enseignement de base au niger :quel bilan - CONFEMEN
enseignement de base au niger :quel bilan - CONFEMEN
enseignement de base au niger :quel bilan - CONFEMEN
You also want an ePaper? Increase the reach of your titles
YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.
Number of clusters (NUMECOLE) = 121 Root MSE = .77047<br />
------------------------------------------------------------------------------<br />
| Robust<br />
STFIN2FM | Coef. Std. Err. t P>|t| [95% Conf. Interval]<br />
-------------+----------------------------------------------------------------<br />
STINI2FM | .4972789 .0401746 12.38 0.000 .4177361 .5768218<br />
FILLE | -.0479842 .0445935 -1.08 0.284 -.1362761 .0403078<br />
AGEPLUS | -.063602 .078816 -0.81 0.421 -.2196523 .0924482<br />
ENFTCONFIE | .0095374 .064484 0.15 0.883 -.1181365 .1372113<br />
NIVEAUVIE3 | .0781013 .0819803 0.95 0.343 -.0842141 .2404166<br />
REDAN2 | -.2303353 .0653728 -3.52 0.001 -.3597688 -.1009018<br />
LIV_FR | .3088183 .06438 4.80 0.000 .1813504 .4362861<br />
LIV_MT | .0702324 .0557392 1.26 0.210 -.0401273 .1805922<br />
MAITRFEM | -.0394632 .1385088 -0.28 0.776 -.3137011 .2347746<br />
SERVICE | -.0114362 .0097973 -1.17 0.245 -.0308343 .0079618<br />
DIPCYCLB | -.0458734 .1352276 -0.34 0.735 -.3136146 .2218679<br />
NIVCYCLB | .1959065 .1226574 1.60 0.113 -.0469466 .4387596<br />
MTMOBILE | -.1048674 .1575825 -0.67 0.507 -.4168698 .2071351<br />
MTPRECENS | .2426821 .104148 2.33 0.021 .0364764 .4488879<br />
MTAUTREACT | -.0963437 .1076252 -0.90 0.372 -.3094342 .1167467<br />
MTRESTENS | -.1217495 .1137461 -1.07 0.287 -.3469588 .1034599<br />
MTCONCOUR | .2571201 .1456278 1.77 0.080 -.0312127 .5454529<br />
ABSMT | .0039706 .0136332 0.29 0.771 -.0230222 .0309634<br />
DOUBLFLX | -.4878168 .1488976 -3.28 0.001 -.7826238 -.1930099<br />
BANCO | -.1801658 .1142901 -1.58 0.118 -.4064521 .0461206<br />
UTILIVRFR | .2578543 .126984 2.03 0.045 .0064348 .5092738<br />
UTILIVMT | -.314629 .1349983 -2.33 0.021 -.5819163 -.0473417<br />
APEACTIV | -.1432397 .1011853 -1.42 0.159 -.3435795 .0571001<br />
CONSULCOLL | .0206748 .1158894 0.18 0.859 -.208778 .2501277<br />
INSPECTEUR | -.1371076 .14979 -0.92 0.362 -.4336815 .1594662<br />
CONSPEDAG | .0182538 .0994792 0.18 0.855 -.1787081 .2152156<br />
MTCHANGECO | .0866017 .1104541 0.78 0.435 -.1320898 .3052932<br />
DIRENSEIG | .2815821 .124721 2.26 0.026 .0346433 .5285209<br />
RURAL | -.3191369 .1217376 -2.62 0.010 -.5601689 -.0781048<br />
_cons | -.1761018 .2926912 -0.60 0.549 -.7556101 .4034064<br />
------------------------------------------------------------------------------<br />
On n’observe pas d’effet significatif <strong>de</strong> l’ancienneté. Même si on introduit le carré <strong>de</strong><br />
l’ancienneté, on n’observe pas d’effet significatif. De plus, la significativité <strong>de</strong>s <strong>au</strong>tres<br />
variables n’est pas modifiée. On constate également que le R² du modèle ne progresse pas par<br />
rapport <strong>au</strong> modèle <strong>de</strong> référence.<br />
6. Introductions d’un critère d’hétérogénéité <strong>de</strong>s scores initi<strong>au</strong>x <strong>de</strong>s élèves dans leur<br />
classe<br />
Reprenons le modèle global dans le <strong>quel</strong> nous avons distingué les volontaires diplômés <strong>de</strong>s<br />
non diplômés. Introduisons un critère <strong>de</strong> mesure d’hétérogénéité <strong>de</strong>s scores initi<strong>au</strong>x dans la<br />
classe, notamment l’écart type du score initial dans la classe. On aboutit à l’estimation<br />
suivante :<br />
Modèle IV.15<br />
. reg STFIN2FM STINI2FM SDINI2CL FILLE AGEPLUS ENFTCONFIE NIVEAUVIE3 REDAN2<br />
LIV_FR LIV_MT MAITRFEM VOLDPF VOLNDPF DIPCYCLB NIVCYCLB MTMOBILE MTPRECENS<br />
MTAUTREACT MTRESTENS MTCONCOUR ABSMT DOUBLFLX BANCO UTILIVRFR UTILIVMT APEACTIV<br />
CONSULCOLL INSPECTEUR CONSPEDAG MTCHANGECO DIRENSEIG RURAL , cluster(NUMECOLE)<br />
Regression with robust standard errors Number of obs = 1445<br />
F( 31, 118) = 21.02<br />
104