enseignement de base au niger :quel bilan - CONFEMEN
enseignement de base au niger :quel bilan - CONFEMEN
enseignement de base au niger :quel bilan - CONFEMEN
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
Prob > F = 0.0000<br />
R-squared = 0.4132<br />
Number of clusters (NUMECOLE) = 119 Root MSE = .7697<br />
------------------------------------------------------------------------------<br />
| Robust<br />
STFIN2FM | Coef. Std. Err. t P>|t| [95% Conf. Interval]<br />
-------------+----------------------------------------------------------------<br />
STINI2FM | .4846581 .0403677 12.01 0.000 .4047191 .564597<br />
SDINI2CL | -.0036613 .0259513 -0.14 0.888 -.0550519 .0477293<br />
FILLE | -.053989 .0442762 -1.22 0.225 -.1416679 .0336899<br />
AGEPLUS | -.0297994 .0738159 -0.40 0.687 -.1759751 .1163762<br />
ENFTCONFIE | .0028785 .0635011 0.05 0.964 -.1228709 .1286279<br />
NIVEAUVIE3 | .0821319 .0812374 1.01 0.314 -.0787402 .243004<br />
REDAN2 | -.2481666 .063834 -3.89 0.000 -.3745752 -.121758<br />
LIV_FR | .3293514 .0625426 5.27 0.000 .2055001 .4532027<br />
LIV_MT | .0748894 .0560621 1.34 0.184 -.0361289 .1859077<br />
MAITRFEM | -.0276445 .1401357 -0.20 0.844 -.3051513 .2498623<br />
VOLDPF | .0344656 .1309317 0.26 0.793 -.2248148 .293746<br />
VOLNDPF | -.1518512 .1385476 -1.10 0.275 -.4262131 .1225107<br />
DIPCYCLB | -.0519471 .1243309 -0.42 0.677 -.2981562 .1942619<br />
NIVCYCLB | .2171769 .1280907 1.70 0.093 -.0364775 .4708312<br />
MTMOBILE | -.1911612 .1671542 -1.14 0.255 -.5221721 .1398496<br />
MTPRECENS | .1226884 .107231 1.14 0.255 -.0896581 .3350349<br />
MTAUTREACT | -.0711991 .1070684 -0.66 0.507 -.2832238 .1408255<br />
MTRESTENS | -.1026234 .1095825 -0.94 0.351 -.3196266 .1143798<br />
MTCONCOUR | .2898728 .1636436 1.77 0.079 -.034186 .6139316<br />
ABSMT | -.0021097 .0153315 -0.14 0.891 -.0324702 .0282509<br />
DOUBLFLX | -.5658106 .150416 -3.76 0.000 -.8636754 -.2679459<br />
BANCO | -.1946148 .1249866 -1.56 0.122 -.4421222 .0528927<br />
UTILIVRFR | .2419338 .1312869 1.84 0.068 -.0180499 .5019175<br />
UTILIVMT | -.2933976 .1344148 -2.18 0.031 -.5595754 -.0272197<br />
APEACTIV | -.1625496 .0963157 -1.69 0.094 -.3532809 .0281817<br />
CONSULCOLL | .0119631 .1178484 0.10 0.919 -.2214088 .245335<br />
INSPECTEUR | -.1199885 .1514156 -0.79 0.430 -.4198327 .1798557<br />
CONSPEDAG | .0460245 .1071777 0.43 0.668 -.1662164 .2582655<br />
MTCHANGECO | .0541364 .1050933 0.52 0.607 -.1539769 .2622498<br />
DIRENSEIG | .2865265 .1232044 2.33 0.022 .0425482 .5305047<br />
RURAL | -.35067 .1204599 -2.91 0.004 -.5892135 -.1121266<br />
_cons | -.1489644 .3325442 -0.45 0.655 -.8074925 .5095637<br />
------------------------------------------------------------------------------<br />
Cette variable n’a pas un coefficient significatif. Par ailleurs, son introduction ne change rien<br />
<strong>au</strong> modèle.<br />
On aboutit <strong>au</strong> même résultat si on remplace l’écart type du score initial dans la classe par<br />
l’écart entre le score le plus élevé et le score le plus bas <strong>de</strong> la classe.<br />
Remarque : le score initial a expliqué 29% <strong>de</strong> la variance du score final. L’ajout <strong>de</strong>s <strong>au</strong>tres<br />
variables dans le modèle a porté son pouvoir explicatif à environ 41%.<br />
7. Modèle par discipline<br />
Appliquons le modèle global par discipline :<br />
Modèle IV.16<br />
i) le français<br />
. reg STFIN2F STINI2F FILLE AGEPLUS ENFTCONFIE NIVEAUVIE3 REDAN2 LIV_FR LIV_MT<br />
MAITRFEM VOLDPF VOLNDPF DIPCYCLB NIVCYCLB MTMOBILE MTPRECENS MTAUTREACT MTRESTENS<br />
MTCONCOUR ABSMT DOUBLFLX BANCO UTILIVRFR UTILIVMT APEACTIV CONSULCOLL INSPECTEUR<br />
CONSPEDAG MTCHANGECO DIRENSEIG RURAL , cluster(NUMECOLE)<br />
105