Extrait
TABLE DES MATIERES
TABLE DES MATIERES
INTRODUCTION
I. REVUE DE LITTERATURE
II. METHODOLOGIE
1. PRESENTATION DES VARIABLES
2. SPECIFICATION DU MODELE
III. ETUDE ECONOMETRIQUE SUR L’HETEROGENEITE DES TAUX DE MORTALITE COVID-19
1. PRESENTATION DES DONNEES
2. RESULTATS DES ESTIMATIONS
2.1 Investigation
2.2 Tests de spécification
2.2.1 Likelihood Ratio Test (Test de Fisher)
2.2.2 Le test de Breusch Pagan
2.2.3 Le test de HAUSMAN
2.2.4 Le test de Normalité des résidus
IV. INTERPRETATION DES RESULTATS
CONCLUSION
BIBLIOGRAPHIE
ANNEXES
Annexe 1 : Test d’homogénéité de Fisher
Annexe 2 : Test de Breusch Pagan ou LM test
Annexe 3 : Test d’Hausman
Annexe 4 : Estimation du modèle OLS (sans effets)
Annexe 5 : Estimation du modèle à effets fixes par les MCO
Annexe 6 : Estimation du modèle à effets aléatoires
Annexe 7 : Estimation de la MMG en panel dynamique
Annexe 8 : Test de Normalité
Annexe 9 : Corrélation
INTRODUCTION
Les coronavirus sont considérés comme une grande famille de virus qui engendrent diverses maladies partant d’un simple rhum ou une simple toux à des pathologies plus que sévères à l’exemple du MERS ou SRAS. En décembre 2019, un tout nouveau type de coronavirus a été identifié à Wuhan une ville de la province du Hubei en Chine. Cette pandémie est devenue virale dans toute la chine et s’est vite propagée dans différents pays avant de devenir aujourd’hui ce qui est une menace mondiale. La Covid-19 a été désigné pour la première fois en février 2019 par l’organisation mondiale de la santé qui signifie coronavirus maladie 2019. Le virus derrière la Covid-19 est le coronavirus 2 du syndrome respiratoire aigu sévère (SRAS-CoV-2) qui à ce jour a causé plus de 40 millions d’infections avec plus d’1 million de décès dans le monde. Afin de lutter contre le virus Covid-19 et surtout d’éviter sa propagation plusieurs gouvernements avaient instauré pour la plupart au mois de mars des mesures relatives telles que la fermeture des établissements scolaires, des restaurants, des frontières, des aéroports, des espaces regroupant un grand nombre de public, le confinement, mais aussi un système des stratégies de dépistage… Notons que toutes ses mesures ont fini par provoquer une situation de ralentissement de l’économie mondiale mais aussi une fracture sociale : des entreprises ont faillite, la chute des marchés boursiers, l’augmentation du taux de chômage, un déséquilibre sociale,…L’ampleur de cette pandémie reste aujourd’hui diffèrent d’un pays à un autre.
Un grand nombre de critères sociaux, économiques et sanitaires ont été identifiés comme déterminants du résultat du Covid-19 permettant ainsi à expliquer le taux de mortalité de cette pandémie. Plusieurs spécialistes dans ce domaine comme ceux des Centers for Disease Control (CDC) des Etats-Unis fournissent des rapports ainsi que des statistiques montrant que qu’une grande partie des personnes qui meurent du Covid-19 ont plus de 65ans. Le taux de mortalité lié au Covid-19 est plus élevé dans les pays développés que dans les pays en voie de développement. Cette situation peut être expliquée par la rigueur des pays développés en matière de santé et donc par la faiblesse des systèmes de surveillance de la santé dans les pays en développement qui font face aux manques de kits de test du virus.
