2.1 – Les effets de l’aide sur la pauvreté et les inégalités

8Les travaux qui abordent la question de l’impact de l’aide sur la pauvreté et les inégalités retiennent pour la plupart l’approche standard des modèles de croissance dans lesquels l’indicateur de croissance comme variable dépendante est simplement remplacé par une mesure de la pauvreté ou du bien-être agrégé (voir par exemple, Boone 1996 ; Mosley, Hudson et Verschoor 2004 ; Gomanee, Girma et Morrissey 2005 ; Gomanee et al. 2005). Les données internationales sur la pauvreté comparables entre pays et dans le temps étant relativement rares et de qualité incertaine, les études ont généralement recours à des indicateurs de développement humain comme mesure du niveau de pauvreté dans les pays, tels que le taux de la mortalité infantile ou infanto-juvénile, l’espérance de vie ou encore le taux de scolarisation primaire.

9Dans un article largement discuté, Boone (1996) conclut à un impact non significatif de l’aide sur plusieurs indicateurs du développement humain. Bien que, sur le plan théorique, l’aide publique au développement puisse réduire le taux de mortalité des enfants via l’augmentation de la consommation privée ou de la provision de services publics aux pauvres, l’auteur montre que l’accroissement de l’aide contribue uniquement à augmenter la taille de l’État sans pour autant avoir un impact sur les indicateurs de développement humain. En poussant plus loin le raisonnement, Boone examine dans quelle mesure ce résultat diffère selon la nature du régime politique prévalant au sein des pays receveurs. Il trouve que les régimes politiques libéraux enregistrent, toutes choses égales par ailleurs, des taux de mortalité infantile plus faibles, ce qui suggère une propension plus forte de ces régimes à fournir des biens et services publics aux pauvres.

10L’article de Boone a fait l’objet de nombreuses critiques qui ont principalement porté sur deux points. Certains auteurs ont d’abord mis en avant l’idée que les effets de l’aide n’étaient pas directs, mais qu’ils transitaient plutôt par le canal de l’accroissement de la part des dépenses publiques allouées aux secteurs sociaux. Les tests économétriques de Boone souffriraient donc d’une erreur de spécification. Mosley, Hudson et Verschoor (2004) estiment un système de trois équations dans lesquelles la pauvreté, l’aide et les dépenses publiques sociales (dépenses pro-pauvres) sont les variables dépendantes. Leurs résultats suggèrent que l’aide agit positivement sur le montant des dépenses publiques pro-pauvres et que ces dernières contribuent à réduire l’incidence de la pauvreté dans les pays receveurs. Gomanee, Girma et Morrissey (2005) aboutissent à des conclusions similaires en ayant recours à des régressions par quintiles. Dans un second article cependant, Gomanee et al. (2005) remettent en cause ce résultat en montrant que l’aide publique accroît les niveaux des indicateurs de bien-être à travers des effets principalement directs.

11L’autre critique mise en avant par les détracteurs de Boone porte sur la mesure de la variable d’aide. Selon eux, bien qu’il soit plausible que l’aide totale soit sans effet apparent sur le niveau de santé des pays récipiendaires, l’aide sectorielle allouée au secteur de la santé ou de l’éducation constitue un vecteur incontestable de développement humain (Masud et Yontcheva 2005 ; Michaelowa et Weber 2007 ; Mishra et Newhouse 2007 ; Dreher, Nunnenkamp et Thiele 2008). Les résultats pessimistes de Boone tiendraient ainsi à son choix de retenir l’aide totale et non l’aide sectorielle à la santé ou à l’éducation. Mishra et Newhouse (2007) s’appuient sur un large échantillon composé de 118 pays observés sur la période 1973-2004 pour mesurer l’impact de l’aide au secteur de la santé sur la mortalité des enfants. Sur la base d’estimations économétriques par la méthode des moindres carrés ordinaires (MCO) et par la méthode des moments généralisés en panel dynamique (MMG), ils concluent que l’aide au secteur de la santé est significativement associée à une réduction de la mortalité des enfants dans les pays receveurs. L’ampleur de cet effet est néanmoins relativement faible : un doublement de l’aide à la santé accordée à un pays contribuerait à réduire la mortalité des enfants de 2 % seulement sur les cinq années suivantes. En revanche, les auteurs ne trouvent aucun impact significatif de l’aide globale. Masud et Yontcheva (2005) mobilisent quant à eux les données sur l’assistance fournie par les Organisations Non Gouvernementales (ONG) ainsi que sur l’aide bilatérale pour apprécier l’efficacité de ces flux sur la mortalité des enfants et le taux d’analphabétisme chez les adultes. L’hypothèse fondamentale de ces auteurs est que les ONG, en intervenant directement auprès des individus, devraient avoir une action beaucoup plus efficace pour réduire la pauvreté que tous les autres types d’aide. En utilisant des données de panel non-cylindré de 58 pays observés sur la période 1990-2001, ils trouvent que les dépenses de santé par habitant réduisent la mortalité infantile tout comme l’aide fournie par les ONG. A contrario, ils ne trouvent aucun impact de l’aide bilatérale sur la mortalité infantile. Plusieurs facteurs pourraient selon eux être à l’origine de ce résultat. Premièrement, l’assistance des ONG serait prioritairement accordée aux pays affichant des taux de mortalité des enfants très élevés tandis que l’aide bilatérale tendrait à être accordée aux pays connaissant des taux plus faibles. Deuxièmement, les ONG auraient des liens plus forts et plus directs avec les populations pauvres et vulnérables, ce qui renforcerait l’efficacité de leur intervention. Troisièmement et en accord avec Boone (1996), l’aide transitant par les budgets des États pourrait être détournée au profit des élites locales. Pour finir, les auteurs ne trouvent pas d’impact de l’aide des ONG ou de l’aide bilatérale sur la part des dépenses de santé dans les dépenses publiques totales.
Il ressort de cette synthèse que la question de l’impact de l’aide sur le développement humain ne trouve pas de réponse définitive. Certains articles concluent à un impact négligeable, voire nul, de l’aide quand d’autres mettent en évidence des effets positifs directs de l’aide sur la réduction de la mortalité infantile ou indirects à travers le canal des dépenses publiques sociales. Cette absence de consensus dans la littérature macroéconomique est assez surprenante, notamment au regard du succès de nombreuses interventions financées par la communauté internationale dans le domaine de la santé (Levine et le What Works Working Group 2004).

2.2 – Les effets des transferts des migrants sur la pauvreté et les inégalités

12Malgré la forte croissance en volume des envois de fonds des migrants ces dernières années, les travaux macroéconomiques analysant l’impact des transferts sont relativement rares comparés à ceux consacrés à l’aide. Là encore, l’absence de données internationales fiables et comparables entre les pays et dans le temps sur les taux d’émigration et les transferts des migrants en est la principale raison. En conséquence, la littérature sur les transferts des migrants se compose principalement de travaux microéconomiques mobilisant des enquêtes ménages conduites au sein des pays ou limitées à certaines régions (voire villages) (Leliveld 1997 ; Lachaud 1999 ; Adams 2004, 2006).

13Au niveau macroéconomique, peu d’études ont analysé l’impact des transferts des migrants sur le niveau de pauvreté des pays. Les quelques travaux existants – et dont les résultats ne sont pas tous convaincants – incluent Adams et Page (2005) ; World Economic Outlook (FMI 2005) ; Gupta, Pattillo et Wagh (2007) et Acosta et al. (2008). Quant à l’analyse macroéconomique de la contribution des transferts au développement humain, aucune étude n’existe en dépit d’une littérature micro-économique foisonnante sur les liens entre migration, transferts, éducation et santé (Kanaiaupuni et Donato 1999 ; Cox-Edwards et Ureta 2003 ; Hildebrandt et McKenzie 2005 ; Mansuri 2007).

