CHAPITRE II. APPLICATION PRATIQUE

0. Consigne

Projet :

Évaluation des politiques de transfert monétaire sur la pauvreté et les inégalités au Burkina Faso, à l’aide des données de l’EHCVM 2021.

Scénarios simulés :

  • ScĂ©nario 1 : Transfert universel — Tous les mĂ©nages reçoivent une allocation annuelle de 100 000 CFA.
  • ScĂ©nario 2 : Transfert universel rural — Seuls les mĂ©nages ruraux reçoivent l’allocation.
  • ScĂ©nario 3 : Chef de mĂ©nage femme — Transfert ciblĂ© aux mĂ©nages dirigĂ©s par une femme.
  • ScĂ©nario 4 : Chef polygame — Transfert aux mĂ©nages dont le chef est polygame.
  • ScĂ©nario 5 : Handicap — Transfert aux mĂ©nages comprenant un membre en situation de handicap.

1. Chargement des packages nécessaires et des données EHCVM 2021 du Burkina Faso

Objectif

Utiliser le package gtsummary pour explorer, résumer et mieux comprendre les variables clés.

Variables importantes

Variable Description
pcexp DĂ©pense par tĂŞte (proxy du revenu)
hhsize Taille du ménage
milieu Milieu de résidence (urbain ou rural)
hmstat Statut matrimonial du chef de ménage
hgender Sexe du chef de ménage
zref Seuil de pauvreté national
hhandig Présence ou non d’handicapés dans le ménage

Préparation des données

Commençons par charger les bibliothèques nécessaires

# Chargement des packages nécessaires à l’analyse
# (Ils seront installés automatiquement s'ils ne sont pas présents)

# Liste des packages
packages <- c(
  "readr",      # Pour lire les fichiers de données (CSV, etc.)
  "dplyr", # Pour manipuler les données (filtrer, grouper, résumer, etc.)
  "gtsummary",  # Pour créer des tableaux statistiques descriptifs professionnels
  "flextable",  # Pour formater/exporter des tableaux (Word, PPT, HTML)
  "gt",         # Pour créer des tableaux visuels modernes et interactifs
  "ggplot2",    # Pour réaliser des graphiques personnalisés
  "tidyr", #organiser et transformer les données en un format “tidy”, c’est-à-dire 
  # Chaque variable dans une colonne, chaque observation dans une ligne, chaque valeur dans une cellule.
  "ineq",       # Pour mesurer les inégalités (ex. : coefficient de Gini)
  "kableExtra",  # Pour améliorer les tableaux `knitr::kable()` dans les rapports
  "officer" # Sauvegarder des tableaux gtsummary en word
)

# Fonction pour installer les packages manquants
install_if_missing <- function(pkg) {
  if (!requireNamespace(pkg, quietly = TRUE)) {
    install.packages(pkg)
  }
}

# Installation au besoin
invisible(lapply(packages, install_if_missing))

# Chargement des packages
lapply(packages, library, character.only = TRUE)

Lecture du fichier

library(readr)

# Chargement du jeu de données EHCVM
dataset <- read_csv("data/ehcvm_welfare_2b_bfa2021.csv")
vars_interet <- c("hhid", "milieu", "pcexp","hmstat", "hhsize","hhandig", "hgender", "zref")
datasetapp <- dataset %>% 
  select(all_of(vars_interet))

2. Exploration préliminaire

Aperçu des premières lignes

## # A tibble: 6 x 8
##     hhid milieu   pcexp hmstat            hhsize hhandig hgender     zref
##    <dbl> <chr>    <dbl> <chr>              <dbl> <chr>   <chr>      <dbl>
## 1 586005 Rural  330982. Marié(e) monogame      8 Non     Masculin 247806.
## 2 586028 Rural  368773. Marié(e) polygame     33 Non     Masculin 247806.
## 3 586043 Rural  217423. Marié(e) monogame      4 Non     Masculin 247806.
## 4 586044 Rural   88294. Marié(e) monogame     12 Non     Masculin 247806.
## 5 586052 Rural   85029. Marié(e) polygame     12 Non     Masculin 247806.
## 6 586082 Rural  175191. Marié(e) monogame      6 Non     Masculin 247806.

Dimensions de la base

## [1] 7176    8

Vérification de la qualité des données

## Il n'y a pas de valeurs manquantes dans le dataset.
## Il n'y a pas de doublons dans le dataset.

3. Proposition de correction du projet

Évaluation des politiques de transfert monétaire sur la pauvreté et les inégalités au Burkina Faso

Introduction

Les programmes de transfert monétaire constituent une approche de protection sociale de pour lutter contre la pauvreté.

