Les déterminants de l'épidémie du VIH/SIDA en Afrique subsaharienne

Résumé Fr En

Cet article décompose l’impact des déterminants de l’évolution de l’épidémie du VIH/SIDA pendant la période 1997-2005. Après avoir classé ces déterminants en socio-économiques, socioculturels et épidémiologiques, nous essayons de déterminer l’impact de chaque groupe de déterminants sur le cours de l’épidémie en Afrique subsaharienne. A l’aide d’un modèle de panel utilisant les données de 42 pays africains, nous examinons le lien entre les trois catégories de déterminants et l’évolution de l’épidémie. Après avoir effectué une transformation logistique du taux de prévalence du VIH/SIDA, nous estimons notre modèle par les effets aléatoires et nous incluons une variable muette régionale parmi les déterminants pour capter les différences sous-régionales dans la diffusion de l’épidémie. La même équation est ensuite estimée en utilisant le taux d’incidence du VIH/SIDA. Enfin, nous estimons notre modèle par la méthode des moments généralisés (GMM) pour tenir compte des effets dynamiques dans l’évolution de l’épidémie. Nos résultats sont robustes et montrent que ce sont les variables épidémiologiques et socioculturelles qui ont un impact plus important sur l’évolution de l’épidémie. De plus, les variables socio-économiques les plus déterminantes pour l’épidémie sont les inégalités de revenu et les inégalités de genre. Classification JEL : I10, I12, I19, 015

What Drives HIV/AIDS Epidemic in Sub-Saharan Africa? This paper decomposes the impact of the determinants of the evolution of HIV/AIDS epidemic in Sub-Saharan Africa from 1997 to 2005. We classify the set of determinants into socio-economic, epidemiological and sociologic and cultural and we try to assess the importance of each group of determinants on the spread of the epidemic across the continent. Using panel data of 42 African countries from the 1997-2005 period, we examine the link between the three categories of determinants and the HIV/AIDS epidemic. After a logit transformation of the HIV prevalence rate among adult population (15-49), we estimate our equation with the random effects model and we include a regional dummy in order to capture sub-regional differences in the spread of the epidemic. Then we estimate the same equation using prevalence rate among young population (15-24). Finally, we regress the same equation with the generalized method of moments (GMM) to accounts for dynamic effects in our model. Our results are robust and our analysis shows that epidemiological and socio-cultural variables have a greater impact than socio-economic ones. More importantly, within the group of socio-economic variables, education and women’s economic independence, as well as income inequality appear very important in determining the spread of the epidemic.