personnes
interrogées donnent à dessein des réponses fausses,
sachant que dans la réalité elles ne devront effectuer aucun
paiement. Ce biais survient également lorsque les individus pensent que
leurs réponses auront une influence sur la décision finale,
à savoir : Réduire les coûts liés à
l'éducation. Ils proposent donc souvent des sommes dérisoires,
voire nulles. Ce biais implique que les individus ont une bonne connaissance
des conséquences de leurs réponses. Ce biais a été
corrigé en intégrant les questions suivantes dans le
questionnaire, pour des individus proposant des sommes nulles :
C-16/ Are you ready to pay something for the
education of your child?
Yes (Go to C-18)
NO (Go to C-17)
C- 17/ Do you thing that the responsibility
for the education of your children in the primary falls entirely on the
state?
Yes
NO
III-1-2 Contrôle du biais de point de
départ : Test des moyennes de Student
Pour tester l'existence de ce biais, nous avons posé la
même question aux enquêtés sous des formes
différentes : Sous la forme de la méthode des
enchères et celle de la carte de paiement.
Les tableaux ci-dessous exposent les résultats du test
du biais du point de départ. Il montre que la deuxième question
donne un consentement moyen à cotiser inférieur à celui
obtenu avec la première question.
Nous utiliserons le test de Student de comparaison de deux
moyennes.
III-1-2-1 Définition et présentation du
test
Un test d'hypothèse est une démarche qui a pour
but de fournir une règle de décision permettant, sur la base des
résultats d'échantillon, de faire un choix entre deux
hypothèses statistiques :
Ø L'hypothèse nulle H0 qui est
l'hypothèse que l'on souhaite invalider ; en effet, il est plus
facile de rejeter une hypothèse (un seul contre-exemple suffit), alors
que valider une hypothèse demande de rechercher toutes les situations
possibles et de vérifier qu'aucune d'entre-elle ne contredise cette
hypothèse.
Ø L'hypothèse alternative H1 est
l'hypothèse qui sera retenue au cas où le test statistique
rejette l'hypothèse nulle H0.
La conclusion qui sera déduite des résultats de
l'analyse aura un caractère probabiliste : On ne pourra prendre une
décision qu'en ayant conscience qu'il y a un certain risque qu'elle soit
erronée. Ce risque nous est donné par le seuil de signification
du test (á)
Pour ce test, H0 est l'hypothèse selon
laquelle les deux moyennes sont identiques, et H1 l'hypothèse
selon laquelle les 2 moyennes sont différentes.
Dans le cadre de notre étude, nous effectuerons des
tests au seuil de 10%, 5 % et 1 %. La table des valeurs usuelles pour une
distribution de Student nous donne les valeurs respectives de 1, 6; 1,96
et 2,58.
III-1-2-2 Règle de décision
La règle de décision de ce test au seuil de 5%
est la suivante :
· Si |t-statistic| < 1,96 on rejette
l'hypothèse H0. Les moyennes sont
différentes. Cela signifie que si l'on obtient un
t-statistc dont la valeur absolue est inférieure à 1,96 on court
un risque de 5 % au minimum de commettre une erreur en acceptant
l'hypothèse H0.
· Si |t-statistic| > 1,96 on accepte
l'hypothèse H0 . Les moyennes sont
égales. Cela signifie que si l'on obtient un t-statistc dont la
valeur absolue est supérieure à 1,96 on court un risque de 5 %
au minimum de commettre une erreur rejetant l'hypothèse
H0.
III-1-2-3 Application à la base de
données
- Pour l'enseignement primaire
La première question donne un consentement moyen de
7271,25 FCFA et la seconde un montant moyen de 6228,34 FCFA. Pour savoir si
la différence entre ces deux montants est significative et donc
confirmer la présence d'un biais de point de départ, nous avons
procédé à un test de Student de différence de ces
deux moyennes. Les résultats de ce test sont présentés
également dans les tableaux en annexe 8.
Pour ce qui est de l'enseignement primaire (tableau 14, annexe
8), le t-statistique est 2,17 > 1,96, ce qui signifie que le test est
significatif au seuil de 5%. Le test de Student ainsi effectué ne
rejette pas l'hypothèse H0 selon laquelle les deux groupes de
réponses donnent les mêmes consentements à cotiser pour
l'enseignement primaire. On conclut donc qu'il n'existe pas un biais de point
de départ, et nous affirmons que les deux moyennes sont égales
avec un risque de 5% au maximum de nous tromper.
- Pour l'enseignement secondaire
général
La première question donne un consentement moyen de
19770,89 FCFA et la seconde un montant moyen de 18070,42 FCFA.
Pour ce qui est de l'enseignement secondaire
général (tableau 15, annexe 8), le t-statistique est 1,62 >
1,6, ce qui signifie que le test est significatif au seuil de 10%. Le test de
Student ainsi effectué ne rejette pas l'hypothèse H0
selon laquelle les deux groupes de réponses donnent les
mêmes consentements à cotiser pour l'enseignement secondaire
général. On conclut donc qu'il n'existe pas un biais de point de
départ, et nous affirmons que les deux moyennes sont égales avec
un risque de 10% au maximum de nous tromper.
- Pour l'enseignement secondaire technique
La première question donne un consentement moyen de
22061,11 FCFA et la seconde un montant moyen de 19036,46 FCFA.
Pour ce qui est de l'enseignement secondaire technique
(tableau 16, annexe 8), le t-statistique est 2,07 > 1,96, ce qui signifie
que le test est significatif au seuil de 5%. Le test de Student ainsi
effectué ne rejette pas l'hypothèse H0 selon laquelle
les deux groupes de réponses donnent les mêmes consentements
à cotiser pour l'enseignement secondaire technique. On conclut donc
qu'il n'existe pas un biais de point de départ, et nous affirmons que
les deux moyennes sont égales avec un risque de 5% au maximum de nous
tromper.
III.1.3. Contrôle du biais
hypothétique
Selon WHITTINGTON et al. (1990) la possibilité que ce
type de biais apparaisse dans la plupart des services publics des pays en voie
de développement n'est pas significative.
Pour nous assurer que les enquêtes ont une bonne
connaissance des questions de l'éducation et possèdent une bonne
connaissance de l'environnement scolaire, les questions suivantes ont
été introduites dans le questionnaire :
A-2/ Do you have a concern with the education of
your children(Y/N)? Yes NO
A-3/ Do you give importance to the quality of
this education(Y/N)? Yes NO
III.2. Estimation des résultats du
modèle
Les tableaux présentant les résultats du
modèle sont donnés en annexe 9, tableaux 17, 18 et 19
correspondant respectivement à l'enseignement primaire, secondaire
général et l'enseignement secondaire technique.
III.2.1. Test de significativité des
variables ; Le test de STUDENT
III.2.1.1 Définition et présentation du
test
Le test de STUDENT permet de tester les hypothèses
statistiques suivantes:
Ø L'hypothèse nulle H0 est
l'hypothèse que l'on souhaite invalider ;
Ø L'hypothèse alternative H1 est
l'hypothèse qui sera retenue au cas où le test statistique
rejette l'hypothèse nulle H0.
