Questionnaire
SECTION 1 : Informations générales
1. Sexe :
•☐F
•☐M
2. Faculté :
• ☐ Médecine
• ☐ Droit
• ☐ Informatique
• ☐ Économie
• ☐ Théologie
3. Année:
• ☐ L1
• ☐ L2
• ☐ L3
• ☐ M1
• ☐ M2
SECTION 2 : Habitudes académiques
4. Combien d’heures par semaine consacrez-vous aux cours et au travail personnel ?
• ☐ 0–5 h
• ☐ 5–10 h
• ☐ 10–15 h
• ☐ +15 h
5. À quelle fréquence révisez-vous avant les examens ?
• ☐ Jamais
• ☐ Parfois
• ☐ Toujours
SECTION 3 : Vie personnelle et environnement
6. Comment évaluez-vous votre motivation à réussir vos études ?
• ☐ Faible
• ☐ Moyenne
• ☐ Forte
7. Quel est votre niveau de stress concernant vos études ?
• ☐ Faible
• ☐ Moyen
• ☐ Élevé
8. Disposez-vous d’un espace calme et adapté pour étudier ?
• ☐ Oui
• ☐ Non
SECTION 4 : Qualité académique
9. Comment évaluez-vous la qualité de l’enseignement dans votre faculté ?
• ☐ Faible
• ☐ Moyenne
• ☐ Bonne
• ☐ Très bonne
10. Comment évaluez-vous la qualité des examens ?
• ☐ Faible
• ☐ Moyenne
• ☐ Bonne
• ☐ Très bonne
Sexe Faculte Annee Heures_etud Revision Motivatio Stress Espace_calm Qualite_enseignem
e n e nt
Informatiqu
F e M2 10-15 Jamais Moyenne Faible Non Bonne
M Économie L1 10-15 Toujour Faible Faible Oui Faible
s
F Économie M2 0-5 Parfois Forte Moyen Oui Moyenne
Toujour
F Médecine M2 >15 s Forte Moyen Non Bonne
Informatiqu Toujour
F e L1 0-5 s Forte Moyen Oui Moyenne
M Théologie L1 >15 Parfois Moyenne Moyen Oui Bonne
Informatiqu
F e L1 10-15 Jamais Forte Moyen Non Moyenne
F Théologie L1 10-15 Jamais Forte Élevé Oui Faible
F Médecine M1 10-15 Parfois Forte Faible Oui Très bonne
M Droit L3 5-10 Jamais Forte Faible Oui Faible
F Économie L3 >15 Parfois Faible Faible Non Très bonne
F Médecine L1 5-10 Parfois Faible Faible Oui Moyenne
Toujour
F Économie L3 5-10 s Forte Moyen Non Bonne
F Droit L3 0-5 Parfois Moyenne Faible Oui Faible
Toujour
M Droit L1 5-10 s Faible Élevé Oui Très bonne
F Médecine L3 0-5 Jamais Forte Élevé Oui Faible
M Droit M2 0-5 Jamais Faible Faible Non Très bonne
M Théologie L2 5-10 Jamais Faible Faible Oui Faible
M Droit L2 >15 Jamais Moyenne Élevé Oui Très bonne
Toujour
F Économie L1 >15 s Forte Élevé Non Très bonne
M Économie M1 >15 Jamais Forte Moyen Oui Moyenne
F Économie L1 >15 Parfois Moyenne Élevé Non Très bonne
M Économie M1 >15 Parfois Moyenne Moyen Non Moyenne
M Théologie L2 5-10 Parfois Forte Moyen Oui Très bonne
Informatiqu Toujour
M e L1 5-10 s Forte Moyen Non Bonne
M Médecine M2 10-15 Jamais Moyenne Moyen Oui Bonne
M Économie L3 >15 Jamais Faible Moyen Non Bonne
M Droit M1 5-10 Jamais Faible Faible Non Très bonne
Toujour
M Économie L3 10-15 s Moyenne Élevé Oui Moyenne
M Droit L3 >15 Parfois Faible Moyen Non Moyenne
F Droit L1 0-5 Parfois Moyenne Élevé Non Très bonne
F Économie L3 10-15 Jamais Faible Élevé Non Bonne
