La présentation est en train de télécharger. S'il vous plaît, attendez

La présentation est en train de télécharger. S'il vous plaît, attendez

DISTRIBUTION SPATIALE DE LA CORRUPTION AU BÉNIN: UNE ANALYSE EMPIRIQUE Elfried G. F. FATON.

Présentations similaires


Présentation au sujet: "DISTRIBUTION SPATIALE DE LA CORRUPTION AU BÉNIN: UNE ANALYSE EMPIRIQUE Elfried G. F. FATON."— Transcription de la présentation:

1 DISTRIBUTION SPATIALE DE LA CORRUPTION AU BÉNIN: UNE ANALYSE EMPIRIQUE Elfried G. F. FATON

2 PLAN DE LA PRÉSENTATION CADRE INTRODUCTIF CADRE INTRODUCTIF MÉTHODOLOGIE MÉTHODOLOGIE RÉSULTATS RÉSULTATS CONCLUSIONS CONCLUSIONS

3 INTRODUCTION Cadrecontextuel: Cadre contextuel: La question de la corruption est devenue aujourdhui une préoccupation dordre international, du fait des multiples désagréments financiers, moraux, sanitaires, et sociaux quelle cause aux populations victimes. Le Bénin nest pas en marge de ce phénomène ni des conséquences inconfortables dans lesquelles il entraîne ses victimes. Le Bénin est un pays localisé près du Nigeria, pays dont le niveau élevé de corruption nest plus á démontrer. Gbewopo Attila (Septembre 2008) dans son document intitulé "Is corruption contagious ? An Econometric analysis" a fait ressortir le caractère contagieux de la corruption. á lhypothèse: … á lhypothèse: Lhypothèse principale stipule que la principale source de contagion du Bénin en matière de corruption est le Nigeria.

4 MÉTHODOLOGIE Données Afrobaromètre étape3 (2005) Données Afrobaromètre étape3 (2005) Deux indicateurs de corruption ont été calculés: Deux indicateurs de corruption ont été calculés: Indicateur dAcceptation de la corruption (IAC) Indicateur de Pratique de la corruption (IPrC)

5 MÉTHODOLOGIE (suite) K est le nombre dindicateurs catégoriels (on a K=3, car les indicateurs catégoriels sont les variables); J k est le nombre de catégories de lindicateur k (i.e. nombre de modalités actives pour la variable n 0 k); P rjk est les poids réel de la modalité CTR(J ki ) est la contribution de la modalité J k sur laxe i. Parmi les axes qui sont retenus á laide du critère du coude, laxe i est le meilleur axe pour la variable k. A ce niveau, j ki indique le nombre de modalités bien représentées retenues. a ki est la coordonnée de la modalité j k sur laxe i. est la variable dichotomique = 1 si la modalité J k a été retenue. est la valeur propre de laxe i choisi pour la variable k.

6 MÉTHODOLOGIE (suite) Trois procédures principales danalyse ont été utilisées: Comparaison de moyennes par régions. Propensity Score matching (PSM). Analyse Exploratoire des données spatiales (ESDA)

7 Région Naccepte pas vraiment 0<= iac< 0.1 Naccepte pas vraiment mais comprennent un peu 0.1<=iac<0.2 Accepte un peu et comprennent un peu 0.2<=iac<0.3 Accepte beaucoup iac>=0.3 Voisin du Nigeria sud88,79%10,34%0,86%0% Voisin du Nigeria nord82,95%15,91%1,14%0% Voisin du Niger54,17%41,67%4,17%0% Voisin du Burkina Faso45,31%42,19%7,81%4,69% Voisin du Togo74,00%19,50%5,50%1,00% Centre sud88,96%10,61%0,43%0% Centre Nord65,97%25,00%6,94%2,08% Proportion par rapport á la population totale81,05%15,86%2,42%0,67% PRINCIPAUX RÉSULTATS Pour lacceptation de la corruption Comparaisons simples de moyennes

8 PRINCIPAUX RÉSULTATS (suite) Propensity Score / Matching Var. analytical standard error bootstrap standard error treatedcontrolATT bias Treatement effect Nearest neighbor (0.005)(0.006) iacKernel matching (0.003) Mean iac of matched : Stratification method (0.003)(0.004)

9 PRINCIPAUX RÉSULTATS (suite) Analyse Exploratoire des Données Spatiales

10 PRINCIPAUX RÉSULTATS (suite) Pour la pratique de la corruption Comparaisons simples de moyennes Pratique á fréquence peu élevée Pratique plus élevée Région 0.08<=iprc < <= iprc < <=iprc <0.12iprc>0.12 Voisin du Nigeria sud0,43% 1,29%0,43% Voisin du Nigeria nord18,18%0%1,14% Voisin du Niger8,33%0% 4,17% Voisin du Burkina Faso0% Voisin du Togo1,00%0,50% 2,50% Centre sud1,95%0,65%0,22%0% Centre Nord3,47%0,69%0%2,08% Proportion par rapport á la population totale2,75%0,50% 0,92%

11 PRINCIPAUX RÉSULTATS (suite) Propensity Score / Matching Var. analytical standard errorbootstrap standard error treatedcontrolATT bias Treatement effect Nearest neighbor (0.002) iprcKernel matching (0.001) Mean iprc of matched :0.02 Stratification method (0.001)

12 PRINCIPAUX RÉSULTATS (suite) Analyse Exploratoire des Données Spatiales

13 CONCLUSIONS Bien que la théorie de la contagion de la corruption nait pas été rejetée, il ne semble plus du tout évident que la corruption au Bénin soit surtout influencée par le Nigeria voisin. En effet, lors de ce travail, nous avons été amenés á constater quil y a aujourdhui une sorte de convergence dans les comportements des individus au Bénin, aussi bien pour la pratique que pour lacceptation de la corruption : le degré de corruption dun individu ne semble plus être dû au fait quil soit voisin ou non du Nigeria. Aujourdhui, le problème de la corruption au Bénin est donc devenu plus un problème interne quexterne.

14 MERCI POUR VOTRE AIMABLE ATTENTION


Télécharger ppt "DISTRIBUTION SPATIALE DE LA CORRUPTION AU BÉNIN: UNE ANALYSE EMPIRIQUE Elfried G. F. FATON."

Présentations similaires


Annonces Google