Par exemple, au 08 octobre 2020, les Etats-Unis avaient enregistré plus de 7,5 millions de cas avec environ 212 milles décès, la France près de 700 milles cas avec plus de 32 milles décès, tandis que la majeure partie des pays d’Afrique mais aussi ceux du Moyen-Orient enregistraient moins de cas (https://coronavirus.jhu.edu/map.html). Ces chiffres de nombres de cas et de décès prises pour exemple mettent en évidence une hétérogénéité significative en termes de mortalité lié au Covid-19 dans le monde.
Cette hétérogénéité de la mortalité du Covid-19 a fait ressurgir un certain nombre d’hypothèses dans le but d’apporter une explication sur ce dernier.
Dans un tel contexte, ce présent travail se propose de contribuer à la littérature existante en examinant à travers une étude économétrique l’hétérogénéité des taux de mortalité lié à la Covid-19 à travers divers déterminants afin de comprendre les différences qui en ressortent entre les pays. Pour cela, il est organisé de la manière suivante : le premier point nous passerons en revue toute la littérature en rapport avec notre sujet. En deuxième point, nous décrirons la méthodologie utilisée en présentant les variables utilisées dans nos analyses ainsi que le modèle. Un troisième point d’où nous mènerons une étude économétrique en présentant les données puis les résultats des différentes estimations. Le quatrième point sera consacré à une interprétation des résultats suivie d’une conclusion.
I. REVUE DE LITTERATURE
Il existe diverses études sur le Covid-19 menées aussi bien au niveau d’un pays déterminé, qu’au niveau international. Parmi ses études, un grand nombre d’auteurs se sont concentrés sur des facteurs économiques, sociales, démographiques, environnementaux susceptibles de contribuer à la mortalité liée au Covid-19 mais aussi de comprendre l’hétérogénéité du taux de mortalité que nous observons dans différents pays.
Gaetano Perone (2020), a étudié les raisons de différences du taux de mortalité lié au Covid-19 entre 20 régions et 107 provinces italiennes en utilisant une approche de régression MCO multivariée. Il a montré que l’efficacité globale des soins de santé, la densité des médecins ont contribué à réduire le taux de mortalité et que la densité de la population, l’intégration verticale sociale et l’altitude n’étaient pas statistiquement significatives. En particulier, le risque de mourir augmente avec l’âge, puisqu’à 90 ans et plus, le risque est de trois fois plus qu’entre 80-89 ans et quatre fois plus élevé qu’entre 70-79 ans. Une autre étude bien qu’étant pas dans le cadre de la pandémie du Covid-19 mais de l’épidémie mondiale de VIH/Sida réalisé par Stelios H. Zanakis et .al (2007) a pour conclusion principale un peu semblable à celle de Gaetano Perone , que les pays à faible densité de population qui parviennent à fournir des meilleures performances du système de santé, un soutien par habitant (médecins, infirmières et lits d’hôpitaux) avec une meilleure information médiatique (Accès radio, téléphone, télévision) et pas un PNB plus élevé sont les plus susceptibles de présenter des indicateurs VIH/Sida inferieurs.
Sannigrahi et al. (2020) ont menés une étude une étude sur le Covid-19 en utilisant des modèles de régression spatiale afin d’analyser l’association existante entre les principales variables démographiques et les décès liés au Covid-19 avec comme échantillon 31 pays d’Europe. Ils ont constaté que la proportion de la population âgée de 80 ans et plus sur l’ensemble des décès causées par la pandémie actuelle était très significative. Cette constatation est aussi vérifiée par Verity et al (2020) qui en estimant le taux de létalité associé aux groupes d’âge en Chine continentale ont conclu que la population âgée de 80 ans et plus avait le taux de létalité le plus élevé (13,4%). Ces conclusions vont dans le même sens que l’hypothèse élaboré par Danielle Aw et al. (2007) selon laquelle en raison de l’immunosénescence, les personnes âgées ont tendance à avoir une faible immunité contre les infections. En remarque que chez les personnes âgées, les maladies comme le cancer, le diabète, les maladies pulmonaires & cardiovasculaires sont assez courantes, ce qui entraine une diminution de la résistance à l’infection Covid-19 entrainant par la suite un taux de mortalité plus élevé. Ce raisonnement vient à l’explication de savoir pourquoi la plupart des pays africains, dont les populations sont beaucoup plus jeunes, ont des taux de mortalité bien inférieurs à ceux des pays de l’Europe, L’Amérique ou l’Asie. D’autres auteurs comme Dowd et al. (2020) partage ce point de vue que le taux de mortalité est bien plus dans certains pays en raison de la proportion des personnes âgées (plus 65 ans) et ainsi la caractéristique par âge de la population doit être considéré comme un facteur primordial déterminant le taux de mortalité Covid-19.