M Théologie M2 5-10 Parfois Faible Moyen Non Bonne
M Droit L3 0-5 Parfois Forte Faible Non Moyenne
Toujour
M Droit L1 0-5 s Forte Moyen Oui Bonne
Toujour
F Économie M2 0-5 s Faible Faible Non Faible
Toujour
M Droit L2 10-15 s Faible Élevé Oui Moyenne
Toujour
F Droit L3 5-10 s Forte Faible Non Bonne
F Économie L1 0-5 Jamais Forte Faible Oui Moyenne
Toujour
F Économie L2 >15 s Forte Faible Oui Faible
F Médecine L2 0-5 Parfois Moyenne Élevé Non Moyenne
F Théologie M1 0-5 Jamais Faible Élevé Non Moyenne
M Théologie M2 10-15 Parfois Forte Faible Non Moyenne
M Droit L3 10-15 Parfois Faible Faible Oui Moyenne
M Théologie L1 5-10 Parfois Moyenne Moyen Non Faible
Toujour
M Droit M1 >15 s Moyenne Faible Oui Très bonne
Toujour
M Médecine M2 10-15 s Forte Moyen Oui Moyenne
F Économie M1 0-5 Jamais Moyenne Faible Oui Moyenne
M Économie M2 5-10 Jamais Faible Moyen Non Bonne
Toujour
M Économie M2 0-5 s Forte Élevé Non Moyenne
Apres nous avons avons nettoyer notre base de donnée
Sexe Faculte Annee Heures_etud Revision Motivatio Stress Espace_calm Qualite_enseigneme
e n e nt
0 3 5 3 1 3 2 0 1
1 2 1 3 3 1 2 1 2
0 2 5 2 2 2 3 1 3
0 4 5 1 3 2 3 0 1
0 3 1 2 3 2 3 1 3
1 5 1 1 2 3 3 1 1
0 3 1 3 1 2 3 0 3
0 5 1 3 1 2 1 1 2
0 4 4 3 2 2 2 1 4
1 1 3 4 1 2 2 1 2
0 2 3 1 2 1 2 0 4
0 4 1 4 2 1 2 1 3
0 2 3 4 3 2 3 0 1
0 1 3 2 2 3 2 1 2
1 1 1 4 3 1 1 1 4
0 4 3 2 1 2 1 1 2
1 1 5 2 1 1 2 0 4
1 5 2 4 1 1 2 1 2
1 1 2 1 1 3 1 1 4
0 2 1 1 3 2 1 0 4
1 2 4 1 1 2 3 1 3
0 2 1 1 2 3 1 0 4
1 2 4 1 2 3 3 0 3
1 5 2 4 2 2 3 1 4
1 3 1 4 3 2 3 0 1
1 4 5 3 1 3 3 1 1
1 2 3 1 1 1 3 0 1
1 1 4 4 1 1 2 0 4
1 2 3 3 3 3 1 1 3
1 1 3 1 2 1 3 0 3
0 1 1 2 2 3 1 0 4
0 2 3 3 1 1 1 0 1
1 5 5 4 2 1 3 0 1
1 1 3 2 2 2 2 0 3
1 1 1 2 3 2 3 1 1
0 2 5 2 3 1 2 0 2
1 1 2 3 3 1 1 1 3
0 1 3 4 3 2 2 0 1
0 2 1 2 1 2 2 1 3
0 2 2 1 3 2 2 1 2
0 4 2 2 2 3 1 0 3
0 5 4 2 1 1 1 0 3
1 5 5 3 2 2 2 0 3
1 1 3 3 2 1 2 1 3
1 5 1 4 2 3 3 0 2
1 1 4 1 3 3 2 1 4
1 4 5 3 3 2 3 1 3
0 2 4 2 1 3 2 1 3
1 2 5 4 1 1 3 0 1
1 2 5 2 3 2 1 0 3
ANALYSE UIVARIE
a) Analyse univariée des variables quantitatives
sum Stress Sexe Résultat Revision Qualite_examens Qualite_enseignement Motivation Heures_etude
Faculte Espace_calme Annee
Variable | Obs Mean Std. dev. Min Max
-------------+---------------------------------------------------------
Stress | 50 2.1 .7889544 1 3
Sexe | 50 .54 .5034574 0 1
Résultat | 50 .48 .504672 0 1
Revision | 50 1.98 .8204031 1 3
Qualite_ex~s | 50 2.6 1.142857 1 4
Qualite_en~t | 50 2.56 1.090965 1 4
Motivation | 50 1.94 .766918 1 3
Heures_etude | 50 2.48 1.110984 1 4
Faculte | 50 2.56 1.445048 1 5
Espace_calme | 50 .5 .5050763 0 1
-------------+---------------------------------------------------------
Annee | 50 2.9 1.515229 1 5
Commentaire :
b) Analyse univariée des variables qualitatives
. tab Stress
Stress | Freq. Percent Cum.
