World Bank Policy Research Working Paper 5734




    Effets persistants du veuvage sur le bien-être dans un pays pauvre

                                        Dominique van de Walle*

                                                Banque mondiale
                                                  Juillet 2011



Nous savons peu sur la situation des veuves et de leurs enfants en Afrique de l‟Ouest,
particulièrement quand la veuve s‟est remariée. Dans la société malienne, les femmes,
notamment les femmes vivant en milieu rural, semblent être particulièrement vulnérables en cas
de perte de leur mari. Une analyse des données disponibles sur la consommation des ménages
indique que les foyers dont le chef est une veuve ont des niveaux de vie significativement plus
faibles en moyenne que les autres foyers, que ce soit en région urbaine ou rurale. Ce résultat est
vrai aussi bien inconditionnellement que conditionnellement aux caractéristiques observables du
ménage et de l‟individu, âge inclus. Une étude des mesures individuelles de bien-être révèle
également que celui-ci demeure inferieur pour les veuves, même lorsqu‟elles sont remariées. En
outre, ces effets néfastes sont transmis aux enfants, ce qui suggère une transmission
intergénérationnelle de la pauvreté engendrée par le veuvage.




*
  Traduction de l‟article “Lasting Welfare Effects of Widowhood in a Poor Country.� Le support financier du Plan
d‟action du groupe de la Banque mondiale pour l‟égalité entre les sexes est reçu avec gratitude. J‟aimerais remercier
Gayatri Koolwal pour son aide avec les données et Martin Ravallion pour ses conseils, ses idées et ses
commentaires. Je suis reconnaissante envers Elena Bardasi, Kathleen Beegle, Jishnu Das, Gayatri Koolwal, Sylvie
Lambert, Ren Mu, Amber Peterman, Abla Safir et les participants du séminaire de développement de l‟Ecole
d‟Economie de Paris et de la conférence annuelle de 2011 du Centre pour l‟Etude des Economies Africaines de
l‟Université d‟Oxford pour leurs commentaires utiles. Les résultats, les interprétations et les conclusions exprimées
dans ce document ne représentent pas forcément les avis de la Banque mondiale, de ses administrateurs, ou des pays
qu‟ils représentent. Correspondence: van de Walle: World Bank, 1818 H ST, NW, Washington, DC 20433.
(dvandewalle@worldbank.org).
…….

                                                          1
1.        Introduction

        Plusieurs raisons expliquent l‟importance du genre dans la vulnérabilité. Des études
réalisées dans le monde entier ont démontré que les individus composant un même foyer n‟ont
pas toujours les mêmes niveaux de vie : revenus et ressources ne sont pas nécessairement mis en
commun et les membres n‟en profitent pas de manière égale1.

        L‟une des implications de cet état de fait est que les individus d‟un même ménage
n‟auront pas la même vulnérabilité en cas de chocs – que ces derniers bouleversent leur propre
vie ou la totalité du foyer – (Dercon et Krishman 2000). Quel que soit le choc vécu par un
ménage, les coûts qu‟il entraîne ne sont pas les mêmes pour tous ses membres. Leur capacité à
s‟auto-protéger sera également différente – certains membres seront moins résistants que
d‟autres, ils seront moins aptes à faire face aux difficultés et disposeront de moins d‟options leur
permettant de gérer ces chocs. Au sein d‟un même foyer, la différenciation s‟effectue
principalement sur les caractéristiques individuelles que sont le genre et l‟âge. De la même
manière, ce type de différenciation s‟observe souvent dans différents types de ménages tels que,
par exemple, ceux qui ont des femmes chefs de ménage, et ceux qui ont des hommes chefs de
ménage.

          Ce document se concentre sur les impacts qu‟un choc potentiellement sévère – en
l‟occurrence le veuvage – peut avoir sur les femmes et leurs enfants au Mali, un pays sahélien
d‟Afrique de l‟Ouest très pauvre et principalement rural (70 % de la population). Mis à part
quelques travaux récents portant sur les épouses et les enfants survivant dans le contexte des
décès en grand nombre engendrés par le VIH/Sida dans certains pays, et quelques études ayant
trait à l‟héritage conditionné par le genre, les économistes n‟ont étonnamment accordé que peu
d‟attention à la situation des veuves en Afrique. La littérature sur la vulnérabilité et les filets de
sécurité les mentionne à peine. Et pourtant, là où l‟égalité juridique et économique entre les
genres est peu présente et où les femmes sont largement dépendantes de leurs maris, cas notable
en Inde, les veuves sont particulièrement défavorisées et font souvent l‟objet de discriminations.
(Chen 2000, Drèze et Srinivasan 1997, Jensen 2005). Cette situation pouvait également être
constatée dans les pays occidentaux jusqu‟à ce qu‟une avancée importante ait eu lieu grâce à
l‟introduction de la pension de veuvage payée par l‟État et au système de sécurité sociale
existant.

         Naturellement, les conditions des femmes maliennes (et des veuves maliennes) varient, y
compris au sein de zones géographiques – notamment urbaines et rurales -, en fonction du
revenu, du niveau d‟éducation et du groupe ethnique. Ce document se concentre principalement
sur les femmes pauvres des régions rurales et moins sur les femmes pauvres des régions
urbaines. Tout en reconnaissant qu‟il existe une certaine hétérogénéité au sein de ces groupes, il
semble que l‟on puise généraliser certaines tendances fortes. Il ressort clairement que, même
parmi les femmes pauvres, certaines sont considérablement plus vulnérables que d‟autres. Dans
un pays où la dépendance par rapport aux hommes – d‟abord le père et ensuite le mari – est
inscrite dans la loi et dans la culture, il est normal de s‟attendre à ce que des bouleversements tels
que la perte du père ou du mari soient associés à une dégradation du niveau de vie et à la

1
    Pour une revue de la littérature voir Ezememari, Chaudhury et Owens (2002).

                                                         2
pauvreté. Ce document présente des preuves empiriques qui confirment cette hypothèse.
Cependant, il présente également des faits suggérant que les préjudices et la pauvreté auxquels
sont confrontées les veuves ont des conséquences délétères qui se répercutent par la suite sur
leurs dépendants, même lorsque la veuve se remarie.

         En s‟appuyant sur la littérature, la section suivante détaille les diverses manifestations
que peuvent prendre les différences entre hommes et femmes au sein des ménages et entre les
ménages, et comment ces dernières peuvent augmenter la vulnérabilité. Dans le cadre de cette
analyse détaillée, le rôle et l‟existence de filets sociaux de sécurité au Mali sont aussi examinés.
Les sections 3 et 4 se tournent ensuite vers les données quantitatives tirées respectivement de
l‟Enquête Légère Intégrée Auprès des Ménages (ELIM) de 2006 et l‟Enquête Démographique et
de Santé (EDS) de 2006. La section 3 commence par examiner les ménages dont le chef est une
femme et détermine si ces derniers sont plus pauvres que ceux qui ont un homme à leur tête, et
sous quelles conditions. Cette manière de procéder permet de traiter ces problématiques en
utilisant les données des enquêtes ménages disponibles. Les résultats me conduisent à me
concentrer sur un type spécifique de choc, le veuvage. La section 4 commence par adresser la
possibilité d‟un biais de sélection, tel que les femmes veuves commencent avec de moins bons
résultats avant même de devenir veuves et présente des tests qui ne suggère pas que ce soit un
grand souci dans le cadre présent. Utilisant des données de l‟EDS, la section 4 identifie alors des
preuves que les inégalités hommes-femmes influencent significativement et de manière négative
la situation des femmes veuves et, dans une moindre mesure, la situation des femmes qui ont
divorcé. La dernière section conclut.

2.       Comprendre les sources de la vulnérabilité des femmes au Mali

        Les différences de bien-être liées au genre existent dans un certain nombre de domaines
incluant : la protection légale, les dotations individuelles, les préférences, les contraintes
générées par les normes sociales (par exemple les options auxquelles les membres d‟un ménage
ont accès en dehors du foyer), et l‟accès aux avoirs et aux ressources du foyer et de la
communauté, ainsi que leur contrôle. De telles différences entre les hommes et les femmes au
sein du ménage se combinent également à la caractéristique de l‟âge pour influencer les résultats
du bien-être, incluant l‟inégalité entre les genres et les effets des chocs sur le bien-être.

        La protection légale au Mali, et dans de nombreux pays sahéliens d‟Afrique de l‟Ouest,
privilégie les hommes. L‟héritage et le mariage sont, encore aujourd‟hui, contrôlés par le droit
coutumier sous lequel les droits individuels, particulièrement ceux des femmes, sont souvent niés
en faveur de la préservation de la tradition (Wing 2009)2. Cet état de fait laisse les droits des
femmes largement non protégés dans ces domaines. Telle qu‟elle est pratiquée au Mali, la loi
traditionnelle dicte les règles suivantes en termes d‟héritage et de propriété : 1) les filles héritent
seulement de la moitié de ce dont les fils héritent ; et 2) les maris sont les seuls propriétaires des
biens familiaux. Dans ce contexte, les femmes seules ont généralement très peu de droits. Certes,
le mariage accorde aux femmes une protection et quelques droits, par exemple l‟utilisation d‟un
lopin de terre. Cependant, comme expliqué ci-dessous, les droits accordés dépendent du statut

2
  Un nouveau code familial qui renforce les droits des femmes et fixe l‟âge légal du mariage à 18 ans a été voté à
l‟Assemblée National en 2008, mais n‟a pas été mis en œuvre en raison de manifestations massives et d‟une
opposition véhémente.

                                                          3
marital et sont perdus en cas de divorce/séparation et de veuvage. Ainsi, étant donné le grand
écart d‟âge entre les époux – entre 12 et 14 ans en moyenne dans les régions urbaines et rurales
du Mali, respectivement (ELIM 2006) ─ de nombreuses jeunes femmes se retrouvent veuves et
avec peu de droits une fois que le mari n‟est plus là pour les protéger et subvenir à leurs besoins3.
En général, dans cette situation, les veuves se remarient, mais il se peut qu‟elles doivent alors –
tout comme leurs enfants – faire face à des conditions bien pires et que le choix qui se présente à
elle soit encore plus restreint que lors de leur premier mariage.

        Comme nous le verrons ci-dessous, les femmes mariées, qui étaient soit veuves soit
divorcées, se retrouvent, par certains aspects, dans une situation bien pire que les femmes
d‟autres statuts maritaux. Traditionnellement, les unions de type lévirat – où une veuve
« épouse » un membre de la lignée du mari – apportent un soutien aux veuves et à leurs enfants
en s‟assurant qu‟un homme est responsable de ces derniers et subvient a leurs besoins4. Le
lévirat permet aussi plus facilement aux mères et aux enfants de rester ensemble. Dans la plupart
des cas, notamment lorsque la dot de la mariée a été payée, la progéniture d‟un homme est
considérée comme appartenant à sa lignée. En conséquence, même si elle peut refuser le lévirat,
une femme n‟est pas libre d‟emmener avec elle les enfants conçus avec son défunt mari. De plus,
un nouveau mari, provenant d‟une autre lignée que celle du mari décédé, n‟acceptera
généralement pas les enfants issus d‟un précédent mariage5. Bien que le lévirat soit encore
fortement pratiqué dans les régions rurales du Mali, cette pratique tend à disparaître dans
certaines régions, sans qu‟il existe pour autant de véritables alternatives pour les femmes qui se
retrouvent sans protecteur masculin. Sans les changements sociaux, économiques et légaux
nécessaires, les femmes restent sans réelles opportunités qui leur permettraient de subvenir à
leurs besoins elles mêmes. En outre, étant donné l‟écart d‟âge important entre les femmes et les
hommes lors du mariage au Mali, seulement 48 pour cent des femmes âgées de 60 ans et plus
sont mariées, contre 90 pour cent des hommes (Commission de la population et du
développement, 2000). Il existe un nombre considérablement plus important de veuves que de
veufs. En effet, dans les données tirées de l‟ELIM 2006, 3 pour cent des hommes âgés de 56 ans
et plus sont identifiés comme veufs contre 52 pour cent des femmes de la même catégorie d‟âge.

        Les femmes maliennes ont tendance à avoir un capital humain différent et
substantiellement inférieur à celui des hommes. Selon l‟EDS de 2006, seules 17 pour cent des
femmes maliennes sont instruites, contre 37 pour cent des hommes ; les chiffres détaillés pour les
régions rurales et urbaines sont respectivement de 8 pour cent contre 26, et 35 pour cent contre
616. Fait alarmant, 88 pour cent des femmes rurales n‟ont pas du tout été scolarisées. Il en va de

3
  Ces différences d‟âge moyen sont calculées pour les responsables de famille et leurs époux/épouses. Veuillez
noter que les écarts d‟âge sont plus grands dans le cas d‟unions polygames que dans celui d‟unions monogames.
4
  Dans la littérature, on peut trouver deux pratiques auxquelles il est souvent fait référence : l‟héritage de la veuve et
le lévirat (Kirwen 1979, écrivant à propos de la Tanzanie). Dans le premier cas, la veuve devient la femme légale de
l‟héritier, un parent masculin du mari, souvent un frère. Dans le cas du lévirat, la veuve reste la femme du mari mort
et cohabite avec le parent masculin du mari qui devient un mari de substitution. Toute progéniture est considérée
comme étant les enfants du mari mort. Ces coutumes ont été altérées par de nombreuses forces et la forme qu‟elles
ont prise au Mali n‟est pas très claire. Tout comme dans la plupart de la littérature, j‟utiliserai le terme lévirat pour
désigner les deux pratiques.
5
  Ce problème et ses fréquences m‟ont souvent été mentionnés comme étant la cause de désavantages majeurs pour
les enfants et les femmes lors de discussions à Bamako en décembre 2010.
6
  L‟EDS définit la femme adulte comme étant âgée de 15 ans à 49 ans et l‟homme adulte de 15 à 59 ans.

                                                            4
même, à un moindre niveau, tout de même inquiétant, pour les femmes urbaines : 59 pour cent
d‟entre elles n‟ont pas été scolarisées. Bien que le pourcentage d‟hommes sans instruction soit
aussi élevé, avec 69 pour cent pour les régions rurales et 39 pour cent pour les régions urbaines,
ils s‟en sortent malgré tout beaucoup mieux que les femmes dans ce domaine. Le nombre de
filles allant à l‟école est largement moins élevé : le ratio de présence fille-garçon est de 75 pour
cent en école primaire et de seulement 35 pour cent en école secondaire. Un analphabétisme plus
important et un niveau d‟éducation moins élevé limitent plus fortement l‟accès des femmes à
l‟emploi et aux services gouvernementaux.

        Les femmes maliennes courent aussi des risques prononcées en termes de santé : elles
font face à des complications associées à la fois à la pratique quasi universelle de l‟excision,
effectuée dans des conditions très souvent non hygiéniques, et à des grossesses répétées une fois
adultes. Une femme donne vie, en moyenne, à 6 ou 7 enfants et ces chiffres sont associés à de
forts taux de mortalité maternelle – 670 décès par 100,000 accouchements en 2008 (Hogan et al.
2010) ─ ainsi qu‟à une forte morbidité ; et avec 250 décès pour 1000 naissances, le taux de
mortalité infantile est aussi très élevé. De plus, les Enquêtes Démographiques et de Santé
indiquent des taux importants d‟anémie. Dans l‟ensemble, les femmes sont donc susceptibles de
souffrir de divers maux allant d‟une moindre résistance physique à des chocs bouleversant leur
existence, et ce durant une bonne partie de leur vie adulte.

        Des études menées dans différents pays ont également suggéré que les hommes et les
femmes peuvent avoir des préférences différentes (Croson et Gneezy 2009; Tertilt et Doepke
2011), bien qu‟il soit difficile de démêler les préférences des contraintes7. Par exemple, il
apparaît que les hommes dépensent la majorité de leurs revenus pour eux-mêmes, alors que les
femmes ont généralement tendance à dépenser plus pour leurs enfants et pour l‟alimentation et
les soins de santé du ménage (par exemple, voir Schultz 1990, Thomas 1990 et Duflo 2003;
revue de la littérature dans Tertilt et Doepke 2011). Il arrive également que les femmes se privent
afin de protéger l‟alimentation et la santé de leurs enfants à la suite d‟un choc. Globalement, les
faits nous suggèrent que les membres du ménage mettent en commun une partie de leurs revenus
et gardent une partie de leur propre revenu pour eux-mêmes. Dans ce cas, l‟accès à ses propres
sources de revenu, de même que le pouvoir de négociation de chacun au sein du foyer, devient
un élément crucial en ce qui concerne les résultats du bien-être.

