[PDF] Results Based Financing for Health Impact Evaluation Workshop

View - Download Results Based Financing for Health Impact Evaluation Workshop

Previous PDF

Next PDF

$PHOLHU VXU O·pYMOXMPLRQ GH O·LPSMŃP sanitaire des financements baVéV Vur leV réVulWaWV

Tunis, Tunisie

Octobre 2010

Willa Friedman

Stata 2

3OMQ GH O·H[SRVp

`HPSRUPMPLRQ GH GRQQpHV j SMUPLU G·MXPUHV VRXUŃHV `ID `Fusion et adjonctionTe pluVieurV VérieV Te TonnéeV `Écarts entre les moyennes et lestests T `Graphiques

Importation de données à partir

G·MXPUHV VRXUŃHV

`Copier et coller `Si vos données sont en format Excel (ou peuvent être ouvertes dans Excel), un des moyens les plus faciles de les ouvrir dans Stata consiste juste à les copier et les coller. `Ouvrez les données (data_day2.xls) dans Excel, sélectionner la partie que vouV vouleY eW copieY-la (CWrl+C) `Ensuite dans Stata, tapez : edit `HP XQH QRXYHOOH IHQrPUH V·RXYULUMB `Cliquez dans cette fenêtre et collez les données (Ctrl+V) `Fermez cette fenêtre. Avez-vouV réuVVi ? count

Wab Vex

Importation de données à partir

G·MXPUHV VRXUŃHV 2

`GH QRPNUHX[ SURJUMPPHV YRXV SHUPHPPHQP G·HQUHJLVPUHU vos données sous forme de fichier texte (.WxW) ou Te valeurs séparées par des virgules (.csv) `Elles peuvent être ouvertes dans Stata en utilisant

´insheetBµ

insheetfilename.csv, clear `Y figurent-elleV ? browse

Importation de données à partir

G·MXPUHV VRXUŃHV 3

`Conseils : `Vous pouvez aussi utiliser un programme appelé SWaWTranVfer pour convertir TirecWemenW TeV ficUierV Ve préVenWanW TanV

G·MXPUHV IRUPMPV HQ ILŃOLHUV 6PMPM Bdta)

`Quelle que soit la méthode que vous choisissez, une fois que leV TonnéeV VonW TanV SWaWaH vouV pouveY leV enregiVWrer en format Stata et les utiliser la prochaine fois que vous en aurez besoin : `enregistrer[data_file_name].TWaH remplacer ID `Vous voudrez souvent que vos données aient un identifiant unique. CeW iTenWifianW eVW un nombre qui eVW unique pour cUaque obVervaWion TanV voV TonnéeV. `Cet identifiant se révélera important lors des étapes ultérieures et peuW Ve révéler uWile pour la vérificaWion TeV problèmeV liéV aux TonnéeV. VouV pouveY vérifier afin Te Téceler leV ToublonV J

TuplicaWeV reporW

duplicates tag , gen(newvar) use data_day2a.dta, clear

TuplicaWeV reporW iT UouVeUolTUealWUcenWer

TiVWricW

duplicates tag piTUouVeUolTUealWUcenWer district, generaWe(Tup)

TuplicaWeV reporW afWerpiTUouVeUolT

UealWUcenWerTiVWricW

`Maintenant, nous savons que ces trois variables identifient de façon particulière les observations dans la série de données.

ID (2)

`Parfois, il vous faudra créer un seul identifiant unique `Créer un ID unique : `(créée une nouvelle variable égale au numéro de la ligne) `FUpHU XQ HG j SMUPLU G·MXPUHV UHQVHLJQHPHQPV `3MUIRLV ŃOMTXH RNVHUYMPLRQ HVP LGHQPLILpH GH IMoRQ XQLTXH SMU XQH ŃRPNLQMLVRQ G·HGB Par exemple, chaque individu pourrait avoir un ID de ménage et un ID au sein du ménage. À titUH G·H[HPSOH 11 12 21
22
23
31
32

ID (3)

`([HPSOH FUpHU XQ HG XQLTXH j SMUPLU G·MXPUHV HG

1181111811

1182111821

1191111911

1192111921

1193111931

householdpiTafWer) +UealWUcenWer*100000+TiVWricW*10000000

ID (4)

`Peuvent être plus compliqués : `Si les ID ont différents nombres de chiffres :