------------+-----------------------------------
1| 13 26.00 26.00
2| 19 38.00 64.00
3| 18 36.00 100.00
------------+-----------------------------------
Total | 50 100.00
Commentaire :
. tab Sexe
Sexe | Freq. Percent Cum.
------------+-----------------------------------
0| 23 46.00 46.00
1| 27 54.00 100.00
------------+-----------------------------------
Total | 50 100.00
Commentaire : sur les 50étudiants 23 des femmes et 27 les hommes
. tab Résultat
Résultat | Freq. Percent Cum.
------------+-----------------------------------
0| 26 52.00 52.00
1| 24 48.00 100.00
------------+-----------------------------------
Total | 50 100.00
Commentaire : sur les 50 étudiant 26 ont echoués et 24 ont reussis
. tab Revision
Revision | Freq. Percent Cum.
------------+-----------------------------------
1| 17 34.00 34.00
2| 17 34.00 68.00
3| 16 32.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Qualite_examens
Qualite_exa |
mens | Freq. Percent Cum.
------------+-----------------------------------
1| 11 22.00 22.00
2| 13 26.00 48.00
3| 11 22.00 70.00
4| 15 30.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Qualite_enseignement
Qualite_ens |
eignement | Freq. Percent Cum.
------------+-----------------------------------
1| 12 24.00 24.00
2| 9 18.00 42.00
3| 18 36.00 78.00
4| 11 22.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Motivation
Motivation | Freq. Percent Cum.
------------+-----------------------------------
1| 16 32.00 32.00
2| 21 42.00 74.00
3| 13 26.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Heures_etude
Heures_etud |
e| Freq. Percent Cum.
------------+-----------------------------------
1| 12 24.00 24.00
2| 14 28.00 52.00
3| 12 24.00 76.00
4| 12 24.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Faculte
Faculte | Freq. Percent Cum.
------------+-----------------------------------
1| 14 28.00 28.00
2| 17 34.00 62.00
3| 4 8.00 70.00
4| 7 14.00 84.00
5| 8 16.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Espace_calme
Espace_calm |
e| Freq. Percent Cum.
------------+-----------------------------------
0| 25 50.00 50.00
1| 25 50.00 100.00
------------+-----------------------------------
Total | 50 100.00
. tab Annee
Annee | Freq. Percent Cum.