Paru en avril dernier, l’article de Bayer et Kuhn (2020) sur les liens intergénérationnels et taux de létalité. Basé sur une analyse transnationale, ils ont utilisé un échantillon de 24 pays avec un minimum de 200 cas confirmés de Covid-19. Ils ont émis l’hypothèse selon laquelle une intégration sociale verticale supérieure italienne pourrait résulter du taux de mortalité Covid-19. En effet dans leur analyse, ils ont trouvé une corrélation positive importante entre le taux de mortalité des pays et la proportion des familles en âge de travailler (30 à 49ans) vivant avec chez leurs parents en suggérant que la politique doit se concentrer sur la distance sociale intergénérationnelle lors de la lutte contre le Covid-19. Peu de temps après, cette relation a largement été critiquée par Belloc et al (2020) qui en faisant une analyse de corrélation transnationale pour la recherche sur le Covid-19 ont montré comment le signe de cette corrélation est devenu négatif lorsqu’on considère la variation au sein des régions italiennes. Ils soulignent alors que ce type de contribution n’est pas d’une aide dans la connaissance sur l’épidémie. Selon eux, une régression des taux de mortalité sur les mesures de l’intégration sociale verticale dans 24 pays étudie par Bayer et Kuhn ne prouve pas de causalité et ne devrait donc pas faire allusion d’une quelconque recommandation politique. Car donc leur régression, il y’a des variables omises susceptibles d’influencer le taux de mortalité et sont probablement corrélées aux mesures d’intégration sociale verticale.
Miller et al. (2020), ont étudié la corrélation entre la politique de vaccination universelle par le BCG et la réduction de la mortalité pour Covid-19. Ils ont tout d’abord évoqué que le BCG offre un grand nombre de protection contre d’autres infections respiratoires en plus de la tuberculose. Dans leur résultat, ils ont constaté que les pays comme l’Italie, Pays-Bas, Etats-Unis sans aucune politique universelle de vaccination BCG ont eu des taux d’infections et de mortalité bien plus sévères que les pays où le BCG est utilisé depuis longtemps. En mai dernier, Ricco et al (2020) viennent contredire cette hypothèse et soulignent qu’il n’y a aucune preuve solide que le BCG puisse éviter l’infection par le SRAS-CoV 2 (pour l’instant). Ils expliquent cela par le fait que même si toutes les études avaient en commun les mêmes sources d’information (les registres internationaux pour les taux de vaccination par le BCG et les données open source de Covid-19), les résultats étaient néanmoins contradictoires. Des études futures niant apparemment toute corrélation significative réelle entre l’occurrence du Covid-19 et les taux et/ou les politiques de vaccination du BCG. En conséquence, il existe aucune preuve solide permettant de recommander le BCG comme prévention du Covid-19. Squalli (2020), les politiques ou du moins les décideurs doivent faire preuve de prudence quant à l’administration du vaccin BCG pour lutter contre le Covid-19.