14Adams et Page (2005) construisent un panel composé de 71 pays en développement pour lesquels les données sur les transferts des migrants, la migration, la pauvreté et les inégalités de revenu sont disponibles et testent l’hypothèse selon laquelle les pays dont la main-d’œuvre migre davantage et qui reçoivent des transferts des migrants connaissent des taux de pauvreté relativement plus bas. Après avoir tenu compte de l’endogénéité potentielle des transferts des migrants dans leurs estimations économétriques, ils trouvent qu’un accroissement de 10 % du niveau de transferts par habitant contribue à réduire la pauvreté de 3,5 %.

15Une étude du Fonds Monétaire International réalisée en 2005 examine la même question à partir d’un échantillon plus large de 101 pays. Les résultats suggèrent qu’une augmentation de 2,5 % de la part des transferts dans le Produit Intérieur Brut est associée à une réduction du taux de pauvreté d’environ 0,5 %. La faiblesse de l’impact des transferts des migrants est justifiée par la présence, dans les régressions, d’indicateurs de revenu moyen et d’inégalité : ces variables étant elles-mêmes directement influencées par les transferts des migrants, il en résulte que l’impact effectif des transferts sur la pauvreté est bien plus large qu’il n’y paraît.

16Sur la base d’un échantillon composé de 76 pays dans lesquels la région d’Afrique subsaharienne est largement représentée, Gupta, Pattillo et Wagh (2007) adoptent la même méthodologie utilisée par Adams et Page (2005) et modélisent le taux de pauvreté comme une fonction du revenu moyen, des inégalités de revenu et des transferts des migrants. Ils concluent qu’un accroissement de 10 % des transferts des migrants contribue à réduire l’incidence de la pauvreté d’environ 1 %. Par ailleurs, ils trouvent que l’impact de la pauvreté sur la migration et les transferts des migrants est bien plus important que l’impact des transferts des migrants sur la pauvreté en Afrique subsaharienne.

17Finalement, Acosta et al. (2008) s’appuient à la fois sur des données extraites de bases de données internationales et sur des données d’enquêtes ménages pour apprécier l’impact des transferts des migrants sur la croissance, la pauvreté et les inégalités de revenu en Amérique latine. Lorsque l’unité d’observation est le pays, les régressions économétriques suggèrent que les transferts des migrants ont en moyenne un effet positif et significatif sur la croissance mais qu’ils contribuent également à accroître les inégalités de revenu. Les analyses microéconomiques effectuées à partir d’enquêtes ménages suggèrent quant à elles que l’effet des transferts des migrants sur la pauvreté et les inégalités varie selon les pays en fonction de la place qu’occupent les ménages receveurs dans la distribution des revenus hors transferts.
Dans les développements qui suivent, notre objectif est d’enrichir cette littérature en évaluant l’impact respectif de l’aide et des transferts des migrants sur les taux de mortalité infantile et infanto-juvénile.

3.1 – Modèle et données

19Afin d’explorer les effets respectifs de l’aide et de la migration sur la mortalité des enfants, nous estimons le modèle suivant :

20

21où Health_i,t est alternativement le taux de mortalité infantile et le taux de mortalité infanto-juvénile. Les variables proviennent des indicateurs de la Banque mondiale (World Development Indicators, 2006). Le taux de mortalité infanto-juvénile est la probabilité (pour 1 000 naissances dans une année donnée) qu’un nouveau-né meure avant son cinquième anniversaire. Le taux de mortalité infantile mesure la proportion d’enfants qui décèdent avant le premier anniversaire (pour 1 000 naissances).

22Étant donné que les variables dépendantes sont bornées, elles sont mesurées en logarithmique. Afin de faciliter les interprétations des résultats ainsi que la prise en compte de certaines non-linéarités, toutes les autres variables du modèle sont également exprimées en logarithme naturel.

23L’aide publique au développement allouée au secteur de la santé, Health aid_i,t, est mesurée en termes d’engagements des bailleurs tels que mesurés par le Country Reporting System (CRS) de l’Organisation pour la Coopération et le Développement Economique (OCDE) [3]. Le principal avantage des données CRS est la disponibilité de données d’engagements d’aide désagrégés par secteur. Cependant, ces données ne sont disponibles que pour les années récentes. La figure 1 illustre la forte sous-estimation du volume d’aide dans les données du CRS comparativement aux données d’aide produites par le Comité d’Aide au Développement (CAD) de l’OCDE. Mishra et Newhouse (2007) soulignent que l’ampleur de la sous-estimation varie selon le secteur, le bailleur et l’année. Les données manquantes sont par conséquent omises de l’échantillon au lieu d’être remplacées par zéro. Nous restreignons notre échantillon uniquement aux données récentes et débutons donc les analyses à partir du milieu des années 1980 [4]. La figure 1 montre également que la part des engagements d’aide au secteur de la santé s’est graduellement accrue depuis les années 1980, en passant de 2 % à 5 % aujourd’hui. Cet accroissement de la part de l’aide allouée au secteur de la santé reflète les engagements internationaux en faveur des OMD et traduit le glissement dans les priorités des donateurs : le financement des dépenses en infrastructures diminue tandis que celui des secteurs sociaux augmente.

Figure 1

Aide totale, transferts des migrants et aide à la santé, 1986–2004

Aide totale, transferts des migrants et aide à la santé, 1986–2004

24Le CRS fournit également des données de déboursements d’aide désagrégés par secteur mais ces dernières ne sont disponibles que depuis 2002 et sont mal renseignées. Pour tester toutefois l’impact des déboursements d’aide au secteur de la santé nous effectuons une estimation de ces flux en pondérant les déboursements totaux par la part des engagements d’aide à la santé dans les engagements totaux. Le déflateur du CAD est utilisé pour calculer le volume d’aide en termes réels.

25La variable Remittances_i,t mesure les transferts monétaires effectués par les individus installés dans un pays d’accueil depuis plus d’une année (Banque mondiale 2006). Nous utilisons également le déflateur du CAD pour transformer en termes constants les transferts des migrants par habitant. Comme le montre la figure 1, les transferts des migrants se sont accrus en termes absolus comme relatifs, depuis la moitié des années 1980. Alors qu’ils ne représentaient qu’environ 60 % du volume des engagements d’aide, ils s’élèvent depuis 2000 à plus de 200 % des engagements d’aide en faveur des pays en développement. Cette évolution récente positionne les transferts des migrants comme l’une des sources de financement extérieur les plus importantes pour ces pays. La forte croissance des transferts des migrants s’explique par l’accroissement du nombre de migrants à travers le monde. Le recours croissant à des canaux formels de transfert d’argent par les migrants contribue aussi à expliquer la forte augmentation des transferts. Cette source potentielle d’erreur de mesure est prise en compte dans nos estimations économétriques. Premièrement, nous incluons des muettes temporelles afin de capter cette tendance à la hausse des transferts des migrants. Deuxièmement, nous tenons compte de l’hétérogénéité inobservable des pays par l’introduction d’effets fixes pays. Cela permet notamment de saisir les facteurs qui expliquent simultanément l’augmentation du volume de transferts des migrants reçus par les pays et la baisse des taux de mortalité chez les enfants. Enfin, nous instrumentons les transferts des migrants (voir prochaine section).