        Des différences importantes entre les genres existent aussi au niveau de l‟accès aux
ressources, et du contrôle des ressources dans la société malienne. Au Mali, les femmes
dépendent grandement des hommes – la responsabilité en revient d‟abord aux pères et ensuite
aux maris, et en cas de veuvage aux fils adultes (si elles ont la chance d‟en avoir). Elles se
marient très jeunes – légalement, le mariage est possible dès 11 ans avec le consentement des
parents - et, en général avec des maris bien plus vieux. L‟EDS de 2006 révèle que 46, 70 et 90
pour cent des femmes étaient mariées dès l‟âge de 15, 17 et 20 ans, respectivement, et que plus
de 43 pour cent des ménages ruraux maliens sont polygames (EDS 2006). La famille du fiancé
paye en général la dot de la mariée et celle-ci déménage dans le village de son mari et s‟installe
au sein de la structure familiale étendue. Lors du mariage, une femme apporte sa propre richesse,

7
 Veuillez noter que, au niveau des préférences, le fait que la différence entre les sexes soit innée, acquise, due aux
normes sociales, aux rôles ou aux responsabilités qui peuvent être modifiés, ne diminue pas leur pertinence à court
et moyen terme.

                                                           5
qui est limitée à un trousseau incluant généralement du linge de maison, des marmites, des
ustensiles de cuisine et une petite garde-robe qui indique sa nouvelle identité de maîtresse de
maison.

        Dans les régions rurales du Mali, la femme n‟a que peu d‟opportunités de faire fructifier
ses maigres biens. Les règles traditionnelles d‟héritage favorisent les hommes auxquels les
maisons et les terres sont transmises. L‟accès des femmes à la propriété est limité et se fait
principalement par le biais de leurs maris. Par exemple, le droit d‟utilisation des terres ne peut
être obtenu que par le mariage et dépend du statut marital ; en cas de divorce ou de veuvage, les
droits sont perdus8. En utilisant les données tirées de l‟EDS de 2006, Peterman (2010) constate
que seulement 40 pour cent des veuves ont reçu ne fut-ce que quelques biens à la suite de la mort
de leur mari, et que dans seulement 29 pour cent des cas, la veuve ou ses enfants recevaient la
majorité des biens.

        Dans cette culture, les hommes et les femmes ne partagent pas les revenus et gèrent leurs
budgets séparément. Dans de nombreux groupes ethniques tels que les Bambara, les hommes ont
la responsabilité de fournir la maison et les céréales, alors que les femmes sont en charge de la
« sauce » pour accompagner les produits de base et qu‟elles doivent pourvoir à leurs besoins
ainsi qu‟à ceux de leurs enfants (Wooten 2003; Madhavan 2001). Les femmes sont également
responsables de la garde des enfants, de toute la préparation des repas et des autres tâches
domestiques telles que laver, nettoyer, aller chercher l‟eau et les combustibles. De plus, on attend
des femmes et autres membres du foyer qu‟ils travaillent sur les terres communes du ménage
sous la direction de l‟homme chef de ménage – le mari ou l‟homme le plus âgé de la famille
étendue, le cas échéant. Dans le cas où il leur reste un moment libre, celui-ci peut être utilisé
pour travailler sur le lopin de terre qui est attribué aux femmes lors du mariage et qui relève de
leur responsabilité sur la base de leur statut marital. Le revenu provenant de ce lopin de terre est
censé leur fournir, ainsi qu‟à leurs dépendants, un supplément en nourriture, et leur permettre de
subvenir à leurs besoins non alimentaires.

         Pour ce qui est de la répartition de leur temps, les femmes sont bien plus soumises aux
contraintes engendrées par les normes sociales que les hommes. En effet, au sein de la société
rurale malienne, il est largement répandu et accepté qu‟un homme ait le droit de restreindre le
temps dont sa femme dispose, ainsi que sa mobilité, ses transactions sur le marché du travail et
ses occupations. Bien qu‟un mari puisse monopoliser le travail des femmes – par exemple pour
que celles-ci travaillent sur leurs terres agricoles – ce droit n‟est pas réciproque. Ces nombreuses
restrictions limitent les possibilités qu‟ont les femmes d‟accumuler du capital et des revenus,
ainsi que de développer des entreprises à leur propre compte, et les privent d‟autres opportunités
économiques. Elles réduisent l‟accès à divers mécanismes individuels de survie, tels que la
migration temporaire ou les ajustements en termes d‟offre du travail – options disponibles pour
les hommes en périodes de chocs négatifs.

         Le fait de savoir si la situation des femmes rurales s‟améliore ou s‟aggrave pour ce qui
est de l‟accès aux opportunités de revenu suscite débat. Certains estiment que les femmes se
voient allouer des lopins de terre plus petits et moins fertiles par les hommes en charge du foyer

8
   Des exceptions sont possibles, par exemple lorsqu‟il y a un fils qui finira par hériter, mais qui n‟en a pas encore
l‟âge ou qui est encore étudiant ou occupé à d‟autres activités.

                                                            6
à cause de changements de société récents tels que l‟augmentation de la pression démographique
et l‟apparition de l‟agriculture commercialisée (Gray et Kevane, 1999, parlant du Burkina Faso,
pays voisin et similaire par bien des aspects). Wooten (2003) a fait valoir que les cultures de
rente ont conduit à une augmentation du temps que les femmes de la communauté rurale Bamana
du centre du Mali doivent passer à travailler sur les terres communes du foyer, et ce au détriment
de leurs propres parcelles de terrain et de leur revenu personnel. En revanche, Lilja et al. (1996)
soutiennent que le temps passé à travailler sur des cultures commerciales communes par des
membres et des non-membres du ménage est bien mieux rémunéré que par le passé, en relation
avec la valeur des nouvelles cultures. Cette rémunération accrue, combinée aux nouvelles
opportunités hors culture qui sont alimentées par l‟argent provenant des cultures de rente, a
permis d‟améliorer le pouvoir de négociation des femmes et leur bien-être.

        Le statut des femmes maliennes tire largement son origine de leurs rôles en tant que
mères : porter les enfants et les élever, y compris leur assurer une bonne éducation (Madhavan
2001). Plus elles sont perçues comme performantes dans ce rôle, meilleur est leur statut et plus
elles accumulent autonomie et pouvoir en vieillissant. Inversement, les femmes célibataires ou
non fertiles et les veuves peuvent être sévèrement défavorisées.

        De l‟ensemble de ces facteurs décrits ci-dessus, il résulte que les femmes possèdent
moins de biens et disposent d‟une plus faible capacité de mobiliser des ressources que les
hommes. Cette constatation se combine à un accès plus restreint au crédit et à la plupart des
services publics et privés qui ont également tendance à favoriser les hommes : les agences de
vulgarisation, le crédit, les institutions d‟allocations d‟intrants et de produits agricoles, les offices
de commercialisation, les programmes de subventions aux engrais, les plans de production
agricole, etc. Dans certains cas, il y a moins de différentiation des genres en ce qui concerne
l‟accès aux transferts privés et aux réseaux informels. Dans une étude menée dans le nord du
Mali, Christiaensen et Boisvert (2000) ont découvert que les foyers gérés par des femmes étaient
moins vulnérables aux sècheresses, ceci dû en partie à la solidarité de la communauté qui
intervient plus volontiers pour les aider. C‟est particulièrement vrai dans le cas des veuves et des
femmes mariées qui peuvent avoir accès au soutien de frères ou d‟oncles. L‟aide alimentaire
officielle ou les transferts de nourriture dans la famille fournissent des mécanismes d‟assurance
importants. Cependant, ces résultats ne peuvent pas être généralisés à tout le Mali. Ailleurs en
Afrique de l‟Ouest, où des questions similaires se sont posées, on a constaté le contraire. Par
exemple, sur la base d‟études de terrain menées au Ghana et en Côte D‟Ivoire, MacLean (2010)
identifie des pratiques de réciprocité et de dons au sein de la famille. Elle montre que les plus
âgés et les femmes y participent moins que les jeunes et les hommes, et ont donc tendance à
compter plus sur les systèmes formels de sécurité sociale que sur les systèmes informels.

       En utilisant les données domestiques rurales collectées par l‟IFPRI dans la Zone Lacustre
du Mali, quelques études ont examiné à quel point les chocs se reflètent dans la consommation
(Skoufias et Quisumbing 2003; Harrower et Hoddinott 2004). Harrower et Hoddinott ont
découvert que des chocs idiosyncratiques, par exemple la maladie d‟un jeune adulte membre du
ménage, ne se reflètent pas dans le niveau de consommation par tête au sein du foyer, peu
importe le genre du membre concerné. Cependant, cela ne révèle pas si la consommation
individuelle effective se modifie de manière différente en fonction du genre à la suite d‟un choc,
comme cela a été démontré dans le sud rural de l‟Éthiopie. Dercon et Krishnan (2000)


                                                    7
documentent le partage inégal des risques entre époux, en conséquence duquel les femmes
perdent bien plus de poids que les hommes à la suite d‟un choc négatif.

         En résumé, hommes et femmes peuvent être exposés à des risques de différente nature et
de différente intensité. Ils disposeront également de capacités largement différentes pour faire
face à ces risques, même au sein d‟un même ménage (Dercon et Krishnan 2000). La protection
sociale formelle reste sous-développée et morcelée au Mali. Naturellement, comme l‟on peut s‟y
attendre dans une économie rurale pauvre et basée sur l‟agriculture comme au Mali, les chocs
agro-climatiques sont récurrents et constituent un souci majeur. Bien entendu, la plupart des
programmes de filets sociaux de sécurité mis en place par le pays et les bailleurs de fonds
s‟adressent aux problèmes alimentaires (que ce soit sécurité alimentaire ou alimentation tout
court). Par exemple, le pays maintient des banques de céréales et est actif dans les manipulations
des stocks publics. Il applique également une exonération d‟impôts à certains produits
alimentaires afin d‟aider à stabiliser les prix. En cette période de crise, les programmes d‟aide
alimentaire d‟urgence ou de transferts monétaires aux ménages ont été élargis. Ces dernières
années, quelques programmes d‟aide alimentaire de petite taille et localisés à certaines zones
bien définies ont ciblé les enfants sous-alimentés, les femmes enceintes, les personnes infectées
par le VIH et les patients TB. Plusieurs programmes alimentaires ciblant les écoles, et souvent
les filles, ont été mis en œuvre dans des zones pauvres choisies. Il arrive également que parmi les
récents programmes du type « vivres contre travail » mis en place par le Programme alimentaire
mondial, certains ciblent les femmes, bien que ces programmes n‟aient qu‟une couverture
limitée. Pour finir, le gouvernement dispose d‟un programme de dispense des frais médicaux
pour les personnes âgées et les indigents, ainsi que pour les femmes sans ressources9.

        Les quelques politiques existantes, qui sont à court terme et de faible envergure, tentent
souvent de cibler les femmes âgées et les filles en âge d‟aller à l‟école, et de tenir compte du
genre. Cependant, il n‟existe, au Mali, aucun signe de l‟existence de programmes ou de
politiques de protection sociale qui se concentrent sur les veuves (peu importe leur âge) ou leurs
dépendants10. Ni le gouvernement ni les bailleurs de fonds ne semblent particulièrement
préoccupés par ce groupe. Dans les deux sections suivantes, je me tourne vers les données
existantes afin d‟étudier leur importance.

3.      Les ménages dont le chef est une femme sont-ils plus pauvres au Mali?

        En raison d‟un manque de données appropriées, il est difficile d‟étudier d‟une façon
empirique si la différenciation de genre détaillée plus haut affecte les différences
interpersonnelles en termes de bien-être, et comment cette influence s‟effectue. Les données
individuelles détaillant l‟allocation des ressources, la consommation, la santé et l‟allocation du
travail et du temps au sein même du foyer ne sont en général pas disponibles. Par conséquent, il
est impossible de calculer directement le statut de pauvreté ou la vulnérabilité des membres
individuels d‟un ménage à partir de la plupart des enquêtes ménages. Une approche commune
consiste à comparer les foyers dont le chef de ménage (CM) est une femme avec ceux qui ont un
homme à leur tête pour en déduire les effets que le genre des individus a sur leur bien-être.

9
  Une revue détaillée des politiques de mesures de sûreté au Mali est donnée par la Banque mondiale, 2010.
10
   Il existe cependant une exception concernant les programmes de petite envergure de l‟ONG Secours islamique
qui ciblent les orphelins et leurs mères veuves.

                                                       8
Cependant, les ménages dont le CM est une femme (FHH - female-headed households) peuvent
être extrêmement hétérogènes. Certains ont dans leur composition des hommes partis travailler
ailleurs et qui envoient des remises, d‟autres sont gérés par des veuves pauvres qui ne disposent
d‟aucun moyen de subsistance alors que d‟autres encore sont gérés par de riches divorcées ou
des femmes ayant une carrière ou d‟autres moyens indépendants de subvenir à leurs besoins.
Dans l‟ensemble, une majorité d‟études, mais en aucun cas toutes les études, indique que les
FHH sont en effet plus pauvres dans un grand nombre de régions du monde ; voir Buvinic et Rao
Gupta (1997) pour une revue de la littérature ; voir aussi Quisumbing et al., (2001). Chacune de
ces deux dernières études note que, si les FHH sont défavorisés et combien ils sont défavorisés,
est inextricablement lié a la raison pour laquelle le ménage a une femme à sa tête. Des études
détaillées menées en Ouganda et au Zimbabwe indiquent que les ménages dont le CM est une
veuve sont singulièrement plus pauvres que ceux qui ont un homme à leur tête et que tout autre
type de foyer dirigé par une femme (Appleton, 1996, pour l‟Ouganda ; Horrell et Krishnan,
2007, pour le Zimbabwe).

        Étant donné les sujets abordés dans la section 2, il serait normal de s‟attendre à ce que les
FHH ne soient pas monnaie courante au Mali. Sur 4.494 ménages échantillonnés pour l‟ELIM de
2006, 179 et 131 dans les régions urbaines et rurales, respectivement, ont une femme à leur tête.
Cela représente 11,3 % de la population des régions urbaines et 4,5 % de la population des
régions rurales. Une large majorité de ces CM sont des veuves – 75 % dans les centres urbains et
64 % dans les zones rurales contre moins de 1 % des CM hommes veufs pour les mêmes zones.
Le statut marital du reste des FHH se divise comme suit : monogame (11 et 9 % dans les régions
urbaines et rurales, respectivement), polygame (4 et 22 %), divorcé ou séparé (7 et 4 %). Le
premier groupe peut être composé d‟un mari parti travailler ailleurs et qui envoie, ou non, des
fonds11. Le second est souvent composé de femmes dont les maris vivent avec une coépouse et
partagent leur temps entre elles, ces dernières vivant dans des lieux différents.

        Une étude antérieure qui s‟est penchée sur le profil de la pauvreté au Mali en utilisant
l‟ELIM 2006 a observé que le taux de pauvreté des FHH est de 20 % inférieur à celui des
ménages dont le CM est un homme (MHH - male headed households) (Backiny-Yetna et al.
2007). L‟analyse qui suit remet ces résultats en question. Plus particulièrement, en utilisant les
mêmes données (l‟ELIM 2006), elle révèle que le fait d‟avoir un CM féminin n‟est pas, en soi,
un facteur déterminant de la pauvreté. C‟est plutôt la combinaison des caractéristiques du
ménage et de l‟individu, y compris le fait d‟être une femme CM, un statut de veuve ou de
divorcée, qui détermine le niveau de bien être.

        Le tableau 1 nous fournit des statistiques descriptives sur les caractéristiques clés des
MHH et des FHH, ce dernier groupe se divisant encore en deux catégories : les ménages qui ont
une femme veuve comme CM et ceux qui ont une femme non veuve à leur tête. En ce qui
concerne certaines caractéristiques ─ plus précisément le nombre d‟années d‟éducation, la
quantité de bétail possédé, et le fait que l‟extérieur de l‟habitation soit en ciment ou en tuiles –
les différences en termes de moyens d‟existence semblent être plus importantes dans les foyers
dont les femmes veuves sont CM que dans tous les autres types de foyers. Pour les autres
caractéristiques, ─ y compris la taille du ménage et la terre possédée, ─ il s‟avère que les

11
  Les données confirment que les maris sont en général absents lorsque la femme est identifiée comme CM. Un
mari n‟est présent que dans 2 sur 310 ménages gérés par des femmes selon l‟ELIM 2006.

