12.07.2015 Views

Comparaisons multidimensionnelles de bien-être et de pauvreté ...

Comparaisons multidimensionnelles de bien-être et de pauvreté ...

Comparaisons multidimensionnelles de bien-être et de pauvreté ...

SHOW MORE
SHOW LESS

Create successful ePaper yourself

Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.

Chapitre 2. Mesures <strong>de</strong> la pauvr<strong>et</strong>é multidimensionnelle <strong>et</strong> inférences statistiques 12L’i<strong>de</strong>ntification <strong>de</strong>s pauvresDans l’analyse <strong>de</strong> la pauvr<strong>et</strong>é unidimensionnelle où le <strong>bien</strong>-<strong>être</strong> est représenté par le revenu,la préoccupation essentielle dans la définition <strong>de</strong>s pauvres est <strong>de</strong> savoir quel seuil <strong>de</strong>pauvr<strong>et</strong>é r<strong>et</strong>enir. Il existe <strong>de</strong>ux principaux types <strong>de</strong> seuil à savoir : le seuil absolu <strong>et</strong> le seuilrelatif. Le seuil absolu est défini indépendamment du niveau général <strong>de</strong> <strong>bien</strong>-<strong>être</strong> <strong>de</strong> la sociététandis que le seuil relatif est déterminé par rapport à ce niveau notamment par le choix d’unecertaine proportion <strong>de</strong> la moyenne ou <strong>de</strong> la médiane. Cependant, jusqu’ici, toutes les analyses<strong>multidimensionnelles</strong> <strong>de</strong> la pauvr<strong>et</strong>é ont privilégié la définition absolue du seuil dans la mesureoù la définition relative s’avère ambiguë dans certaines dimensions. Toutefois, l’analysemultidimensionnelle introduit une autre considération dans la définition <strong>de</strong>s seuils <strong>de</strong> pauvr<strong>et</strong>é(Atkinson, 2003 ; Bouguignon <strong>et</strong> Chakravarty, 2003 ; Duclos, Sahn <strong>et</strong> Younger, 2006) :la distinction à faire entre l’approche <strong>de</strong> l’union <strong>et</strong> celle <strong>de</strong> l’intersection dans l’i<strong>de</strong>ntification<strong>de</strong>s pauvres.Soit une population <strong>de</strong> taille N, chaque individu i <strong>de</strong> la population possè<strong>de</strong> un vecteur x i<strong>de</strong> J attributs, avec x i ɛ R+, J où R+ J est l’orthant non négatif <strong>de</strong> l’espace euclidien R J . SoitX une matrice N × J, où chaque élément x ij <strong>de</strong> la matrice donne la quantité d’attribut j quepossè<strong>de</strong> l’individu i. Soit z j ɛ Z le seuil <strong>de</strong> pauvr<strong>et</strong>é pour chaque attribut j, avec le vecteurZ ɛ R++ J l’orthant positif <strong>de</strong> l’espace euclidien R J . Le point fondamental est que l’approchemultidimensionnelle définit la pauvr<strong>et</strong>é comme une insuffisance par rapport au seuil pourchaque attribut. L’approche d’intersection considère un individu i comme étant pauvre s’ill’est au niveau <strong>de</strong> tous les attributs, c’est-à-dire si x ij < z j pour tout j.En considérant le cas <strong>de</strong> <strong>de</strong>ux attributs, x 1 <strong>et</strong> x 2 , c<strong>et</strong>te situation est représentée par lerectangle 0Z 2 AZ 1 du graphique 1. Le seuil <strong>de</strong> pauvr<strong>et</strong>é est alors donné par λ 1 (x 1 , x 2 ). Sil’on considère la distribution cumulative F (x 1 , x 2 ) définie pour <strong>de</strong>s valeurs non négatives<strong>de</strong> x 1 <strong>et</strong> x 2 , F (x 1 ) <strong>et</strong> F (x 2 ) étant leurs distributions marginales respectives, le rectangle0Z 2 AZ 1 donne alors la proportion F (z 1 , z 2 ) <strong>de</strong> ceux qui sont pauvres dans les <strong>de</strong>ux attributs.Bourguignon <strong>et</strong> Chakravarty (2003) trouvent c<strong>et</strong>te définition trop restrictive dans la mesure

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!