26En s’inspirant de la littérature sur les déterminants de l’état de santé des enfants, nous ajoutons parmi les régresseurs un certain nombre de variables socioéconomiques X_i,t. Depuis les travaux de Ravallion (1993) et de Prichett et Summers (1996), un consensus a émergé sur l’existence d’une relation négative entre la mortalité des enfants et le niveau de revenu par habitant. L’éducation des femmes, mesurée alternativement par le nombre moyen d’années d’études ou par le taux d’alphabétisation, a été également reconnue comme étant négativement associée à la mortalité des enfants (Filmer et Pritchett 1999 ; Anand et Bärnighausen 2004 ; Fay et al. 2005 ; McGuire 2006 ; Ravallion 2007). Nous mesurons le revenu en termes constants en parité du pouvoir d’achat (PPA) (Banque mondiale 2006) et l’éducation des femmes par le nombre moyen d’années d’études des femmes âgées d’au moins 15 ans (Barro et Lee 2000).

27Anand et Bärnighausen (2004) ont montré que la densité des personnels de santé est significativement corrélée aux indicateurs de santé. Nous effectuons une estimation des ressources humaines dans le secteur de la santé par le nombre de médecins (pour 1 000 habitants) fourni par Docquier et Bhargava (2007).

28D’autres déterminants de la santé des enfants au niveau macroéconomique ont été identifiés dans la littérature à l’instar de la taille de la population (Mishra et Newhouse 2007), la part de la population urbaine (Fay et al. 2005 ; Masud et Yontcheva 2005 ; Ravallion 2007), des indicateurs d’inégalités (Filmer et Pritchett 1999 ; Fay et al. 2005 ; McGuire 2006 ; Ravallion 2007) et des taux de pauvreté (Anand et Bärnighausen 2004). Cependant, aucune de ces variables n’est apparue significative dans notre analyse. Deux autres variables – le niveau de fragmentation ethnolinguistique et la part de la population musulmane – sont aussi significativement reliées à la santé des enfants (Filmer et Pritchett 1999 ; McGuire 2006). Cependant, elles sont toutes deux invariantes dans le temps et ne peuvent donc pas être introduites dans un modèle à effets fixes.
Enfin, il existe un intense débat relatif à l’impact des dépenses publiques sur l’état de santé. Étant donné que notre variable d’intérêt est l’aide à la santé et que l’impact de l’aide passe par le canal de la dépense publique, nous excluons les dépenses publiques de notre analyse. De plus, l’introduction des dépenses publiques dans les estimations diminue notre échantillon de moitié.
L’équation (1) est estimée à partir d’un panel de 109 pays en développement, dont 39 d’Afrique subsaharienne, sur la période 1987-2004 (voir Tableau A.1. en annexe, pour une liste détaillée des pays). Les données sur l’état de santé des enfants sont disponibles tous les quatre ou cinq ans (1990, 1995, 2000, et 2004). Les variables explicatives sont mesurées en moyenne sur trois ans, de t-1 à t-4 et sont transformées en logarithme. Cela est valable pour tous les régresseurs, à l’exception de la variable éducation qui n’est disponible qu’en fréquence quinquennale et jusqu’à l’année 2000 (Barro et Lee 2000). Nous utilisons donc le niveau d’éducation de l’année 2000 pour expliquer l’état de santé des enfants en 2004 et ainsi de suite. Nous contrôlons par ailleurs pour l’hétérogénéité inobservable à l’aide d’effets fixes pays ?. Des muettes temporelles ?_t sont également incluses.

3.2 – Endogénéité de l’aide, des transferts des migrants et du revenu

29Deux sources potentielles d’endogénéité peuvent biaiser les coefficients estimés de l’aide et des transferts des migrants. Premièrement, l’aide et les transferts des migrants sont versés par les bailleurs ou par les migrants dans un but bien précis qui peut inclure l’amélioration de l’état de santé des enfants. Même si l’aide est déterminée à un niveau macroéconomique tandis que les transferts des migrants le sont à un niveau microéconomique, les deux variables peuvent dans une certaine mesure refléter des chances de survie des enfants. Deuxièmement, l’endogénéité peut provenir de l’existence de variables omises qui affecteraient simultanément l’aide, les transferts des migrants et la santé des enfants. Par exemple, les catastrophes naturelles sont à la fois un facteur de détérioration de la santé des enfants et un déterminant des envois de fonds des migrants.

30Pour tenter de résoudre ces problèmes, nous instrumentons l’aide et les transferts des migrants [5]. Pour instrumenter l’aide publique au développement, nous utilisons un ensemble de variables qui captent la proximité historique et culturelle entre pays donneurs et pays receveurs. Ces variables ont beaucoup plus de chances d’être exogènes à la santé des enfants que toute autre caractéristique des pays receveurs. Plus spécifiquement, nous utilisons l’aide totale accordée par les cinq plus grands donneurs pondérée par la proximité culturelle entre un donneur et un receveur (mesurée par le partage d’une religion commune) et par la proximité géographique (la distance vis-à-vis de Washington, de Bruxelles ou de Tokyo [6]). Nous utilisons également l’aide allouée à la santé retardée de deux périodes pour instrumenter l’aide à la santé à la date t. Les transferts des migrants sont instrumentés par le ratio de la base monétaire (M2) rapportée au PIB. Cela se justifie par le fait que les pays financièrement développés reçoivent en moyenne plus de transferts des migrants que les autres. Le revenu par habitant est également susceptible d’être endogène dans une équation de santé (Pritchett et Summers 1996 ; Filmer et Pritchett 1999). Par conséquent, nous l’instrumentons par sa valeur retardée de deux périodes.

31Il est aussi possible que l’éducation soit endogène aux indicateurs de santé. Nous avons testé cette hypothèse et il s’est avéré que l’exogénéité de l’éducation ne pouvait être rejetée. Ce résultat s’explique en partie par le fait que nous utilisons l’éducation en t-5 (ou t-4) pour expliquer l’état de santé en t.
Pour apprécier la pertinence des instruments retenus, plusieurs tests ont été systématiquement effectués (test de sur-identification de Sargan, test de sous-identification, test d’instruments faibles, d’exclusion et R² partiels [7]).

3.3 – Estimation du modèle de base

32Nous procédons en trois étapes pour estimer le modèle de base. L’équation (1) est d’abord estimée par les moindres carrés ordinaires (MCO). Nous incluons ensuite des effets fixes pays pour tenir compte de l’hétérogénéité inobservable des pays. Finalement, l’aide, les transferts des migrants et le revenu sont instrumentés dans une estimation du modèle en doubles moindres carrés (DMC) avec des effets fixes pays et des effets fixes temporels [8]. Les équations d’instrumentation sont présentées dans le tableau A.2. en annexe.

33Les régressions 1 à 6 contenues dans le tableau 1 présentent les résultats de l’estimation du modèle de base lorsque la variable dépendante est alternativement le taux de mortalité infantile et le taux de mortalité infanto-juvénile. Le revenu par habitant apparaît significatif dans les estimations et est négativement associé aux taux de mortalité. Les régressions 3 et 6 suggèrent qu’une augmentation de 1 % du revenu réduit la mortalité infanto-juvénile d’environ 0.59 % et la mortalité infantile de 0.50 %. L’impact estimé du revenu par habitant sur la mortalité infantile apparaît assez proche de celui observé dans les estimations en variables instrumentales de Pritchett et Summers (1996), qui s’établissait à 0.3, et ce malgré l’utilisation d’une gamme d’instruments différents. Nos résultats sont également proches de leurs estimations en effets fixes (0.31).
Le nombre de médecins n’est pas significatif, excepté dans les estimations en MCO. Néanmoins, lorsqu’il est significatif, le coefficient est négatif, ce qui suggère une relation positive entre les ressources humaines dans le secteur de la santé et la réduction de la mortalité des enfants. Anand et Bärnighausen (2004) ont également trouvé un impact négatif et robuste du nombre de docteurs et d’infirmières sur plusieurs indicateurs de santé. L’impact de l’éducation des femmes n’est significatif que dans les estimations en MCO. Dans le tableau 1, l’impact négatif des muettes temporelles (1990 est l’année de référence) traduit une tendance décroissante dans l’évolution des taux de mortalité infantile et infanto-juvénile au cours des deux dernières décennies.

