Upload
benezet-louvet
View
103
Download
0
Embed Size (px)
Citation preview
DISTRIBUTION SPATIALE DE LA CORRUPTION AU BÉNIN: UNE ANALYSE EMPIRIQUE
Elfried G. F. FATON
PLAN DE LA PRÉSENTATION
CADRE INTRODUCTIFMÉTHODOLOGIERÉSULTATSCONCLUSIONS
INTRODUCTIONCadre contextuel:
◦ La question de la corruption est devenue aujourd’hui une préoccupation d’ordre international, du fait des multiples désagréments financiers, moraux, sanitaires, et sociaux qu’elle cause aux populations victimes. Le Bénin n’est pas en marge de ce phénomène ni des conséquences inconfortables dans lesquelles il entraîne ses victimes.
◦ Le Bénin est un pays localisé près du Nigeria, pays dont le niveau élevé de corruption n’est plus á démontrer.
◦ Gbewopo Attila (Septembre 2008) dans son document intitulé "Is corruption contagious ? An Econometric analysis" a fait ressortir le caractère contagieux de la corruption.
… á l’hypothèse:◦ L’hypothèse principale stipule que la principale source de
contagion du Bénin en matière de corruption est le Nigeria.
MÉTHODOLOGIEDonnées Afrobaromètre étape3 (2005)Deux indicateurs de corruption ont été
calculés:◦ Indicateur d’Acceptation de la corruption (IAC)
◦ Indicateur de Pratique de la corruption (IPrC)
MÉTHODOLOGIE (suite)
K est le nombre d’indicateurs catégoriels (on a K=3, car les indicateurs catégoriels sont les variables);
Jk est le nombre de catégories de l’indicateur k (i.e. nombre de modalités actives pour la variable n0k);
Prjk est les poids réel de la modalité CTR(Jki) est la contribution de la modalité Jk sur l’axe i.
Parmi les axes qui sont retenus á l’aide du critère du coude, l’axe i est le meilleur axe pour la variable k. A ce niveau, jki indique le nombre de modalités bien représentées retenues.
aki est la coordonnée de la modalité jk sur l’axe i. est la variable dichotomique = 1 si la modalité Jk a
été retenue. est la valeur propre de l’axe i choisi pour la variable
k.
MÉTHODOLOGIE (suite)
Trois procédures principales d’analyse ont été utilisées:◦Comparaison de moyennes par régions.◦Propensity Score matching (PSM).◦Analyse Exploratoire des données
spatiales (ESDA)
Région
N’accepte pas vraiment 0<= iac< 0.1
N’accepte pas vraiment mais comprennent un peu 0.1<=iac<0.2
Accepte un peu et comprennent un peu 0.2<=iac<0.3
Accepte beaucoup iac>=0.3
Voisin du Nigeria sud 88,79% 10,34% 0,86% 0%
Voisin du Nigeria nord 82,95% 15,91% 1,14% 0%
Voisin du Niger 54,17% 41,67% 4,17% 0%
Voisin du Burkina Faso 45,31% 42,19% 7,81% 4,69%
Voisin du Togo 74,00% 19,50% 5,50% 1,00%
Centre sud 88,96% 10,61% 0,43% 0%
Centre Nord 65,97% 25,00% 6,94% 2,08%
Proportion par rapport á la population totale 81,05% 15,86% 2,42% 0,67%
PRINCIPAUX RÉSULTATSPour l’acceptation de la corruption
◦ Comparaisons simples de moyennes
PRINCIPAUX RÉSULTATS (suite)Propensity Score / Matching
Var.