MĂ©thodologie

Analyse descriptive avec gtsummary

  • Tableau rĂ©capitulatif gĂ©nĂ©ral
## Setting theme "Compact"
## Setting theme "Compact"
(\#tab:Chap2TabRecapGeneral)Tableau 1. Caractéristiques des ménages burkinabè (EHCVM 2021)
Nom de variables N N = 7,1761
hhid 7,176 885,190.9 (173,163.9)
Milieu de résidence 7,176
    Rural
3,838 (53.5%)
    Urbain
3,338 (46.5%)
DĂ©pense par tĂŞte 7,176 475,346.2 (449,755.9)
Statut matrimonial 7,176
    Célibataire
349 (4.9%)
    Divorcé(e)
50 (0.7%)
    Marié(e) monogame
4,352 (60.6%)
    Marié(e) polygame
1,572 (21.9%)
    Séparé(e)
86 (1.2%)
    Union libre
199 (2.8%)
    Veuf(ve)
568 (7.9%)
Taille du ménage 7,176 6.4 (4.0)
Présence de handicapés 7,176
    Non
6,763 (94.2%)
    Oui
413 (5.8%)
Sexe du chef de ménage 7,176
    Féminin
1,075 (15.0%)
    Masculin
6,101 (85.0%)
Seuil de pauvreté 7,176
    247805.71875
7,176 (100.0%)
1 Mean (SD); n (%)
  • Exportation du Tableau rĂ©capitulatif gĂ©nĂ©ral au format HTML (gt)
(\#tab:chap2exporthtml)Tableau 1. Caractéristiques des ménages burkinabè (EHCVM 2021)
Tableau récapitulatif général
Au format HTML (gt)
Nom de variables N N = 7,1761
hhid 7,176 885,190.9 (173,163.9)
Milieu de résidence 7,176
    Rural
3,838 (53.5%)
    Urbain
3,338 (46.5%)
DĂ©pense par tĂŞte 7,176 475,346.2 (449,755.9)
Statut matrimonial 7,176
    Célibataire
349 (4.9%)
    Divorcé(e)
50 (0.7%)
    Marié(e) monogame
4,352 (60.6%)
    Marié(e) polygame
1,572 (21.9%)
    Séparé(e)
86 (1.2%)
    Union libre
199 (2.8%)
    Veuf(ve)
568 (7.9%)
Taille du ménage 7,176 6.4 (4.0)
Présence de handicapés 7,176
    Non
6,763 (94.2%)
    Oui
413 (5.8%)
Sexe du chef de ménage 7,176
    Féminin
1,075 (15.0%)
    Masculin
6,101 (85.0%)
Seuil de pauvreté 7,176
    247805.71875
7,176 (100.0%)
1 Mean (SD); n (%) 
## Le fichier 'tbl_recap_gt_chap2.html' a été sauvegardé avec succès !

Situation avant les simulations

indices_initiaux
##                 Indicateur Valeur
## 1  Incidence (FGT0)initial  0.390
## 2 Profondeur (FGT1)initial  0.116
## 3   Sévérité (FGT2)initial  0.048
## 4              Giniinitial  0.403

Remarque sur la présentation du tableau précédent

Le tableau précédent a été présenté sous forme de dataframe car gtsummary n’est pas spécifiquement conçu pour afficher des tableaux déjà calculés ligne par ligne. En effet, gtsummary est principalement destiné à résumer des données brutes, notamment via des statistiques descriptives ou des analyses bivariées.

Ainsi, si l’on souhaite présenter de manière élégante des résultats déjà agrégés (tels que des indices FGT ou un coefficient de Gini), il est souvent préférable d’utiliser des packages comme gt() ou flextable(), qui sont plus adaptés à ce type de mise en forme.

Tableau – Indices de pauvreté et d’inégalités (Scénario de base)
Indicateur Valeur
Incidence (FGT0)initial 0.390
Profondeur (FGT1)initial 0.116
Sévérité (FGT2)initial 0.048
Giniinitial 0.403

RĂ©sultats des simulations

Tableau comparatif des scénarios avec l’option 1 : gt()

Comparaison des scénarios de transfert monétaire
Impact sur la pauvreté et les inégalités
Scénario FGT0 (Incidence) FGT1 (Profondeur) FGT2 (Sévérité) Gini Coût total (FCFA) Efficacité
Universel 0.354 0.099 0.038 0.3946771 F717,600,000 27.951%
Rural 0.365 0.103 0.040 0.3940861 F383,800,000 39.291%
Femme chef 0.385 0.113 0.046 0.4011870 F107,500,000 28.940%
Polygames 0.380 0.110 0.044 0.3998966 F157,200,000 42.958%
Handicap 0.388 0.115 0.047 0.4023514 F41,300,000 29.976%

Tableau comparatif des scénarios avec l’option 2 : flextable()

Table 1: Comparaison des scénarios de transfert monétaire

Scénario

FGT0 (Incidence)

