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

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

ANALYSE DE LACCES A LEDUCATION AU SENEGAL: UNE APPLICATION DE LA METHODE CART (Classification And Regression Trees) Par: Dominique HAUGHTON (Bentley College/Boston)

Présentations similaires


Présentation au sujet: "ANALYSE DE LACCES A LEDUCATION AU SENEGAL: UNE APPLICATION DE LA METHODE CART (Classification And Regression Trees) Par: Dominique HAUGHTON (Bentley College/Boston)"— Transcription de la présentation:

1 ANALYSE DE LACCES A LEDUCATION AU SENEGAL: UNE APPLICATION DE LA METHODE CART (Classification And Regression Trees) Par: Dominique HAUGHTON (Bentley College/Boston) Abou KANE (CREA/UCAD) Aly MBAYE (CREA/UCAD)

2 SOMMAIRE INTRODUCTION I. A PROPOS DE LA BASE DE DONNÉES II. BREF APERÇU DES DÉTERMINANTS DE LA SCOLARISATION III. MÉTHODE CART ET DÉTECTION DES VARIABLES LES PLUS DETERMINANTES DE LA SCOLARISATION CONCLUSION

3 INTRODUCTION A - Objet de létude B - Intérêt de létude C - Pourquoi CART

4 A - Objet de létude Identifier les contraintes daccès à léducation à travers: Le diagnostic de lincidence des conditions économiques des ménages sur la décision de scolariser leurs enfants; Lexamen des effets des disparités de genre entre enfants; La mesure de linfluence du milieux; Létude de linfluence des conditions sociales des parents sur la scolarisation.

5 B - Intérêt de létude Beaucoup defforts ont été consentis pour augmenter les TBS : scolarisation obligatoire de 7 à 13 ans taux dadmission dans le primaire est passé de 55% en 1991 à 91% en 2002 beaucoup defforts déployés pour accroître les taux denrôlement : 40% du budget de lEtat à léducation, recrutement de volontaires et de vacataires pour augmenter loffre denseignants, constructions décoles et de salles de classes, un accent plus marqué sur la qualité de lenseignement dispensé, ces dernières années etc.

6 B - Intérêt de létude (suite) Mais persistance de quelques problèmes : taux dachèvement restés faibles : 50% des enfants admis dans lélémentaire natteignent pas la dernière année du primaire, contre 42% en 1991 Doù taux de scolarisation dans le primaire est seulement de 80%, contre une moyenne africaine de 92% TBS dans le secondaire très faible : 26% pour le moyen secondaire

7 B - Intérêt de létude (suite) Les facteurs liés à la demande doivent être davantage pris en compte : on estime que le tiers des enfants de 7 à 14 ans travaillent au Sénégal, ce qui est en conflit avec la scolarisation dautres facteurs interviennent dans le choix des parents denvoyer ou non leurs enfants à lécole Ce sont ces facteurs liés à la demande déducation quil sagit de comprendre ici.

8 C - Pourquoi utiliser la méthode CART? Généralement, les modèles logistiques sont utilisés pour la détermination des variables explicatives de laccès ces modèles ne permettent pas de faire des inférences correctes sil y a des variables inobservées et qui déterminent simultanément les deux variables dont on cherche à déterminer la corrélation : exemple des préférences intergénérationnelles du ménage pour léducation agissent tant sur léducation des parents que sur ceux des enfants ces modèles ne permettent pas de faire des inférences correctes en cas de présence deffets dinteraction entre les variables

9 C - Pourquoi utiliser la méthode CART ? (suite) Dans ces cas de figure, on est en présence dendogénéités qui rendent biaisées les estimations, si on ninclut pas un instrument approprié Avec la méthode CART ce problème dendogénéité ne se pose pas CART est simple, par exemple, aucune hypothèse nest requise sur la distribution des séries à utiliser CART permet non seulement didentifier les variables explicatives de laccès, mais aussi de les classer par ordre dimportance

10 I. A PROPOS DE LA BASE DE DONNEES A - PASEC et EBMS, quelle relation ? B - Echantillonnage

11 A - PASEC et EBMS, quelle relation? Les données utilisées viennent de EBMS (avril-juin 2003) Lenquête sur le bien-être des ménages au Sénégal (EBMS) complète et approfondit PASEC (programme danalyse des systèmes éducatifs de la CONFEMEN) par trois nouvelles enquêtes menées dans les collectivités couvertes par léchantillon des écoles primaires du PASEC.