1181111811118011

118121118121118121

1181211181211181021

`3RXUTXRL O·LGHQPLILMQP LQH[MŃP HVP-il inexacW ? duplicates report new_id duplicates report new_id2 `Peut être corrigé en y ajoutant des chiffres supplémentaires : set type double `IMLVVH] PRXÓRXUV MVVH] G·HVSMŃH SRXU MIILŃOHU OH QRPNUH OH SOXV pOHYpB 6L

ID (5)

`Conseils : `Il est plus facile de travailler avec des ID ayant tous le même nombre de chiffres. Au lieu de commencer par 1, il peut être utile (plus tard) de commencer par 11, 101 ou 1001 en attribuant les ID. `La méthode ci-GHVVXV Q·RSqUH TX·MYHŃ GHV HG QXPpULTXHVB 9RXV pouvez alterner entre ID numériques et en chaîneJ `(Ceci créée une nouvelle variable en chaîneTXL HVP pJMOH j O·pTXLYMOHQP ŃOMvQH de la variable numérique)

TeVWringstringvar, replace force

`(Ceci permet de remplacer une variable en chaînepar une verVion numérique. Toutes les observations qui contiennent des valeurs non- numériques sont converties en variables manquantes. Il peut être utile G·HQUHJLVPUHU XQH MQŃLHQQH YHUVLRQ GH OM YMULMNOH HQ ŃOMvQHavant de la TécUainerH au caV où Ve poVeraiW un problème)

Fusion et adjonction

`Parfois, vous aurez deux séries de données que vous souhaitez combiner.

Cela peuW Ve faire Te Teux façonV J

`Fusion : Cela se fait si vous souhaitez ajouter plus de variables pour les mêmes observations. `Ex : Vous avez interrogé les mêmes individus une deuxième fois et souhaitez combiner leurV réponVeV lorV TeV Teux enquêWeV. `Sous forme graphique : `MGÓRQŃPLRQ FHPPH PpPORGH SHUPHP G·MÓRXPHU SOXV G·RNVHUYMPLRQV comportant les mêmes variables. `([ 9RXV MYH] XPLOLVp OM PrPH HQTXrPH MYHŃ XQ QRXYHMX JURXSH G·LQGLYLGXV HP YRXV VRXOMLPH] MÓRXPHU OH QRXYHMX JURXSH j O·pŃOMQPLOORQ LQLPLMO `Sous forme graphique :

Adjonction

`Assurez-vouV que WouWeV leV variableV VoienW TanV le même formaW (cUaîne ou numérique) TanV leV Teux VérieV de données ou que les valeurs peuvent être supprimées.

Commandes utiles :

TeVWringvarname, replace force

`Conseils : `Avant la adjonction, vous souhaiterez peut-êWre créer une nouvelle variable pour iTenWifier Te quel ficUier provienW une obVervaWion. Nx J genVurveyrounT=1 replace VurveyrounT=2 if VurveyrounT==. counW

Fusion

`FOMTXH ILŃOLHU GRLP rPUH SMVVp MX ŃULNOH HQ V·MLGMQP GX même identifiant unique ou de la même série de variables qui identifient ensemble de façon unique chaque observation. Syntaxe : sort savefile_1.dta, replace use file_2.dta, clear sort mergeusingfile_1.dta, _merge(new_name)

Note: In new versions of Stata, the VynWaxiVJ

merge1J1 usingfile_1.dta, gen(newname)

Fusion (2)

`Faites un essai : `sort district UealWUcenWerUouVeUolTpiTafWer `use data_day2c.dta, clear `sort district UealWUcenWerUouVeUolTpiTafWer `mergeTiVWricW UealWUcenWerUouVeUolTpiT `*OR: `merge1J1 TiVWricW UealWUcenWerUouVeUolTpiT `tab merge1

Fusion (3)

`Conseils : `Si vous avez des variables portant les mêmes noms dans les deux ILŃOLHUV HQ GHORUV GHV LGHQPLILMQPV O·XQH G·HOOHV SHXP rPUH VXSSULPpH MX PRPHQP G·rPUH IXVLRQQpHB 1H OH IMLPHV SMV VMQV pPXGLHU OHV RSPLRQV fournies par le module ŃuVion. XQH PpPORGH TXL VHUM ŃROpUHQPH G·XQ ILŃOLHU j O·MXPUH YRXV SRXYH] fusionner sur cet id, plutôt que sur un ensemble de variables. `Veillez soigneusement à ce que la méthode utilisée pour générer des ID soit la même pour cUaque Vérie Te TonnéeV. ManV le TouWeH il VeraiW peuW-êWre