Tableau 1

Impact de l’aide à la santé et des transferts des migrants sur la mortalité infanto-juvénile et infantile : modèle de base

Taux de mortalité infanto-juvénile Taux de mortalité infantile Variable MCO (1) Within (2) DMC (3) MCO (4) Within (5) DMC (6) PIB par tête a -0.553 -0.263 -0.595 -0.482 -0.218 -0.500 (6.64)*** (3.03)*** (2.39)** (6.49)*** (2.78)*** (2.26)** Médecins pour 1000 habitants -0.157 -0.032 0.048 -0.107 -0.022 0.050 (3.93)*** (0.82) (0.89) (2.88)*** (0.62) (1.04) Education des femmes -0.156 0.034 -0.009 -0.151 0.049 0.004 (1.97)* (0.61) (0.09) (2.15)** (0.95) (0.05) Muette si données manquantes éducation -0.181 0.008 -0.217 -0.170 0.038 -0.168 (1.82)* (0.15) (1.28) (2.08)** (0.81) (1.08) Tranferts des migrants par tête a -0.054 -0.031 -0.122 -0.045 -0.023 -0.104 (2.37)** (2.37)** (2.97)*** (2.16)** (2.09)** (2.76)*** Aide à la santé par tête a -0.012 -0.012 -0.008 -0.009 -0.011 -0.000 (0.60) (1.26) (0.31) (0.44) (1.29) (0.01) Année = 1995 -0.058 -0.102 0.068 -0.048 -0.094 0.081 (1.74)* (4.07)*** (1.29) (1.64) (4.16)*** (1.74)* Année = 2000 -0.088 -0.198 0.032 -0.085 -0.189 0.037 (2.14)** (6.92)*** (1.27) (2.27)** (7.34)*** (1.68)* Année = 2004 -0.139 -0.274 -0.139 -0.265 (2.94)*** (7.98)*** (3.24)*** (8.68)*** Constante 8.704 6.360 7.872 5.669 (13.88)*** (9.30)*** (13.93)*** (9.19)*** Effets fixes Non Oui Oui Non Oui Oui Nombre d’observations 358 358 237 358 358 237 Nombre de pays 109 109 86 109 86 R 2 0.75 0.57 0.72 0.57 Sargan ( p -value) 0.31 0.27 Test de sous-identification ( p -value) 0.03 0.03 F-test de l’instrumentation du revenu par tête ( p -value) 0.000 0.000 F-test de l’instrumentation de l’aide ( p -value) 0.100 0.100 F-test de l’instrumentation des transferts ( p -value) 0.000 0.000 Note: DMC, doubles moindres carrés; PIB, Produit intérieur brut; MCO, moindres carrés ordinaires. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Toutes les variables excepté l’éducation des femmes, sont évaluées à leurs moyennes triennales de t - 1 à t - 4 et sont mesurées en logarithme. Dans les équations (1) et (4), les écarts-types sont corrigés pour la corrélation intra pays. a. Variables instrumentées dans les équations (3) et (5). Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). Le taux de base monétaire (M2/PIB) est également utilisé comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Impact de l’aide à la santé et des transferts des migrants sur la mortalité infanto-juvénile et infantile : modèle de base

34Finalement, les coefficients associés à l’aide et aux transferts des migrants sont négatifs comme observés dans les régressions de 1 à 6. Mais contrairement à Mishra et Newhouse (2007), nous ne décelons aucun impact significatif de l’aide à ce stade de l’analyse. Les transferts des migrants sont négativement et significativement associés à la mortalité des enfants dans l’ensemble des régressions. Lorsque les transferts des migrants sont instrumentés, leur coefficient est deux fois plus important que dans les estimations en MCO. Un accroissement de 1 % des transferts des migrants contribue à réduire la mortalité infanto-juvénile de 0.12 % et la mortalité infantile de 0.10 %.

3.4 – Non-linéarités dans la relation aide-santé

35Partant du modèle précédent, nous explorons la relation entre l’aide à la santé et les indicateurs de mortalité. Un certain consensus a émergé dans la littérature, concernant l’impact non linéaire de l’aide sur les performances macroéconomiques [9]. De manière similaire, l’impact de l’aide à la santé sur les indicateurs de santé est susceptible d’être non linéaire en raison notamment de contraintes liées à la capacité d’absorption de l’aide par les pays receveurs. Ces contraintes peuvent être saisies par un terme d’interaction entre l’aide et le niveau de revenu par habitant. L’aide à la santé pourrait ainsi être plus efficace dans les pays relativement plus riches du fait de leur plus grande capacité à absorber l’aide.

36Pour explorer cette non-linéarité, nous spécifions l’équation suivante :

37

38où lnHealth aid.lnIncome est une variable multiplicative de l’aide avec le revenu par habitant. Cette variable est instrumentée en utilisant le même ensemble d’instruments que ceux de l’aide ou du revenu par habitant.

39Les résultats sont présentés dans les colonnes (1) et (2) du tableau 2. L’hypothèse d’existence de contraintes à la capacité d’absorption n’est pas validée. L’impact de l’aide est certes non linéaire, mais la non-linéarité suggère cependant que l’aide est plus efficace en termes de réduction de la mortalité des enfants dans les pays relativement plus pauvres. Le seuil de revenu au-delà duquel l’impact négatif de l’aide sur la mortalité disparaît est évalué à environ 4 100 dollars (en parité des pouvoirs d’achat). La figure 2 montre l’impact de l’aide en dessous et au-dessus de ce seuil. La plupart des pays africains sont situés dans la partie décroissante de la relation entre l’aide et la mortalité. L’aide augmenterait la mortalité des enfants dans 8 pays africains sur 35 : Botswana, Cap Vert, Gabon, Ile Maurice, Namibie, Seychelles, Afrique du Sud et Swaziland. Dans le reste des 27 pays africains, l’aide contribue à réduire l’incidence de la mortalité des enfants.

Tableau 2

Non-linéarité dans la relation aide-santé, estimations en DMC avec effets fixes pays

Taux de mortalité infanto-juvénile Taux de mortalité infantile (1) (2) PIB par tête a -0.355 -0.264 (1.41) (1.16) Nombre de médecins pour 1000 habitants 0.023 0.026 (0.40) (0.49) Éducation des femmes -0.063 -0.050 (0.53) (0.45) Muette si données manquantes éducation des femmes -0.305 -0.255 (1.39) (1.26) Transferts des migrants a -0.115 -0.097 (2.72)*** (2.46)** Aide à la santé par tête a -0.839 -0.815 (1.87)* (1.99)** Aide× PIB par tête a 0.100 0.098 (1.85)* (1.98)** Année= 1995 0.071 0.084 (1.24) (1.62) Année = 2000 0.044 0.049 (1.69)* (2.09)** Effets fixes pays Oui Oui Nombre d’observations 237 237 Nombre de pays 86 86 Sargan ( p -value) 0.31 0.25 Test de sous-identification ( p -value) 0.04 0.04 F-test de l’équation d’instrumentation du PIB ( p -value) 0.00 0.00 F-test de l’équation d’instrumentation de l’aide ( p -value) 0.10/0.12 0.10/0.12 F-test de l’équation d’instrumentation des transferts ( p -value) 0.00 0.00 Note: DMC, doubles moindres carrés; PIB. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Toutes les variables excepté l’éducation des femmes, sont évaluées à leurs moyennes triennales de t - 1 à t - 4 et sont mesurées en logarithme. a. Variables instrumentées dans les équations. Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). Le taux de base monétaire (M2/PIB) est également utilisé comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Non-linéarité dans la relation aide-santé, estimations en DMC avec effets fixes pays

Figure 2

Impact de l’aide à la santé sur la mortalité infanto-juvénile

a

Échantillon des pays à revenu par habitant inférieur à 4 100 dollars

Échantillon des pays à revenu par habitant inférieur à 4 100 dollars

b

Échantillon des pays à revenu par habitant supérieur à 4 100 dollars

Échantillon des pays à revenu par habitant supérieur à 4 100 dollars

Impact de l’aide à la santé sur la mortalité infanto-juvénile

40Notre équation de base capte les effets directs de l’aide et des transferts des migrants sur la mortalité. L’aide et les transferts peuvent également influencer la mortalité de manière indirecte, via le revenu par habitant. Cette dernière variable figurant déjà parmi les régresseurs, l’impact total de l’aide et des transferts des migrants sur la mortalité des enfants est sans doute sous-estimé.

