Analyse exploratoire spatiale des effets sanitaires et économiques de la COVID-19 à partir de données mondiales

Auteurs

  • Idrissa Yaya Diandy Université Cheikh Anta Diop de Dakar, Sénégal Faculté des Sciences Économiques et de Gestion Département d’Analyse et Politique Économiques https://orcid.org/0000-0001-8518-7916

DOI :

https://doi.org/10.18559/rielf.2023.2.1

Mots-clés :

croissance, écart de production, COVID-19, autocorrélation spatiale

Résumé

L'objectif : L'objectif de cet article est d'analyser les effets sanitaires et économiques de la pandémie de COVID-19.

Conception/méthodologie/approche : L'échantillon est composé de 132 pays et la méthodologie se fonde sur l ' analyse exploratoire des données spatiales. Le calcul de l'output gap par la méthode de Hodrick-Prescott a permis de ressortir les conséquences économiques de la crise sanitaire, à travers les écarts de production pour l'année 2020. La variable sanitaire, quant à elle, est mesurée par le taux d'incidence de la COVID-19 et la mortalité.

Résultats: Les résultats des estimations ont permis de valider l'hypothèse d'autocorrélation spatiale aussi bien pour la variable sanitaire que pour la variable économique. L'examen du diagramme de Moran confirme le schéma d'association spatiale local positif, c'est-à-dire l'existence à la fois de similitudes entre pays voisins dans la manifestation de la pandémie et d'hétérogénéité spatiale entre les groupes de pays. De manière plus précise, les résultats montrent l'existence de clusters avec de faibles niveaux d'incidence de la COVID-19 en Afrique et en Asie, comparativement à l'Europe et à l'Amérique du Nord. De plus, si les pays à revenu élevé ont généralement été davantage touchés sur le plan sanitaire, ils ont toutefois développé une plus grande résilience économique.

Originalité/valeur : Ces résultats montrent que la prise en compte de l'espace pourrait permettre de mieux comprendre la dynamique des chocs sanitaires et économiques.

Téléchargements

Les données relatives au téléchargement ne sont pas encore disponibles.

Références

Anselin, L. (1996). The Moran scatterplot as an ESDA tool to assess local instability in ation. In I. Masser & F. Salge (Eds.), Spatial analytical perspectives on GIS, (pp. 111–125). Taylor & Francis.
View in Google Scholar

Azcona, G., Bhatt, A., Encarnacion, J., Plazaola-Castaño, J., Seck, P., Staab, S., & Turquet, L. (2020). From insights to action: Gender equality in the wake of COVID-19. UN Women Headquarters.
View in Google Scholar

Bailey, T. C., & Gatrell, A. C. (1995). Interactive spatial data analysis. Longman. Bonnefond, C. (2013). L’analyse des inégalités sociales et spatiales dans le processus d’émergence de la Chine. [Thèse de doctorat]. Université Montesquieu – Bordeaux IV.
View in Google Scholar

Carleton, T., Cornetet, J., Huybers, P., Meng, K., & Proctor, J. (2020). Global evidence for ultraviolet radiation decreasing COVID-19 growth rates: Global Estimates and Seasonal Implications. https://ssrn.com/abstract=3588601
View in Google Scholar

Cliff, A. D., & Ord, J. K. (1973). Spatial autocorrelation. Pion.
View in Google Scholar

Cliff, A. D., & Ord, J. K. (1981). Spatial processes: Models and applications. Pion.
View in Google Scholar

Cliff, A. D., Haggett, P., Ord, J. K., Bassett, K. A., & Davies, R. B. (1975). Elements of spatial structure. Cambridge University Press.
View in Google Scholar

Coutiño, A., and Zandi, M. (2021). Global loss of production capacity caused by the COVID-19 pandemic. Journal of Policy Modeling, 43(3), 493–502.
View in Google Scholar

Fonds Mondial. (2020). Atténuer l’impact du COVID-19 dans les pays touchés par le VIH, la tuberculose et le paludisme. Le Fonds mondial de lutte contre le sida, la tuberculose et le paludisme Campus de la Santé Mondiale.
View in Google Scholar

Getis, A., & Boots, B. (1978). Models of spatial processes. Cambridge University Press. Goel, R. K., Saunoris, J. W., & Goel, S. S. (2021). Supply chain performance and economic growth: The impact of COVID-19 disruptions. Journal of Policy Modeling, 43(2), 298–316.
View in Google Scholar