analytical standard
errorbootstrap standard
error
treated control ATT ATT biasTreatement effect
Nearest neighbor 312 271 -0.016 -0.016 0.002
(0.005) (0.006)
iac Kernel matching 312 853 -0.014 -0.014 0.0002 -0.014
(0.003)Mean iac of matched : 0.036 0.05
Stratification method 312 853 -0.014 -0.014 -0.0001
(0.003) (0.004)
PRINCIPAUX RÉSULTATS (suite)Analyse Exploratoire des Données Spatiales
Moran scatterplot (Moran's I = 0.578)mean_iac
Décala
ge s
patial de l'IA
C m
oyen s
tandard
isé
IAC moyen (standardisé)-2 -1 0 1 2 3
-2
-1
0
1
2
3
3 7
4 9
5 1
6 5
1 81 9
7 03 56 13 2
4
1 5
6 8
6 4
5 6
6 65 925 496 21 6
7 1
5 7
6 9
3 4
2 51 7
2 41 4
8
5 3
2 6
5 8
65 5
7 4
4 6
2 81 0
7
114 52 72 96 0
14 13 67 2
4 21 2
3 9
2 2
7 5
5
7 33
4 43 1
6 7
4 75 0
6 3
2 12 0
4 8
3 82 3
3 0
5 2
4 0
3 3
1 3 4 3
PRINCIPAUX RÉSULTATS (suite)Pour la pratique de la corruption
◦Comparaisons simples de moyennes
Pratique á fréquence peu élevée
Pratique plus élevée
Région0.08<=iprc <0.9
0.09<= iprc <0.1
0.11<=iprc <0.12 iprc>0.12
Voisin du Nigeria sud 0,43% 0,43% 1,29% 0,43%
Voisin du Nigeria nord 18,18% 0% 1,14% 1,14%
Voisin du Niger 8,33% 0% 0% 4,17%
Voisin du Burkina Faso 0% 0% 0% 0%
Voisin du Togo 1,00% 0,50% 0,50% 2,50%
Centre sud 1,95% 0,65% 0,22% 0%
Centre Nord 3,47% 0,69% 0% 2,08%
Proportion par rapport á la population totale 2,75% 0,50% 0,50% 0,92%
PRINCIPAUX RÉSULTATS (suite)
Propensity Score / Matching
Var.analytical
standard error bootstrap standard error
treated control ATT ATT biasTreatement effect
Nearest neighbor 312 271 0 0 -0.00004
(0.002) (0.002)
iprc Kernel matching 312 853 0 0 0.0002-0.0002
(0.001)
Mean iprc of matched : 0.02 0.02
Stratification method 311 847 -0.001 -0.001 -0.00004
(0.001) (0.001)
PRINCIPAUX RÉSULTATS (suite)
Analyse Exploratoire des Données Spatiales
Moran scatterplot (Moran's I = 0.145)mean_iprc
Déc
ala
ge s
patia
l de l'IP
rC m
oyen
(sta
ndard
isé)
IP rC moyen (standardisé)-1 0 1 2 3 4 5 6
-1
0
1
2
3
2 63 66 0
4 4
5 7
5 6
6 7
6 8
5
1 34 05 4
6 3
6 4
2 9
1 8
6 5
2
3 7
4 6
13 8
3 9
5 9
4 9
1 04
7 52 8
32 1
2 2
2 4
4 1
6 95 2
3 04 25 0
7 472 3
7 37 19
4 5
5 54 33 4
3 5
84 8
2 05 8
6
7 2
6 6
11
1 2
2 5
7 0
3 2
1 5
4 7
3 11 9
6 2
5 3
3 3
6 1 1 4
1 7
2 7
1 6
5 1
CONCLUSIONSBien que la théorie de la contagion de la
corruption n’ait pas été rejetée, il ne semble plus du tout évident que la corruption au Bénin soit surtout influencée par le Nigeria voisin.
En effet, lors de ce travail, nous avons été amenés á constater qu’il y a aujourd’hui une sorte de convergence dans les comportements des individus au Bénin, aussi bien pour la pratique que pour l’acceptation de la corruption : le degré de corruption d’un individu ne semble plus être dû au fait qu’il soit voisin ou non du Nigeria.
Aujourd’hui, le problème de la corruption au Bénin est donc devenu plus un problème interne qu’externe.
MERCI POUR VOTRE AIMABLE ATTENTION