En ce qui concerne l’effet des concentrations polluants atmosphériques sur la mortalité liée au Covid-19, X. Wu et al (2020) ont étudié l’exposition à la pollution de l’air et la mortalité due au virus aux Etats-Unis avec un échantillon de 3087 comtés couvrant environ 98% de la population. Dans leur analyse, ils ont constaté qu’une augmentation d’à peine 1 μg/m3 des PM2,5 est associée à une augmentation de 8% du taux de mortalité par Covid-19. Pansini et Fornacca (2020), en étudiant le caractère géographique de l’infection Covid-19 en Chine et en le corrélant avec des mesures de la qualité de l’air par satellite et au sol ont montré que le PM2,5 et le PM10 était significativement et positivement corrélé au taux de mortalité Covid-19 dans 20 régions italiennes. De même, Yao et al (2020) ont étudié les associations entre les concentrations de particules (PM) et le taux de mortalité Covid-19 dans 49 villes chinoises y compris l’épicentre de Wuhan. Ils ont trouvé une corrélation positive entre la pollution par les particules et le taux de mortalité Covid-19 dans les villes à l’intérieur et à l’extérieur de la province du Hubei. Ils ont remarqué que pour tous les 10 μg/m3 d’augmentation des concentrations PM10 et de PM2,5 est associée à une augmentation de 0,24% et 0,26% du taux de mortalité Covid-19. B. Brandt et al (2020) dans leur étude sur la pollution de l’air, disparités raciales et la mortalité par Covid-19 ont aussi souligné que les niveaux de pollution atmosphérique sont fortement associés aux zones urbaines densément peuplés aux USA.
S. Hamidi et al (2020) ont voulu savoir si la densité aggrave-t-elle la pandémie de Covid-19 ? De ce fait, ils ont utilisé la modélisation d’équations structurelles pour tenir compte des impacts directs mais aussi indirects de la densité sur les taux d’infection et de mortalité Covid-19 pour 913 comtés métropolitains américains. Ils ont constaté que les grandes régions métropolitaines présentaient des taux d’infection et de mortalité bien plus élevés. Ils ont aussi constaté que les comtés avec des densités plus élevées ont des taux de mortalité liées au virus significativement plus faibles que les comtés avec des densités plus faibles, et cela peut être pour une raison de système de soins supérieurs.
II. METHODOLOGIE
1. PRESENTATION DES VARIABLES
À la vue de la littérature développé précédemment, différents facteurs sont identifiés pour pouvoir expliquer l’hétérogénéité des taux de mortalité Covid-19. Le tableau suivant regroupe un ensemble de variables utilisés dans nos analyses.
Tableau 1 : Présentation des variables utilisés dans nos analyses
Abbildung in dieser Leseprobe nicht enthalten
Comme nous l’indique le tableau ci-dessus, la majeure partie des données pour nos analyses ont été collectées auprès de la Banque mondiale. Nos données sur les taux de mortalité Covid-19 sont extraits de l’Université Johns Hopkins. Nous avons aussi utilisé le site Wordometers afin de collecter les données les plus récentes sur les populations. En ce qui concerne le BCG, nous avons utilisé nous nous sommes basés sur le site BCG world Atlas en utilisant un dummy variable prenant la valeur de 1 quand un pays possède un système de vaccination actuelle BCG et la valeur 0 si non.
2. SPECIFICATION DU MODELE
A l’instar de la plupart des études empiriques relatives au Covid et sur données de panel, dans notre étude pour appréhender l’hétérogénéité des taux de mortalité Covid-19 à travers différentes variables susceptibles d’influencer cette hétérogénéité d’un pays, nous adoptons l’approche méthodologique de Short (1979) permettant d’expliquer une situation par différents facteurs.
Le modèle de référence utilisé ici pour analyser l’hétérogénéité des taux de mortalité Covid-19 par nos déterminants peut être formulé comme suit :
Abbildung in dieser Leseprobe nicht enthalten
Note : Nous utilisons le logarithme népérien afin de lisser les séries comportant des gros chiffres. L’application du log permet ainsi de réduire le volume de chiffre afin de mieux interpréter les coefficients estimés.
[...]