------------+-----------------------------------
1| 14 28.00 28.00
2| 6 12.00 40.00
3| 12 24.00 64.00
4| 7 14.00 78.00
5| 11 22.00 100.00
------------+-----------------------------------
Total | 50 100.00
reg Stress Sexe Résultat Revision Qualite_examens Qualite_enseignement Motivation Heures_etude
F
> aculte Espace_calme Annee
Source | SS df MS Number of obs = 50
-------------+---------------------------------- F(10, 39) = 2.18
Model | 10.9310305 10 1.09310305 Prob > F = 0.0406
Residual | 19.5689695 39 .501768448 R-squared = 0.3584
-------------+---------------------------------- Adj R-squared = 0.1939
Total | 30.5 49 .62244898 Root MSE = .70836
--------------------------------------------------------------------------------------
Stress | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------------------------------------------------------------------------------
Sexe | .4360133 .2118164 2.06 0.046 .0075743 .8644524
Résultat | -.2233659 .2151491 -1.04 0.306 -.658546 .2118143
Revision | .0990039 .1284984 0.77 0.446 -.1609087 .3589164
Qualite_examens | .1898973 .0980119 1.94 0.060 -.0083504 .388145
Qualite_enseignement | -.2962311 .0998586 -2.97 0.005 -.4982142 -.094248
Motivation | .0016534 .1487861 0.01 0.991 -.299295 .3026017
Heures_etude | -.087545 .1035828 -0.85 0.403 -.2970611 .121971
Faculte | .088444 .0764348 1.16 0.254 -.06616 .2430481
Espace_calme | .0254251 .2136439 0.12 0.906 -.4067106 .4575608
Annee | .1118273 .0755057 1.48 0.147 -.0408974 .2645521
_cons | 1.690835 .7509864 2.25 0.030 .1718218 3.209849
Linear regression Number of obs = 50
F(10, 39) = 4.06
Prob > F = 0.0007
R-squared = 0.3584
Root MSE = .70836
--------------------------------------------------------------------------------------
| Robust
Stress | Coefficient std. err. t P>|t| [95% conf. interval]
---------------------+----------------------------------------------------------------
Sexe | .4360133 .2018866 2.16 0.037 .0276591 .8443676
Résultat | -.2233659 .2146766 -1.04 0.305 -.6575902 .2108585
Revision | .0990039 .1302448 0.76 0.452 -.1644411 .3624488
Qualite_examens | .1898973 .0891718 2.13 0.040 .0095303 .3702643
Qualite_enseignement | -.2962311 .0848623 -3.49 0.001 -.4678812 -.124581
Motivation | .0016534 .1275229 0.01 0.990 -.2562861 .2595928
Heures_etude | -.087545 .0847578 -1.03 0.308 -.2589838 .0838937
Faculte | .088444 .0674622 1.31 0.198 -.0480112 .2248992
Espace_calme | .0254251 .2178288 0.12 0.908 -.4151753 .4660255
Annee | .1118273 .0687172 1.63 0.112 -.0271664 .2508211
_cons | 1.690835 .6793789 2.49 0.017 .3166616 3.065009
--------------------------------------------------------------------------------------
. linktest
Source | SS df MS Number of obs = 50
-------------+---------------------------------- F(2, 47) = 13.13
Model | 10.9315025 2 5.46575125 Prob > F = 0.0000
Residual | 19.5684975 47 .416351011 R-squared = 0.3584
-------------+---------------------------------- Adj R-squared = 0.3311
Total | 30.5 49 .62244898 Root MSE = .64525
------------------------------------------------------------------------------
Stress | Coefficient Std. err. t P>|t| [95% conf. interval]
-------------+----------------------------------------------------------------
_hat | .9467009 1.593893 0.59 0.555 -2.259799 4.153201
_hatsq | .0124645 .3699432 0.03 0.973 -.7317652 .7566943
_cons | .0542346 1.663524 0.03 0.974 -3.292345 3.400814
Logistic regression Number of obs = 50
Wald chi2(10) = 24.02
Prob > chi2 = 0.0075
Log pseudolikelihood = -20.930584 Pseudo R2 = 0.3594
--------------------------------------------------------------------------------------
| Robust
Stress_bin | Coefficient std. err. z P>|z| [95% conf. interval]
---------------------+----------------------------------------------------------------
Sexe | 1.800853 .9000233 2.00 0.045 .0368399 3.564867
Résultat | -.3816947 .7894167 -0.48 0.629 -1.928923 1.165534
Revision | .6054899 .4812367 1.26 0.208 -.3377167 1.548697
Qualite_examens | .8757936 .3732171 2.35 0.019 .1443014 1.607286