L'échantillon dont nous disposons (m0)
provient d'une population de moyenne m ; nous voulons savoir si
m=m0. On va donc tester l'hypothèse H0 contre
l'hypothèse H1
H0 : m = m0
H1 : m ? m0
Comme pour tout test, la conclusion qui sera déduite
des résultats de l'analyse aura un caractère probabiliste :
On ne pourra prendre une décision qu'en ayant conscience qu'il y a un
certain risque qu'elle soit erronée. Ce risque nous est donné par
le seuil de signification du test (á).
Dans le cadre de notre étude, nous effectuerons des
tests au seuil de 5 % et au seuil de 1 %. La table des valeurs usuelles pour
une distribution de Student nous donne les valeurs respectives de 1,96 et
2,58.
III.2.1.2 Règle de décision
La règle de décision pour le test de Student au
seuil de 5 % est la suivante :
· Si |t-statistic| < 1,96 ou P (statistique) > 0,05
on accepte l'hypothèse H0. La variable n'est pas
significative. Cela signifie que si l'on obtient un
t-statistc dont la valeur absolue est inférieure à 1,96 on court
un risque de 5 % au minimum de commettre une erreur en rejetant
l'hypothèse H0.
· Si |t-statistic| > 1,96 ou P (statistique) < 0,05
on rejette l'hypothèse H0. La variable est
significative. Cela signifie que si l'on obtient un t-statistc dont la
valeur absolue est supérieure à 1,96 on court un risque de 5 %
au minimum de commettre une erreur en acceptant l'hypothèse
H0.
III.2.1.3 Application à la base de
données.
Ø Enseignement primaire
Les variables Education,
Revenu et Mariage sont significatives, tandis
que les variables Age, Profession, Number of children
et Distance ne le sont pas contrairement à nos
prévisions.
- La variable Education est significative au
seuil de 1%; ceci confirme notre hypothèse selon
laquelle plus le parent est instruit, plus il consent à payer pour
l'éducation de ses enfants. Le coefficient de cette variable est
positif, ce qui signifie que plus le parent est instruit, plus son CAP
augmente.
- La variable Revenu est significative au
seuil de 1%, ce qui confirme l'hypothèse de départ ainsi que la
théorie économique de la consommation, dans la mesure où
la probabilité d'accepter les valeurs soumises élevées
diminue avec le revenu. Ceci se traduit par le signe négatif du
coefficient associé à cette variable : Le manque de revenu a
une influence négative sur le CAP.
- La variable Mariage est significative au
seuil de 1%. Plus les parents pensent que leurs filles sont destinées au
mariage, plus leur CAP diminue, ce qui se traduit par le signe négatif
de son coefficient : Le mariage des jeunes filles a un effet
négatif sur le CAP.
La variable Distance n'étant pas
significative, Il apparait donc que la distance n'influence pas le CAP. Il
n'est donc pas une cause de la sous-scolarisation. Il en va de même pour
l'enseignement secondaire général et technique.
Le fait que la variable Number of children ne
soit pas significative peut s'explique par le fait que les frais liés
à l'éducation dans ce cycle de formation restent relativement
faibles, comparés aux frais applicables au secondaire
général et secondaire technique. Cette variable n'influence donc
pas le CAP.
Ø Enseignement secondaire
général
Les variables Education, Number of
chidren et Mariage sont significatives, tandis que
les variables Age, Profession,
Distance et Revenu ne le sont pas.
- La variable Education est significative au
seuil de 1 % ; l'explication qui est donné est la même que
pour ce qui est de l'enseignement primaire.
- La variable Number of children est
significative au seuil de 5 % ; notons que cette variable n'était
pas significative pour ce qui était de l'enseignement primaire. Ceci
peut s'expliquer par le fait que les dépenses en éducation sont
devenues plus importantes. Par contre le signe positif du coefficient de cette
variable est contraire à nos prévisions.
- La variable Mariage est significative au
seuil de 1 % et les explications sont identiques à celles fournies pour
l'enseignement primaire.
Ø Enseignement secondaire
technique
Les variables Education, Number of
chidren et Revenu sont significatives, tandis que les
variables Age, Profession,
Distance et Mariage ne le sont pas.
- La variable Revenu est significative au
seuil de 5 %. L'on pourrait penser que contrairement à l'enseignement
secondaire général, le coût de formation
élevé lié à cet ordre d'éducation peut
entrainer les parents à penser que leur revenu est insuffisant pour
faire face aux dépenses conséquentes, et à déclarer
un CAP faible ou nul. De même, le signe négatif du coefficient
associé à cette variable signifie que e manque de revenu a
une influence négative sur le CAP.
- Les variables Education et Number
of children sont significatives à 1 % et les explications sont
identiques à celles fournies pour l'enseignement secondaire
général.
- La variable Mariage n'est pas
significative. Elle n'influence donc pas le CAP. Ceci peut s'expliquer par le
fait que les coûts liés à la formation dans cet ordre de
formation sont élevés, ce qui se traduit par des CAP faibles ou
nuls, indépendamment d'autres considérations.
III.2.2 Test de significativité global du
modèle ; Le test de FISHER
III.2.2.1 Définition et présentation du
test
Le test de significativité permet de tester
l'homogénéité des variables du modèle. Ce test
permet de vérifier si le modèle, pris dans sa globalité,
est pertinent. L'hypothèse nulle correspond à la situation
où aucune des variables exogènes (variables explicatives)
n'amène de l'information utile dans l'information de la variable
endogène (variable à expliquer). Dans ce cas, le modèle ne
sert à rien. Le test s'écrit :
III.2.2.2 Règle de décision
La règle de décision au seuil de 5% est la
suivante :
· Si Prob > 0,05 alors on accepte l'hypothèse
H0 : le modèle n'est pas significatif.
· Si Prob < 0,05 alors on ne saurait accepter
l'hypothèse H0 : Le modèle est significatif
III.2.2.3 Application à la base de
données
Pour ce qui est de notre modèle empirique et pour les
trois (3) CAP calculés, Prob > ch i2 = 0.0000 (voir tableaux 17,
18 et 19). Par conséquent notre modèle est globalement
significatif et robuste au seuil de 5 %, car la statistique de la
probabilité du modèle global est nulle, c.à.d
inférieur à 0,05.
III.2.3. Test d'homoscédasticité: Test de
White
III.2.3.1 Définition et présentation du
test
L'homoscédasticité, ou égale (Homo)
variance (scédasticité) d'un modèle est testé pour
voir si toutes les variables explicatives, sauf la constante, ont un effet
significatif sur la variable à expliquer. Dans ce cas, la variance de
l'erreur est constante pour toutes les estimations.
Le test de White permet de tester plusieurs variables
explicatives censées être responsables de
l'hétéroscédasticité des erreurs. Lorsqu'il y a
hétéroscédasticité, la variance de l'erreur est
liée aux valeurs de la variable explicative responsable de
l'hétéroscédasticité.