41Une autre manière de tester l’hypothèse d’existence de contraintes liées à la capacité d’absorption de l’aide est d’introduire l’aide sous forme quadratique dans le modèle de base. Une relation quadratique entre l’aide et les indicateurs de santé traduirait ainsi la présence de rendements marginaux décroissants de l’aide dans notre échantillon. Au-delà d’un certain seuil d’aide reçue, tout dollar additionnel est moins efficace car le pays receveur n’a pas les capacités de l’absorber de manière optimale. Cependant, l’aide au carré n’est jamais significative dans nos régressions [10]. Par ailleurs, son signe est négatif tout comme celui de l’aide en niveau. L’absence de relation quadratique entre l’aide et les indicateurs de mortalité vient ainsi confirmer l’absence de contraintes à la capacité d’absorption. L’aide tend résolument à être plus efficace dans les pays où le bénéfice marginal associé à l’assistance extérieure est important, autrement dit, dans les pays pauvres.
Finalement, nous testons la robustesse des résultats obtenus en utilisant les déboursements d’aide à la santé en lieu et place des engagements d’aide [11]. Les régressions (1) et (3) du tableau 3 présentent les résultats de ce test pour le modèle de base : les coefficients associés aux déboursements d’aide ne sont pas statistiquement différents de zéro. Dans les régressions (2) et (4), les déboursements à la santé en interaction avec le revenu par habitant sont significativement corrélés aux indicateurs de mortalité. Le seuil de revenu est ici estimé à 4 000 dollars conformément aux résultats précédents.

Tableau 3

Impact des déboursements d’aide à la santé sur les indicateurs de mortalité des enfants: estimations en DMC avec effets fixes pays

Taux de mortalité infanto-juvénile Taux de mortalité infantile (1) (2) (3) (4) PIB par tête a -0.619 -0.264 -0.516 -0.176 (2.47)** (1.00) (2.33)** (0.73) Nombre de médecins pour 1000 habitants 0.044 0.039 0.046 0.041 (0.77) (0.61) (0.90) (0.70) Education des femmes -0.020 -0.134 -0.005 -0.114 (0.19) (1.02) (0.05) (0.94) Muette si données manquantes éducation des femmes -0.248 -0.445 -0.194 -0.383 (1.36) (1.80)* (1.16) (1.68)* Transferts des migrants a -0.124 -0.123 -0.106 -0.104 (2.95)*** (2.70)*** (2.74)*** (2.46)** Déboursements d’aide à la santé par tête a -0.028 -0.983 -0.019 -0.937 (0.96) (2.25)** (0.73) (2.28)** Déboursements d’aide × PIB par tête a 0.118 0.113 (2.16)** (2.20)** Année = 1995 0.061 0.075 0.075 0.088 (1.20) (1.38) (1.64) (1.79)* Année = 2000 0.029 0.047 0.035 0.051 (1.17) (1.79)* (1.55) (2.16)** Effets fixes pays Oui Oui Oui Oui Nombre d’observations 233 233 233 233 Nombre de pays 86 86 86 86 Sargan ( p -value) 0.29 0.47 0.26 0.36 Test de sous-identification ( p -value) 0.03 0.03 0.03 0.03 F-test de l’équation d’instrumentation du PIB ( p -value) 0.00 0.00 0.00 0.00 F-test de l’équation d’instrumentation de l’aide ( p -value) 0.08 0.08/0.11 0.08/0.11 0.08/0.11 F-test de l’équation d’instrumentation des transferts ( p -value) 0.00 0.00 0.00 0.00 Note: DMC, doubles moindres carrés; PIB. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Toutes les variables excepté l’éducation des femmes, sont évaluées à leurs moyennes triennales de t - 1 à t - 4 et sont mesurées en logarithme. a. Variables instrumentées dans les équations. Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). Le taux de base monétaire (M2/PIB) est également utilisé comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Impact des déboursements d’aide à la santé sur les indicateurs de mortalité des enfants: estimations en DMC avec effets fixes pays

3.5 – Expatriation du personnel médical

42L’estimation de notre modèle de base suggère que les transferts des migrants contribuent à améliorer l’état de santé des enfants dans les pays en développement. Nous analysons à présent une contrepartie des transferts des migrants, plus précisément, l’impact que la migration des personnels de santé pourrait avoir sur la mortalité des enfants. Docquier et Bhargava (2007) ont construit une base de données contenant les informations sur les taux d’émigration de médecins des pays en développement vers les pays développés [12]. Nous introduisons cette variable dans le modèle et estimons une équation de la forme suivante :

43

44où MedicalBrainDrain_i,(t-1,t-4) est la moyenne du taux d’expatriation des médecins sur des sous-périodes de trois ans et transformée en logarithme. Le taux d’expatriation des médecins et les indicateurs de mortalité des enfants peuvent être corrélés à des variables omises telles que la qualité des infrastructures médicales. Aussi instrumentons-nous cette variable en utilisant l’ensemble des instruments initialement retenus pour l’aide et les transferts des migrants.
Les régressions (1) et (2) du tableau 4 présentent les résultats du modèle lorsqu’est introduit le taux d’expatriation des médecins. Le coefficient associé à l’expatriation des médecins est positif et statistiquement significatif : une augmentation de 1 % de la migration des médecins accroît les taux de mortalité infantile et infanto-juvénile de 0.5 %. Il en résulte ainsi que l’expatriation des personnels de santé a des conséquences dommageables sur la santé dans les pays en développement [13].

Tableau 4

Émigration des médecins et mortalité des enfants: estimations en DMC avec effets fixes pays

Taux de mortalité infanto-juvénile Taux de mortalité infantile (1) (2) PIB par tête a -0.486 -0.389 (1.77)* (1.56) Nombre de médecins pour 1000 habitants 0.379 0.365 (2.50)** (2.67)*** Education des femmes -0.205 -0.185 (0.99) (0.98) Muette si données manquantes éducation des femmes -0.536 -0.476 (1.49) (1.45) Transferts des migrants a -0.134 -0.114 (2.54)** (2.35)** Aide à la santé par tête a -1.067 -1.033 (2.02)** (2.14)** Aide× PIB par tête a 0.125 0.122 (1.99)** (2.12)** Emigration des médecins (MBD) a 0.504 0.481 (2.61)*** (2.75)*** Année = 1995 0.093 0.105 (1.33) (1.64) Année = 2000 0.086 0.089 (2.39)** (2.75)*** Effets fixes pays Oui Oui Nombre d’observations 237 237 Nombre de pays 86 86 Sargan ( p -value) 0.99 0.99 Test de sous-identification ( p -value) 0.07 0.07 F-test de l’équation d’instrumentation du PIB ( p -value) 0.00 0.00 F-test de l’équation d’instrumentation de l’aide ( p -value) 0.10/0.12 0.10/0.12 F-test de l’équation d’instrumentation des transferts ( p -value) 0.00 0.00 F-test de l’équation d’instrumentation de MBD ( p -value) 0.01 0.01 Note: DMC, doubles moindres carrés; PIB. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Toutes les variables excepté l’éducation des femmes, sont évaluées à leurs moyennes triennales de t - 1 à t - 4 et sont mesurées en logarithme. a. Variables instrumentées dans les équations. Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). Le taux de base monétaire (M2/PIB) est également utilisé comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Émigration des médecins et mortalité des enfants: estimations en DMC avec effets fixes pays

45Il est par ailleurs intéressant de noter que l’introduction de la migration des médecins n’altère pas la valeur estimée du coefficient associé à l’aide allouée au secteur de la santé. Ainsi, le seuil de revenu par habitant à partir duquel la relation aide-mortalité devient positive reste similaire à celui estimé dans le tableau 2 (entre 4 700 US$ et 5 000 US$).