Qualite_enseignement | -1.054487 .3817084 -2.76 0.006 -1.802622 -.3063522
Motivation | .1352578 .4622687 0.29 0.770 -.7707723 1.041288
Heures_etude | -.4755605 .3661717 -1.30 0.194 -1.193244 .2421228
Faculte | .6109344 .2589597 2.36 0.018 .1033828 1.118486
Espace_calme | -.4407858 .9740252 -0.45 0.651 -2.34984 1.468268
Annee | .2282614 .3431846 0.67 0.506 -.444368 .9008908
_cons | -3.528427 2.83096 -1.25 0.213 -9.077007 2.020152
--------------------------------------------------------------------------------------
. mfx compute
Marginal effects after logit
y = Pr(Stress_bin) (predict)
= .29438816
------------------------------------------------------------------------------
variable | dy/dx Std. err. z P>|z| [ 95% C.I. ] X
---------+--------------------------------------------------------------------
Sexe*| .3522892 .15844 2.22 0.026 .041751 .662827 .54
Résultat*| -.0789212 .16891 -0.47 0.640 -.40998 .252138 .48
Revision | .1257746 .09952 1.26 0.206 -.069281 .320831 1.98
Qualit~s | .1819232 .07755 2.35 0.019 .029929 .333918 2.6
Qualit~t | -.219042 .07238 -3.03 0.002 -.360909 -.077175 2.56
Motiva~n | .0280963 .09595 0.29 0.770 -.159963 .216155 1.94
Heures~e | -.0987852 .0782 -1.26 0.206 -.252049 .054478 2.48
Faculte | .1269056 .05648 2.25 0.025 .016212 .237599 2.56
Espace~e*| -.091379 .20115 -0.45 0.650 -.485618 .30286 .5
Annee | .0474153 .07044 0.67 0.501 -.090653 .185484 2.9
------------------------------------------------------------------------------
Logistic model for Stress_bin
-------- True --------
Classified | D ~D | Total
-----------+--------------------------+-----------
+ | 13 5 | 18
- | 5 27 | 32
-----------+--------------------------+-----------
Total | 18 32 | 50
Classified + if predicted Pr(D) >= .5
True D defined as Stress_bin != 0
--------------------------------------------------
Sensitivity Pr( +| D) 72.22%
Specificity Pr( -|~D) 84.38%
Positive predictive value Pr( D| +) 72.22%
Negative predictive value Pr(~D| -) 84.38%
--------------------------------------------------
False + rate for true ~D Pr( +|~D) 15.62%
False - rate for true D Pr( -| D) 27.78%
False + rate for classified + Pr(~D| +) 27.78%
False - rate for classified - Pr( D| -) 15.62%
--------------------------------------------------
Correctly classified 80.00%
Probit regression Number of obs = 50
Wald chi2(10) = 29.37
Prob > chi2 = 0.0011
Log pseudolikelihood = -20.800974 Pseudo R2 = 0.3633
--------------------------------------------------------------------------------------
| Robust
Stress_bin | Coefficient std. err. z P>|z| [95% conf. interval]
---------------------+----------------------------------------------------------------
Sexe | 1.053996 .4717779 2.23 0.025 .1293279 1.978663
Résultat | -.3055807 .4316095 -0.71 0.479 -1.15152 .5403584
Revision | .349248 .267508 1.31 0.192 -.1750581 .8735541
Qualite_examens | .5213207 .2067437 2.52 0.012 .1161104 .9265309
Qualite_enseignement | -.6289052 .2026067 -3.10 0.002 -1.026007 -.2318035
Motivation | .1017818 .2535089 0.40 0.688 -.3950865 .5986502
Heures_etude | -.294216 .1986739 -1.48 0.139 -.6836096 .0951776
Faculte | .3716509 .1432762 2.59 0.009 .0908346 .6524671
Espace_calme | -.2371644 .4999434 -0.47 0.635 -1.217035 .7427066
Annee | .1473215 .1766922 0.83 0.404 -.1989888 .4936318
_cons | -2.09135 1.537805 -1.36 0.174 -5.105392 .9226921
--------------------------------------------------------------------------------------
. mfx compute
Marginal effects after probit
y = Pr(Stress_bin) (predict)
= .30711444
------------------------------------------------------------------------------
variable | dy/dx Std. err. z P>|z| [ 95% C.I. ] X
---------+--------------------------------------------------------------------
Sexe*| .3507477 .14196 2.47 0.013 .072505 .62899 .54
Résultat*| -.1067265 .15372 -0.69 0.487 -.408004 .194552 .48
Revision | .1227086 .09394 1.31 0.191 -.061403 .30682 1.98
Qualit~s | .1831665 .07312 2.50 0.012 .039844 .326489 2.6
Qualit~t | -.2209664 .06843 -3.23 0.001 -.355081 -.086852 2.56