12 A - PASEC et EBMS, quelle relation? (suite) La première a été une enquête exhaustive auprès de 1800 ménages qui a permis de constituer une base de données contenant aussi bien les informations actuelles que les informations rétrospectives sur les ménages: composition, éducation, santé, emplois, migration, etc.

13 A - PASEC et EBMS, quelle relation? (suite) La deuxième enquête a consiste en une collecte dinformations sur les caractéristiques des 60 collectivités. Les infrastructures scolaires et sanitaires, lexistence de marchés notamment ont fait lobjet dune attention particulière.

14 A - PASEC et EBMS, quelle relation? (suite) Quant à la troisième enquête, elle a porté sur les écoles. Les autorités scolaires du primaire et du secondaire ont été interviewées Aussi, des tests de connaissances scolaires et de compétence de vie courantes ont été administres aux enfants ages de 14 a 17 ans

15 B - Echantillonnage PASEC suivait les enfants scolarisés dune année à une autre, collectait des informations sur les scores des élèves, sur lécole et sur le ménage de lélève EBMS collecte des informations sur le ménage de lenfant en linterrogeant ainsi que les autres membres du ménages

16 B - Echantillonnage (suite) Dans les deux cas, la méthode déchantillonnage stratifié en grappes est utilisée Pour chaque grappe, EBMS retient 15 des 20 enfants de léchantillon PASEC, et y ajoute 15 autres choisis de manière aléatoire dans la localité de lécole

17 B - Echantillonnage (suite) Par conséquent léchantillon sur lequel on a travaillé nest pas représentatif de la population sénégalaise dans son ensemble Il nest dons pas possible de faire des inférences à partir des statistiques qui en résulte, sans précaution

18 B - Echantillonnage (suite) Malgré les problèmes de représentativité lies à léchantillonnage, la base de données de lenquête EBMS est unique en son genre du fait de la nature des données collectées.

19 II. BREF APERCU DES DETERMINANTS DE LA SCOLARISATION DES ENFANTS A - Les déterminants de la scolarisation des enfants dans la littérature économique B - Quelques statistiques à partir de la base EBMS

20 A - Les déterminants de la scolarisation des enfants dans la littérature économique 1. NIVEAU DEDUCATION DES PARENTS ET SCOLARISATION DES ENFANTS a. La littérature économique sur le sujet est très fournie, avec plusieurs questions importantes qui sont abordées Beaucoup dévidences empiriques sur le lien entre le niveau dinstruction des parents et la scolarisation des enfants : Chernichovsky (1985), Glewwe et Jacoby (1994), Lloyd et Blanc (1996) etc. Dans beaucoup de ces cas, léducation de la mère est plus déterminante que celle du père : Behrman et Wolfe (1987), Singh (1992)

21 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) Ces conclusions sont parfois contestées, par exemple, Cogneau et Morin (2001) ont montré que la relation statistique entre léducation de la mère et la scolarisation des enfants à Madagascar est biaisée. Une fois quon introduit la variable instrumentale appropriée, il ny a plus de corrélation entre les deux variables. Cependant, les évidences dune éducation parentale déterminant la scolarisation des enfants, dans la littérature paraissent bien plus nombreuses. b. Les mécanismes par lesquels léducation des parents est transmise aux enfants sont aussi bien documentés La discussion entre les causes génétiques et les causes liées à lenvironnement

22 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) certains auteurs pensent que le canal par lequel les parents transmettent leur éducation aux enfants est dabord génétique : deux papiers par Behrman et Rosenzweig (2002), et Plug (2004) montrent que si on isole la composant génétique de la relation mère/enfant, la scolarisation de la première na plus dincidence sur celle du second. Oreopoulos, Page et Huff Stevens (2003), Chevalier (2004) ont utilisé la méthode des variables instrumentales, pour confirmer la relation éducation parent – éducation des enfants, expliquée par lenvironnement familial et non la génétique..