4.1 – Modèle empirique et données

47Nous utilisons la base de données de la Banque mondiale, Health, Nutrition and Population (HNP) dans laquelle les indicateurs calculés dans les enquêtes démographiques et de santé (EDS) sont aggrégés par quintile de richesse (Gwatkin et al. 2007). À la suite de Filmer et Pritchett (2001), les quintiles de richesse sont identifiés à partir d’une analyse en composantes principales reposant sur les corrélations entre différents biens durables détenus par les ménages (ainsi que d’autres caractéristiques des ménages).

48Peu d’études à ce jour ont utilisé les données HNP pour analyser les déterminants de l’état de santé des enfants. À notre connaissance, la première étude est celle de Fay et al. (2005). Partant d’un échantillon de 39 pays en développement et à l’aide d’estimations économétriques de modèles à effets aléatoires, les auteurs montrent que parmi les déterminants traditionnels de la santé des enfants (revenu par habitant, richesse, éducation et interventions publiques dans le secteur de la santé), un meilleur accès aux infrastructures de base (eau, électricité, etc.) contribue à réduire la mortalité infantile et infanto-juvénile ainsi qu’à améliorer certains indicateurs anthropométriques. Ravallion (2007) conteste ces résultats en remettant en cause la stratégie empirique retenue par les auteurs. Premièrement, le modèle estimé par Fay et al. (2005) est un modèle linéaire alors qu’une spécification logarithmique aurait été plus appropriée étant donné le caractère borné de la variable dépendante. Deuxièmement, en estimant un modèle à effets aléatoires, Fay et al. (2005) font implicitement l’hypothèse que ces derniers sont non corrélés avec les variables explicatives du modèle. Il s’agit là d’une hypothèse extrêmement forte dans la mesure où plusieurs sources d’hétérogénéité entre pays peuvent être suspectées. Finalement, il pourrait exister des biais importants dus à l’omission de variables intra-pays telles que l’éducation des mères. En utilisant exactement les mêmes données que celles de Fay et al. (2005) mais en estimant un modèle log-linéaire à effets fixes incluant une variable d’éducation des femmes, Ravallion ne trouve pas d’impact significatif de l’accès aux infrastructures de base sur la santé des enfants. Ses résultats suggèrent en revanche un impact significatif de l’accès aux soins de santé et de l’éducation des femmes sur la santé des enfants [14]. L’étude de Fielding, McGillivray et Torres (2008) utilise également les données HNP. À l’aide d’un système d’équations simultanées, les auteurs examinent les relations entre quatre OMD (la santé, l’éducation, l’accès à l’eau potable et l’accès aux soins de santé) et l’aide publique au développement. Bien que l’aide soit efficace en moyenne, les résultats de leurs analyses suggèrent que les plus pauvres ne sont pas les premiers bénéficiaires de l’assistance extérieure.

49Dans ce qui suit, nous utilisons une version actualisée de la base de données HNP dans laquelle certains pays disposent de plusieurs points d’observations dans le temps (voir l’Annexe A.3. pour la liste des pays). Cette dimension temporelle rend possible l’analyse de l’impact de variables spécifiques aux pays et qui varient dans le temps telles que le PIB par habitant, l’aide et les transferts des migrants dans un modèle à effets fixes pays. La base de données couvre 47 pays parmi lesquels 25 sont africains. Les données étant exprimées par quintile de richesse, nous disposons, pour chaque pays, de cinq points d’observation au minimum, ce qui donne un nombre total d’observations égal à 380.
Le tableau 5 présente les statistiques descriptives associées aux variables d’intérêt. Les résultats suggèrent l’existence de fortes disparités de santé à l’intérieur des pays, qui sont corrélées aux inégalités de richesse. Les ménages appartenant aux quintiles les plus pauvres sont ceux qui affichent, en moyenne, des taux de mortalité infantile et infanto-juvénile plus élevés. Les taux de mortalité apparaissent ainsi deux fois plus élevés chez les pauvres que chez les riches. Des écarts similaires sont observés pour les taux de scolarisation des femmes, qui varient de 29.15 pour le quintile pauvre à 76.34 pour le quintile le plus riche. Il est par ailleurs important de souligner que les inégalités intra-pays sont toujours plus faibles que les inégalités inter-pays.

Tableau 5

Statistiques descriptives

Variable Moyenne Ecart-type Minimum Maximum Echantillon total (380 observations) Mortalité infantile a 72.13 33.75 11.90 187.70 Mortalité infanto-juvénile b 113.80 67.00 14.20 354.90 Education des femmes c 50.44 31.94 0.50 99.80 Quintile le plus pauvre suivant l’indice de richesse (76 observations) Mortalité infantile a 86.88 31.32 32.00 187.70 Mortalité infanto-juvénile b 140.08 62.82 39.10 297.90 Education des femmes c 29.15 25.98 0.50 98.70 Deuxième quintile (76 observations) Mortalité infantile a 82.62 32.71 23.80 152.30 Mortalité infanto-juvénile b 132.33 69.25 27.30 354.90 Education des femmes c 39.24 29.75 1.00 99.50 Troisième quintile (76 observations) Mortalité infantile a 75.91 34.14 19.70 157.20 Mortalité infanto-juvénile b 120.08 69.44 23.50 348.30 Education des femmes c 48.38 30.98 1.50 99.80 Quatrième quintile (76 observations) Mortalité infantile a 65.64 32.17 11.90 142.00 Mortalité infanto-juvénile b 102.63 64.63 14.20 314.90 Education des femmes c 59.09 29.71 4.80 99.60 Quintile riche (76 observations) Mortalité infantile a 49.58 24.51 13.80 97.20 Mortalité infanto-juvénile b 73.88 45.93 15.80 183.70 Education des femmes c 76.34 20.13 27.00 99.80 Source: Banque mondiale, Health, Nutrition, and Population database. a. La mortalité infantile est mesurée par le nombre de décès d’enfants âgés de moins de 12 mois pour 1000 naissances b. La mortalité infanto-juvénile est le nombre de décès d’enfants âgés de moins de 5 ans pour 1000 naissances c. L’éducation des femmes est mesurée par le pourcentage de femmes âgées entre 15 et 49 ans ayant terminé le cycle primaire

Statistiques descriptives

50Le modèle estimé pour saisir l’impact de nos variables d’intérêt sur la mortalité des enfants à l’intérieur des pays est proche des modèles estimés précédemment :

51

52où j est l’indice de quintile de richesse et q_j sont les variables muettes associées à chaque quintile. Le vecteur X_i,(t-1,t-4) inclut le PIB par habitant en dollars constants (PPA) et le nombre de médecins pour 1 000 habitants. Ces variables sont des moyennes triennales (de t - 1 à t - 4) et sont mesurées en logarithme. X_j,i,t est une variable d’éducation des femmes désagrégée par quintile j et mesurée en logarithme.