Les hypothèses du test de White
s'écrivent :
H0 : V(åt) =
á0 et á1 = á2 = 0 ;
il y a homoscédasticité des erreurs
H1 : V(åt) = á0 +
á1Yt + á2Y2t ; il y a
hétéroscédasticité des erreurs
III.2.3.2 Règle de décision
La règle décision au seuil de 5% est la
suivante :
· Le modèle est homoscédastique si
« P-value » > 0,05
· Le modèle est
hétéroscédastique si « P-value » <
0,05
Lorsqu'il y a des variables dichotomiques dans le
modèle, on ne les prend pas en compte dans le test, car elles ne peuvent
pas être responsables de l'hétéroscédasticité
(car ce sont des variables dont les valeurs ne sont pas liées à
la variance de l'erreur).
Pour ce qui nous concerne, l'application à notre base de
données a fourni les résultats suivants :
III.2.3.3 Application à la base de
données
Ø Enseignement primaire
D'après le tableau de l'annexe 10, tableau 20,
l'on constate que « P-value » = 0,0031< 0,05 ;
on rejette l'hypothèse H0 et nous concluons qu'il y a
Hétéroscédasticité des erreurs.
Ø Enseignement secondaire général
et technique
D'après le tableau de l'annexe 10, tableau 21, l'on
constate que « P-value » = 0,00012 < 0,05 ; on
rejette l'hypothèse H0 et nous concluons qu'il y a
Hétéroscédasticité des erreurs.
De manière globale donc, nous pouvons conclure que
notre modèle est Hétéroscédastique ; ceci
signifie pratiquement qu'il y a risque de colinéarité entre les
variables explicatives ; Dans ce cas une variable explicative de la
variable dépendante, est à son tour tributaire (expliquée)
par une autre variable explicative.(Ex : Le nombre élevé
d'enfants explique le faible revenu de la famille, et cette dernière
explique à son tour le faible CAP)
La conséquence de
l'Hétéroscédasticité est le biais de l'estimation
des coefficients de régression, et l'augmentation ou la diminution des
t-test.
En principe, s'il est observé dans un modèle une
quelconque Hétéroscédasticité, c'est toujours le
fait d'une ou de plusieurs variables
Nous allons corriger
l'Hétéroscédasticité en utilisant la commande STATA
nommée ROBUST
Ø Pour l'enseignement primaire
D'après le tableau de l'annexe 10, tableau 22, nous
observons que le t-test associé à la variable
« EDUCATION » a augmenté, cette
variable restant toujours significative au seuil de 1%.
Ø Pour l'enseignement secondaire
général et technique
D'après le tableau de l'annexe 10, tableau 22, nous
constatons encore que le t-test associé à la variable
« EDUCATION » a augmenté, cette
variable restant toujours significative au seuil de 1%.
IV. LA PREDICTION DES EFFETS MARGINAUX
Le but de cette section est de fournir des valeurs
espérées de la variable d'intérêt (CAP) pour une
variation d'une unité d'une variable explicative donnée, toute
chose égale par ailleurs.
Il existe deux types de prédiction:
La prédiction des effets marginaux conditionnés:
ce genre de prédiction porte sur l'échantillon censuré.
Par conséquent elle ne prend en compte que les individus dont la
disposition à payer est non nulle.
La prédiction des effets marginaux simples,
contrairement à la première tient compte de tout
l'échantillon.
Pour ce qui est de notre étude, nous avons opté
pour une prédiction des effets marginaux simples ; ce choix se
justifie par le fait les CAP nuls ou non-exprimés traduisent plus la
méconnaissance d'un ordre d'éducation, que le
désintéressement de l'enquêté. Nous prendrons donc
en compte leur point de vue.
Les tableaux de simulation sont résumés dans les
tableaux 24, 25 et 26 de l'annexe 11
Ø Pour l'enseignement primaire
D'après le tableau 24 de l'annexe 11 :
· Une augmentation de 1an d'âge entraine une
augmentation du CAP de 35,83 FCFA seulement. Ceci explique
pourquoi la variable Age n'est pas significative.
· Une augmentation de 1point du niveau d'éducation
entraine une augmentation du CAP de 2595,33 FCFA, somme assez
importante et traduisant le fait que la variable EDUCATION soit significative.
· Dans le sens inverse, une augmentation de 1 point du
nombre d'enquêtés qui déclarent manquer de revenus entraine
une diminution du CAP de 3218,21 FCFA, somme assez important
et qui traduit que la variable REVENU soit significative.
· De même, une augmentation de 1% du nombre
d'enquêtés qui préfèrent envoyer leurs filles en
mariage entraine une diminution considérable du CAP de
3824,19 FCFA. Ainsi, la variable MARIAGE est significative.
On observe donc que les variables EDUCATION, REVENU et MARIAGE
influencent très fortement le CAP.
Ø Pour l'enseignement secondaire
général.
D'après le tableau 25 de l'annexe 11 :
· Une augmentation de 1an d'âge entraine une
augmentation du CAP de 77,39FCFA seulement. Ceci explique
pourquoi la variable Age n'est pas significative.
· Une augmentation de 1point du niveau
d'éducation entraine une augmentation du CAP de
9744,88FCFA, somme assez importante et traduisant le fait que la variable
EDUCATION soit significative.
· Dans le sens inverse, une augmentation de 1 point du
nombre d'enquêtés qui déclarent manquer de revenus entraine
une diminution considérable du CAP de 3393,54 FCFA.
· De même, une augmentation de 1% du nombre
d'enquêtés qui préfèrent envoyer leurs filles en
mariage entraine une diminution considérable du CAP
de 10259,47 FCFA.
Comme pour l'enseignement primaire, observe donc que les
variables EDUCATION, REVENU et MARIAGE influencent très fortement le
CAP.
Ø Pour l'enseignement secondaire
technique
D'après le tableau 26 de l'annexe 11 :
· Une augmentation de 1an d'âge entraine une
diminution du CAP de 147,09 FCFA seulement. Ceci explique
pourquoi la variable Age n'est pas significative.
· Une augmentation de 1point du niveau
d'éducation entraine une augmentation du CAP de
15514,23 FCFA, somme assez importante et traduisant le fait que la variable
EDUCATION soit significative.
· Dans le sens inverse, une augmentation de 1 point du
nombre d'enquêtés qui déclarent manquer de revenus entraine
une diminution du CAP de 8113,92 FCFA.
· De même, une augmentation de 1% du nombre
d'enquêtés qui préfèrent envoyer leurs filles en
mariage entraine une diminution du CAP de 5826,26 FCFA.
Comme dans les deux cas précédents, on observe
donc que les variables EDUCATION, REVENU et MARIAGE influencent très
fortement le CAP.