Motiva~n | .0357611 .08893 0.40 0.688 -.138531 .210053 1.94
Heures~e | -.1033731 .07129 -1.45 0.147 -.243101 .036354 2.48
Faculte | .1305799 .05198 2.51 0.012 .028701 .232459 2.56
Espace~e*| -.0831825 .17459 -0.48 0.634 -.425373 .259008 .5
Annee | .0517615 .06191 0.84 0.403 -.069573 .173096 2.9
------------------------------------------------------------------------------
(*) dy/dx is for discrete change of dummy variable from 0 to 1
. lstat
Probit model for Stress_bin
-------- True --------
Classified | D ~D | Total
-----------+--------------------------+-----------
+ | 13 5 | 18
- | 5 27 | 32
-----------+--------------------------+-----------
Total | 18 32 | 50
Classified + if predicted Pr(D) >= .5
True D defined as Stress_bin != 0
--------------------------------------------------
Sensitivity Pr( +| D) 72.22%
Specificity Pr( -|~D) 84.38%
Positive predictive value Pr( D| +) 72.22%
Negative predictive value Pr(~D| -) 84.38%
--------------------------------------------------
False + rate for true ~D Pr( +|~D) 15.62%
False - rate for true D Pr( -| D) 27.78%
False + rate for classified + Pr(~D| +) 27.78%
False - rate for classified - Pr( D| -) 15.62%
--------------------------------------------------
Correctly classified 80.00%
--------------------------------------------------
.
I. Justification du choix méthodologique
1. Choix de l’économétrie de panel
Dans le cadre de cette étude, nous avons opté pour l’utilisation d’un modèle
économétrique de panel, appliqué aux données issues du sondage réalisé auprès
des étudiants de l’Université Protestante au Congo (UPC).
Ce choix se justifie scientifiquement par la structure même des données utilisées.
En effet, celles-ci combinent une dimension individuelle, correspondant aux
différents étudiants enquêtés, et un ensemble de caractéristiques observées
simultanément relatives à leur comportement académique et à leur environnement
d’étude.
Par ailleurs, les étudiants présentent des différences individuelles non observables
telles que la capacité intellectuelle, la discipline personnelle ou encore le contexte
familial susceptibles d’influencer leurs résultats académiques. L’économétrie de
panel permet précisément de tenir compte de cette hétérogénéité individuelle non
observée.
Ainsi, le recours à un modèle de panel permet :
• de contrôler l’hétérogénéité individuelle,
• de réduire le biais aux variables omises,
• et d’améliorer la qualité et la robustesse des estimations.
De ce fait, le modèle de panel apparaît plus pertinent qu’un simple modèle
transversal.
II. Choix du type de modèle économétrique
1. Justification du recours à un modèle Logit/Probit de panel
La variable dépendante de l’étude est le résultat académique de l’étudiant, codé de
manière binaire :
• 1 = Réussite
• 0 = Échec
Il s’agit donc d’une variable qualitative dichotomique. Dans ce contexte, l’utilisation
des modèles linéaires classiques estimés par les moindres carrés ordinaires (MCO) est
inappropriée, dans la mesure où ces modèles peuvent générer des probabilités
inférieures à zéro ou supérieures à un, et violent l’hypothèse de normalité des termes
d’erreur. C’est pourquoi nous avons retenu un modèle Logit de panel (ou, de manière
alternative, un modèle Probit de panel), qui constitue une approche standard au niveau
Master pour l’analyse des variables dépendantes binaires. Ce type de modèle garantit
que les probabilités estimées soient comprises entre 0 et 1 et permet une modélisation
cohérente du comportement probabiliste de la réussite académique.
III. Spécification du modèle économétrique
2. Forme générale du modèle La probabilité pour qu’un étudiant i réussisse est modélisée
comme suit : P(Y_i = 1) = F(\alpha + \beta_1 X_{1i} + \beta_2 X_{2i} + \dots + \
mu_i) où :
• F(.) désigne la fonction de répartition logistique dans le cas du modèle Logit,
• \alpha est la constante,
• \beta_j sont les paramètres à estimer,
• \mu_i représente l’effet individuel spécifique à chaque étudiant.
