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.
ANNEXE II : La métho<strong>de</strong> <strong>de</strong> régression utilisée<br />
L’approche retenue dans la recherche d’un modèle explicatif <strong>de</strong> la progression <strong>de</strong>s élèves est celle qui consiste à<br />
régresser le score <strong>de</strong> fin d’année sur le score <strong>de</strong> début d’année et les <strong>au</strong>tres variables explicatives, ces <strong>de</strong>rnières<br />
étant introduites <strong>de</strong> façon progressive par thème (nive<strong>au</strong> en début d’année, caractéristiques élèves,<br />
caractéristiques <strong>de</strong>s enseignants, organisation pédagogique et type <strong>de</strong> classe). Etant donné la structure <strong>de</strong>s<br />
données du PASEC, la technique utilisée est celle <strong>de</strong>s MCO avec estimation robuste <strong>de</strong>s intervalles <strong>de</strong> confiance<br />
sur les coefficients (option cluster <strong>de</strong> STATA avec l’appartenance à une même classe comme variable <strong>de</strong><br />
regroupement).<br />
Les paragraphes suivants présentent la métho<strong>de</strong> utilisée pour l’estimation robuste <strong>de</strong>s intervalles <strong>de</strong> confiance.<br />
REGRESSION MCO AVEC ESTIMATION ROBUSTE DES INTERVALLES DE<br />
CONFIANCE<br />
On considère le modèle linéaire suivant :<br />
Y = Xβ + ε , avec var(ε) =Ω (1).<br />
Y, variable dépendante, est le score final <strong>de</strong>s élèves. X est un ensemble <strong>de</strong> variables censées expliquer le score<br />
final. En plus <strong>de</strong> la constante, X est composé <strong>de</strong> variables nive<strong>au</strong> élève et nive<strong>au</strong> classe.<br />
L’estimateur MCO <strong>de</strong> β est : b = (X'X) -1 X'Y. Comme les MCO s’appliquent sous l’hypothèse<br />
d’homoscédasticité et d’indépendance <strong>de</strong>s résidus ( =σ 2 I ), la variance <strong>de</strong> l’estimateur b est supposée être égale<br />
à : 1 = σ 2 (X'X) -1 et les intervalles <strong>de</strong> confiance sont calculées sur cette <strong>base</strong>.<br />
Mais compte tenu <strong>de</strong> la structure hiérarchique <strong>de</strong>s données, les problèmes suivants se posent :<br />
i) La répétition <strong>de</strong>s valeurs <strong>de</strong>s variables <strong>de</strong> nive<strong>au</strong> classe pour tous les élèves d’une même classe remet en<br />
c<strong>au</strong>se l’hypothèse d’indépendance <strong>de</strong>s observations ;<br />
ii) Les élèves d’une même classe partagent un certain nombre <strong>de</strong> variables ensembles dont certaines sont<br />
probablement inobservables et par conséquent non prises en compte dans la spécification du modèle.<br />
Comme la partie non expliquée par le modèle correspond <strong>au</strong>x termes d’erreur, les hypothèses <strong>de</strong><br />
constance <strong>de</strong> variance et d’indépendance <strong>de</strong>s résidus ne peuvent être admises a priori.<br />
Le modèle étant donc a priori hétéroscédastique, la matrice <strong>de</strong> variance covariance <strong>de</strong> l’estimateur MCO b <strong>de</strong><br />
est alors : 2 = (X'X) -1 X'ΩX(X'X) -1 avec σ 2 I. C’est sur 2 que <strong>de</strong>vraient se <strong>base</strong>r les inférences et les<br />
intervalles <strong>de</strong> confiances basées sur 1 ne sont pas fiables en réalité.<br />
Mais si on déci<strong>de</strong> <strong>de</strong> <strong>base</strong>r les inférences sur 2, un <strong>au</strong>tre problème surgit : 2 est inconnu car est inconnu. Des<br />
réflexions ont été menées dans ce sens et ont débouché sur plusieurs approches d’estimation <strong>de</strong> . Ces approches<br />
ont pour but <strong>de</strong> proposer <strong>de</strong>s intervalles <strong>de</strong> confiance réputés plus fiables car basés sur une estimation robuste <strong>de</strong><br />
la variance <strong>de</strong>s estimateurs. Ces métho<strong>de</strong>s fournissent rigoureusement la même estimation ponctuelle b <strong>de</strong> que<br />
celle fournie par les MCO.<br />
Dans un premier temps, en supposant que les erreurs sont indépendantes mais <strong>de</strong> variance non<br />
constante, trois estimations robustes <strong>de</strong> 2 basées sur les carrés <strong>de</strong>s résidus <strong>de</strong> régression MCO (ei 2 ) sont<br />
envisageables :<br />
i) Huber (1967); White (1980) : ( ) ( ) ( ) 1<br />
2<br />
1<br />
ˆ n<br />
−<br />
−<br />
Σ 2 = X 'X<br />
X 'diag<br />
ei<br />
X X 'X<br />
n − K<br />
88