                                                      9
disparités essentielles se trouvent entre les MHH et les FHH. Une spécificité distinctive des
veuves CM est leur âge. Elles sont, en moyenne, plus âgées que les autres CM femmes et que les
CM hommes dans les régions urbaines, ce qui souligne la réalité sociale qu‟est le remariage des
veuves plus jeunes au sein de MHH. Il se peut tout à fait que le très petit nombre de veuves
parmi les plus jeunes femmes CM constitue un groupe qui se trouve entre deux mariages ou a
choisi de ne pas se remarier en raison de leur capacité à se débrouiller elles-mêmes, alors que les
veuves plus âgées se retrouvent seules, moins par choix que par nécessité.

        Une régression simple pour expliquer que le CM est une femme, avec un grand nombre
de caractéristiques individuelles, du ménage et du lieu de résidence montre qu‟aussi bien en
milieu rural qu‟urbain, les femmes CM ont beaucoup plus de chances d‟être veuves ou divorcées
que les hommes CM. Elles sont moins éduquées et leurs ménages sont plus petits, avec
notamment beaucoup moins de femmes adultes (âgées de 15 ans et plus) (Tableau 2)12. Ces
ménages semblent également être concentrés dans certaines zones, comme le prouvent de
significatifs effets fixes d‟emplacement (non représentés pour économiser de l‟espace). D‟autres
attributs significativement corrélés avec le fait d‟avoir un CM femme incluent également un chef
plus jeune en milieu rural et la possession de moins de terres agricoles en milieu urbain.
Cependant, en vérifiant les autres co-variables, les FHH ne semblent pas pouvoir être distingués,
en moyenne, des ménages gérés par des hommes sur la base de la consommation par tête, des
autres richesses et des avoirs. Les variables significatives de cette régression déterminent de
manière évidente les niveaux de consommation que j‟examinerai par la suite.

         En raison du fait qu‟un ménage peut décider d‟avoir une femme à sa tête parce que, par
exemple, le mari vit ailleurs et envoie des fonds, on peut supposer, dans des régressions sur la
consommation, que les coefficients estimés concernant l‟effet d‟avoir une femme ou une veuve
à la tête du foyer seront biaisés. Cet argument est moins plausible lorsqu‟il s‟agit de femmes
veuves, qui représentent la majorité des femmes CM, mais il pourrait malgré tout être utilisé.
Cependant, mon intérêt ici n‟est pas d‟identifier la causalité du fait d‟avoir une femme ou une
veuve à la tête du ménage, mais plutôt d‟identifier les différences de moyennes conditionnelles
de consommation entre différents types de ménages. La question que je traite est de savoir si les
FHH, et en particulier les foyers gérés par des veuves, sont plus pauvres que les autres, et non
pas si le fait d‟être un FHH ou d‟être devenue veuve les a rendus plus pauvres. Cette question
est celle qui est pertinente du point de vue des politiques à mettre en place, par exemple pour ce
qui est du ciblage basé sur les caractéristiques observées.

         Les régressions fournies dans le tableau 3 sont axées sur les déterminants du logarithme
de la consommation des ménages par tête pour quatre échantillons différents. Dans les colonnes
(1) et (2), les échantillons sont limités aux FHH et MHH respectivement. Les modèles s‟avèrent
être assez différents. Les FHH ayant à leur tête des veuves ou des femmes divorcées se trouvent
dans une situation considérablement pire que ceux ayant des femmes monogames (la catégorie
exclue) ou polygames à leur tête. La différence relative estimée de la consommation moyenne
par tête est de l‟ordre de 25 % pour les ménages qui ont des veuves à leur tête et de 30 % pour

12
   Malheureusement, l‟enquête ELIM n‟a pas collecté d‟information sur l‟ethnicité. Je suis donc dans l‟incapacité
de tester si ces facteurs varient au sein de différents groupes ethniques, bien que la plupart des variations dues à
l‟ethnicité seront saisies par les effets fixes géographiques puisque différents groupes ethniques tendent à se
concentrer dans différentes régions.

                                                          10
ceux dirigés par des divorcées. Cependant, les résultats obtenus pour ce dernier groupe ne sont
pas statistiquement significatifs, probablement en raison du très petit échantillon de femmes
divorcées CM. Parmi les ménages qui ont des hommes CM, ceux étant polygame se trouvent
dans une situation significativement meilleure, mais il n‟y a pas de désavantage statistiquement
significatif à être placé sous l‟autorité d‟un CM divorcé ou veuf par rapport au fait d‟être sous un
CM monogame. La taille du ménage et la composition démographique ont des effets similaires
pour les FHH et les MHH. Parmi les capacités et les avoirs, seules les années d‟éducation ont un
impact, bien que modeste, sur la consommation des FHH, alors que la terre et le bétail ont un
impact positif supplémentaire sur la consommation des MHH.

        Les régressions des colonnes (3) et (4) explorent plus en détail les déterminants du
logarithme de la consommation par tête des ménages ruraux et urbains en incluant une variable
indicatrice égale a 1 si le CM est une femme veuve, focalisant ainsi sur les différences entre ce
type de ménage et tous les autres. Le coefficient estimé indique alors l‟effet sur la
consommation du fait d‟avoir une veuve CM plutôt que n‟importe quel autre type de CM,
homme ou femme. Contrôlant pour un ensemble large et varié de caractéristiques des ménages
et des individus, y compris les effets fixes géographiques, nous pouvons observer que les
ménages des régions rurales qui ont une femme veuve à leur tête ont une consommation
moyenne par tête de 13 % inférieure à celle de tous les autres types de ménages (ayant des
hommes comme CM ainsi que des femmes d‟un autre statut marital). Dans les centres urbains du
Mali, la différence conditionnelle de la consommation moyenne par tête entre les ménages gérés
par des femmes veuves et tous les autres types de ménages est de l‟ordre de 8 %. Il s‟agit là de
différences moyennes conditionnelles importantes et significatives.

        Il est également instructif d‟étudier l‟importance pour la consommation du ménage
d‟avoir un CM féminin sans tenir compte d‟autres facteurs. En tant que groupe démographique,
les FHH au Mali sont-ils en moyenne inconditionnellement plus pauvres que les MHH ?
Montrant toujours les résultats d‟une régression du logarithme de la consommation par tête13, le
Tableau 4, fournit les coefficients estimés d‟une variable indicatrice pour le cas où un ménage a
pour chef une femme (colonnes 1 et 3) ou une femme veuve (colonnes 2 et 4) en région rurale et
en région urbaine de manière séparée. En commençant par les régions rurales, la colonne (1)
montre que la régression de base sans variables de control autre que celle d‟avoir une femme
comme CM résulte en une estimation positive significative de 0,197 (t=2,83), suggérant que les
FHH sont environ 20 % moins pauvres que les MHH ─ le groupe de comparaison pour cette
régression – tel que suggéré par Backiny-Yetna et al. (2007).

      Cependant, ce résultat a de grandes chances d‟être artificiel puisque les FHH ont
également tendance à être plus petits (Tableau 1). Le résultat pourrait être dû à un problème de
mesure du bien-être, à savoir que la spécification par tête ne permet pas d‟économie d‟échelle

13
   Dans les régressions fournies dans le Tableau 4, je laisse tomber les ménages gérés par des hommes et des
femmes divorcés dans les zones rurales (11 au total) et les hommes divorcés dans les zones urbaines (6 au total) en
raison du tout petit nombre d‟observations dans chaque catégorie et parce que je suis intéressée par la comparaison
des statuts maritaux. Cela explique en partie les différences de taille des échantillons entre les Tableaux 3 et 4. Les
autres raisons sont que certaines variables de control (les biens et l‟incidence de maladies chroniques parmi les
membres du ménage) manquent pour certaines observations. Dans les régressions fournies dans le Tableau 3, toutes
les variables de control sont inclues alors qu‟elles ne sont ajoutées que progressivement dans le Tableau 4. Par
conséquent, la taille des échantillons varie légèrement d‟une régression à l‟autre au sein du Tableau 4.

                                                          11
dans la consommation (Lanjouw et Ravallion, 1995). La spécification standard dans la littérature
est comme suit:
         ln(C / N )  �  �F  �X  �                                                           (1)
ou C représente la consommation du ménage, N la taille du ménage, F un FHH et X une série
d‟autres variables de control. Ici, C/N est l‟indicateur du bien-être d‟un individuel vivant dans
un ménage avec consommation C et taille N. Toutefois, supposez plutôt qu‟il existe des
économies d‟échelle dans la consommation tel que le bien-être individuel est en fait C / N � ,
ou 0  �  1 . Au lieu de (1) le model devrait alors plutôt être:
         ln(C / N � )  �  �F  �X  �                                                         (2)
comme premièrement suggèré par Lanjouw and Ravallion (1995). Ceci peut être écrit comme
         ln(C / N )  �  �F  �X  [�  (�  1) ln N ] ,                                       (3)
ou on peut voir que l‟erreur dans le modèle estimé est �  �  (�  1) ln N . Ainsi, le model
standard donnera des estimations biaisées sauf si cov( F , ln N )  cov( x, ln N )  0 .
Mais nous nous attendons a ce que cov( F , ln N )  0 , tel que cov( F , � )  0 et nous surestimerons
 � en utilisant OLS. Etant donné l‟existence d‟économies d‟échelle dans la consommation et que
les FHHs ont une plus petite taille, le test standard risque de ne pas révéler que les FHH sont
plus pauvre, ou risque même de trouver qu‟ils sont plus aisés comme nous l‟avons vu dans le
Tableau 4.

         La valeur de � est inconnue mais un test de sensibilité est au moins suggestif.14 Lorsque
j‟utilise plutôt la consommation par ménage normalisée par la racine carré de la taille du ménage
pour permettre les économies d‟échelle, et j‟estime l‟équation 2, le coefficient de FHH devient
négatif (-0,093, t=-1,53). Dans une analyse méticuleuse de la pertinence du fait d‟avoir une plus
petite taille sur la pauvreté des ménages dont le CM est une femme, et plus particulièrement une
veuve, en Inde, Drèze et Srinivasan (1997) obtiennent les mêmes résultats.

        Comme il est possible de l‟observer dans la rangée suivante, un résultat similaire peut
être obtenu en retournant à l‟indice par tête ainsi qu‟en contrôlant pour le logarithme de la taille
du ménage. Cette dernière variable influence très clairement les économies d‟échelle dans la
consommation. En outre, si l‟on ajoute la commune de résidence, afin de permettre les effets
fixes de localisation, et le mois de l‟interview (pour saisir les possibles effets saisonniers), le
résultat produit est alors un coefficient négatif significatif de -0,147 (t=-2,60) indiquant que les
FHH sont en effet plus pauvres ─ environ 15 % plus pauvres ─ que les MHH dans les régions
rurales du Mali15. Par conséquent, en considérant la taille démographique des foyers dans
lesquels les femmes sont CM et l‟endroit où ces derniers sont situés, les FHH ont un niveau de
vie inférieur, et non pas supérieur tel que prétendu par Backiny-Yetna et al. (2007).



14
   Le coefficient de régression des FHH en région rurale s‟approche de zéro à environ �  0,4 .
15
   Il est intéressant de constater qu‟une régression (non montrée) qui exclut la taille du ménage, mais comprend la
commune de résidence et le mois de l‟interview élimine également l‟effet positif significatif d‟un CM femme
(0,011, t=0,19), suggérant qu‟au sein des régions rurales, les FHH vivent dans des endroits plus riches. Par ailleurs,
il se pourrait que les FHH soient concentrés dans des endroits où les interviews se sont déroulées lors de la saison
d‟abondance. Le fait que l‟ELIM ait été mis en œuvre au cours d‟une période de 4 mois ne semble que pouvoir
réduire cette possibilité.

                                                          12
         Cependant, l‟ajout de la variable « statut marital » fait disparaître les coefficients estimés
et leur signification statistique. L‟addition de variables de control additionnelles ne change pas
qualitativement ce résultat. Le résultat confirme très clairement que ce n‟est pas, en soi, le fait
d‟avoir une femme CM qui est fortement associé à un niveau de vie inférieur, mais plutôt le fait
d‟avoir d‟autres caractéristiques, notamment le statut de veuve.

        En effet, si l‟on effectue le même exercice pour les femmes veuves CM dans les régions
rurales, des effets bien plus négatifs sont observés (colonne 2, Tableau 4). Il faut noter qu‟ici le
groupe de comparaison n‟est pas composé de MHH comme dans la colonne 1, mais bien de tous
les foyers des zones rurales qui n‟ont pas à leur tête une femme veuve. En ne contrôlant que
pour les variables correspondant à la taille et à l‟emplacement du foyer, la différence de
consommation moyenne par tête entre ces foyers et tous les autres est de plus de 20 %.

        L‟addition « progressive » d‟autres variables telles le statut marital, l‟âge et son carré, la
composition démographique, les années d‟éducation et leur carré, les avoirs du ménage et les
maladies chroniques atténue quelque peu l‟effet fortement négatif sur le niveau de vie d‟avoir
une femme veuve CM, mais cet effet reste hautement significatif et négatif (Tableau 4). Après
l‟ajout de ces variables, la consommation moyenne par personne de ces ménages est d‟environ
12 % inférieure à celle de tous les autres foyers en région rurale. Ce résultat diffère légèrement
de la disparité de 13 % estimée à partir de la même régression, et rapportée dans le Tableau 3, en
raison de l‟exclusion des ménages dirigés par des divorcées du groupe de comparaison.

         Dans les zones urbaines, les effets résultant d‟un CM femme, donnés dans les colonnes
(3) et (4) du Tableau 4, sont similaires à ceux observés dans les zones rurales. Avoir un CM
féminin n‟est pas, en soi, associé à un niveau de vie meilleur ou pire lorsque les économies
d‟échelle réalisées dans la consommation sont ignorées. Cependant, combiné avec le veuvage, le
fait d‟avoir une femme à la tête du foyer est associé à des dépenses par tête significativement
plus faibles. Tout comme dans les régions rurales, une fois que les économies d‟échelle, les
données démographiques et d‟emplacement sont prises en compte, les FHH – qu‟ils aient ou non
des veuves comme CM – ont des dépenses de consommation par tête significativement plus
faibles. Les FHH ont des dépenses par tête en moyenne 16 % inférieures à celles des ménages
ayant un homme comme chef; pour les ménages qui ont une femme CM, la consommation
moyenne par tête est 19 % inférieure à celle de tous les autres ménages situés en zone urbaine.
De nouveau, comme dans les régions rurales, le désavantage significatif associé au fait d‟avoir
une femme à la tête du ménage disparaît lorsque le statut marital est pris en compte. Pour les
FHH dont une veuve est CM dans les régions urbaines, les effets négatifs sont atténués
uniquement en contrôlant pour l‟éducation et le capital physique, réduisant ainsi la différence
moyenne à un plus petit, mais toujours significatif, 6 %16.

      En résumé, en tenant compte de leur plus petite taille, j‟observe que les FHH sont en
moyenne plus pauvres que les MHH uniquement avant de contrôler pour le statut marital.

16
   Ici, la différence de 2 % avec les estimations du Tableau 3 est due à l‟omission des ménages gérés par des
hommes divorcés dans les régions urbaines dans le groupe de comparaison. J‟ai également testé les effets pour les
FHH divorcés qui sont au nombre de 19 dans l‟échantillon urbain de l‟ELIM. Les coefficients estimés sont négatifs
et importants (-0,20), mais largement atténués une fois que les données démographiques sont incluses dans les
régressions. Cependant, ils ne sont jamais statistiquement significatifs en raison de la taille limitée de l‟échantillon.