SUpIpUMNOH G·XPLOLVHU OM VpULH GH YMULMNOHVB

)XVLRQ G·XQH j SOXVLHXUV `Parfois, vous voulez faire concorder plusieurs observations dans une seule série Te TonnéeV avec une Veule obVervaWion TanV une auWre Vérie Te TonnéeV. `Ex : Une série de données fournit des renseignements sur de nombreux HQIMQPV HP O·MXPUH IRXUQLP GHV UHQVHLJQHPHQPV VXU OHV PqUHV `On peut le faire de la même façon, en fusionnant la variable qui est unique GMQV XQH VpULH GH GRQQpHV HP UpSpPpH GMQV O·MXPUHB 3MU H[HPSOH use mothers.dta savemoWUerV.TWaH replace uVe cUilT.TWaH clear

TonnéeV}

`Ceci ajoutera les renseignements sur la mère aux renseignements sur cUacun Te VeV enfanWV.

Écart entre les moyennes

`IM SUHPLqUH pPMSH GMQV O·MQMO\VH G·XQ NRQ HVVML ŃRQVLVPH VHXOHPHQP j comparer les résultats moyens au sein des groupes de traitement et

Wémoin J

`tab category, Vum(outcome) tab WreaWif afWer==1H Vum(prev) `. tab WreaWif afWer==1H Vum(prev) `| Summaryof prev `treat| ÓeanSWT. Mev. Ńreq. `0 | .11598952 .32031732 1526 `1 | .17849613 .38306446 1423 `Total | .14615124 .35331768 2949

Écart entre les moyennes (2)

`7HVPH] OM VLJQLILŃMPLYLPp GH O·pŃMUP HQPUH OHV PR\HQQHV SMU JURXSH GH traitement : `ttestoutcome, by(treatment)

WWeVWprevif afWer==1H by(WreaW)

`test T à deux échantillons avec variances égales `Groupe | ObVÓoyenne Nrr. VWTNcarW Wype [InWerv. Confi. 95 %] `0 | 1526 .1159895 .0081998 .3203173 .0999054 .1320736 `1 | 1423 .1784961 .0101548 .3830645 .1585762 .198416 `combiné | 2949 .1461512 .0065062 .3533177 .1333941 .1589084 `Ecart| -.0625066 .0129716 -.0879409 -.0370724 `Ecart = moyenne(0) -moyenne(1) W = -4.8187 `Ho: Tiff= 0 TegréV Te liberWé = 2947 `Ha: TiffK 0 HaJ Tiff!= 0 HaJ TiffL 0 `Pr(T < t) = 0.0000 Pr(|T| > |t|) = 0.0000 Pr(T > t) = 1.0000

Écart entre les moyennes (3)

`Le test-T Te commanTepeuW êWre uWiliVé pour WeVWer la VignificaWiviWé TeV auWreV écarWV. LeV Teux VuivanWV VonW uWileV pour comparer leV réVulWaWV avanW eW aprèV J `9pULILHU VL XQH PR\HQQH HVP VLJQLILŃMPLYHPHQP GLIIpUHQPH G·XQH YMOHXU `ttestvarname== # `egJ WWeVWchange_malaria==0 `28 9pULILHU VL GHX[ YMULMNOHV VRQP VLJQLILŃMPLYHPHQP GLIIpUHQPHV O·XQH GH

Oquotesdbs_dbs33.pdfusesText_39

[PDF] placer un point d de la droite ab qui n'appartient pas au segment ab

[PDF] tracer le segment d'extrémités a et b

[PDF] structure algébrique exercice corrigé

[PDF] les espaces faiblement peuplés en france

[PDF] évolution définition svt

[PDF] évolution en arabe

[PDF] evolution definition

[PDF] evolution definition english

[PDF] évolution définition biologie

[PDF] un évolution

[PDF] les conséquences de la disparition des animaux

[PDF] exercice corrige methode abc

[PDF] jeux proportionnalité cm2

[PDF] tableau de proportionnalité vide

[PDF] ratio exemple