CONCLUSION GENERALE
L'objectif de cette étude était d'estimer le
consentement des ménages des populations MBORORO à contribuer au
financement de l'éducation de leurs enfants. Pour ce faire, une
enquête a été effectuée dans les départements
du Nord-ouest regorgeant une bonne frange de ces populations. Cette
enquête basée sur la méthode de l'évaluation
contingente a permis d'obtenir un ensemble d'informations utiles à la
mise en oeuvre de la politique d'éducation et de scolarisation. Deux
techniques d'analyse ont été utilisées. Une
première purement descriptive et une seconde basée sur le
modèle Tobit censuré. L'analyse descriptive nous a permis
d'obtenir les montants médians des consentements à payer
souhaités par les ménages. Les résultats
économétriques ont abouti aux conclusions selon lesquelles les
consentements à payer des chefs de ménages pour
l'éducation sont influencés par le niveau d'instruction du chef
de ménage, le mariage précoce des jeunes filles, et le niveau de
vie du ménage. De façon plus spécifique, il est
montré que les chefs de ménages instruits sont plus enclins que
les analphabètes à proposer des montants élevés.
Ensuite, les chefs de ménages riches sont plus favorables que les
pauvres à des cotisations élevées. Enfin, les chefs de
ménage déclarent leur préférence pour le mariage de
leurs filles à l'éducation de ces dernières.
Les recommandations faites sur la base de ces résultats
vont dans le sens de la mise en oeuvre d'une politique économique de
planification et d'orientation des investissements et de gestion dans le
secteur de l'éducation dans cette zone sous-scolarisée. Ces
recommandations vont aussi dans le sens la mise en oeuvre d'actions
d'information et de communication en direction des chefs de ménage peu
instruits.
ENNONCÉ DES RESULTATS
OBTENUS
Au terme de notre étude, les résultats suivants
sont observables :
Observation 1
Les chefs de ménage sont prêts à payer
annuellement pour l'éducation de leurs enfants les sommes de 7200 FCFA,
20 000 FCFA et 24 000 FCFA respectivement pour l'enseignement
primaire, secondaire général et secondaire technique, contre les
sommes de 20 000 FCFA, 50 000 FCFA et 75 000 FCFA
représentant les coûts globaux estimés de la formation dans
ces cycles respectifs de formation.
Observation 2
L'éloignement de l'école n'est pas un obstacle
à la scolarisation des jeunes MBORORO, contrairement à ce que
nous envisagions dans notre hypothèse de recherche.
Observation 3
Notre étude nous a montré que les croyances
religieuses et ancestrales restent ancrées dans les populations MBORORO,
et sont un frein à la scolarisation des jeunes MBORORO. Ces croyances
prônent le mariage précoce des jeunes filles et l'élevage
du bétail par les jeunes garçons.
Observation 4
Les populations MBORORO affirment leur totale
méconnaissance de l'enseignement technique, ce qui se traduit par un
nombre élevé de CAP nuls et de non-réponses en ce qui
concerne cet ordre d'enseignement.
Observation 5
Le nombre moyen d'enfants par ménage
enquêté est de 7.5, ce qui est assez élevé pour des
populations à faibles revenus.
PORTEE DES RESULTATS
Observation 1
Les résultats de cette observation, à savoir les
CAP faibles, impliquent que la demande en éducation des jeunes MBORORO
du nord-ouest est faible. Par contre, le coût social de leur sous
scolarisation, ses dommages et son impact restent peu élevés au
regard des autres facteurs qui influencent négativement ce CAP,
notamment le facteur religieux, le nombre d'enfants...
En outre ce résultat suggère que soit entreprise
une politique d'allègement des frais scolaires exigibles, ainsi que la
suppression des frais d'APE. Ceci peut se faire par un accroissement des
budgets de l'état en faveur du secteur de l'éducation.
Observation 2
Les CAP ne sont pas influencés par la distance de
jeunes MBORORO à l'école. La recherche des pâturages, les
migrations saisonnières, l'instabilité de ces populations ne sont
pas la cause de leur sous-scolarisation.
Dans cette perspective, les écoles construites par les
autorités publiques dans les hautes montagnes où habitent ces
populations resteront désespérément vides, comme c'est le
cas actuellement. Les résultats de notre travail suggère donc que
l'accent soit mis sur la qualité et le type de formation offerts, et non
sur la quantité des établissements scolaires.
Observation 3
Les croyances religieuses et ancestrales, qui sont un frein
à la scolarisation des jeunes MBORORO, sont des aspects sensibles au
sein d'une population.
Notre étude suggère donc de mettre en oeuvre des
actions de sensibilisation, d'information et de communication en direction des
chefs de ménage.
Observation 4
La méconnaissance affichée de ces populations
pour l'enseignement technique implique que soit mis en adéquation les
formations offertes dans cet ordre d'enseignement et le mode de vie de ces
populations. L'on pourrait penser à des filières telles que
l'élevage, la gestion des pâturages... qui offriraient à
ces populations un moyen sortir du cycle répétitif de l'histoire,
et une opportunité d'entrer dans la modernité.
Observation 5
Malgré le faible niveau de revenus
déclaré par les chefs de ménages, le nombre d'enfants par
ménage est assez élevé. Ceci ne favorise pas la prise en
charge totale de ces enfants.
Ce résultat nous suggère une implication,
auprès de ces populations, des services des affaires sociales pour une
meilleure sensibilisation des parents sur leurs rôles et obligations
vis-à-vis de leur progéniture.
Ce résultat nous suggère également que
soit renforcée et appliquée la législation sur le travail
des enfants, afin que seuls les enfants d'un certain âge puissent
librement faire le choix entre l'école formelle et l'élevage du
bétail.
REFERENCES BIBLIOGRAPHIQUES
Arrow K., Solow R., Portney P.R., Leamer E.E., Radner R.
et Schuman H. (1993), «Report of the NOAA Panel on Contingent
Valuation», Technical Report n°58, January, pp. 1601-1614.
Barde J-P. (1992), Economie et Politique de
l'Environnement, 2emeédition refondue, Presse
Universitaires de France.
Bergstrom J.C. (1990), «Concepts and
measures of the economic value of environmental quality: a review»,
Journal of Environmental Management, Vol. 31, pp. 215-228.
Bonnieux F. (1998), Principes, mise en
oeuvre et limites de l'évaluation contingente, Economie Publique,
Etudes et Recherches, n°1, p 47-83.
Carson R .T. (1999), «Contingent Valuation:
A User's Guide», University of San Diego, 24p. (Discussion paper
99-26).
Cummings R.G. et Taylor L.O. (1999),
Unbiased Value Estimates for Environmental Goods: A Cheap Talk Design for
the Contingent Valuation Method, American Economic Review,
n° 89, pp. 649-665.
Davis R .K. (1963), « Recreating Planning
as an Economic Problem », Natural Resources Journal,n°3,pp.239-249,
in Luchini Stephane, dans la Singularité de la
méthode d'Evaluation Contingente, Economie et Statistique
N°357-358, 2002 .
Flachaire E., Hollard G. et Luchini S. (2002),
« A New Approach to Anchoring: Theory and Empirical Evidence from a
Contingent Valuation Survey », document de travail présenté
au séminaire de l'Eurequa en novembre 2002.
Grobras, J.M,( 1987) «
Méthodes statistiques des sondages », Collection
«Economie et statistiques avancées»; Editions Economica
Glazer J. et Rubinstein A. (1997), «
Debates and Decisions: On a Rationale of Argumentation Rules », document
de travail n° 17.97, Université de Tel-Aviv.