                                                            13
L‟analyse suggère que ce sont les FHH gérés par des veuves qui sont les plus pauvres, faisant
ainsi écho aux résultats d‟études réalisées en Ouganda et au Zimbabwe (Appleton, 1997; Horrell
et Krishnan, 2007). Étant donné le très petit échantillon de femmes divorcées CM dans les
régions rurales et urbaines, je suis dans l‟incapacité d‟émettre la moindre opinion concernant ce
groupe, bien qu‟il existe des indications que ces foyers pourraient également être relativement
défavorisés.

        Le fait que ces données soient limitées aux ménages dont le chef est une femme constitue
un inconvénient majeur pour analyser la condition des femmes. Une majorité des femmes veuves
et divorcées sont réintégrées dans des ménages ayant un homme pour CM, que ce soit par le
remariage ou la résidence. (Les données de l‟ELIM indiquent que 7 % des femmes âgées de 15
ans et plus qui ne sont pas CM sont en fait veuves). Par conséquent, l‟étude des FHH ne me
permet pas de dire quoi que ce soit sur une grande partie des femmes qui ont été veuves ou
divorcées. Pour mieux investiguer le bien-être de ces femmes, je me tourne maintenant vers les
données individuelles de l‟EDS.


4.     Résultats tirées des indicateurs de bien-être individuel

       Nous avons vu combien il est difficile d‟étudier le bienêtre des femmes avec nos sources
standards d‟information sur les ménages. Le papier se tourne maintenant vers une source de
données rarement exploitée pour mesurer la pauvreté mais qui a néanmoins certains avantages.

        Nous savons qu‟au Mali, les femmes veuves et les femmes divorcées ont tendance à se
remarier, généralement au sein de foyers polygames en tant que deuxième, troisième ou
quatrième épouses. En raison du grand écart d‟âge entre les époux lors du mariage, le nombre de
femmes faisant l‟expérience de la perte d‟un conjoint au cours de leur vie est bien plus élevé que
celui des hommes ; le même indicateur nous permet d‟observer qu‟il existe bien plus de femmes
âgées veuves que d‟hommes âgés veufs. La section précédente a montré que les ménages dont le
CM est une veuve ont un niveau de consommation significativement plus faible que celui des
autres types de ménages, même si l‟on contrôle pour un ensemble étendu de variables composé
de caractéristiques du ménage et de caractéristiques individuelles, dont l‟âge. Cependant, il n‟est
pas possible d‟établir des mesures correspondantes du bien-être économique des membres du
foyer pris individuellement sur la base des données portant sur la consommation ou les revenus
du ménage.

        En le comparant à d‟autres statuts maritaux, j‟étudie ici comment le statut de veuve
(incluant le statut précédent de veuve de femmes aujourd‟hui remariées) est corrélé non
seulement aux indicateurs de bien-être personnel des femmes, mais aussi à ceux de leurs
dépendants, peu importe qu‟elles soient chefs de famille ou qu‟elles vivent dans des ménages qui
ont des hommes à leur tête. Il est important de noter que je me concentre uniquement sur certains
aspects du bien-être, et que - par manque de données - je néglige ce qui pourrait s‟avérer être des
dimensions importantes du bien-être liées au veuvage – y compris le deuil, la perte et la détresse
émotionnelle, les changements dans le statut social et économique et dans le style de vie et
l‟identité et, fréquemment, le rejet et les accusations d‟avoir causé la mort. Les rites et
cérémonies de purification liés au statut de veuve sont extrêmement répandus dans les cultures

                                                14
africaines, bien que je n‟aie trouvé aucune référence à de telles pratiques coutumières au Mali
(Sossou 2002).

        Les Enquêtes Démographiques et de Santé menées au Mali nous offrent des données pour
les années 1996 et 2006. Certains inconvénients liés à ces enquêtes ne facilitent pas une analyse
du genre et de la vulnérabilité – à savoir une attention focalisée principalement sur la santé et la
reproduction ; un traitement bien plus important et détaillé des données portant sur les femmes
par rapport aux hommes ; une collecte d‟informations détaillées axées uniquement sur les
femmes âgées de 15 à 49 ans ; et aucune donnée concernant les revenus ou les dépenses de
consommation. Cependant, l‟attrait majeur de ces enquêtes consiste en ce qu‟elles contiennent
des informations sur les individus, y compris un certain nombre d‟indicateurs de bien-être,
données que les enquêtes ménages ne collectent généralement pas. Dans le cas présent, j‟utilise
l‟EDS menée au Mali en 2006.

        L‟enquête de 2006 identifie le statut marital avéré de toutes les femmes âgées de 15 à 49
ans et, exceptionnellement, prend en considération le fait qu‟une femme aujourd‟hui mariée a été
auparavant veuve ou divorcée. Détenir ce détail concernant l‟historique marital est assez rare et
permet un examen de la question suivante : le remariage fournit-il l‟assurance attendue ?17
Cependant, les données ne permettent pas d‟identifier clairement et de séparer les veuves faisant
partie d‟une union du type lévirat des autres femmes. En outre, il n‟est pas évident d‟établir si les
veuves qui ont été réintégrées dans une union du type lévirat ont été identifiées comme mariées
ou veuves au moment de l‟enquête. L‟analyse suivante part de l‟hypothèse que les veuves qui ont
accepté le lévirat sont identifiées par l‟EDS comme faisant partie du groupe de femmes mariées.
Pour ce faire, elle tient compte des deux faits suivants : premièrement, un grand nombre de
femmes veuves se sont remariées ; deuxièmement, 60 % des femmes qui sont aujourd‟hui veuves
s‟identifient elles-mêmes comme CM, alors qu‟une majorité des autres réside soit avec leurs
parents soit avec leurs frères.

        Le Tableau 5 représente l‟échantillon de femmes interviewées lors de l‟EDS de 2006 en
le subdivisant par secteur rural-urbain et statut marital. Environ 16 % des femmes de cet
échantillon ont été veuves ou divorcées à un moment donné, avec un taux plus élevé dans les
régions urbaines que dans les régions rurales. Sur les 14.583 femmes âgées de 15 à 49 ans ayant
participé à l‟enquête, près de 5 % (655) étaient veuves, mais sont aujourd‟hui remariées (430 ou
3 %), ou sont encore veuves au moment de l‟enquête (225 ou 2 %). Le nombre de femmes déjà
divorcées est bien plus important (12 %) et la plupart d‟entre elles se sont remariées18.

        Les données révèlent également que dans les régions rurales (urbaines) 57 % (74 %) des
femmes qui n‟ont été mariées qu‟une fois ne vivent pas avec des coépouses alors que ce constat
n‟est vrai que pour 26 % (31 %) et 44 % (62 %) des remariages de femmes qui ont déjà été
veuves ou divorcées, respectivement. Une analyse du rang d‟épouse qu‟occupent les femmes au
sein d‟une union polygame confirme que les femmes qui ont déjà été mariées ont moins de
chance de se retrouver au rang de première épouse. Dans les centres urbains du Mali, 44 % des

17
   Malheureusement, l‟EDS de 1996 identifie uniquement le statut marital au moment de l‟enquête, ce qui rend une
comparaison à travers le temps impossible.
18
   Le Tableau 5 présente les pourcentages pondérés par la population qui ne sont finalement pas significativement
différents des pourcentages de l‟échantillon cités dans le texte.

                                                       15
femmes qui ont été mariées une fois occupent le rang de première épouse, comparé à 6 et 11 %
des femmes veuves ou divorcées, respectivement. Dans les zones rurales du Mali, ces chiffres
sont de 41 % pour les premiers mariages contre 16 et 23 % pour celles dont le premier mari est
décédé ou qui ont divorcé.

        En résumé, il est plus probable que les remariages qui ont lieu au sein d'une union
polygame mettent les femmes à un rang inférieur de coépouses– et donc dotées d‟un moins bon
statut.

        L‟EDS de 2006 comporte également des informations ayant trait à certains indicateurs de
bien-être individuel propres aux femmes et à leurs enfants. Le premier indicateur que j‟examine
est l‟indice de masse corporelle (IMC) des femmes, indice qui représente une mesure de la santé
puisqu‟un faible IMC peut refléter un stress élevé et une malnutrition19. Au-delà du simple
calcul de l‟IMC, nous pouvons également analyser la proportion de femmes dont l‟IMC est plus
élevé que la limite inférieure, située à 1900, en dessous de laquelle une femme est considérée en
état de malnutrition20. Les questions de savoir si les femmes ont, ou non, des enfants dépendants
– définis comme ceux dont elles ont la responsabilité principale – et si une mère a des enfants qui
lui sont dépendants, mais qui ne vivent pas sous le même toit, constituent d‟autres indicateurs
également observables à partir des données de l‟EDS. Certains indicateurs concernant les enfants
peuvent également être reliés au statut marital de la mère, mais uniquement pour les enfants qui
résident avec celle-ci. Ces éléments de mesure comprennent les centiles de poids pour la taille, la
scolarisation et le fait que les filles soient, ou non, traitées différemment des fils. Bien que je sois
dans l‟incapacité de relier des enfants non-cohabitant avec le statut marital de leur mère, je peux
cependant comparer le taux de scolarisation des enfants qui vivent avec leur mère avec celui des
enfants qui ne vivent pas avec leur mère.

        Tests pour l’existence d’un biais de sélection
        Lors de la lecture de cette analyse, il est important de prendre en compte deux
inconvénients importants. Tout d‟abord, l‟EDS ne permet pas de faire la lumière sur le groupe de
grande envergure que représentent les veuves et autres femmes âgées de plus de 49 ans, groupe
qui inclut probablement les plus vulnérables d‟entre elles. Malheureusement, il n‟existe aucune
solution pour régler ce problème de données.

        Ensuite, l‟échantillon de femmes veuves ou divorcées dans l‟EDS est composé de
femmes „sélectionnées‟ en raison du fait qu‟elles ont vécu le choc d‟une dissolution du mariage à
un âge relativement jeune. Par conséquent, certains peuvent remettre en question le fait que la
comparaison des résultats concernant les femmes veuves avec ceux des autres femmes peut
souffrir d‟un biais de sélection, tel que les femmes veuves commencent avec de moins bons
résultats avant même de devenir veuves. Par exemple, un faible IMC peut être préexistant au
mariage et au veuvage. Utilisant des données de panel sur la santé et les retraites aux Etats Unis,

19
   L‟IMC est égal au poids/(taille/100)². Un individu est considéré comme souffrant d‟un surpoids très élevé si son
IMC est supérieur à 2500 ; et comme étant en état de malnutrition si son IMC est inférieur à 1850. (Veuillez noter
que l‟IMC est souvent exprimé comme suit : 25 et 18,5. Cependant, l‟EDS les multiplie par 100 pour assurer la
précision et j‟applique cette pratique).
20
   J‟utilise la limite de 1900 au lieu de celle, plus courante, de 1850 en raison du peu de données existant à des âges
plus élevés pour certains groupes de femmes, ce qui entraîne une plus grande volatilité dans les régressions.

                                                           16
certaines études ont montrés que, tenant compte du faite que les hommes pauvres sont plus
susceptibles de mourir jeune (étant donné une corrélation forte entre les revenus et la mortalité),
les veuves ont une forte probabilité de venir de ménages pauvres (Hurd et Wise 1989 ; Sevak et
al. 2003). La pertinence du cas des Etats Unis a celui du Mali ─ ou devenir veuve a un jeune âge
n‟est pas nécessairement associé avec la mort d‟un mari jeune étant donné le grand écart d‟âge
entre conjoints ─ est discutable. Dans le cas du Mali, il se peut plutôt qu‟une femme avec un
IMC déjà peu élevé ait une probabilité plus élevée de se marier avec un homme beaucoup plus
âgé (ce qui accroit la probabilité de veuvage). Par conséquent, les « impacts » sur le bien-être
tirent en réalité leurs origines de la période qui précède le décès du mari. La question clef est
alors si les femmes s‟appauvrissent parce qu‟elles deviennent veuve ou si elles étaient déjà plus
pauvres dans lequel cas il n‟y aurait aucun effet causatif du veuvage.

        Ce deuxième problème mérite d‟être examiné plus en détail. Sans données de panel qui
pourraient identifier les ressources économiques avant qu‟une épouse devienne veuve, la
meilleure façon de tester pour un biais de sélection consiste en un examen des caractéristiques
individuelles qui sont fortement corrélées avec les niveaux de vie mais qui précèdent nettement
le veuvage et même le mariage. Si les veuves sont surtout des femmes qui ont épousés des
hommes pauvres et donc maladifs, on s‟attendrait alors a ce que ces femmes soient elles mêmes
de milieu pauvre et maladif. On pourrait alors aussi s‟attendre à ce que ceci soit reflété dans des
niveaux d‟éducation et de taille moins élevés ─ des indicateurs qui sont typiquement hautement
corrélés avec la pauvreté. On pourrait également s‟attendre a ce que les femmes plus pauvres se
marient plus jeunes.

        Une analyse portant sur l‟âge moyen au moment du premier mariage, le niveau
d‟éducation, et (ce qui est peut-être le plus révélateur) sur la taille, ne suggère pas que les veuves
aient des résultats systématiquement pires que les non-veuves. En faite, les différences de tailles
moyennes ─ 6,8 et 6,0 millimètres en zone urbaine et rurale respectivement ─ favorisent les
veuves, bien que d‟une façon statistiquement significative seulement dans les régions rurales
(t=2,01; urbain t=1,36). Il n‟y a aucune différence d‟âge au premier mariage dans les villes (-
0,26, t=-0,90), tandis que les veuves résidant en zone rurale étaient en moyenne 0,65 années plus
vieilles lorsqu‟elles se sont mariées la première fois (t=2,36). Enfin, une comparaison des
années d‟études révèle que les veuves sont significativement moins scolarisées: la différence est
de 1,1 années de moins (t=-3,92) en région urbaine et 0,2 années (t=-2,37) en région rurale. Par
contre, elles sont aussi en moyenne plus âgées que les autres femmes dans l‟échantillon. Les
cohortes plus jeunes ont eu de plus grandes possibilités d‟assister a l„école que les plus vieilles.
En effet, une fois que je contrôle pour l‟âge, les différences d‟années de scolarité et leur
signifiance statistique disparaissent (la différence urbaine est -0,44, t=-1,41; la différence rurale
est 0,08, t=0,95).

        Combinant ces variables dans un probit du fait que la femme soit ou ait été veuve
confirme que seules les caractéristiques d‟âge (y compris l‟âge lors du premier mariage doté d‟un
effet négatif significatif dans les régions urbaines), et d‟appartenance au groupe ethnique Dogon
dans les zones urbaines du Mali, possèdent un pouvoir explicatif. Les régressions pour
l‟échantillon complet, et séparément pour les échantillons urbain et rural, sont données dans le
Tableau 6. Les régressions incluent la taille qui peut raisonnablement être traitée comme une
variable exogène dans le cas qui nous occupe ; aucun effet significatif de la taille sur la


                                                  17
probabilité d‟être veuve n‟est observé21. Le Tableau 6 présente aussi des régressions avec et sans
le quintile de richesse du ménage dans lequel réside la veuve. Bien que cette variable puisse être
endogène au veuvage, il est quand même intéressant de tester sa signifiance. Si les veuves
viennent de milieux pauvres et ont épousé des hommes pauvres alors, suivant la même logique,
elles auront aussi de grandes chances de se remarier dans le sein de ménages relativement
pauvres (qu‟elles choisissent le lévirat ou non) ou de rejoindre un ménage ─ typiquement celui
de leurs parents, d‟un frère ou d‟un fils ─ qui est lui aussi pauvre. Ainsi, si le type de sélection
qu‟ont retrouve aux USA est également présent au Mali, on s‟attendrait à ce que le veuvage soit
hautement corrélé avec le faite d‟habiter dans un ménage défavorisé. Pourtant, comme peut être
vérifié dans la Tableau 6, ce n‟est pas ce que je trouve. Il n‟y a pas de corrélation partielle
significative entre le fait d‟être une veuve ou de l‟avoir été et la richesse du ménage, contrôlant
pour l‟âge, la taille et le groupe ethnique. Les résultats des régressions qui n‟incluent pas le
quintile de richesse sont pratiquement identiques (Tableau 6). Donc, ce test en plus ne suggère
non plus pas que les résultats principaux du papier souffrent d‟un biais de sélection.