23 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) Sacerdote (2002) ont comparé les enfants adoptés et les enfants biologiques en Angleterre et ont conclu que léducation des parents adoptifs a bel et bien un impact sur celle des enfants. Enfin, dans un récent papier, de Walque (2005) sest intéressé à la relation dans le cadre des familles recomposées suivant le génocide rwandais. Il a trouvé une très forte corrélation entre léducation de la femme dans ce type de ménage recomposé exerce une influence forte et significative sur celle des enfants, confirmant que cest lenvironnement familial qui joue plus que la génétique.

24 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) Le mécanisme peut aussi jouer par leffet de goût et leffet de productivité leffet de goût veut que la préférence et le goût des parents pour léducation fassent quils désirent la même chose pour les enfants. Leffet de productivité signifie que léducation des parents augmente leur productivité, notamment cette de la mère qui peut produire plus de santé et de nutrition à partir du même volume dinputs. Or la santé et léducation sont fortement corrélée avec léducation

25 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) 2. LEFFET DU GENRE ET DU REVENU a. Leffet du revenu le revenu et la richesse des parents joue aussi un rôle important tant sur lenrôlement que la progression des enfants : Jacoby (1994), Jamison et Lockheed (1987) Deolalikar (1993) trouve que le revenu non salarial a le même impact sur la scolarison des garcçons et des filles, alors que Handa (1996) pense que le revenu a un plus grand impact sur la scolarisation des filles seulement.

26 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) b. Leffet du genre Pour cette variable, plus que pour les autres, aucune conclusion claire némerge des études faites dur les pays. Certaines études tendent à montrer que les filles sont plus favorisés que les garçons en termes daccès et de progression : Au Brésil (Birdsall 1985) ; au Botswana (Chernichovsky 1985) ; au Philippines (King et Lillard 1983),etc. Alors que pour dautres auteurs, les garçons sont plus favorisés : Jamison et Lockheed au Nepal (1987), Glewwy et Jacoby au Ghana (1994), Deolalikar en Indonésie (1993)

27 A - Les déterminants de la scolarisation des enfants dans la littérature économique (suite) Il est vérifié que lorsque les enfants intègrent le marché du travail, et que les garçons gagnent plus que les filles, le coût dopportunité de les envoyer à lécole est plus élevé. Au Mexique, selon les données du recensement de 90, 11% des garçons travaillent contre 3% des filles, et 47% des garçons de la tranche dâge ans travaillent contre 18% des filles. Le travail des enfants est une activité qui concurrence leur accès à lécole.

28 B – Quelques statistiques descriptives à partir de la base EBMS 1. Analyse descriptive de leffet genre 2. Analyse descriptive de leffet zone dhabitation 3. Analyse descriptive de leffet revenu des parents 4. Analyse descriptive du niveau de scolarisation des parents

29 1 – Analyse descriptive de leffet genre Le tableau 1 montre que du point de vue de laccès au primaire, 76,33% des enfants de 7 à 12 ans ont accès à lécole. Il n y a pas de différences dans les taux de scolarisation des garçons et celui des filles

30 Tableau 1: Scolarisation des enfants de 7 a 19 ans Niveau denseignement fillesgarçonstotal Primaire Part dans leffectif scolarisé Taux de scolarisation moyen Part dans leffectif scolarisé Taux de scolarisation secondaire Part dans leffectif scolarisé Taux de scolarisation

31 1 – Analyse descriptive du genre (suite) laccès au primaire nest donc pas tributaire du genre situation due au fait quà cet âge, les filles sont moins exposées aux contraintes comme les travaux domestiques,les mariages précoces, etc.

32 1 – Analyse descriptive de leffet genre (suite) Lécart se creuse avec lâge. Il est de 10 points pour le collège moyen et de 12 points pour lenseignement secondaire. La distribution genre de la population scolaire sinverse avec une dominance des garçons.

33 2. Analyse descriptive de leffet zone dhabitation Les disparités entre zones sont importantes. Pour le primaire: En milieu urbain, le taux est de 84,5% Contre 70,3%, en milieu rural.