FGT1 (Profondeur)

FGT2 (Sévérité)

Gini

Coût total (FCFA)

Efficacité

Universel

0.3536606

0.09854293

0.03816320

0.3946771

717,600,000

0.2795121

Rural

0.3648742

0.10289152

0.04043923

0.3940861

383,800,000

0.3929103

Femme chef

0.3848552

0.11334728

0.04627177

0.4011870

107,500,000

0.2893988

Polygames

0.3803957

0.11016572

0.04440902

0.3998966

157,200,000

0.4295813

Handicap

0.3875395

0.11498352

0.04730807

0.4023514

41,300,000

0.2997606

Bien que les tableaux permettent une présentation rigoureuse et détaillée des résultats, ils peuvent parfois rendre l’interprétation moins intuitive, surtout pour des publics non spécialisés. Ainsi, afin de mieux visualiser l’impact des différentes politiques de transfert et faciliter la comparaison entre scénarios, des représentations graphiques ont été ajoutées dans la suite. Ces graphiques offrent une lecture plus directe et synthétique des principaux résultats, tout en conservant la robustesse analytique présentée dans les tableaux précédents.

Comparaison des différents scénarios

Conclusion

L’analyse comparative des différents scénarios de transfert monétaire à l’aide du package gtsummary nous a permis d’obtenir des résultats clairs et bien présentés. Les principales conclusions sont :

  • Le ciblage universel est le plus efficace en termes d’impact brut avec une forte rĂ©duction de la pauvretĂ© FGT0 : 0.354 (vs 0.390), FGT1 : 0.099, FGT2 : 0.038, Gini : 0.395,mais cela se fait au prix du coĂ»t le plus Ă©levĂ© : 717 600 000 FCFA, pour une efficacitĂ© modĂ©rĂ©e (27.95 %).

  • Le ciblage polygame est le plus efficient (EfficacitĂ© : 42.96 %, coĂ»t : 157 200 000 FCFA),avec une rĂ©duction notable des indices (FGT1 : 0.110 vs 0.116, FGT2 : 0.044).

  • Le ciblage rural constitue une stratĂ©gie Ă©quilibrĂ©e avec un impact significatif (FGT1 : 0.103), un coĂ»t raisonnable : 383 800 000 FCFA et bonne efficacitĂ© : 39.29 %.

Des scénarios combinés comme rural + femme chef ou polygame + présence d’handicapés pourraient permettre une réduction significative de la pauvreté à moindre coût, tout en assurant une meilleure ciblage des plus vulnérables.

Annexe : DĂ©finitions et formules

Indices FGT (Foster-Greer-Thorbecke) :

  • FGT0 (Incidence) : Proportion de la population vivant sous le seuil de pauvretĂ©

\[FGT_0 = \frac{1}{N} \sum_{i=1}^{N} \mathbf{1}(pcexp_i < z)\] - FGT1 (Profondeur) : Écart moyen normalisé entre le revenu des pauvres et le seuil de pauvreté

\[FGT_1 = \frac{1}{N} \sum_{i=1}^{N} \left( \frac{z - pcexp_i}{z} \right) \mathbf{1}(pcexp_i < z)\]

  • FGT2 (SĂ©vĂ©ritĂ©) : Moyenne des carrĂ©s des Ă©carts normalisĂ©s, donnant plus de poids aux plus pauvres

\[FGT_2 = \frac{1}{N} \sum_{i=1}^{N} \left( \frac{z - pcexp_i}{z} \right)^2 \mathbf{1}(pcexp_i < z)\]

Coefficient de Gini : Mesure de l’inégalité de la distribution des revenus au sein d’une hhsizeulation (0 = égalité parfaite, 1 = inégalité maximale)

\[G = \frac{\sum_{i=1}^{N} \sum_{j=1}^{N} |pcexp_i - pcexp_j|}{2 N^2 \bar{pcexp}}\]

oĂą :

  • \(N\) est la population totale,

  • \(pcexp_i\) est la dĂ©pense de consommation par tĂŞte du mĂ©nage \(\( i \)\),

  • \(z\) est le seuil de pauvretĂ©,

  • \(\mathbf{1}(pcexp_i < z)\) est une fonction indicatrice qui vaut 1 si \(pcexp_i < z\), sinon 0,

  • \(\bar{pcexp}\) est la moyenne des dĂ©penses de consommation par tĂŞte.

  • EfficacitĂ© du transfert : Ratio entre la rĂ©duction du gap de pauvretĂ© et le coĂ»t total du programme de transfert

Pied de page personnalisé
© Avril 2025 ENSAE Dakar - TP10 : Tableaux avec gtsummary | Réalisé par Mlle Awa DIAW et M. Paulinah RASAMOELINA | Dans le cadre du cours Projet statistique avec R