        Une autre indication de l‟étendue du biais peut aussi être fournie en examinant
l‟échantillon des femmes mariées une seule fois pour voir si un grand écart d‟âge entre les époux
empire leur bien-être. Une régression de l‟IMC des femmes mariées une fois, utilisant la
différence d‟âge entre les époux entre autres variables, suggère qu‟un plus grand écart d‟âge est
associé à un IMC plus élevé et non pas plus faible.

        Ces tests permettent, jusqu‟à un certain point, de réduire les soucis concernant un biais de
sélection, bien qu‟il me soit évidemment impossible d‟exclure totalement la possibilité que
certaines caractéristiques non observées concernant les veuves ou les ménages dans lesquels elles
se marient n‟influencent les résultats, (Dans l‟incapacité d‟effectuer une expérience qui créerait
des veuves de manière aléatoire, il est impossible d‟en être totalement sûr). Néanmoins, on
s‟attendrait à ce que les caractéristiques non observées soient corrélées avec les caractéristiques
observées utilisées dans les tests ci-dessus. Le faite qu‟être une veuve est a peu près orthogonal
a ces variables ne suggère pas que des biais de sélection soient un grand souci dans le cadre
présent.

        Régressions d’indicateurs de bien-être individuel
        Je me tourne maintenant vers les indicateurs identifiés du bien-être individuel afin
d‟examiner si les veuves ou leurs enfants se trouvent dans une moins bonne situation que les
autres. Pour commencer, pour calculer les différences de résultats (Y) pour les veuves (W=1) et
les non veuves (W=0) j‟utilise une équation de forme quadratique en âge (A):
                Yi  � 0  �1 Ai  � 2 Ai2  (� 0  �1 Ai  � 2 Ai2 )Wi  � i                (4)
où l‟âge et le statut de veuve sont supposés être exogènes ( E[� i Ai ,Wi ]  0 ). Dans le but
d‟estimer les impacts du veuvage pour un âge donné (A*), nous pouvons réécrire l‟équation (1)
comme suit :

21
   Les variables sont l‟âge et l‟âge au carré, l‟âge au premier mariage, l‟éducation, le fait d‟être né dans une région
urbaine, la taille, le fait de résider dans une région urbaine ou rurale, le groupe ethnique et le quintile de richesse du
ménage. Ces derniers sont calculés par l‟EDS sur la base d‟un indice des biens et des attributs de l‟habitation et de
l‟accès à l‟eau, et généré par une analyse en composantes principales. L‟indice est exprimé au niveau du ménage et
non par personne.

                                                            18
               Yi  � 0  �1 Ai  � 2 Ai2  �1 ( Ai  A* )Wi  � 2 ( Ai2  A*2 )Wi  �Wi  � i (5)
Ici, � nous donne l‟impact du veuvage sur la variable de résultat lorsqu‟il est évalué à l‟âge A*,
par ex.
               �  E[Yi Ai  A* , Wi  1]  E[Yi Ai  A* , Wi  0]  � 0  �1 A*  � 2 A*2     (6)
 (D‟autres variables peuvent être ajoutées à l‟équation (4) et le paramètre d‟impact est alors
évalué pour des valeurs spécifiques de ces variables). La régression est évaluée à différents âges
afin d‟obtenir les estimations d‟impact et leurs erreurs types. Ces dernières sont présentées dans
les Tableaux 7 et 822.

         Pour la plupart des indicateurs du bien-être des femmes présenté dans le Tableau 7, la
comparaison est effectuée entre les femmes ayant déjà été veuves et toutes les autres. Les
différences moyennes d‟IMC et les valeurs de la statistique de Student sont données dans les
deux premières colonnes. Dans les régions rurales du Mali, le veuvage impacte l‟IMC de
manière négative pour les veuves de 20 à 40 ans, bien que la différence moyenne ne soit
statistiquement significative qu‟au seuil de 10 % pour les femmes d‟environ 30 ans. Aucune des
différences n‟est significative dans les centres urbains. En regardant les résultats du groupe de
femmes dont l‟IMC se trouve au-dessus de la limite d‟état de malnutrition située à 1900, on voit
qu‟une proportion très importante des veuves vivant en zone rurale et appartenant à la catégorie
d‟âge des 20 - 45 ans tombe dans la tranche d‟état de malnutrition. De nouveau, ce constat n‟est
pas observé dans les zones urbaines.

         Les données confirment qu‟au cours de leur vie les femmes veuves ont plus de
probabilité d‟avoir des enfants à leur charge que les femmes non veuves. Ce constat se vérifie à
la fois dans les régions rurales et dans les régions urbaines. Par exemple, à l‟âge de 35 ans, la
différence moyenne est de 0,15 (15 points de pourcentage) ; entre 40 et 45 ans, la différence est
de 0,17 dans les zones rurales et de 0,14 dans les zones urbaines.

         Les données confirment également que, souvent, les femmes qui se remarient vivent
séparées d‟au moins une partie de leurs enfants. Dans ce cas précis, il est plus logique de
comparer les femmes remariées (qui ont été veuves), plutôt que les femmes au moins une fois
veuves, avec les autres femmes. Dans les régions rurales du Mali, les femmes qui ont été veuves,
et qui ont entre 20 et 40 ans, ont une probabilité significativement plus élevée d‟avoir des enfants
qui ne vivent pas avec elles. À l‟âge de 30 ans, la différence moyenne est de 0,31 (par exemple,
les veuves ont 31 pourcent de points de probabilité supplémentaire d‟avoir un enfant qui vit
ailleurs). Dans les zones urbaines, les tendances ressemblent plus à un U inversé avec : une
différence de probabilité moins élevée sous l‟âge de 25 ans, une probabilité qui augmente entre
25 et 40 ans et, enfin, une dernière inversion vers 50 ans. Pour finir, les deux dernières colonnes
du Tableau 7 examinent l‟impact que le fait d‟être veuve peut avoir sur les centiles de poids pour
la taille des enfants. Bien que, dans les zones rurales, les différences moyennes soient négatives

22
   Les différences moyennes du tableau 7 sont estimées en n‟ajoutant pas d‟autres variables à celles de base
indiquées dans les équations 4 et 5. J‟ai également effectué les régressions en utilisant les variables d‟appartenance
au groupe ethnique Dogon, le fait que la femme soit ou non enceinte (pour les régressions d‟IMC), l‟âge au premier
mariage, le nombre de frères et, pris séparément, le nombre de sœurs qui sont en vie, les années d‟éducation et le fait
qu‟elles aient ou non des enfants à charge (de nouveau, seulement pour l‟IMC). Ces variables n‟impactent que très
faiblement les estimations.

                                                          19
pour l‟entièreté de la distribution des âges, aucune des différences n‟est statistiquement
significative. Pour ce qui est des centres urbains du Mali, des différences moyennes négatives et
significatives sont observées dans le cas des veuves de 30 ans et plus.

        Le Tableau 8 s‟intéresse aux résultats de la scolarisation des enfants des femmes veuves
par rapport aux enfants de celles de tous les autres statuts maritaux. Ces résultats incluent la
scolarisation et le fait que les filles soient, ou non, traitées différemment des fils. Dans ce cas
précis, les écarts moyens sont estimés en fonction de l‟âge des enfants. Comme cela a déjà été
indiqué, les données permettent une analyse de la scolarisation des enfants qui résident avec leur
mère seulement, en fonction du statut marital de cette dernière.

         Dans le Tableau 8, nous pouvons observer que le fait que la mère soit veuve a des effets
négatifs sur la scolarisation ; ces effets ne sont cependant statistiquement significatifs que pour
les enfants des zones rurales âgés de 12 ans, pour lesquels il existe une probabilité inférieure à 7
points de pourcentage d‟être inscrits à l‟école. En ce qui concerne les régions urbaines du Mali,
aucune de ces différences n‟a d‟importance statistique. Pour finir, parmi les enfants de veuves,
les garçons sont nettement plus scolarisés que les filles, tant en région urbaine que rurale et quel
que soit l‟âge. Cependant, étant donné le taux plus faible de scolarisation dans le milieu rural,
l‟écart tend à s‟atténuer. Dans les régions urbaines du Mali, les différences concernant les écarts
de genres sont incroyablement importantes, les filles étant particulièrement défavorisées lors de
leur plus jeune âge et une fois devenues plus âgées. À l‟âge de 6 ans, l‟écart moyen est de 14
points de pourcentage, ce dernier diminuant jusqu‟à 4 points à l‟âge de 12 ans et augmentant de
nouveau à l‟âge de 14 ans pour atteindre 9 points.

        Les Tableaux 7 et 8 suggèrent qu‟il existe un certain nombre de différences entre les
veuves et les femmes d‟autres statuts maritaux. Les veuves se trouvent dans une moins bonne
situation à bien des égards. Cependant, il convient de noter que l‟approche utilisée ci-dessus
comporte deux limites : premièrement, elle utilise un modèle paramétrique où la relation avec
l‟âge prend une forme quadratique explicite ; il s‟agit ici d‟un choix arbitraire qui n‟est peut-être
pas justifié. Deuxièmement, certaines différences observées dans le groupe de femmes non
veuves peuvent être intéressantes à considérer. (Par exemple, comme nous l‟avons vu dans la
Section 3, les femmes divorcées peuvent également être relativement défavorisées).

         Des régressions non paramétriques peuvent être utilisées pour explorer les associations
entre les indicateurs individuels du bien-être, tels que l‟IMC et le statut marital des femmes, en
utilisant la variable de l‟âge d‟une manière plus flexible qui ne dépende pas d‟un regroupement
par âge effectué de façon arbitraire ou qui ne nécessite pas un modèle de régression
paramétrique. Une représentation graphique peut également permettre d‟identifier et de comparer
plus facilement une multitude de groupes de statuts maritaux différents, pour autant que la taille
des échantillons soit suffisamment importante. Les Graphiques 1 et 2 examinent l‟IMC de cette
manière23. Les chiffres suggèrent que, contrôlant pour l‟âge, les veuves et les femmes qui ont été
veuves, mais sont aujourd‟hui remariées, ont un IMC moins élevé que les femmes qui sont
mariées, sont actuellement divorcées ou sont divorcées mais aujourd‟hui remariées. Dans le Mali
rural, elles ont un IMC moins élevé que celui de ces autres groupes de femmes, et ce jusqu‟à ce
qu‟elles atteignent la quarantaine (Graphique 1). Les très jeunes veuves et divorcées qui vivent
23
     Il s‟agit de régressions non paramétriques de type LOWESS.

                                                        20
en milieu urbain semblent également être défavorisées dans ce domaine, bien que la
différenciation par statut marital soit moins prononcée dans ce cas (Graphique 2).

        Les Graphiques 3 et 4 cartographient la proportion de femmes dont l‟IMC est plus élevé
que la limite d‟état de malnutrition située à 1900, de nouveau à l‟aide de régressions non
paramétriques et en contrôlant pour l‟âge. Le Graphique 3 confirme que, comparé aux femmes
d‟autres statuts maritaux, les femmes qui sont actuellement veuves se retrouvent plus
fréquemment dans un état de malnutrition, fréquence encore un peu plus élevée pour les femmes
qui ont été veuves, et ce jusqu‟à l‟âge de 40 ans (environ) où les femmes divorcées les dépassent.
Dans les zones urbaines du Mali, ce sont les femmes aujourd‟hui divorcées qui tombent le plus
fréquemment dans un état de malnutrition (Graphique 4).

        Comme cela peut être constaté dans le Graphique 5, la probabilité d‟avoir des enfants
dépendants augmente avec l‟âge, et ce pour toutes les femmes. Dans les régions rurales, ce
constat se vérifie pour les femmes aujourd‟hui veuves, pour l‟entièreté de la distribution des
âges. Lorsqu‟elles sont âgées de moins de 25 ans, les femmes qui ont été veuves ont à peu près la
même probabilité d‟avoir des dépendants que les femmes divorcées. Par contre, à partir de 25
ans, une différence commence à se marquer (Graphique 5). Dans les zones urbaines également,
la probabilité d‟avoir des enfants dépendants est plus forte pour les femmes aujourd‟hui mariées
(mais ayant été veuves), les femmes veuves et, bien que moins drastiquement, les femmes
divorcées, que pour les femmes qui sont une fois mariées ou remariées après un divorce
(Graphique 6).

         Dans l‟analyse des différences de probabilités qu‟ont les femmes de vivre séparées de
certains de leurs enfants, il est important de prendre l‟âge de la mère en considération. En effet,
le fait que les veuves sont plus âgées que les autres femmes et donc plus à même d‟avoir des
enfants en âge de quitter le cadre familial pourrait être un objet de discussion. Les Graphiques 7
et 8 représentent cette tendance pour l‟entièreté de la distribution des âges. Dans les régions
rurales du Mali, une plus grande proportion des femmes mariées, mais ayant déjà été divorcées
ou veuves, et qui appartiennent à la catégorie d‟âge des 20 – 40 ans, ont des enfants vivant
ailleurs. Une fois la quarantaine, il est possible d‟observer une convergence avec les femmes
d‟autres statuts maritaux. Encore une fois, les tendances sont moins évidentes dans les régions
urbaines, même si la probabilité d‟avoir des enfants qui ne résident pas avec leurs mères y est
moindre pour les femmes mariées seulement une fois à tout âge.

        Passons maintenant au bien-être des enfants de femmes qui ont de différents statuts
maritaux. Les Graphiques 9 et 10 s‟intéressent aux milieux ruraux et urbains du Mali,
respectivement, et nous montrent les centiles de poids pour la taille des enfants âgés de 0 à 5 ans
qui résident avec leurs mères. Veuillez noter que ces mesures anthropométriques englobent déjà
l‟âge de l‟enfant, ce qui me permet de me concentrer uniquement sur l‟âge de la mère. La
tendance est moins évidente, même s‟il existe une inclination suggérant que la jeune progéniture
des veuves et des femmes mariées mais qui ont été veuves se retrouve dans des centiles de poids
pour la taille relativement peu élevées. Les enfants dépendants qui résident avec des mères
divorcées de 25 à 35 ans semblent être également très défavorisés dans ce domaine (Graphique
9). Dans les zones urbaines du Mali, les données partent un peu dans tous les sens. Dans ces
régions, ce sont les enfants de femmes divorcées, ainsi que ceux de femmes veuves et auparavant


                                                 21
veuves âgées de plus de 30 ans qui se trouvent dans une moins bonne situation par rapport aux
enfants des autres femmes (Graphique 10).

        Le Graphique 11 s‟intéresse aux enfants des régions rurales qui vivent avec leurs mères,
elles-mêmes regroupées selon leur statut marital, et nous indique si ceux-ci se rendent à l‟école,
contrôlant pour leur âge (de 5 à 14 ans)24 . De manière inquiétante, il en ressort que les enfants
de femmes qui sont ou ont étés veuves et de femmes aujourd‟hui divorcées vivant dans des zones
rurales, ont moins de probabilité d‟être scolarisés que les enfants des femmes d‟autres statuts
maritaux, constat qui vaut tout particulièrement pour les plus jeunes et les plus âgés. Il est
particulièrement frappant d‟observer que ces enfants abandonnent l‟école beaucoup plus tôt que
les autres (Graphique 11). Par contre, la situation inverse s‟observe dans le milieu urbain où ce
sont les enfants qui résident avec une mère veuve, qui ont le plus de chances d‟aller à l‟école,
quel que soit leur âge. Ceux qui ont le moins de chances d‟être scolarisés sont les enfants âgés
de moins de 8 ans de femmes divorcées et ceux, de plus de 9 ans, qui dépendent de femmes qui
ont été veuves mais se sont remariées (Graphique 12).