Hollard G. et Luchini S. (1999), «
Théories du choix social et représentations : une analyse
à partir d'une enquête en Camargue », document de travail
n° 99b06, GREQAM
Jorgensen B.S., Syme G.J., Bishop B.J. et Nancarrow B.E.
(1999), « Protest Responses in Contingent Valuation »,
Environmental and Resources Economics, n° 14, pp. 131-150.
Karni E. et Mongin P. (2000), «On the
Determination of Subjective Probability by Choices», Management
Science, n° 46, pp. 233-248.
Laffont, J.J. (1982), Cours de
théorie Micro-Economique, Vol .1( Fondements de l'Economie publique)
,Economica : Paris.
Luchini S. (2002), « De la
singularité de la méthode d'évaluation contingente »,
Economie et Statistique N°357-358
Luchini S. (2000), Révélation
des préférences dans des environnements non marchands :
application au cas des actifs environnementaux, Thèse de Doctorat,
Université de la Méditerranée, GREQAM, Marseille.
Mamadou Lamine Ba, Application de la
Méthode d'évaluation contingente à la détermination
du consentement à payer pour l'entrée au parc national des
oiseaux de Djoudj, mémoire de DEA, Université cheikh Anta
Diop de Dakar, 68 pages.
Milanesi Julien, (2007), « la
méthode d'évaluation contingente en
question, »Thèse de Doctorat en sciences économiques,
Université de Pau et des Pays de l'Adour
Mitchell, R.C et Carson, R.T. (1989), Using
Surveys to Value Public Goods: The Contingent Valuation Method. Resources for
the Future: Washington D.C
Munasinghe, M., et E. Lutz. (1993),
«Environmental Economics and Valuation in Development
Decisionmaking», in Munasinghe, Mohan, Ed.,Environmental Economics and
Natural Resource Management in Developing Countries, CIDIE,Wachington D.C.: The
World Bank.
N'guessan C.F.J. (2008), le consentement des
ménages ruraux à payer une prime d'assurance maladie en
Côte d'Ivoire, Revue d'économie du développement, Vol 22
2008/1, p 101 à 124, De Boeck Université.
Pigou A. C. (1932), The Economics of
Welfare.Londres, MacMilan, 875p. (4eme édition).
Portney P. et Weyant J. (1999), Discounting
and Intergenerational Equity. Washington, D.C.: Resources for the
Future.
Portnay P.R. (1994), «The Contingent
Valuation Debate:Why Economists Should Care ?», Journal of Economic
Perspective,n°8, pp.3-17..
Rainelli P. (1993), « Evaluation
Contingente et context institutionnel », in P. Point,
Bonnieux F et G.
Rozan A. (1999), Contingent Valuation of health
benefits induced by air pollution: The example of the region of Strasbourg,
ph.d Thesis, University Louis Pasteur, Strasbourg.
Schkade D. A., et John W. P.(1994), « How
People Respond to Contingent Valuation Questions: AVerbal Protocol Analysis of
Willingness to Pay for an Environmental Regulation», Journal of
Environmental Economics and Management 26, (1994): 88-109.
Stevens T.H., Echeverria J., Glass R.J., Hager T.et More
T.A. (1991), « Measuring the Existence Value of
Wild Life: What do CVM Estimates Really Show? », Land Economics,
n° 67, pp. 390-400.
ANNEXES
Annexe 1 : Questionnaire de
l'enquête
Introduction:
This questionnaire is formulated for the purpose of a training
course for a Master degree at PID (Pan African Institute for Development), and
is entitled «Application of the contingent valuation method to measure the
demand and to plan school investments in under-scholarized areas: Case of
MBORORO populations of the North West region». Information collected will
be held confidential and will be used at exclusive ends of scientific and
academic research. Hence, the exactitude of your answers is an essential
element for the success of this work. Thank you for your patience and
contribution.
Name of the interviewer:
Date :
Sub-division :
A- INFORMATIONS ON THE PARENT
Sex: M
F
Age: _________ years
Profession: Grazer
Farmer Other (Indicate :______________)
Marital situation: Married
Divorced Widow
Matrimonial regime : Polygamous Monogamous
Religious confession of the household Muslims
Christians Animist
What is your level of education?
Primary school Secondary school
University Non- scholirized
A-1/ How many children do you have? :
___________
A-2/ Do you have a concern with the education of
your children(Y/N)? Yes NO
A-3/ Do you give importance to the quality of
this education(Y/N)? Yes NO
A-4/ How many school going age children do you
have? - Boys : ___
-Girls : ___
A-5/ How many children do you have who are
effectively going to school? - Boys : ___
-Girls :
___
B- INFORMATIONS ON THE EDUCATION BEHAVIOUR OF PARENTS
B-1/ Do you know the number of primary schools
in your locality(Y/N)? Yes NO
B-2/ Do you know the number of secondary general
schools in your locality(Y/N)? Yes NO
B-3/ Do you know the number of secondary
technical schools in your locality(Y/N)? Yes NO
B-4/ Do you know the number of Koranic schools
in your locality(Y/N)? Yes NO
II- 1 Primary education
B15/ How many children do you have in primary
school? - Boys : ___
-Girls : ___
B-16/ How far are these schools from your
house?
Nearer A bit
far Far
B-17/ By which means do your children go to
school?
On foot By car There are in the dormitory
Other (Indicate :___________)
B-18/ Do your children (those
who go to school) have basic school needs (text books, exercise books, pens
etc)?
All basic needs Some basic
needs None of the basic needs
B-19/ How many of your children have completed
their primary school? - Boys : ___
-Girls : ___
B-20/ If then umbers above are low, which
reasons can you evoke to justify this situation?
· For boys :
(a) You lack financial means.................................
(b) Are your children affected by
transhumance?...........
(c) The family loads are too
high............................
(d) It is not necessary for them to obtain the
FSLC.......
· For girls :
(a) You lack financial means
..................................
(b) The girl child education is not
important................
(c) Your daughters must go on
marriage....................
(d) The family loads are too high
...........................
(e) It is not necessary for them to obtain the
FSLC...... ..
B-21/ Are you member of the PTA of your
children's school (Y/N)? Yes NO
B-22/ How are the decisions taken during the
meetings? They are imposed By vote
B-23/ Do you think you can influence these
decisions, notably those concerning finances(Y/N)? Yes NO
II- 2 Secondary education
B-25/ How many children do you have in secondary
school? - Boys : ___
-Girls : ___
B-26/ How far are these schools from your
house?
Nearer A bit
far Far
B-27/ By which means do your
children go to school?
On foot By car There are in the dormitory
Other (Indicate :___________)
B-28/ Do your children (those who go to school)
have basic school needs (text books, exercise books, pens
etc)?
All basic needs Some basic
needs None of the basic needs
B-29/ How many of your children have completed
their secondary school? - Boys : ___
-Girls : ___
B-30/ If then umbers above are low, which
reasons can you evoke to justify this situation?
· For boys :
(a) You lack financial means.................................
(b) Are your children affected by
transhumance?...........
(c) The family loads are too
high............................
(d) It is not necessary for them to obtain the
A Level.......
· For girls :
(a) You lack financial means
..................................