34 2. Analyse descriptive de leffet zone dhabitation (suite) Compte tenu de la rareté de loffre dans les zones rurales, lanalyse des différences daccès entre zones pour le collège et le lycée serait biaisée. En effet, les enfants ruraux sont souvent obligés de sinstaller dans dautres localités pour suivre un enseignement secondaire.

35 3. Analyse descriptive de leffet revenu Corrélation entre la scolarisation et le niveau de vie mesuré par un indice composite de richesse Il sagit dun indice utilisant des informations sur la propriété de biens durables comme les tv, radio, réfrigérateur, bicyclette, motocyclette ou autocar, etc.

36 Cet indice prend aussi la source deau potable et la disponibilité de toilettes (Sahn et Stifel, 2003) Il apparaît que pour le primaire, 67,9% des enfants issus des ménages appartenant aux 20% les plus pauvres sont scolarisés contre 92,4% des enfants ménages.

37 Tableau 5: Analyse descriptive du revenu Niveau denseignement Quintile 1 (20% plus les pauvres)quintile 2quintile 3quintile 4 Quintile 5 (20% plus les riches)total Primaire Part dans leffectif scolarisé Taux de scolarisation secondaire Part dans leffectif scolarisé Taux de scolarisation

38 3. Analyse descriptive du revenu (suite) Pour le collège et le lycée, la moitié des enfants du quintile 1 (20% les plus pauvres) nont pas accès à lécole alors que la proportion est de 32% pour le quintile 5 (20% les plus riches). La discrimination par les ressources économiques saccentue avec le niveau denseignement.

39 4. Analyse descriptive du niveau de scolarisation des parents Il existe un lien entre linstruction des parents et la scolarisation des enfants (graphique ci-après).

40 Graphique 1:années déducation selon le niveau dinstruction du père (enfants de 5 à 20 ans)

41 4. Analyse descriptive de leffet du niveau de scolarisation des parents (suite) Le graphique 1 montre que plus le niveau dinstruction du père est élevé, plus le nombre moyen dannées de scolarisation de lenfant est élevé. A niveau égal dinstruction des parents,les enfants en milieu urbain ont plus accès a léducation que ceux du milieu rural.

42 4. Analyse descriptive du niveau de scolarisation des parents (suite) Le niveau dinstruction de la mère est tout aussi important même en milieu urbain. on note, cependant, un résultat contre intuitif pour les enfants dont la mère a fait luniversité. En effet, ceux dont la mère a le niveau du lycée ont un nombre moyen dannées de scolarisation plus élevé.

43 Graphique 2:années déducation selon le niveau dinstruction du mère (enfants de 5 a 20 ans)

44 III. METHODE CART ET DETECTION DES VARIABLES LES PLUS PERTINENTES DE LA SCOLARISATION A – La méthode CART: exposé de la méthodologie B – Résultats

45 A – La méthode CART : CLASSIFICATION AND REGRESSION TREES Loption de la minimisation de lindice de Gini a été choisie dans notre étude. Il faut signaler quil existe une option « entropie » dans CART Les variables catégorielles reçoivent un meilleure traitement avec CART que pour dautres méthodes et les résultats des estimations sont présentés sous forme dalgorithmes ou « arbre » dont les « branches » représentent les modalités des variables

46 A – La méthode CART : CLASSIFICATION AND REGRESSION TREES (suite) Aussi loption cross validation donnée par le logiciel dutilisation de CART a permis de classer les différentes modalités Ce classement est fait selon le degré dhomogénéité des modalités en deux sous groupes selon quelles augmentent ou diminuent la probabilité doccurrence de lévénement étudié (ici: accès a lécole)

47 A – La méthode CART : CLASSIFICATION AND REGRESSION TREES (suite) A la suite de lalgorithme qui est présenté sous forme schématique, un tableau récapitulatif de tous les résultats avec un classement des variables selon le pouvoir explicatif est donné

48 B – Résultats Larbre 1 montre que parmi les déterminants de laccès à lécole, le niveau déducation du père est la variable la plus décisive suivie, dans lordre, des variables « région », « Niveau de vie » et « niveau dinstruction de la mère ».