          Il peut également être intéressant d‟étudier si les filles sont traitées différemment des fils
et si, le cas échéant, une telle différence est associée à un statut marital particulier de la mère. Le
Graphique 13 examine cette question en décomposant les données portant sur la scolarisation,
fournies par les Graphiques 11 et 12, en fonction du genre des enfants cohabitant avec leur mère
et en âge d‟aller à l‟école. La différence entre la part des garçons et celle des filles qui sont
inscrit à l‟école est représentée dans le Graphique 13. Cependant, il est important de noter que,
en raison de la faible taille des échantillons une fois la décomposition par âge et par genre
effectuée, les enfants des femmes actuellement veuves et des femmes aujourd‟hui divorcées ne
sont pas représentés. De la même manière, il peut y avoir des problèmes liés à la petitesse des
échantillons concernant le groupe de femmes mariées, mais qui ont été veuves, dans les régions
urbaines. À la fois dans les régions rurales et urbaines du Mali, les garçons sont nettement plus
susceptibles d‟être scolarisés que les filles, fait conditionné par un état matrimonial donné.
Cependant, l‟écart semble être bien moins prononcé, et n‟augmente que faiblement avec l‟âge,
pour les enfants de femmes mariées une fois. Dans le milieu rural, les très jeunes filles des
femmes qui ont été veuves ou divorcées sont favorisées, mais dès que ces filles atteignent l‟âge
de sept ans et demi ou à peu près, l‟écart s‟inverse pour augmenter de manière exponentielle
avec l‟âge, tout particulièrement pour les enfants de femmes ayant été veuves. Cet écart qui
favorise les garçons dépasse celui que l‟on peut observer chez les enfants de femmes mariées
une fois vers l‟âge de 10 ans pour les enfants des femmes qui ont été veuves, et de 12 ans pour
ceux des femmes auparavant divorcées. Dans les zones urbaines, l‟écart favorise généralement
les garçons quel que soit l‟âge des enfants ; il est en général largement plus important pour les
enfants des femmes qui ont été veuves ou divorcées. Renforçant les résultats de la régression sur
les différences moyennes, il ressort clairement que, dans le cas où la mère subit un choc qui
bouleverse son statut marital, les effets négatifs résultant d‟un manque d‟investissement en
capital humain sont pires pour les filles que pour les garçons vivant avec leur mère.



24
   L‟EDS ne permet de faire le lien entre l‟identité de la mère et ses enfants que pour ceux âgés de moins de 14 ans,
ce qui explique pourquoi l‟analyse portant sur la scolarisation ne s‟intéresse qu‟aux enfants âgés de 5 à 14 ans.


                                                         22
        Comme on l‟a vu plus haut, il arrive que des femmes qui se sont remariées, après avoir
connu le veuvage ou le divorce, ne vivent pas avec la totalité de leurs enfants. Le Graphique 14
compare le taux de scolarisation des enfants, garçons et filles, qui vivent avec leurs mères et de
ceux qui ne vivent pas avec leurs mères, en région de résidence urbaine et rurale25. Dans le
groupe étendu urbain/rural, et au sein de chaque secteur, les écarts de genre se manifestent
immédiatement. Le fait de ne pas résider avec sa mère a également des effets frappants et
négatifs sur la scolarisation des enfants.26 Ce constat est particulièrement vrai pour les filles en
région urbaine. En effet, si l‟on compare, en milieu urbain, le taux de scolarisation des filles
vivant sans leurs mères avec celui des filles vivant avec leurs mères, celui-ci chute de manière
constante et abrupte, et ce dès l‟âge de 9 ans.

         L‟EDS s‟intéresse également à l‟accès aux soins de santé et aux problèmes que les
femmes malades rencontrent lorsqu‟elles cherchent à se soigner. On pourrait soutenir que cette
information ne souffre pas de problèmes de sélection dans l‟échantillonnage. Le Tableau 9
affiche les pourcentages de femmes qui déclarent qu‟obtenir la permission de chercher à se faire
soigner, ainsi que le manque d‟argent, sont de sérieux obstacles. Que ce soit en zone urbaine ou
en zone rurale, les femmes qui ont été veuves semblent être particulièrement défavorisées dans
ce domaine. Si l‟on compare les femmes qui sont actuellement mariées, mais qui ont été veuves,
aux autres femmes, une plus grande proportion d‟entre elles déclare qu‟obtenir la permission de
se soigner est un problème, ce qui suggère un plus faible degré d‟autonomie. Il y a également
une plus grande probabilité que les femmes qui ont été veuves – qu‟elles le soient encore ou
qu‟elles soient aujourd‟hui remariées – déclarent qu‟elles manquent de ressources pour chercher
à se faire soigner. Dans les régions rurales, ce constat se vérifie pour 80 % des veuves - résultat
particulièrement imposant - ainsi que pour 70 % des femmes divorcées.

        Sur la base du peu d‟indicateurs du bien-être individuel qui sont disponibles, il est
possible d‟observer certains faits marquants : les veuves et les femmes qui ont connu le veuvage
par le passé se trouvent dans une moins bonne situation et sont moins capables de subvenir aux
besoins de leurs enfants ; elles sont également plus vulnérables aux chocs que beaucoup d‟autres
femmes. Les tendances qui se dessinent pour les femmes actuellement divorcées sont moins
consistantes, mais il semblerait que ces dernières soient aussi souvent fortement défavorisées.
C‟est particulièrement le cas dans les zones rurales du Mali.

5.       Conclusions

       La situation désespérée des veuves dans de nombreux pays africains a été très largement
négligée dans le travail des économistes et dans les actions de politique publique. Bien que cette
problématique ait été un sujet récurrent des littératures sociologiques et anthropologiques, les
travaux des économistes se sont souvent concentrés sur les ménages dirigés par des femmes,
incluant ceux dont la femme chef de ménage est veuve. Les veuves ont également été inclues
dans des discussions portant sur la pauvreté liée à la vieillesse et les pensions sociales, et, plus

25
   L‟échantillon composé d‟enfants ne vivant pas avec leurs mères inclut les enfants dont les mères peuvent ne plus
être en vie. Cependant, limiter l‟échantillon aux enfants dont la mère ne vit pas sous le même toit, mais est bien en
vie, fournit un résultat similaire.
26
   Case et al. (2004) ont des résultats similaires pour les orphelins et les enfants ne vivant pas avec leurs parents dans
10 pays d‟Afrique. Par contre, ils ne trouvent pas que les filles soient plus désavantagées que les garçons.

                                                           23
récemment, les règles d‟héritage influencées par le genre et les conséquences de l‟épidémie du
VIH/Sida. Mais, à ma connaissance, pratiquement aucune attention n‟a été portée à la situation
des femmes veuves, souvent très jeunes, qui se sont remariées et qui ne sont donc plus
considérées comme étant « veuves », ou qui ont été d‟une manière ou d‟une autre réintégrées,
avec leurs enfants, au sein d‟un foyer dont un homme est chef de ménage.

       Ce document a utilisé les données disponibles pour étudier le bien-être individuel des
femmes qui ont connu le choc d‟un veuvage ou d‟un divorce au Mali. Le bien-être des enfants
qui dépendent d‟elles a également été étudié.

        Un inventaire des caractéristiques portant sur la situation des femmes au Mali indique
qu‟elles sont plus vulnérables et moins aptes que les hommes à atténuer les difficultés et à y faire
face. De plus, les femmes peuvent être tout particulièrement vulnérables en cas de perte d‟un
mari.

        L‟analyse des données sur la consommation des ménages dont le chef est une femme
indique que, tenant compte de leur plus petite taille – et donc des économies d‟échelle possibles,
-- ils ont des niveaux de vie moins élevés que les ménages dirigés par des hommes seulement
avant de contrôler pour le statut marital. Les ménages dont les CMs féminins sont également
veuves sont significativement plus pauvres que tous les autres ménages.

         Enfin, le document ce tourne vers un examen des indicateurs du bien-être individuel tirés
de l‟EDS de 2006. J‟examine d‟abords si la possibilité d‟un biais de sélection vis-à-vis des
veuves ─ tel que les femmes veuves sont plus pauvres avant de devenir veuve non pas a cause de
leur veuvage ─ est un souci important dans le cadre du Mali. Les tests ne suggèrent pas que ce
soit le cas. L‟analyse des indicateurs du bien-être individuel confirme que les veuves qui ne sont
pas nécessairement CM ont des indicateurs de bien-être d‟un niveau plus faible. Une telle
analyse révèle également que, comparées aux autres femmes, la vulnérabilité et le bien-être
moins élevé des femmes ayant connu un veuvage ou un divorce, persistent après un remariage.
De plus, ces effets négatifs sont transmis aux enfants – probablement plus aux filles qu‟aux
garçons – ce qui suggère une transmission intergénérationnelle de la pauvreté engendrée par le
veuvage et (bien que dans une moindre mesure) par le divorce.

         Malgré cela, une revue des filets sociaux de sécurité mis en œuvre par le gouvernement et
les bailleurs de fonds révèle qu‟il existe peu d‟actions systématiques cherchant à atteindre les
veuves et les enfants qui dépendent d‟elles. Même s‟il est difficile de cibler les veuves, en
gardant à l‟esprit que les mêmes conditions qui engendrent l‟inégalité au sein d„un foyer
représentent également une contrainte lorsqu‟il s‟agit d‟atteindre les veuves par des actions
systématiques, il est nécessaire d‟insuffler plus de réflexions, de ressources et d‟efforts dans
l‟aide à apporter à ces groupes particulièrement vulnérables.

        Un certain nombre d‟actions à entreprendre afin de réduire la vulnérabilité des veuves
pourrait faire l‟objet de réflexions et d‟expérimentation. Il est par exemple nécessaire de prendre
en considération des réformes et des mesures légales, comme des lois sur l‟héritage, qui assurent
la sécurité des veuves et de leurs enfants. Les pensions de veuvage sont un autre exemple de
politiques qu‟un grand nombre de pays en voie de développement ont adoptées, y compris l‟Inde


                                                 24
(Dutta et al. 2010). En effet, l‟allocation d‟une pension de veuvage basée sur la perte d‟un mari,
peu importe l‟âge, pourrait grandement améliorer le statut et le bien-être des veuves dans la
société malienne. Le montant pourrait être déterminé en fonction du nombre de dépendants.

        Pour terminer, les résultats qui ressortent de cette étude démontrent une fois encore
l‟importance d‟examiner l‟allocation des ressources et le traitement de chaque membre d‟un
foyer pris individuellement. Ces implications importantes se vérifient également pour la collecte
des données ainsi que pour l‟étude du statut marital et du statut socio-économique. Les enquêtes
collectent en général les données concernant le statut marital au moment où celles-ci sont
menées, mais cherchent rarement à collecter des informations sur l‟historique de ce statut. Les
conclusions présentées ici soulignent l‟importance de collecter les détails de l‟historique du statut
marital et de les prendre en compte dans des pays comme le Mali où il peut s‟avérer être un
déterminant critique du niveau de vie.




                                                 25
Références:

Adams, Alayne, Jindra Cekan and Rainer Sauerborn. 1998. “Towards a Conceptual Framework
of Household copping: Reflections from Rural West Africa,� Africa 68(2): 263-283.

Appleton, Simon. 1996. “Women-Headed Households and Household Welfare: An Empirical
Deconstruction for Uganda.� World Development 24(12): 1811-1827.

Backiny-Yetna, Prospere, Franck Adoho, Issa Bouaré, Virginie Briand, Kassim Dabitao, Assa
Gakou, Estelle Sommeiller, Dramane Traoré, Clarence Tsimpo, amd Quentin Wodon. 2007.
“Tendances et Déterminants de la Pauvreté au Mali 2001-2006,� World Bank.

Buvinic, Mayra and Geeta Rao Gupta. 1997. “Female-headed Households and Female-
Maintained Families: Are they Worth Targeting to Reduce Poverty in Developing Countries?�
Economic Development and Cultural Change 45(2): 259-280.

Case, Anne, Christina Paxson and Joseph Ableidinger. 2004. “Orphans in Africa: Poverty and
School Enrollment,� Demography 41(3): 483-508.

Chen, Martha. 2000. Perpetual Mourning: Widowhood in Rural India. New Delhi: Oxford
University Press.

Christiaensen, Luc and Richard Boisvert. 2000. “On Measuring Household Food Vulnerability:
Case Evidence from Northern Mali,� Working Paper 2000-05, Cornell University, Department of
Applied Economics and Management, Ithaca, NY.

Croson, Rachel and Uri Gneezy. 2009. “Gender Differences in Preferences,� Journal of
Economic Literature 47(2): 448-474.

Dercon, Stefan and Pramila Krishnan. 2000. “In Sickness and In Health: Risk Sharing within
Households in Rural Ethiopia,� Journal of Political Economy 108(4): 688-727.

Doepke, Matthias and Michele Tertilt. 2011. “Does Female Empowerment Promote Economic
Development?� Policy Research Working Papers, World Bank, forthcoming.

Drèze, Jean and P. V. Srinivasan. 1997. “Widowhood and Poverty in Rural India: Some
Inferences from Household Survey Data,� Journal of Development Economics 54: 217-234.

Duflo, Esther. 2003. “Grandmothers and Granddaughters: Old Age Pension and Intra-household
Allocation in South Africa.� World Bank Economic Review 17(1): 1–25.

Dutta, Puja, Stephen Howes and Rinku Murgai. 2010. “Small but Effective: India‟s Targeted
Unconditional Cash Transfers,� ASARC Working Paper 2010/1, Canberra, Australia.




                                              26
Ezememari, Kene, Nazmul Chaudhury and Janet Owens. 2002. “Gender and Risk in the Design
of Social Protection Interventions,� Social Protection Discussion Paper Series No. 0231, World
Bank, Washington, DC.

Gray, Leslie and Michael Kevane. 1999. “Diminished Access, Diverted Exclusion: Women and
Land Tenure in Sub-Saharan Africa,� African Studies Review 42(2): 15-39.

Harrower, Sarah and John Hoddinott, 2004. “Consumption Smoothing and Vulnerability in the
Zone Lacustre, Mali,� Food Consumption and Nutrition Division Discussion Paper no. 175,
International Food Policy Research Institute, Washington, DC.

Hogan, Margaret, Kyle Foreman, Mohsen Naghavi, Stephanie Ahn, Mengru Wang, Susanna
Makela, Alan Lopez, Rafael Lozano, and Christopher Murray. 2010. “Maternal Mortality for 181
Countries, 1980–2008: A Systematic Analysis of Progress towards Millennium Development
Goal 5.� The Lancet 375 (9726): 1609–23.

Horrell, Sara and Pramila Krishnan. 2007. “Poverty and Productivity in Female-Headed
Households in Zimbabwe,� Journal of Development Studies 43(8):1351-1380.

Hurd, Michael and David Wise. 1989. “The Wealth and Poverty of Widows: Assets Before and
After the Husband‟s Death,‟ in David Wise (ed.) The Economics of Aging, University of Chicago
Press.

Jensen, Robert. 2005. “Caste, Culture, and the Status and Well-Being of Widows in India,� in
David Wise (ed.) Analyses in the Economics of Aging, University of Chicago Press.

Kevane, Michael. 2004. Women and Development in Africa: How Gender Works, Lynne Rienner
Publishers, Inc., Boulder Colorado.

Kevane, Michael and Bruce Wydick. 2001. “Social Norms and the Time Allocation of Women's
Labor in Burkina Faso,� Review of Development Economics 5: 119-29.

Kirwen, Michael. 1979. African Widows, Orbis Books, New York.

Lanjouw, Peter and Martin Ravallion. 1995. "Poverty and Household Size," Economic Journal
105: 1415-1435.

Lilja, Nina, John Sanders, Catherine Durham, Hugo De Groote and Issiaka Dembélé. 1996.
“Factors Influencing the Payments to Women in Malian Agriculture,� American Journal of
Agricultural Economics 78: 1340-1345.

Madhavan, Sangeetha. 2001. “Female Relationships and the Demographic Outcomes in Sub-
Saharan Africa.� Sociological Forum 16(3): 503-527.

MacLean, Lauren. 2010. Informal Institutions and Citizenship in Rural Africa, Cambridge
University Press.


                                              27
Nino-Zarazua, Miguel, Armando Barrientos, David Hulme and Sam Hickey. 2010. “Social
Protection in Sub-Saharan Africa: Will the Green Shoots Blossom?� Brooks World Poverty
Institute Working Paper 116, University of Manchester, Manchester, U.K.

Owen, Margaret. 1996. A World of Widows, Zed Press, London.

Peterman, Amber. 2010. “Widowhood and Asset Inheritance in Sub-Saharan Africa: Empirical
Evidence from 15 Countries,� Chronic Poverty Research Centre Working Paper, Manchester,
U.K.

Potash, Betty. 1986. Widows in African Societies: Choices and Constraints. Stanford: Stanford
University Press.

Quisumbing, Agnes, Lawrence Haddad and Christine Pena. 2001. “Are Women Overrepresented
Among the Poor? An Analysis of Poverty in 10 Developing Countries.� Journal of Development
Economics 66: 225-269.