(b) The girl child education is not
important................
(c) Your daughters must go on
marriage....................
(d) The family loads are too high
...........................
(e) It is not necessary for them to obtain the
A Level...... ..
B-31/ Are you member of the PTA of your
children's school (Y/N)? Yes NO
B-32/ How are the decisions taken during the
meetings? They are imposed By vote
B-33/ Do you think you can influence these
decisions, notably concerning the finances(Y/N)? Yes NO
C- VALORIZATION QUESTIONS
Primary education
C-11/ The expenses related to the education of a
child in the primary cycle (PTA+supplies+various) amount to 20,000 F CFA on
average per annum. Will you send your child to school for this amount?
Yes (Go to C-18)
NO (Go to C-12)
C-12/ Will you send your child to school if this
sum passes to 15,000 F CFA?
Yes (Go to C-18)
NO (Go to C-13)
C-13/ Will you send your child to school if this
sum passes to 10,000 F CFA?
Yes (Go to C-18)
NO (Go to C-14)
C-14/ Will you send your child to school if this
sum passes to 5,000 F CFA?
Yes (Go to C-18)
NO (Go to C-15)
C-15/ Will you send your child to school if this
sum passes to 2,000 F CFA?
Yes (Go to C-18)
NO (Go to C-16)
C-16/ Are you ready to pay something for the
education of your child?
Yes (Go to C-18)
NO (Go to C-17)
C- 17/ Do you thing that the responsibility for
the education of your children in the primary falls entirely on the state?
Yes
NO
C- 18/According to you, a good education in the
primary cycle is that which permits to a child:
(a) To know how to write and read
................................................
(b) To become autonomous with
respect to the others...........................
(c) To be prepared for a better
social insertion....................................
(d) To obtain his
FSLC.............................................................
C- 19/ Do you think that the schools (teachers,
administration, PTA) contribute to this success (Y/N)?
Yes
NO
C-20/ Are you satisfied by the quality of the
education offered to your children(Y/N)? Yes NO
C-21/ The government intends to build a primary
school in your locality; How much are you ready to spend annually for the
training of your child in that school?
20 000 F (or more) 15 000 F 10 000 F
5 000 F 2000 F 0 F
Secondary general education:
C-31/ The expenses related to the education of a
child in the secondary cycle general education (PTA+supplies+various) amount to
50,000 F CFA on average per annum. Will you send your child to school for this
amount?
Yes (Go to C-38)
NO (Go to C -32)
C-32/ Will you send your child to school if this
sum passes to 40,000 FCFA?
Yes (Go to C -38)
NO (Go to C -33)
C-33/ Will you send your child to school if this
sum passes to 30,000 FCFA?
Yes (Go to C -38)
NO (Go to C -34)
C-34/ Will you send your child to school if this
sum passes to 20,000 FCFA?
Yes (Go to C -38)
NO (Go to C -35)
C-35/ Will you send your child to school if this
sum passes to 10,000 FCFA?
Yes (Go to C -38)
NO (Go to C -36)
C-36/ Are you ready to pay something for the
education of your child?
Yes (Go to C -38)
NO (Go to C -37)
C-37/ Do you thing that the responsibility of
for the education of your children in the primary falls entirely on the state?
Yes
NO
C-38/According to you, a good education in the
secondary cycle is that which permits to a child
(a) To become an adult..............
................................................
(b) To become autonomous with
respect to the others...........................
(c) To be prepared for a better
social insertion....................................
(d) To obtain his A
Level.............................................................
C- 39/ Do you think that the schools (teachers,
administration, PTA) contribute to this success (Y/N)?
Yes
NO
C-40/ Are you satisfied by the quality of the
education offered to your children(Y/N)?
Yes
NO
C-41/ The government intends to build a
secondary general school in your locality; How much are you ready to spend
annually for the training of your child in that school?
50, 000 F (or more) 40,000 F 30, 000 F 20, 000
F 10, 000 F 0 F CFA
Secondary technical education:
C-51/ The expenses related to the education of a
child in the secondary cycle general education (PTA+supplies+various) amount to
75,000 F CFA on average per annum. Will you send your child to school for this
amount?
Yes (Go to C -58)
NO (Go to C -52)
C-52/ Will you send your child to school if this
sum passes to 50,000 FCFA?
Yes (Go to C -58)
NO (Go to C -53)
C-53/ Will you send your child to school if this
sum passes to 30,000 FCFA?
Yes (Go to C -58)
NO (Go to C -54)
C-54/ Will you send your child to school if this
sum passes to 20,000 FCFA?
Yes (Go to C -58)
NO (Go to C -55)
C-55/ Will you send your child to school if this
sum passes to 10,000 FCFA?
Yes (Go to C -58)
NO (Go to C -56)
C-56/ Are you ready to pay something for the
education of your child?
Yes (Go to C -58)
NO (Go to C -57)
C-57/ Do you thing that the responsibility of
for the education of your children in the primary falls entirely on the state?
Yes
NO
C-58/According to you, a good education in the
secondary cycle is that which permits to a child
(a) To become an adult..............
................................................
(b) To become autonomous with
respect to the others...........................
(c) To be prepare for a better
social insertion....................................
(d) To obtain his A
Level.............................................................
C- 59/ Do you think that the schools (teachers,
administration, PTA) contribute to this success (Y/N)?
Yes
NO
C-60/ Are you satisfied by the quality of the
education offered to your children(Y/N)?
Yes
NO
C-61/ The government intends to build a
technical school in your locality; How much are you ready to spend annually for
the training of your child in that school?
75,000 F (or more) 50,000 F 30,000 F 20,
000 F 10, 000 F 0 F
ANNEXE 2
Tableau 1 : offre en éducation dans la
région du nord-ouest
ORDRE D'ENSEIGNEMENT
|
Mezam
|
Menchum
|
Momo
|
Donga
mantumg
|
Bui
|
Ngoketundja
|
BOYO
|
TOTAL
|
ENSEIGNEMENT
PRIMAIRE
|
Etablissements publiques
|
173
|
125
|
154
|
253
|
168
|
106
|
36
|
1813
|
Etablissements privés laïques
|
163
|
25
|
04
|
16
|
33
|
12
|
06
|
Etablissements confessionnels
|
119
|
35
|
30
|
105
|
190
|
48
|
12
|
ENSEIGNEMENT
SECONDAIRE GENERAL
|
Etablissements publiques
|
37
|
19
|
33
|
47
|
47
|
22
|
24
|
331
|
Etablissements privés laïques
|
26
|
01
|
00
|
02
|
02
|
14
|
04
|
Etablissements confessionnels
|
12
|
03
|
05
|
14
|
14
|
04
|
01
|
ENSEIGNEMENT
SECONDAIRE TECHNIQUE
|
Etablissements publiques
|
19
|
07
|
14
|
13
|
13
|
08
|
09
|
113
|
Etablissements privés laïques
|
07
|
01
|
01
|
03
|
03
|
00
|
03
|
Etablissements confessionnels
|
02
|
00
|
00
|
04
|
04
|
00
|
02
|
Total
|
558
|
216
|
241
|
457
|
474
|
214
|
97
|
2257
|
Source :
Délégations régionales MINESEC et MINEDUB du
Nord-ouest
ANNEXE 3 : Fréquences des
CAP annoncés
Tableau 2: CAP annoncés pour l'enseignement
primaire
CAP PRIMARY
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
0
|
1
|
,4
|
,4
|
,4
|
2000
|
83
|
31,1
|
33,6
|
34,0
|
5000
|
69
|
25,8
|
27,9
|
61,9
|
10000
|
52
|
19,5
|
21,1
|
83,0
|
15000
|
15
|
5,6
|
6,1
|
89,1
|
20000
|
27
|
10,1
|
10,9
|
100,0
|
Total
|
247
|
92,5
|
100,0
|
|
Missing
|
System
|
20
|
7,5
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 3: CAP annoncés pour l'enseignement
secondaire général.