49 Arbre 1:pour tous les enfants de 7 a 19 ans

50 RESULTATS (suite) Si le père nest pas instruit, ce qui détermine laccès, cest la région. A ce niveau, résider à Fatick (région 3) ou Ziguinchor (région 11) suffit pour favoriser laccès. Les quintiles 1,2 et 3 (60% les plus pauvres) sont homogènes en matière daccès et cette variable intervient lorsque le père de lenfant nest pas instruit et quil ne réside pas à Fatick ou Ziguinchor.

51 RESULTATS (suite) Le niveau de vie à lui seul ne suffit pas car même si lindividu appartient aux 40% les plus riches, il faut quil réside dans lune des régions de Fatick ou Ziguinchor pour que cette variable « richesse » soit suffisante.

52 =================== IMPORTANCE DES VARIABLES SUR LACCES A LECOLE (tous niveau confondus) =================== Importance Nombre de Catégorie Relative Catégories inférieure NIVEAUPE NIVEAUME WEALTH REGION ANCOSTPU ZONE SEXE TAILLE 0.000

53 RESULTATS (suite) Le tableau ci-dessus donne les variables par ordre dimportance Le sexe de lenfant et la taille du ménage sont les variables les moins importantes pour laccès à léducation des enfants de 7 à 19 ans

54 Résultats pour laccès au primaire Larbre 2 donne les déterminants de laccès au primaire Le tableau analyse limportance relative des déterminants de laccès au primaire

55 Pour le primaire

56 =================== IMPORTANCE DES VARIABLES SUR LACCES AU PRIMAIRE =================== Importance Nombre de Catégorie Relative Catégories inférieure NIVEAUPE NIVEAUME WEALTH ANCOSTPU REGION ZONE TAILLE SEXE

57 Pour le collège

58 =================== IMPORTANCE DES VARIABLES SUR LACCES AU COLLEGE =================== Importance Nombre de Catégorie Relative Catégories inférieure REGION NIVEAUPE ANCOSTPU NIVEAUME WEALTH ZONE SEXE TAILLE 0.000

59 Pour le secondaire

60 =================== IMPORTANCE DES VARIABLES DANS LACCES AU SECONDAIRE =================== Importance Nombre de Catégorie Relative Catégories inférieure NIVEAUPE REGION NIVEAUME WEALTH ANCOSTPU ZONE SEXE TAILLE 0.000

61 Commentaire Au niveau du primaire, le niveau de vie du ménage est le 3ème déterminant alors quil est 5ème au collège et 4ème au lycée. Pour laccès au collège, la région de résidence est la variable la plus importante suivie du niveau déducation du père et du coût annuel par élève du public

62 Commentaire (suite) Le niveau dinstruction de la mère influe plus sur laccès au secondaire que sur laccès aux autres niveaux déducation.

63 CONCLUSION La relation entre pauvreté et accès à léducation varie selon le cycle denseignement. Lincidence du niveau dinstruction des parents sur la scolarisation dans le primaire est très forte

64 CONCLUSION (suite) La variable niveau de vie étant plus importante au niveau du primaire que dans les autres cycles denseignement, lintervention de lEtat doit être accrue Pour améliorer laccès, loffre ne doit pas dépendre de la demande car celle-ci se développe dans les zones déjà pourvues en infrastructures scolaires

65 CONCLUSION (suite) Le coût dun élève dans lenseignement public est plus discriminant au collège; les coûts à ce niveau devraient être réduits par des mécanismes tels que des subventions ciblées aux collèges pour permettre aux parents de réduire leurs dépenses.

66 CONCLUSION (suite) La différence de coût entre le primaire et le collège rend difficile la transition pour certaines familles pauvres.

67 Fin de présentation Merci de votre attention


Télécharger ppt "ANALYSE DE LACCES A LEDUCATION AU SENEGAL: UNE APPLICATION DE LA METHODE CART (Classification And Regression Trees) Par: Dominique HAUGHTON (Bentley College/Boston)"

Présentations similaires


Annonces Google