Schultz, T. Paul. 1990. "Testing the Neoclassical Model of Family Labor Supply and Fertility,"
Journal of Human Resources 25(4): 599-634.

Seager, Joni. 1997. The State of Women in the World Atlas. New Edition. London: Penguin
Reference.

Sossou, Marie-Antoinette. 2002. “Widowhood Practices in West Africa: the Silent Victims.�
International Journal of Social Welfare, 11: 201-209.

Thomas, Duncan. 1990. "Intra-Household Resource Allocation: an Inferential Approach,"
Journal of Human Resources 25(4): 635-664.

Wing, Susanna. 2009. “Family Law Reform in Francophone Africa: Women‟s Rights and Legal
Pluralism,� mimeo, Dept. of Political Science, Haverford College

Wooten, Stephen. 2003. “Women, Men, and Market Gardens: Gender Relations and Income
Generation in Rural Mali,� Human Organization 62(2): 166-177.

World Bank. 2010. Mali: Social Safety Nets, Report No. 553222-ML, Human Development
Department, Social Protection Unit, Africa Region, World Bank, Washington, DC.




                                               28
Tableau 1: Statistiques descriptives pour les chefs de ménage en fonction du genre
                                      Homme                                                      Femme
                                                                      Total                      Veuve                   Non-veuve
                                  Rural     Urbain              Rural      Urbain          Rural     Urbain          Rural     Urbain
 Age du CM                        52,94      49,41              48,12       50,28          50,75      52,86          43,39      42,57
                                 [14,18]    [13,14]            [14,48]    [12,45]         [14,36]    [11,39]        [13,62]    [12,41]
 CM marié monogame                 0,52       0,71               0,08        0,11             -          -            0,24       0,46
                                  [0,50]     [0,45]             [0,28]      [0,32]            -          -           [0,43]     [0,50]
 CM marié polygame                 0,46       0,27               0,22        0,04             -          -            0,61       0,16
                                  [0,50]     [0,44]             [0,41]      [0,20]            -          -           [0,49]     [0,37]
 CM divorcé/séparé                0,001      0,003               0,04        0,07             -          -            0,10       0,28
                                  [0,03]     [0,06]             [0,19]      [0,26]            -          -           [0,30]     [0,45]
 CM veuf/veuve                     0,01       0,01               0,64        0,75           1,00       1,00             -          -
                                  [0,11]     [0,09]             [0,48]      [0,43]           [0]        [0]             -          -
 CM avec maladie chronique         0,57       0,51               0,47        0,51           0,48       0,58           0,46       0,32
                                  [0,49]     [0,50]             [0,50]      [0,50]         [0,50]     [0,50]         [0,50]     [0,47]
 Prop. d‟adultes>15 avec
 maladie                          0,06        0,06               0,06          0,07        0,06        0,08           0,05       0,03
                                 [0,11]      [0,11]             [0,13]        [0,12]      [0,13]      [0,13]         [0,12]     [0,07]
 Années d‟éducation du CM         0,78        3,43               0,32          1,99        0,22        1,56           0,50       3,26
                                 [2,30]      [4,34]             [1,61]        [3,52]      [1,24]      [3,13]         [2,12]     [4,28]
 Log taille du ménage            13,22       10,05               7,92          8,76        7,68        9,21           8,34       7,40
                                 [8,11]      [5,85]             [4,59]        [5,11]      [4,53]      [5,37]         [4,72]     [3,98]
 Prop. de femmes 56+
 faisant partie du ménage         0,03        0,02               0,01          0,01        0,01        0,01           0,01       0,01
                                 [0,06]      [0,06]             [0,06]        [0,05]      [0,07]      [0,05]         [0,04]     [0,03]
 Prop. d‟hommes 56+              0,004       0,004              0,002         0,002       0,002       0,001          0,003      0,004
                                 [0,02]      [0,03]             [0,01]        [0,02]      [0,02]      [0,01]         [0,01]     [0,04]
 Prop. de femmes 15-55            0,27        0,29               0,18          0,27        0,19        0,28           0,14       0,23
                                 [0,12]      [0,15]             [0,16]        [0,18]      [0,18]      [0,17]         [0,10]     [0,22]
 Prop. d‟hommes 15-55             0,14        0,16               0,21          0,26        0,24        0,28           0,16       0,21
                                 [0,13]      [0,17]             [0,21]        [0,23]      [0,22]      [0,23]         [0,18]     [0,20]
 Prop. de filles 0-6              0,14        0,12               0,13          0,10        0,12        0,09           0,15       0,13
                                 [0,12]      [0,13]             [0,19]        [0,15]      [0,19]      [0,12]         [0,18]     [0,20]
 Prop. de garçons 0-6             0,15        0,14               0,15          0,10        0,14        0,07           0,19       0,19
                                 [0,13]      [0,16]             [0,18]        [0,15]      [0,15]      [0,10]         [0,21]     [0,23]
 Terres non-agricoles (100s
 m2)                              6,57        1,76               1,80          0,93         1,82       0,95           1,77       0,87
                                 [38,38]     [5,78]             [9,74]        [2,05]      [11,97]     [1,92]         [3,03]     [2,41]
 Terres agricoles (hectares)      7,55        1,36               4,11          0,63         4,62       0,70           3,19       0,44
                                 [12,93]     [3,12]             [6,32]        [1,92]       [7,39]     [2,03]         [3,61]     [1,55]
 Tètes de gros bétails            9,55        2,36               5,94          0,72         6,30       0,62           5,31       1,00
                                 [16,91]     [8,13]            [15,94]        [2,56]      [17,55]     [2,26]        [12,67]     [3,32]
 Tètes de petits bétails          10,53       4,08               7,12          1,43         5,19       1,33          10,59       1,73
                                 [18,24]    [11,79]            [14,33]        [4,37]      [12,89]     [4,61]         [16,2]     [3,60]
 Extérieur de l‟habitation est
 en ciment/tuiles                 0,06        0,59               0,05          0,62        0,03        0,63           0,09       0,59
                                 [023]       [0,49]             [0,22]        [0,49]      [0,17]      [0,49]         [0,29]     [0,50]
 Log consommation par
 personne                        11,78       12,32              11,91         12,36       11,88       12,31          11,96      12,51
                                 [0,59]      [0,66]             [0,58]        [0,62]      [0,48]      [0,6]          [0,73]     [0,66]
 Log consommation par
 personne seule equiv.           12,99       13,40              12,85         13,37       12,81       13,35          12,94      13,43
                                 [0,55]      [0,63]             [0,53]        [0,58]      [0,45]      [0,57]         [0,65]     [0,60]

 Observations                    2.779       1.405               131           179          89         115            42          64

 Note: Le tableau indique les moyennes et les écarts standards entre parenthèses. Toutes les valeurs fournies ci-dessus sont pondérées
 par la population. Le logarithme de la consommation par personne seule équivalente est défini comme le logarithme de la
 consommation du ménage normalisé par la racine carré de la taille du ménage afin de permettre les économies d‟échelle.
 Source: 2006 ELIM.




                                                                         29
Tableau 2: Corrélats des ménages avec chefs féminins
                                                                      Ménage à un CM féminin
 Variables                                                             rural            urbain

 Age du CM                                                            -0,001**              -0,0005
                                                                       [-2,01]               [-0,84]
 CM mariée monogame                                                    -0,077                -0,176
                                                                       [-1,21]               [-1,57]
 CM mariée polygame                                                    -0,036                -0,142
                                                                       [-0,57]               [-1,25]
 CM est divorcée/séparée                                               0,359*              0,531***
                                                                        [1,90]                 [3,21]
 CM veuve                                                             0,570***             0,698***
                                                                        [7,82]                 [5,86]
 CM avec maladie chronique l‟an passé                                   -0,003               -0,024*
                                                                        [-0,39]               [-1,97]
 Prop. d‟adultes>15 avec maladie chronique                                0,03                -0,019
                                                                        [0,98]                [-0,43]
 Années d‟éducation du CM                                              -0,003*              -0,002**
                                                                        [-1,69]               [-2,61]
 Log taille du ménage                                                -0,045***               -0,039*
                                                                        [-4,13]               [-1,87]
 Prop. de femmes 56+ faisant partie du ménage                         -0,133**               -0,193*
                                                                        [-2,49]               [-1,92]
 Prop. d‟hommes 56+ faisant partie du ménage                             -0,04                -0,124
                                                                        [-0,22]               [-0,58]
 Prop. de femmes 15-55                                               -0,166***             -0,146***
                                                                        [-4,02]               [-2,87]
 Prop. d‟hommes 15-55                                                    0,052                 0,032
                                                                        [1,57]                 [0,72]
 Prop. de filles 0-6                                                    -0,007                 0,043
                                                                        [-0,22]                [0,76]
 Prop. de garçons 0-6                                                    0,011                 0,012
                                                                        [0,34]                 [0,31]
 Terres non-agricoles possédées (100s m2)                              -0,0001                -0,001
                                                                        [-1,31]               [-1,31]
 Terres agricoles possédées (hectares)                                  0,0001              -0,002**
                                                                        [0,54]                [-2,18]
 Tètes de gros bétails possédés                                        0,00004                0,0001
                                                                        [0,21]                 [0,28]
 Tètes de petits bétails possédés                                      -0,0001               -0,0001
                                                                        [-0,35]               [-0,54]
 Extérieur de l‟habitation est en ciment/tuiles                          0,015                 0,002
                                                                        [1,12]                 [0,16]
 Log consommation par personne                                          -0,007                 0,002
                                                                        [-0,78]                [0,20]
 Constant                                                              0,273**                0,337*
                                                                        [2,08]                 [1,71]
 Observations                                                            2.782                 1.549
 R2                                                                       0,57                  0,68

Note: La variable de dépendance est une variable nominale en ce qui concerne les ménages dirigés par des femmes. Un modèle
de probabilité linéaire est utilisé. Les statistiques de Student sont indiquées entre parenthèses, regroupées au niveau
communautaire. *** p<0,01, ** p<0,05, * p<,.1. Les régressions neutralisent également les variables des effets fixes
d‟emplacement et les mois d‟interviews.
Source: 2006 ELIM.




                                                             30
Tableau 3: Régressions de la consommation des ménages par tête (log)
                                                (1)                  (2)              (3)                (4)
VARIABLES                                      FHH                  MHH              Rural             Urbain

CM est une veuve                                --                    --           -0,128**           -0,081**
                                                                                     [-2,23]           [-2,52]
Age du CM                                     0,005                -0,009**         -0,007*             0,001
                                              [1,24]                 [-2,52]         [-1,80]           [1,30]
Age au carré                                    --                0,0001**          0,00005               --
                                                                     [2,16]          [1,35]
CM marié polygame                             -0,091              0,070***              --                --
                                              [-0,43]                [3,00]
CM veuf                                      -0,246**                -0,045            --                 --
                                              [-2,29]                [-0,71]
CM divorcé/séparé                             -0,306                 -0,001            --                 --
                                              [-1,48]                [-0,01]
CM avec maladie chronique l‟an passé          0,251*              0,079***         0,084***            0,095**
                                               [1,92]                [3,69]          [3,53]             [2,56]
Prop. d‟adultes avec maladie                  -0,611                  0,112          0,096               0,083
                                              [-1,39]                [1,51]          [1,12]             [0,73]
Années d‟éducation du CM                    -0,500***             -0,410***        -0,371***          -0,430***
                                              [-6,95]               [-22,02]        [-16,99]           [-21,15]
Prop. de femmes 56+ faisant partie du
ménage                                          0,396                -0,105           -0,083            -0,052
                                               [0,55]                [-1,08]          [-0,67]           [-0,41]
Prop. d‟hommes 56+                              0,576                 0,019         -0,901**           0,660**
                                               [1,28]                [0,05]           [-2,03]            [2,14]
Prop. de femmes 15-55                         0,464**             0,157***           0,177**           0,314***
                                               [2,09]                [2,79]           [2,53]             [4,60]
Prop. d‟hommes 15-55                            0,237               0,158**            0,074           0,323***
                                               [1,07]                [2,59]           [1,04]             [4,07]
Prop. de filles 0-6                            -0,038                -0,059           -0,055            -0,032
                                               [-0,15]               [-0,88]          [-0,68]           [-0,27]
Prop. de garçons 0-6                            0,054              -0,127**          -0,123*            -0,038
                                               [0,19]                [-2,01]          [-1,67]           [-0,36]
Annees d‟éducation du CM                     0,048***             -0,043***        -0,041***          -0,037***
                                               [2,68]                [-5,28]          [-2,93]           [-3,65]
Années d‟éducation au carré                       --              0,008***         0,008***            0,007***
                                                                    [10,15]           [4,77]             [8,13]
Terres non-agricoles (100s m2)                 0,017              0,001***         0,001***            0,009***
                                              [0,73]                 [5,30]           [5,41]             [2,66]
Terres agricoles (hectares)                  -0,0001                  0,002            0,002            -0,003
                                              [-0,00]                [1,20]           [1,23]            [-0,89]
Tètes de gros bétails                          0,007              0,005***         0,005***            0,006**
                                              [0,47]                 [5,96]           [5,92]             [2,12]
Tètes de petits bétails                        0,003                0,001**        0,002***             0,0002
                                              [0,85]                 [2,54]           [2,73]             [0,18]
Extérieur en ciment/tuiles                     0,209              0,354***         0,264***            0,388***
                                              [1,64]                [10,11]           [5,08]             [9,95]
Rural                                         -0,209                -0,108*              --                --
                                              [-1,08]                [-1,91]
Constant                                    11,988***             13,343***        12,437***          13,117***
                                             [15,25]                [98,38]         [31,79]            [92,85]

Observations                                      283                4.048              2.782              1.549
R2                                               0,727               0,651              0,587              0,553
Note: La variable de dépendance est définie comme le logarithme de la consommation par tête du ménage. Les
statistiques de Student sont indiquées entre parenthèses, regroupées au niveau de la communauté. *** p<0,01, **
p<0,05, * p<0,1. Les régressions utilisent également les variables des effets fixes d‟emplacement et les mois
d‟interviews.
Source: 2006 ELIM.


                                                             31
Table 4: Impacts estimés du fait d’avoir une femme CM et une veuve CM sur le logarithme de la consommation du ménage
par tête avec diverses combinaisons de variables
                                                                                              (1)                     (2)             (3)             (4)
                                                                                                         Rural                             Urbain
Variable dépendante                           Autres variables de control               CM féminin               CM veuve        CM féminin       CM veuve
Log consommation par personne                 Pas d‟autres variables                     0,197***                 0,098            -0,017          -0,101*
                                                                                           (2,83)                 (1,62)           (-0,33)          (-1,89)
Log consommation par personne seule           Pas d‟autres variables
                                                                                            -0,093               -0,207***
équivalente pour tenir compte des                                                                                                  -0,134***           -0,141**
                                                                                            (-1,53)                (-3,57)
économies d‟échelle                                                                                                                  (-2,90)            (-2,45)
Log consommation par personne                 Log taille du ménage                          -0,060               -0,175***          -0,118**           -0,135**
                                                                                            (-1,00)                (-3,01)           (-2,52)            (-2,41)
Log consommation par personne                 Comme ci-dessus + effets fixes de           -0,147***              -0,215***         -0,160***          -0,188***
                                              localisation et mois d‟interview              (-2,60)                (-3,50)           (-3,65)            (-4,19)
Log consommation par personne                 Comme ci-dessus + statut marital              -0,066               -0,189***           -0,078           -0,178***
                                                                                            (-0,89)                (-3,43)           (-0,97)            (-3,63)
Log consommation par personne                 Comme ci-dessus + âge et âge au               -0,074               -0,171***           -0,065           -0,201***
                                              carré                                         (-0,99)                (-3,06)           (-0,80)            (-4,11)
Log consommation par personne                 Comme ci-dessus+ composition                  -0,057               -0,156***           -0,033           -0,199***
                                              démographique du ménage                       (-0,76)                (-2,72)           (-0,46)            (-3,99)
Log consommation par personne                 Comme ci-dessus+ années                       -0,058                -0,139**            0,017             -0,067
                                              d‟éducation et leur carré                     (-0,81)                (-2,44)            (0,24)            (-1,52)
Log consommation par personne                 Comme ci-dessus + avoirs                      -0,063                -0,129**            0,005             -0,056
                                                                                            (-0,88)                (-2,28)            (0,08)            (-1,50)
Log consommation par personne                 Comme ci-dessus +maladie                      -0,046                -0,121**            0,012            -0,064**
                                              chronique du CM et des autres                 (-0,63)                (-2,24)            (0,18)            (-2,09)
                                              membres
Observations                                                                                          2.797 ─ 2.772                         1.578 ─ 1.544


Note: La consommation par personne seule équivalente est définie comme le logarithme de la consommation du ménage normalisé par la racine carré de la taille du ménage.
L‟échantillon rural omet 11 foyers dirigés par des divorcés (6 femmes et 5 hommes); l‟échantillon urbain omet 6 foyers dirigés par des hommes divorcés. De plus, le nombre
d‟observations varie d‟une régression à une autre, comme indiqué, en raison d‟observations manquantes pour certaines variables neutralisées, notamment les avoirs et les maladies
chroniques d‟autres membres du foyer. Les statistiques de Student sont indiquées entre parenthèses, regroupées au niveau communautaire. *** p<0,01, ** p<0,05, * p<0,1.
Source: 2006 ELIM.