53Pour tester si l’impact de l’aide et des transferts des migrants varie selon le quintile de richesse, LnHealth aid et LnRemit sont croisés avec les variables muettes associées à chaque quintile q₂ à q₅, le quintile le plus pauvre étant pris comme référence. Nous avons par ailleurs choisi de ne pas croiser les autres variables de contrôle avec les muettes quintiles, afin de limiter le nombre d’instruments qui seront nécessaires lorsque la spécification en variables instrumentales (DMC) sera retenue. Pour finir, nous introduisons des effets fixes quintiles

4.2 – Résultats des estimations

54L’impact intra-pays de l’aide et des transferts des migrants est évalué en utilisant alternativement les taux de mortalité infantile et infanto-juvénile comme variables dépendantes. Les estimations sont d’abord menées sans, puis avec les variables d’interaction (tableaux 6 et 7). Dans chaque tableau, nous présentons les résultats obtenus par les méthodes des moindres carrés ordinaires, des moindres carrés avec effets fixes et des doubles moindres carrés avec effets fixes.

Tableau 6

Spécification intra-pays sans termes interactifs

Taux de mortalité infanto-juvénile Taux de mortalité infantile MCO Within DMC MCO Within DMC (1) (2) (3) (4) (5) (6) PIB par tête a -0.272 -0.871 -0.673 -0.281 -0.868 -0.620 (3.41)*** (5.21)*** (3.16)*** (4.52)*** (5.04)*** (2.71)*** Nombre de médecins pour 1000 h. -0.157 -0.111 -0.016 -0.081 -0.065 0.034 (4.55)*** (1.61) (0.21) (2.82)*** (0.92) (0.39) Education des femmes a -0.132 0.047 -0.220 -0.100 0.052 -0.186 (3.26)*** (2.01)** (1.79)* (3.08)*** (2.13)** (1.59) Transferts des migrants par tête a -0.031 -0.036 -0.075 -0.022 -0.022 -0.076 (1.64) (1.30) (1.53) (1.34) (0.77) (1.56) Aide à la santé par tête a 0.027 0.053 0.048 0.023 0.047 0.045 (0.71) (1.72)* (0.90) (0.66) (1.48) (0.83) Constante 7.054 11.163 6.696 10.738 (11.63)*** (8.84)*** (14.07)*** (8.26)*** Effets fixes pays Non Oui Oui Non Oui Oui Muettes quintiles Oui Oui Oui Oui Oui Oui Nombre d’observations 380 380 370 380 380 370 R 2 0.79 0.72 0.74 0.64 Nombre de pays 47 46 47 46 Test de sous-identification ( p -value) 0.01 0.01 Sargan ( p -value) 0.52 0.20 F-test de l’instrumentation du revenu par tête ( p -value) 0.000 0.000 F-test de l’instrumentation de l’éducation ( p -value) 0.044 0.044 F-test de l’instrumentation de l’aide ( p -value) 0.000 0.000 F-test de l’équation d’instrumentation des transferts ( p -value) 0.000 0.000 Note: DMC, doubles moindres carrés; PIB, Produit intérieur brut; MCO, moindres carrés ordinaires. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Le PIB par tête, le nombre de médecins, l’aide à la santé et les transferts des migrants sont évalués à leurs moyennes triennales de t - 1 à t - 4 et sont mesurés en logarithme. L’éducation des femmes est mesurée aux mêmes années que la variable dépendante, pour chaque quintile de revenus et exprimée en logarithme. a. Variables instrumentées dans les équations (3) et (6). Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). La profondeur financière (M2/PIB) est également utilisée comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Spécification intra-pays sans termes interactifs

55Comme le suggèrent les résultats présentés dans le tableau 6, l’impact des variables de contrôle est quasi similaire à celui obtenu dans l’analyse inter-pays. Le PIB par habitant, par exemple, est négativement associé à la mortalité des enfants. Le coefficient estimé pour cette variable montre qu’un accroissement du PIB par habitant de 1 % réduit les taux de mortalité infantile et infanto-juvénile d’environ 0.6 %. Le nombre de médecins pour 1 000 habitants n’a quant à lui pas d’impact significatif sur la mortalité, tandis que le niveau d’éducation des femmes n’a d’impact significatif que sur la mortalité infanto-juvénile. Ce résultat, bien que cohérent avec l’analyse inter-pays, est différent de celui obtenu par Ravallion (2007) qui trouve un impact négatif et significatif de l’éducation des mères sur la mortalité infantile. Ceci peut s’expliquer par le fait que la variable d’éducation que nous avons retenue est moins précise que celle employée par Ravallion : nous utilisons le pourcentage de femmes âgées de 15-49 ans qui ont achevé la cinquième année d’études, alors que Ravallion utilise le nombre d’années d’études moyen des femmes.
En ce qui concerne nos variables d’intérêt, les résultats des estimations suggèrent que ni les transferts des migrants ni l’aide publique au développement n’ont d’impact sur la mortalité. Cependant, les résultats changent quand nous tenons compte des interactions de l’aide et des transferts des migrants avec les variables muettes associées à chaque quintile de richesse (tableau 7). L’impact des transferts des migrants apparaît cette fois significatif et croissant avec le niveau de richesse. L’impact des transferts des migrants sur la santé des enfants est en effet nul pour les ménages pauvres (colonne 3) alors qu’il est substantiel pour les classes moyennes et riches, avec des coefficients évalués à 0,11, 0,16 et 0,23 pour les troisième, quatrième et cinquième quintiles respectivement. Ces résultats suggèrent que les transferts des migrants tendent à accroître les inégalités face au risque de mortalité dans les pays receveurs.