CAP SECONDARY GENERAL
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
0
|
1
|
,4
|
,5
|
,5
|
10000
|
86
|
32,2
|
39,6
|
40,1
|
20000
|
80
|
30,0
|
36,9
|
77,0
|
30000
|
30
|
11,2
|
13,8
|
90,8
|
40000
|
5
|
1,9
|
2,3
|
93,1
|
50000
|
15
|
5,6
|
6,9
|
100,0
|
Total
|
217
|
81,3
|
100,0
|
|
Missing
|
System
|
50
|
18,7
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 4: CAP annoncés pour l'enseignement
secondaire technique
CAP SECONDARY TECHNICAL
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
0
|
1
|
,4
|
,6
|
,6
|
10000
|
67
|
25,1
|
37,2
|
37,8
|
20000
|
36
|
13,5
|
20,0
|
57,8
|
30000
|
55
|
20,6
|
30,6
|
88,3
|
50000
|
15
|
5,6
|
8,3
|
96,7
|
75000
|
6
|
2,2
|
3,3
|
100,0
|
Total
|
180
|
67,4
|
100,0
|
|
Missing
|
System
|
87
|
32,6
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
ANNEXE 4 : la fréquence des
variables « importance de l'éducation » et
« valeur de l'éducation »
Tableau 5 : Valeur accordée à
l'éducation
Concern with children education
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
yes
|
265
|
99,3
|
99,6
|
99,6
|
no
|
1
|
,4
|
,4
|
100,0
|
Total
|
266
|
99,6
|
100,0
|
|
Missing
|
System
|
1
|
,4
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 6 : Importance donnée à la
qualité de l'éducation
Importance of children education
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
yes
|
261
|
97,8
|
98,1
|
98,1
|
no
|
5
|
1,9
|
1,9
|
100,0
|
Total
|
266
|
99,6
|
100,0
|
|
Missing
|
System
|
1
|
,4
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
ANNEXE 5 : consentement a payer
moyen et médian
Tableau 7 : Moyenne et médiane du CAP par
rapport à la méthode des enchères.
Statistics
|
|
CAP PRIMARY
|
CAP SECONDARY GENERAL
|
CAP SECONDARY TECHNICAL
|
N
|
Valid
|
247
|
217
|
180
|
Missing
|
20
|
50
|
87
|
Mean
|
7271,26
|
19861,75
|
23555,56
|
Median
|
5000,00
|
20000,00
|
20000,00
|
Mode
|
2000
|
10000
|
10000
|
Std. Deviation
|
5834,028
|
11282,536
|
15313,200
|
Minimum
|
0
|
0
|
0
|
Maximum
|
20000
|
50000
|
75000
|
Sum
|
1796000
|
4310000
|
4240000
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 8: Moyenne et médiane du CAP par
rapport à la méthode de la carte de paiement.
Statistics
|
|
Sum you are ready to pay /year for your child if the state
build a new prim school
|
sum you are ready to pay /year for your child if the state
build a sec.gen school
|
sum you are ready to pay /year for your child if the state
build a sec.tech school
|
N
|
Valid
|
255
|
228
|
191
|
Missing
|
12
|
39
|
76
|
Mean
|
6203,92
|
18070,18
|
19136,13
|
Median
|
5000,00
|
10000,00
|
10000,00
|
Minimum
|
0
|
0
|
0
|
Maximum
|
20000
|
50000
|
75000
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
ANNEXE 6: Analyse descriptive des
variables
Graphique 1 : Analyse descriptive de la
variable âge
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 9 : Analyse descriptive de la variable
Level of education
Level of education
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
non scholarized
|
164
|
61,4
|
61,4
|
61,4
|
primary school
|
62
|
23,2
|
23,2
|
84,6
|
secondary school
|
34
|
12,7
|
12,7
|
97,4
|
University
|
7
|
2,6
|
2,6
|
100,0
|
Total
|
267
|
100,0
|
100,0
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 10 : Analyse descriptive de la variable
profession
Profession
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
Grazer
|
182
|
68,2
|
68,2
|
68,2
|
farmer/other
|
85
|
31,8
|
31,8
|
100,0
|
Total
|
267
|
100,0
|
100,0
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 11 : Analyse descriptive des variables
Distance_prim
Distance_prim
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
nearer
|
67
|
25,1
|
26,3
|
26,3
|
a bit far
|
80
|
30,0
|
31,4
|
57,6
|
far
|
108
|
40,4
|
42,4
|
100,0
|
Total
|
255
|
95,5
|
100,0
|
|
Missing
|
System
|
12
|
4,5
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 12 : Analyse descriptive des variables
Distance_sec
Distance_sec
|
|
Frequency
|
Percent
|
Valid Percent
|
Cumulative Percent
|
Valid
|
nearer
|
15
|
5,6
|
7,4
|
7,4
|
a bit far
|
64
|
24,0
|
31,5
|
38,9
|
far
|
124
|
46,4
|
61,1
|
100,0
|
Total
|
203
|
76,0
|
100,0
|
|
Missing
|
System
|
64
|
24,0
|
|
|
Total
|
267
|
100,0
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
Tableau 13 : Analyse descriptive de la variable
Number of chidren
Descriptive Statistics
|
|
N
|
Minimum
|
Maximum
|
Sum
|
Mean
|
Std. Deviation
|
Number of children
|
265
|
1
|
25
|
1999
|
7,54
|
4,596
|
Valid N (listwise)
|
265
|
|
|
|
|
|
Source : Auteur, à partir des
résultats de la base de données sur SPSS 20, 2012
ANNEXE 7 : Tableau
récapitulatif des variables.