                                                                                       32
Tableau 5: Échantillon de femmes âgées de 15 à 49 ans regroupées par statut marital issu
de l’EDS 2006
Statut marital                               Urbain                Rural                  Total
Non-mariée                                   865                   880                    1.745
                                             16,97%                9,20%                  11,85%
Mariée une fois                              3.324                 7.173                  10.497
                                             61, 59%               75,49%                 70,74%
Mariée, précédemment veuve                   110                   320                    430
                                             2,41%                 3,67%                  3,24%
Mariée, précédemment divorcée                567                   830                    1.397
                                             13,35%                9,46%                  10,79%
Veuve                                        98                    127                    225
                                             1,84%                 1,27%                  1,47%
Divorcée                                     179                   110                    289
                                             3.83%                 0.91%                  1.91%
Total                                        5.143                 9.440                  14.583
                                             100%                  100%                   100%
Note: Taille de l‟échantillon et pourcentages de la population. Les pourcentages sont pondérés en fonction de la
population.
Source: 2006 Mali EDS.




                                                         33
Table 6: Probits pour expliquer le veuvage
                                               (1)             (2)           (3)            (4)         (5)              (6)
                                                     Total                         Urbain                        Rural

 Age                                      0,005***       0,005***           0,003          0,003       0,006***       0,006***
                                            [3,35]         [3,41]           [1,31]        [1,27]         [3,30]         [3,34]
 Age au carré                              -0,000         -0,000            0,000         0,000         -0,000         -0,000
                                           [-0,75]        [-0,81]           [0,12]        [0,14]        [-1,14]        [-1,16]
 Age au premier mariage                    -0,001         -0,001          -0,002**      -0,002**        -0,000         -0,000
                                           [-1,21]        [-1,17]          [-2,21]       [-2,10]        [-0,02]        [-0,03]
 Années d‟éducation                        -0,001         -0,001           -0,001        -0,001         -0,000         -0,000
                                           [-1,29]        [-1,05]          [-1,30]       [-1,34]        [-0,06]        [-0,08]
 Quintile de richesse 1                       --          -0,000              --         -0,008            --          -0,002
                                                          [-0,04]                        [-0,59]                       [-0,30]
 Quintile 2                                   --           0,001             --          -0,005           --           -0,001
                                                           [0,11]                        [-0,47]                       [-0,24]
 Quintile 3                                   --           0,005             --          -0,012           --            0,005
                                                           [0,75]                        [-1,43]                        [0,83]
 Quintile 4                                   --           0,009             --           0,005           --              --
                                                           [1,34]                         [0,83]
 Né en ville                                0,004          0,004             0,003        0,002         0,006             0,005
                                            [0,80]         [0,89]           [0,56]        [0,28]        [0,76]            [0,73]
 Taille                                    -0,000         -0,000             0,000        0,000        -0,000            -0,000
                                           [-0,63]        [-0,65]           [0,05]        [0,00]       [-0,79]           [-0,80]
 Bambara                                   -0,005         -0,003            -0,003       -0,004        -0,004            -0,003
                                           [-0,70]        [-0,48]           [-0,34]      [-0,43]       [-0,52]           [-0,40]
 Malinke                                    0,001          0,002             0,010        0,010        -0,005            -0,005
                                            [0,17]         [0,27]           [0,78]        [0,76]       [-0,50]           [-0,48]
 Peulh                                     -0,010         -0,010            -0,003       -0,004        -0,013            -0,013
                                           [-1,49]        [-1,35]           [-0,27]      [-0,34]       [-1,46]           [-1,40]
 Sarkole                                    0,010          0,011            -0,004       -0,004        0,020*            0,021*
                                            [1,20]         [1,31]           [-0,37]      [-0,31]        [1,81]            [1,86]
 Sonrai                                     0,008          0,007            -0,005       -0,006         0,015             0,015
                                            [0,95]         [0,90]           [-0,50]      [-0,57]        [1,38]            [1,31]
 Dogon                                    -0,019**       -0,018**         -0,025***    -0,025***       -0,016            -0,016
                                           [-2,30]        [-2,17]           [-2,86]      [-2,87]       [-1,62]           [-1,52]
 Tanachek                                  -0,003         -0,003             0,003        0,002        -0,006            -0,007
                                           [-0,31]        [-0,31]           [0,23]        [0,14]       [-0,51]           [-0,53]
 Senoufo                                   -0,009         -0,008             0,005        0,005        -0,013            -0,013
                                           [-1,13]        [-0,98]           [0,37]        [0,35]       [-1,50]           [-1,40]
 Bobo                                       0,005          0,006             0,008        0,009         0,003             0,005
                                            [0,34]         [0,46]           [0,34]        [0,38]        [0,22]            [0,31]
 Rural                                      0,003          0,003               --           --            --                --
                                            [0,67]         [0,60]
 Pseudo R2                                  0,113             0,114         0,158           0,161       0,102            0,102
 Observations                              12.212            12.212         3.961           3.961       8.251            8.251
 Note: La variable de dépendance est une indicatrice du fait que la femme soit ou ait été veuve. Les statistiques robustes de
 Student, regroupées au niveau de la communauté sont indiquées entre parenthèses. *** p<0,01, ** p<0,05, * p<0,1. Le
 tableau présente des effets marginaux. Les régressions rurales excluent les quintiles de richesse 4 et 5 puisque très peu de
 ménages ruraux se trouvent dans le quintile 5. Les quintiles de richesse sont calculés par l‟EDS sur la base d‟un indice des
 biens et des attributs de l‟habitation et de l‟accès à l‟eau, et généré par une analyse en composantes principales. L‟indice est
 exprimé au niveau du ménage et non par personne.
Source : 2006 Mali EDS.




                                                                     34
Tableau 7: Écarts moyens entre les veuves et les non veuves à différents âges

                                       Proportion de femmes      Proportion de femmes          Proportion de femmes avec   Centiles de poids pour taille,
                  IMC(x100)               avec IMC>1900         avec enfants dépendants          enfants vivant ailleurs        enfants âgés 0-5.

              Veuve ou ayant été        Veuve ou ayant été                                                                   Veuve ou ayant été veuve
                                                                   Veuve ou ayant été               Veuve remariée
                   veuve                     veuve
                                                                        veuve
Age de la                               Rural       Urbain                                                                  Rural           Urbain
               Rural       Urbain                                  Rural        Urbain           Rural          Urbain
femme

15              61,83      -41,74         -0,01          0,26          0,07          0,18            0,10           -0,60       -1,22        2,96
                (0,74)     (-0,36)       (-0,09)        (3,53)        (0,51)        (0,85)         (0,67)         (-3,40)     (-0,32)       (0,44)
20              -8,50      -15,51         -0,06          0,13          0,10          0,17            0,23           -0,23       -6,57        6,18
               (-0,18)     (-0,25)       (-0,82)        (2,90)        (1,23)        (1,35)         (2,41)         (-2,30)     (-1,18)       (0,57)
25             -50,41        4,09         -0,09          0,04          0,12          0,16            0,29           0,04        -3,24        0,42
               (-1,74)      (0,08)      (-2,23))        (1,29)        (2,53)        (2,16)         (5,68)          (0,61)     (-1,15)       (0,07)
30             -63,92       17,06         -0,10         -0,01          0,14          0,15            0,31           0,20        -1,58       -4,18
               (-2,33)      (0,30)       (-3,11)       (-0,33)        (3,50)        (2,60)         (7,80)          (3,11)     (-0,72)      (-1,12)
35             -49,01       23,38         -0,08         -0,03          0,15          0,15            0,26           0,25        -1,60       -7,62
               (-1,80)      (0,40)       (-2,80)       (-0,88)        (4,09)        (2,61)         (6,95)          (4,13)      (0,67)      (-2,11)
40              -5,69       23,08         -0,05         -,004          0,17          0,14            0,17           0,19        -3,30       -9,90
               (-0,23)      (0,46)       (-1,93)       (-0,18)        (5,27)        (2,87)         (5,09)          (4,02)     (-1,35)      (-3,21)
45              66,04       16,13         0,008          0,05          0,17          0,14            0,01           0,03        -6,68      -11,00
                (1,91)      (0,30)        (0,30)        (2,18)        (4,68)        (2,50)         (0,42)          (0,48)     (-1,91)      (-2,75)
50             200,14       -7,34          0,11          0,20          0,17          0,14           -0,26           -0,39      -13,91       -8,75
                (2,53)     (-0,06)        (1,54)        (3,73)        (1,70)        (1,09)         (-2,81)        (-2,27)     (-1,74)      (-0,76)
Obs.            9.052       4.792         9.052         4.792         9.026         4.774           9.052          4.792       7.309        3.098
Note: Le tableau donne la moyenne pour les veuves moins celle des non veuves. Les femmes qui ont été veuves incluent les femmes aujourd‟hui veuves ainsi que les femmes ayant été
veuves, mais aujourd‟hui remariées. Les statistiques de Student sont indiquées entre parenthèses. L‟EDS multiplie l‟IMC par 100.
Source : 2006 Mali EDS.




                                                                                          35
Tableau 8: Écarts moyens dans la scolarisation des enfants de veuves et de non veuves

                           Inscriptions à l‟école d‟enfants            Ecarts de genre dans l‟inscription à
                         dépendants habitants avec leur mère             l‟école pour enfants dépendants
                                                                      habitant avec leur mère (garçon–fille)

                                Veuve ou ayant été veuve                      Veuve ou ayant été veuve

Age de l‟enfant               Rural                 Urbain                  Rural                 Urbain

6                              0,01                  -0,02                  0,03                    0,14
                              (0,44)                (-0,41)                (7,47)                  (7,27)
8                             -0,01                  -0,06                  0,02                    0,11
                             (-0,45)                (-0,74)                (3,61)                  (6,76)
10                            -0,04                  -0,09                  0,01                    0,08
                             (-1,25)                (-1,06)                (2,47)                  (4,35)
12                            -0,07                  -0,13                  0,02                    0,04
                             (-2,13)                (-1,56)                (4,82)                  (2,05)
14                            -0,07                  -0,16                  0,03                    0,09
                             (-0,64)                (-0,61)                (6,45)                  (4,61)
Obs.                         11.267                  4.228                 11.286                  4.222
Note: Le tableau donne la moyenne pour les veuves moins celle des non veuves. Les femmes qui ont été veuves incluent les
femmes aujourd‟hui veuves ainsi que les femmes ayant été veuves, mais aujourd‟hui remariées. Les statistiques de Student sont
indiquées entre parenthèses.
Source : 2006 Mali EDS.



Tableau 9 : Pourcentages de femmes montrant l’obtention de la permission de se faire
soigner et le manque d’argent comme entraves à la recherche de soins de santé pour elles-
mêmes en cas de maladie, par statut marital

                                                           Permission                                Argent
                                                Rural             Urbain                    Rural         Urbain
Mariée une fois                                  20,2               13,1                     59,0            39,1
                                                (40,2)             (33,8)                   (49,2)          (48,8)
Mariée, précédemment veuve                       25,2               29,4                     65,5            60,7
                                                (43,5)             (45,8)                   (47,6)          (49,1)
Mariée, précédemment divorcée                    17,4               10,5                     54,4            35,5
                                                (38,0)             (30,6)                   (49,8)          (47,9)
Veuve                                            18,4               10,1                     80,5            62,7
                                                (38,9)             (30,3)                   (39,8)          (48,6)
Divorcée                                         18,9               10,1                     70,3            43,6
                                                (39,4)             (30,2)                   (45,9)          (49,7)

Note: Les chiffres sont pondérés en fonction de la population. Les déviations standard sont données entre
parenthèses.
Source: 2006 Mali EDS.




                                                              36
Graphique 1: IMC des femmes, regroupées par âges et statut marital, dans les régions rurales du
Mali




Source: 2006 Mali EDS

Graphique 2: IMC des femmes, regroupées par âges et statut marital, dans les régions urbaines
du Mali




Source: 2006 Mali EDS

                                              37
Graphique 3: Proportion des femmes des régions rurales du Mali, regroupées par âge et statut
marital, dont l‟IMC est supérieur à 1900




Source: 2006 Mali EDS

Graphique 4: Proportion des femmes des régions urbaines du Mali, regroupées par âge et statut
marital, dont l‟IMC est supérieur à 1900




Source: 2006 Mali EDS

                                              38
Graphique 5: Proportion de femmes des régions rurales du Mali, regroupées par âge et statut
marital, ayant des enfants à charge




Source: 2006 Mali EDS

Graphique 6: Proportion de femmes des régions urbaines du Mali, regroupées par âge et statut
marital, ayant des enfants à charge




Source: 2006 Mali EDS

                                              39
Graphique 7: Proportion de femmes des régions rurales du Mali, regroupées par statut marital,
ayant des enfants qui résident ailleurs, en 2006




Source: 2006 Mali EDS

Graphique 8: Proportion de femmes des régions urbaines du Mali, regroupées par statut marital,
ayant des enfants qui résident ailleurs, en 2006




Source: 2006 Mali EDS

                                              40
Graphique 9: Centiles de poids pour la taille des enfants dépendants habitant avec leur mère,
âgés entre 0 et 5 ans, regroupés par le statut marital de la mère, dans les régions rurales du Mali,
en 2006




Source: 2006 Mali EDS

Graphique 10: Centiles de poids pour la taille des enfants dépendants et habitant avec leur mère,
âgés entre 0 et 5 ans, regroupés par le statut marital de la mère, dans les régions urbaines du
Mali, en 2006




Source: 2006 Mali EDS
                                                 41
Graphique 11: Taux de scolarisation des enfants dépendants et habitant avec leur mère, âgés
entre 5 et 14 ans, regroupés par âge et statut marital de la mère dans les régions rurales du Mali,
en 2006




Source: 2006 Mali EDS

Graphique 12: Taux de scolarisation des enfants dépendants et habitant avec leur mère, âgés
entre 5 et 14 ans, regroupés par âge et statut marital de la mère dans les régions urbaines du Mali,
en 2006




Source: 2006 Mali EDS



                                                 42
Graphique 13: Écarts de genre concernant le taux de scolarisation pour les enfants dépendants et habitant avec leur mère, âgés entre 5 et
14 ans, regroupés par âge et statut marital de la mère dans les régions rurales du Mali, en 2006




Note: les échantillons de femmes actuellement veuves et de femmes actuellement divorcées sont mis de côté en raison de leur petitesse. Veuillez noter qu‟il existe des
problèmes liés à la petite taille des échantillons en ce qui concerne le groupe de femme mariées, mais qui ont été veuves, dans les régions urbaines – les échantillons de
garçons et de filles dans chaque groupe d‟âge contiennent en moyenne 10-15 observations, mais se sont avérés manquant lorsque les échantillons sont descendus sous la
barre des 10 observations.
Source: 2006 Mali EDS.




                                                                                            43
Graphique 14: Écarts de genre concernant le taux de scolarisation pour les enfants dépendants
âgés entre 5 et 14 ans, regroupés par âge et suivant que la mère reste à la maison ou non, dans les
régions rurales et urbaines du Mali, en 2006




Source: 2006 Mali EDS.
Note: La mère peut être ou non en vie. Les chiffres se limitant aux mères en vie sont qualitativement très similaires.




                                                                44