IV. Variables du modèle
3. Variable endogène La variable expliquée du modèle est le résultat académique de
l’étudiant. Variables exogènes Les variables explicatives retenues sont :
• les heures d’étude,
• la motivation,
• le niveau de stress,
• la qualité de l’enseignement,
• la disponibilité d’un espace calme,
• la fréquence de révision. V. Relation entre variables endogènes et exogènes
4. Clarification conceptuelle Une variable est dite endogène lorsqu’elle est expliquée par
le modèle. Dans cette étude, le résultat académique dépend des comportements et du
contexte de l’étudiant, notamment des heures d’étude, de la motivation, du stress et de
la qualité de l’enseignement. À l’inverse, une variable est considérée comme exogène
lorsqu’elle influence la variable expliquée sans être influencée en retour par celle-ci.
Par exemple, les heures d’étude influencent le résultat académique, sans que le résultat
obtenu n’affecte rétroactivement les heures déjà consacrées à l’étude.
L’hypothèse fondamentale d’exogénéité est formulée comme suit :
Cov(X_{it}, \varepsilon_{it}) = 0
Toutefois, certaines variables telles que la motivation ou le stress peuvent présenter un
risque d’endogénéité potentielle, en raison d’une relation bidirectionnelle possible
avec le résultat académique. Conformément aux exigences du niveau Master, cette
endogénéité potentielle est reconnue, mais l’exogénéité conditionnelle est supposée
compte tenu des contraintes liées à la disponibilité des données.
VI. Choix entre effets fixes et effets aléatoires
5. Modèle à effets fixes
Le modèle à effets fixes repose sur l’hypothèse selon laquelle les caractéristiques
individuelles non observées des étudiants sont corrélées avec les variables
explicatives. Par exemple, un étudiant particulièrement discipliné aura tendance à
étudier davantage et à obtenir de meilleurs résultats. Le modèle à effets fixes permet
alors de neutraliser ces effets non observés et de se concentrer sur les variations intra-
individuelles.
6. Modèle à effets aléatoires
Le modèle à effets aléatoires suppose, quant à lui, que les effets individuels ne sont
pas corrélés aux variables explicatives. Cette hypothèse est plus restrictive mais
permet une estimation plus efficiente. En pratique, les deux modèles sont estimés et le
test de Hausman est utilisé pour déterminer le modèle le plus approprié.
VII. Estimation du modèle
8. Méthode d’estimation Le modèle Logit de panel est estimé par la méthode du
maximum de vraisemblance, qui prend en compte la nature non linéaire du modèle.
L’estimation suit les étapes suivantes :
1. spécification du modèle,
2. choix entre effets fixes et effets aléatoires,
[Link] des paramètres,
[Link] des effets marginaux,
[Link]étation économique des résultats.
VIII. Effets marginaux
9. Justification Dans les modèles Logit, les coefficients estimés ne s’interprètent pas
directement en termes d’impact sur la probabilité de réussite. Il est donc nécessaire de
calculer les effets marginaux, qui constituent un élément central de l’analyse au niveau
Master.
10. Interprétation Pour une variable quantitative comme les heures d’étude, l’effet
marginal mesure l’impact d’une heure supplémentaire sur la probabilité de réussite.
Pour une variable qualitative telle que la disponibilité d’un espace calme, l’effet
marginal correspond à la différence de probabilité de réussite entre les étudiants
disposant d’un espace calme et ceux n’en disposant pas.
IX. Interprétation économique attendue Les résultats attendus suggèrent un effet
positif et significatif des heures d’étude, de la motivation, de la qualité de
l’enseignement et de la disponibilité d’un espace calme sur la probabilité de réussite
académique, tandis que le stress devrait exercer un effet négatif.
Conclusion méthodologique En définitive, le recours à un modèle Logit de panel
s’impose afin de tenir compte à la fois de la nature binaire de la variable dépendante et
de l’hétérogénéité individuelle non observée. L’estimation par maximum de
vraisemblance, combinée à l’analyse des effets marginaux, permet une interprétation
économique rigoureuse de l’impact des facteurs acad