Dans le présent rapport, on applique un modèle de régression logistique qui permet d’estimer la probabilité qu’un individu i interrogé dans un pays c se déclare confiant vis-à-vis de l’administration nationale, des collectivités locales, du corps législatif national ou de la fonction publique. Ce modèle est le suivant :
où Pr(=1) correspond à la probabilité que l’individu i fasse confiance à l’institution concernée.
La confiance est traitée comme une variable binaire dont la valeur est égale à 1 si le score de la réponse est supérieur ou égal à 6 sur une échelle de 0 à 10 (où 0 correspond à une absence totale de confiance et 10 à une confiance totale), et la valeur 0 si le score se situe entre 0 et 4. Par conséquent, la confiance est représentée comme un indicateur binaire permettant de distinguer une confiance faible d’une confiance élevée. Ce codage binaire simplifie l’interprétation et renforce la puissance statistique en comparaison avec une échelle ordinale. La catégorie intermédiaire (un score de 5 sur l’échelle de 0 à 10) est exclue de la spécification de référence, car elle pourrait traduire une ambivalence plutôt qu’une position claire en matière de confiance.
Les principales variables explicatives Driversic reflètent les perceptions qu’ont les citoyens des performances en matière de gouvernance selon les volets fondamentaux du Cadre de l’OCDE sur les déterminants de la confiance dans les institutions publiques. Ces variables témoignent de la perception qu’ont les personnes interrogées de la réactivité, de la fiabilité, de la transparence, de l’intégrité et de l’équité des administrations nationales, et reflètent également leur perception de l’action publique face aux défis intergénérationnels et mondiaux. Au total, 27 variables de perception sont incluses dans le modèle appliqué aux pays de l’OCDE, qui sont toutes répertoriées dans le tableau des résultats ci-dessous. Pour les pays candidats à l’adhésion à l’OCDE, les variables incluses dans le modèle sont au nombre de 22, car les questions relatives à 5 d’entre elles ne figuraient pas dans l’enquête de l’OCDE sur la confiance menée en Amérique latine et dans les Caraïbes et les données correspondantes n’ont donc pas été recueillies pour le Brésil et le Pérou. Pour faciliter l’interprétation, ces déterminants sont mesurés sur une échelle de 0 à 10 et normalisés de manière à obtenir une moyenne de zéro et un écart-type de 1 au niveau des pays.
Le vecteur Xic reflète les caractéristiques démographiques, socio-économiques et politiques propres à chaque répondant qui sont également susceptibles d’influencer la confiance envers les institutions. Parmi celles-ci figurent la confiance interpersonnelle (normalisée pour obtenir une moyenne de zéro et un écart-type de un), les caractéristiques démographiques (âge et âge au carré ; hommes et femmes) ; le niveau d’instruction (faible, moyen et élevé), les préoccupations financières au niveau du ménage, le sentiment d’appartenir à un groupe faisant l’objet de discriminations, ainsi que le soutien au parti au pouvoir.
Les effets fixes par pays ωc neutralisent les caractéristiques des pays qui ne varient pas dans le temps. Des pondérations probabilistes sont appliquées pour garantir la représentativité nationale et des erreurs-standards robustes à l’hétéroscédasticité sont appliquées tout du long.
Étant donné que les coefficients estimés β issus d’une régression logistique décrivent les effets sur le logarithme des cotes de la confiance, ils ne peuvent pas être interprétés directement comme des variations des probabilités. Pour faciliter l’interprétation, les résultats sont présentés sous forme d’effets marginaux moyens. L’équation 2 calcule les effets marginaux moyens du déterminant x en faisant la moyenne, pour l’ensemble des répondants N, du produit de la probabilité prévue de confiance exprimée par chaque individu, de la différence entre un et cette probabilité, et du coefficient estimé x. Par exemple, les effets marginaux moyens associés à la perception que l’administration nationale prend des décisions fondées sur des données factuelles (Tableau A.4, colonne 1) peuvent être interprétés comme suit : une augmentation d’un écart-type de cette perception est associée à une hausse de six points de pourcentage de la probabilité de confiance (0.061 × 100 = 6.1), qui est significative au niveau de 1 %.
La robustesse est évaluée selon différentes méthodes alternatives. D’abord, des variables de contrôle supplémentaires sont incluses : la satisfaction à l’égard du système d’éducation et celle vis-à-vis du système de santé. Ensuite, les réponses correspondant à un score de 5 sur l’échelle de confiance de 0 à 10 sont considérées comme indiquant un faible niveau de confiance. Enfin, les valeurs manquantes pour les variables relatives aux déterminants sont remplacées par la moyenne pondérée au niveau national pour la variable en question, et un indicateur de données manquantes correspondant est inclus pour chaque variable imputée. La robustesse est également évaluée selon la méthode des moindres carrés ordinaires ; toutefois, les résultats de cette évaluation ne sont pas présentés.
Dans l’ensemble, les résultats restent en grande partie constants, quelle que soit la méthode utilisée. Des tendances similaires se dégagent également des régressions groupées (non présentées) réalisées à partir des données des cycles de 2023 et de 2025 de l’Enquête de l’OCDE sur la confiance, bien qu’un certain nombre de différences apparaissent du fait du nombre plus limité de variables utilisables pour l’analyse groupée.
Ce modèle présente plusieurs limites qu’il convient de souligner. Tout d’abord, l’intégration d’un grand nombre de déterminants et de variables de contrôle entraîne une réduction considérable de la taille de l’échantillon utilisé pour la régression de référence, car les individus pour lesquels au moins une valeur manque concernant l’une de ces variables sont exclus de la régression. À ce problème s’ajoute l’exclusion des individus exprimant un niveau de confiance neutre. En conséquence, la proportion d’observations manquantes est élevée, atteignant 20 à 40 % des observations. Pour remédier à ce problème, on procède à l’imputation des valeurs manquantes et à un contrôle de robustesse dans lequel les répondants classés dans la catégorie intermédiaire (réponse correspondant à un score de 5) de la variable relative à la confiance sont classés dans le groupe des personnes dont le niveau de confiance est faible.
Ensuite, les signes des coefficients estimés doivent être interprétés en tenant compte de l’ensemble des variables de contrôle incluses dans le modèle. Certaines variables descriptives affichent des coefficients négatifs, mais ces effets sont généralement d’une ampleur limitée et ne sont en général pas significatifs au seuil de 0.05, et les intervalles de confiance incluent souvent zéro. Par conséquent, les données disponibles ne permettent pas de déterminer si les effets réels sont positifs ou négatifs. De plus, il est probable que ces coefficients reflètent des corrélations partielles, c’est-à-dire qu’ils rendent compte de l’effet d’une variable donnée tout en maintenant constants de nombreux facteurs connexes, plutôt qu’ils indiquent une relation réellement négative isolée.
Enfin, les résultats de l’analyse de régression doivent être interprétés avec prudence. La signification statistique ne signifie pas que les variables associées ont pour effet d’accroître la confiance. Toutes les variables explicatives sont corrélées et la direction du lien entre la confiance et la perception de la gouvernance publique est probablement réciproque.