Tableau 7

Spécification intra-pays avec termes interactifs

Taux de mortalité infanto-juvénile Taux de mortalité infantile MCO Within DMC MCO Within DMC (1) (2) (3) (4) (5) (6) PIB par tête a -0.271 -0.867 -0.673 -0.279 -0.865 -0.620 (3.38)*** (5.63)*** (2.72)*** (4.46)*** (5.33)*** (2.39)** Nombre de médecins pour 1000 hbts -0.156 -0.109 -0.016 -0.080 -0.063 0.034 (4.48)*** (1.72)* (0.15) (2.79)*** (0.95) (0.31) Education des femmes a -0.137 0.037 -0.220 -0.103 0.045 -0.186 (3.53)*** (1.69)* (1.49) (3.29)*** (1.92)* (1.39) Transferts par tête a 0.017 0.015 0.035 0.022 0.024 0.011 (0.73) (0.56) (0.49) (0.99) (0.83) (0.16) Transferts par tête × quintile 2 a -0.033 -0.040 -0.044 -0.034 -0.040 -0.029 (3.37)*** (2.75)*** (1.00) (2.80)*** (2.64)*** (0.69) Transferts par tête × quintile 3 a -0.055 -0.063 -0.114 -0.052 -0.059 -0.087 (3.64)*** (4.35)*** (3.15)*** (3.60)*** (3.84)*** (2.58)*** Transferts par tête × quintile 4 a -0.074 -0.077 -0.163 -0.067 -0.070 -0.132 (4.25)*** (5.31)*** (3.99)*** (3.84)*** (4.55)*** (3.40)*** Transferts par tête × quintile 5 a -0.085 -0.076 -0.232 -0.068 -0.060 -0.187 (3.61)*** (5.21)*** (2.98)*** (3.05)*** (3.93)*** (2.60)*** Aide par tête a -0.028 0.003 -0.073 -0.031 -0.002 -0.072 (0.69) (0.08) (0.85) (0.79) (0.07) (0.90) Aide par tête× quintile 2 a 0.041 0.040 0.078 0.037 0.037 0.074 (3.18)*** (1.75)* (1.32) (2.24)** (1.50) (1.28) Aide par tête× quintile 3 a 0.067 0.062 0.121 0.059 0.055 0.120 (3.11)*** (2.70)*** (2.20)** (2.62)** (2.26)** (2.29)** Aide par tête× quintile 4 a 0.096 0.087 0.194 0.097 0.089 0.178 (3.35)*** (3.75)*** (2.94)*** (3.30)*** (3.63)*** (2.76)*** Aide par tête× quintile 5 a 0.074 0.061 0.210 0.076 0.066 0.209 (1.95)* (2.64)*** (2.17)** (2.09)** (2.69)*** (2.30)** Constante 6.969 11.069 6.620 10.655 (11.43)*** (9.51)*** (13.82)*** (8.70)*** Effets fixes pays Non Oui Oui Non Oui Oui Muettes quintiles Oui Oui Oui Oui Oui Oui Nombre d’observations 380 380 370 380 380 370 R 2 0.81 0.76 0.75 0.69 Nombre de pays 47 46 47 46 Significativité conjointe de l’aide 0.038 0.000 0.073 0.061 0.005 0.100 Significativité conjointe des transferts 0.000 0.000 0.000 0.003 0.000 0.007 Test de sous-identification ( p -value) 0.14 0.14 Sargan ( p -value) 0.66 0.31 F-test de l’instrumentation du PIB par tête ( p -value) 0.000 0.000 F-test de l’instrumentation de l’éducation des femmes ( p -value) 0.000 0.000 F-test de l’instrumentation de l’aide ( p -value) 0.000 0.000 F-test de l’instrumentation de Aide × q2 ( p -value) 0.046 0.046 F-test de l’instrumentation de Aide × q3 ( p -value) 0.046 0.046 F-test de l’instrumentation de Aide × q4 ( p -value) 0.046 0.046 F-test de l’instrumentation de Aide × q5 ( p -value) 0.046 0.046 F-test de l’instrumentation des Transferts ( p -value) 0.000 0.000 F-test de l’instrumentation de Transferts × q2 ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q3 ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q4 ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q5 ( p -value) 0.003 0.003 Note: DMC, doubles moindres carrés; PIB, Produit intérieur brut; MCO, moindres carrés ordinaires. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Le PIB par tête, le nombre de médecins, l’aide à la santé et les transferts des migrants sont évalués à leurs moyennes triennales de t - 1 à t - 4 et sont mesurés en logarithme. L’éducation des femmes est mesurée aux mêmes années que la variable dépendante, pour chaque quintile de revenus et exprimée en logarithme. a. Variables instrumentées dans les équations (3) et (6). Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). Les produits des valeurs retardées de l’aide et des transferts des migrants avec chacune des muettes quintiles sont retenus comme instruments des termes interactifs. La profondeur financière (M2/PIB) est également utilisée comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Spécification intra-pays avec termes interactifs

56En ce qui concerne l’aide publique au développement, aucun effet pro-pauvre ou pro-riche n’est décelé. Ce résultat contraste fortement avec celui de Fielding, McGillivray et Torres (2008) qui trouvent un impact significatif et négatif de l’aide (en pourcentage du PIB) sur la mortalité des enfants et croissant avec le niveau de richesse.

57Pour finir, nous introduisons la variable d’expatriation des médecins parmi les régresseurs (tableau 8). Cette variable ne semble pas avoir d’effet direct sur la mortalité des enfants, mais son introduction atténue l’impact estimé des transferts des migrants quel que soit le quintile de revenu considéré.

Tableau 8

Spécification intra-pays incluant les termes interactifs et l’émigration des médecins

Taux de mortalité infanto-juvénile Taux de mortalité infantile (1) (2) PIB par tête a -0.823 -0.814 (3.41)*** (2.71)*** Nombre de médecins pour 1000 habitants -0.913 -1.123 (1.55) (1.56) Education des mères a 0.195 0.348 (0.65) (0.95) Emigration des médecins a -0.983 -1.268 (1.50) (1.61) Transferts des migrants par tête a 0.115 0.114 (1.52) (1.18) Transferts des migrants × quintile 2 a -0.064 -0.055 (1.81)* (1.35) Transferts des migrants × quintile 3 a -0.126 -0.102 (3.85)*** (2.67)*** Transferts des migrants × quintile 4 a -0.121 -0.077 (2.78)*** (1.53) Transferts des migrants × quintile 5 a -0.077 0.012 (0.69) (0.09) Aide par tête a -0.116 -0.127 (1.54) (1.44) Aide par tête× quintile 2 a 0.053 0.041 (1.10) (0.68) Aide par tête× quintile 3 a 0.061 0.043 (0.98) (0.56) Aide par tête× quintile 4 a 0.096 0.052 (1.11) (0.49) Aide par tête× quintile 5 a 0.068 0.026 (0.57) (0.18) Effets fixes pays Oui Oui Muettes quintiles Oui Oui Nombre d’observations 370 370 Nombre de pays 46 46 Significativité conjointe de l’aide 0.557 0.804 Significativité conjointe des transferts 0.001 0.080 Test de sous-identification ( p -value) 0.67 0.67 Sargan ( p -value) 0.87 0.66 F-test de l’instrumentation du PIB par tête ( p -value) 0.000 0.000 F-test de l’instrumentation de l’éducation des femmes ( p -value) 0.000 0.000 F-test de l’instrumentation de l’aide ( p -value) 0.000 0.000 F-test de l’instrumentation de Aide × q2 ( p -value) 0.046 0.046 F-test de l’instrumentation de Aide × q3 ( p -value) 0.046 0.046 F-test de l’instrumentation de Aide × q4 ( p -value) 0.046 0.046 F-test de l’instrumentation de Aide × q5 ( p -value) 0.046 0.046 F-test de l’instrumentation des Transferts ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q2 ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q3 ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q4 ( p -value) 0.003 0.003 F-test de l’instrumentation de Transferts × q5 ( p -value) 0.003 0.003 F-test de l’instrumentation de l’émigration des médecins ( p -value) 0.000 0.000 Note: DMC, doubles moindres carrés; PIB, Produit intérieur brut; MCO, moindres carrés ordinaires. Entre parenthèses, les t de student corrigés de l’hétéroscédasticité. Le PIB par tête, le nombre de médecins, l’aide à la santé et les transferts des migrants sont évalués à leurs moyennes triennales de t - 1 à t - 4 et sont mesurés en logarithme. L’éducation des femmes est mesurée aux mêmes années que la variable dépendante, pour chaque quintile de revenus et exprimée en logarithme. a. Variables instrumentées dans les équations (3) et (6). Les instruments incluent les valeurs du PIB et de l’aide à la santé par tête retardées de deux périodes. L’aide et les transferts des migrants sont instrumentés suivant la tradition de Tavares (2003) : aide totale provenant des budgets des cinq principaux donneurs (États-Unis, Japon, France, Royaume-Uni et Allemagne) en dollars constants et pondérée par des variables de proximité géographique (distance) et culturelle (religion commune). Les produits des valeurs retardées de l’aide et des transferts des migrants avec chacune des muettes quintiles sont retenus comme instruments des termes interactifs. La profondeur financière (M2/PIB) est également utilisée comme instrument des transferts des migrants. * Significatif à 10 %. ** Significatif à 5 %. *** Significatif à 1 %.

Spécification intra-pays incluant les termes interactifs et l’émigration des médecins