VARIABLES
|
LIBELLE
|
CODIFICATION
|
EFFET ESCOMPTE
|
CAP_Prim
|
Consentement à payer cycle primaire
|
CAP_Prim
|
|
CAP_Sec_gen
|
Consentement à payer cycle secondaire
général
|
CAP_Sec_gen
|
|
CAP_sec_tech
|
Consentement à payer cycle secondaire technique
|
CAP_sec_tech
|
|
Age
|
Age du chef de ménage
|
|
négatif
|
Education
|
|
0=Non scholarized
1=Primary education
2=secondary education
3=University
|
positif
|
Number_of_children
|
Nombre d'enfants du chef de ménage
|
|
négatif
|
Profession
|
Profession exercée par le chef de ménage
|
1=Grazer
3=Other
|
négatif
|
Distance_prim
|
Distance de la maison à l'école, enseignement
primaire
|
1=Nearer
2=A bit far
3=Far
|
négatif
|
Distance_sec
|
Distance de la maison à l'école, enseignement
secondaire
|
1=Nearer
2=A bit far
3=Far
|
négatif
|
Mariage
|
Le mariage des jeunes filles comme justificatif de leur
non-scolarisation
|
1=Option cochée
0=Option non cochée
|
négatif
|
Lack_of_finance_prim
|
Le manque de moyens financiers comme justificatif de leur
non-scolarisation, enseignement primaire
|
1=Option cochée
0=Option non cochée
|
négatif
|
Lack_of_finance_sec
|
Le manque de moyens financiers comme justificatif de leur
non-scolarisation, enseignement secondaire
|
1=Option cochée
0=Option non cochée
|
négatif
|
ANNEXE 8 :
Contrôle du biais de point de départ : Test des moyennes de
Student
Tableau 14 : Contrôle du biais de point de
départ : Test des moyennes de Student, enseignement
primaire
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 15 : Contrôle du biais de point de
départ : Test des moyennes de Student, enseignement secondaire
général
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 16 : Contrôle du biais de point de
départ : Test des moyennes de Student, enseignement secondaire
technique
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
ANNEXE 9 : Estimation des
résultats du modèle
Tableau 17 : Estimation des résultats du
modèle, enseignement primaire
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 18 : Estimation des résultats du
modèle, enseignement secondaire général
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 19 : Estimation des résultats du
modèle,
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
ANNEXE 10 : Test
d'homoscédasticité: Test de White
Tableau 20 : Test
d'homoscédasticité, enseignement primaire
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 21 : Test
d'homoscédasticité, enseignement secondaire général
et technique
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 22 : Correction de
l'hétéroscédasticité, enseignement
primaire
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 23 : Correction de
l'hétéroscédasticité, enseignement secondaire
général et technique
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
ANNEXE 11 : la prédiction des
effets marginaux
Tableau 24 : Prédiction des effets
marginaux, enseignement primaire
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 25: Prédiction des effets
marginaux, enseignement secondaire général
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
Tableau 26 : Prédiction des effets
marginaux, enseignement secondaire technique
Source : Auteur, à partir des résultats
de la base de données sur STATA 12, 2012
TABLE DES MATIERES
PAGES
Remerciements.......................................................................................................
i
Sommaire............................................................................................................
iii
Liste des
tableaux.............................................................................................
iv
Liste des
graphiques.............................................................................................
v
Sigles et
abréviations...........................................................................................
vi
Résumé............................................................................................................
vii
Abstract............................................................................................................
viii
Introduction
générale...........................................................................................
1
1. Contexte et justification de
l'étude...............................................................
1
2.
Problématique.......................................................................................
1
3. Objet de
l'étude......................................................................................
1
4. Hypothèses de
recherche...........................................................................
2
5. Méthodologie de la
recherche......................................................................
2
6. Intérêt de
l'étude....................................................................................
2
7. Revue de
littérature.................................................................................
3
Première partie : Cadre conceptuel et
théorique
CHAPITRE PREMIER : FONDEMENTS THEORIQUES DE
L'EVALUATION DES
BIENS NON
MARCHANDS
3. La valeur économique des biens non
marchands............................................... 7
1.1. La valeur
d'usage................................................................................
7
1.2. La valeur de
non-usage..........................................................................
8
1.3. La valeur économique
totale...................................................................
8
4. Bases théoriques de la valorisation économique
des biens non marchands................ 8
CHAPITRE 2: METHODES D'EVALUATION ECONOMIQUE DES BIENS
NON
MARCHANDS
4. La méthode des marchés de
substitution......................................................... 10
4.1. La méthode des prix
hédoniques................................................................
10
4.2. La méthode du coût des
voyages................................................................
10
5. La méthode indirecte
d'évaluation................................................................
10
6. La méthode d'évaluation contingente
(MEC)................................................... 11
6.1. Présentation de la
méthode......................................................................
11
6.2. Les biais liés à la
MEC...........................................................................
11
6.3. Les avantages de la
MEC........................................................................
12
Seconde partie : Analyse descriptive et
économétrique du CAP
CHAPITRE 3 : ANALYSE DESCRIPTIVE DU CONSENTEMENT A PAYER
POUR
L'EDUCATION DES POPULATIONS
MBORORO DU NORD-OUEST
1. Caractéristiques socio-économiques des
populations MBORORO du
Nord-ouest................................................................................................
15
1.1
Origine........................................................................................................
15
1.2 Mode de vie et sources de
revenus................................................................................
15
2. L'offre en éducation dans la région du
nord-ouest............................................................. 16
3. Les fréquences des CAP
annoncés................................................................
16
4. La fréquence des variables importance et valeur de
l'éducation.............................. 16
5. Consentement A Payer Moyen et
médian........................................................ 17
6. Evaluation du coût social lié à la demande
en éducation....................................... 17
6.1. Le Consentement global A Payer Moyen
(CAPM)........................................ 17
7. 6.2. Le coût
social.......................................................................................
18
CHAPITRE 4 : MODELISATION
1. Les
variables.......................................................................................
19
1.1. La variable dépendante
(CAP)...............................................................................
19
1.2. Les variables
explicatives.......................................................................................
19
2. Le
modèle...............................................................................................................................
20
2.1. Le
problème............................................................................................................
20
2.2. Les spécifications du
modèle..................................................................................
21
3. L'application du modèle à la base de
données......................................................................
21
3.1 contrôle des
biais....................................................................................
22
3.1.1 Contrôle du biais
stratégique..................................................... 22
3.1.2 Contrôle du biais de point de
départ : Test des moyennes de Student.... 22
3.1.2.1 Définition et présentation du
test.................................... 22
3.1.2.2 Règle de
décision....................................................... 23
3.1.2.3 Application à la base de
données.................................... 23
3.1.3 Contrôle du biais
hypothétique................................................. 24
3.2. Estimations des résultats du
modèle............................................................. 25
3.2.1. Test de significativité des variables: Test de
Student........................ 24
3.2.1.1 Définition et présentation du
test.................................... 24
3.2.1.2 Règle de
décision...................................................... 24
3.2.1.3 Application à la base de
données.................................... 25
3.2.2. Test de significativité globale du
modèle: Test de Fisher................... 26
3.2.2.1 Définition et présentation du
test..................................... 26
3.2.2.2 Règle de
décision....................................................... 26
3.2.2.3 Application à la base de
données..................................... 27
3.2.3. Test d'homoscédasticité: Test de
White....................................... 26
3.2.3.1 Définition et présentation du
test..................................... 26
3.2.3.2 Règle de
décision................................................... 26
3.2.3.3 Application à la base de
données..................................... 28
4. La prédiction des effets
marginaux...................................................................
27
Conclusion
générale...............................................................................................
30
Références
bibliographiques......................................................................................
33
Annexe...............................................................................................................
35
|