Goodchild, M. F. (1986). Spatial autocorrelation. Geo Books.
View in Google Scholar

Grömling, M. (2021). COVID-19 and the growth potential. Intereconomics, 56, 45–49. https://doi.org/10.1007/s10272-021-0950-4
View in Google Scholar

Haggett, P., Cliff, A. D., & Frey, A. (1977). Locational analysis in human geography (2nd ed., 2 vol.). Arnold.
View in Google Scholar

Haining, R., Wise, AS., & Ma, J. (1998). Exploratory spatial data analysis in a geographic information system environment. The Statistician, 47, 457–469.
View in Google Scholar

Hodrick, R., & Prescott, E. (1997). Postwar U.S. business cycles: An empirical investigation. Journal of Money, Credit and Banking, 29(1), 1–16.
View in Google Scholar

Le Gallo, J. (2002). Disparités géographiques et convergence des régions européennes: Une approche par l’économétrie spatiale. [Thèse de doctorat]. Université de Bourgogne.
View in Google Scholar

Maisonnave, H., & Cabral, F. (2021). L’impact du COVID-19 sur l’économie Sénégalaise: Une perspective de genre. Partnership for Economic Policy Working Paper, 2.
View in Google Scholar

Merow, C., & Urban, M. C. (2020). Seasonality and uncertainty in global COVID-19 growth rates. Nils Chr. Stenseth, University of Oslo.
View in Google Scholar

Moran, P. A. P. (1950). Notes on continuous stochastic phenomena. Biometrika, 37(1/2), 17–23.
View in Google Scholar

Naumov, I. V., Otmakhova, Y. S., & Krasnykh, S. S. (2021). Methodological approach to modeling and forecasting the impact of the spatial heterogeneity of the COVID-19 spread on the economic development of Russian regions. Computer Research and Modeling, 13(3), 629–648.
View in Google Scholar

OIT. (2020). Étude de l’impact de la COVID-19 sur les entreprises et travailleurs de l’économie informelle au Sénégal. Genève. Bureau International du Travail. https://www.ilo.org/wcmsp5/groups/public/---africa/---ro-abidjan/---srodakar/documents/publication/wcms_763402.pdf
View in Google Scholar

OMS. (2022). COVID-19 Dashboard. World Health Organization. https://covid19.who.int/
View in Google Scholar

Pfeiffer, D., Robinson, T., Stevenson, M., Stevens, K., Rogers, D., & Clements, A. (2008). Spatial analysis in epidemiology. Oxford University Press.
View in Google Scholar

Pisati, M. (2012). Exploratory spatial data analysis using Stata. German Stata Users Group meeting, WZB Social Science Research Center, Berlin.
View in Google Scholar

Ripley, B. D. (1981). Spatial statistics. John Wiley & Sons.
View in Google Scholar

Tobler, W. (1979). Cellular geography. In S. Gale & G. Olsson (Eds.), Philosophy in geography (pp. 379–386). Reidel.
View in Google Scholar

Upton, G. J. G., & Fingleton, B. (1985). Spatial data analysis by example. Vol. 1: Point pattern and quantitative data. John Wiley & Sons.
View in Google Scholar

World Bank. (2022). World development indicators. The World Bank.
View in Google Scholar

Xie, Z., Zhao, R., Ding, M., & Zhang, Z. (2021). A review of influencing factors on spatial ased on geographical perspective. International Journal of Envinmental Research and Public Health, 18(22), 12182.
View in Google Scholar

Téléchargements

Publiée

2023-12-30

Numéro

Vol. 8 No 2 (2023)

Rubrique

Article scientifique

Licence

(c) Copyright Poznań University of Economics and Business 2023

Creative Commons License

Ce travail est disponible sous la licence Creative Commons Attribution 4.0 International .

Comment citer

Diandy, I. Y. (2023). Analyse exploratoire spatiale des effets sanitaires et économiques de la COVID-19 à partir de données mondiales. La Revue Internationale Des Économistes De Langue Française, 8(2), 7-26. https://doi.org/10.18559/rielf.2023.2.1

Articles similaires

1-10 sur 188

Vous pouvez également Lancer une recherche avancée de similarité pour cet article.