Déterminants du salaire en France et aux Pays-Bas

Thèmes abordés

Déterminants du salaire, France, Pays-Bas, test de White, salaire, homoscédasticité, test de Fisher, enquête européenne d'Eurofound sur les conditions de travail, EWCS 2015, EWCS European Working Conditions Surveys, conditions de travail, Europe, Mincer, Meurs, Ponthieux, AFDM Analyse Factorielle des Données Mixtes, MCO moindres carrés ordinaires, méthode des MCO, projet empirique sous R, R, estimation, expérience potentielle, mesure, capital humain, discrimination, théorie, écart des salaires, test de Student, logarithme népérien, ACP Analyse en Composantes Principales, ACM Analyse en Composantes Multiples, modèle hétéroscédastique, modèle homoscédastique, analyse de données, statistiques, emploi à temps partiel, chômage, variation, analyse qualitative, analyse quantitative, écart salarial, test du Chi-deux, V de Cramer, variables, salaire horaire, secteur, égalité, inégalité

Résumé du document

Notre étude se concentre sur l'estimation des déterminants du salaire en France et aux Pays-Bas, en se basant sur les données de l'enquête européenne sur les conditions de travail d'Eurofound (EWCS 2015). Ceci est la plus grande enquête comparative des conditions de travail en Europe puisqu'elle a permis de récolter les réponses de 43 000 employés provenant de 35 pays différents. Elle examine les différences de conditions de travail en fonction des pays, des professions, des paramètres sociodémographiques et économiques (sexe, âge, taille de l'entreprise et secteur économique, etc.).

Extraits

[...] De 1990 à 1994, les effets structurels (catégorie d'emploi et temps partiels) ont provoqué à la hausse l'écart des salaires, puis à partir de 1994 la tendance s'inverse, les différentes caractéristiques baissent et réduisent l'écart salarial notamment avec la réforme des 35 heures. Ainsi l'écart de salaire entre 1990 et 2002 ne baisse plus, il est plus ou moins en stagnation jusqu'à 2002. Meurs et Ponthieux en arrive à la conclusion que les facteurs causant l'écart des salaires sont les mêmes, peu importe l'angle d'analyse adopté. [...]

[...] 
 Le résultat du test se traduit par une p-value de 0.3679779 soit supérieur au seuil de on ne peut donc pas rejeter H0 et nous en tirons la conclusion que le modèle est homoscédastique et non hétéroscédastique. Nous ne devons donc pas procéder à la correction des écarts-types des estimateurs pour pouvoir conclure quant à la significativité des variables explicatives, comme effectuer avec le modèle néerlandais. Nous procédons à la comparaison des résultats de nos deux régressions pour pouvoir conclure quant aux déterminants du salaire en France et aux Pays-Bas. [...]

[...] Et contrairement aux graphiques précédents, nous avons en outlier les individus 1485 et 1126. Mais le point commun reste l'individu 1458. 
 Les deux derniers graphiques représentent également la distance de Cook, les résidus standardisés et l'effet levier. Les résidus standardisés permettant de tenir compte d'une éventuelle hétéroscédasticité, on y voit de nouveau les 3 derniers même outliers. 
 En ce qui concerne le dernier, on peut encore une fois y voir les mêmes outliers. Il nous faut, à présent, nous occuper de traiter ces outliers. [...]

[...] Ces coefficients sont respectivement de et de 0.001. Ensuite, en ce qui concerne, les variables qualitatives que R a transformées en variable binaire pour pouvoir les analyser, l'analyse des coefficients du modèle général n'est pas très pertinente. Néanmoins, en rentrant dans les détails, on remarque de grosses différences par rapport au premier modèle néerlandais. En effet, tout d'abord, en ce qui concerne la variable niveau d'éducation, Dans le modèle néerlandais elle concernait seulement deux sous variables alors qu'en France elle en concerne quatre : Lower secondary education, Master or équivalent, primary education et Upper secondary education. [...]

[...] Ensuite, on retrouve le salaire horaire qui est également très bien corrélé, puisque son cosinus carré est égal à 0.59. Les variables people_Managed, call_in_sick_days et level_education sont représentées sur cet axe, mais plus faiblement. Enfin le cosinus carré des variables qualitatives country et sexe est proche de ce qui signifie que ces deux variables sont très faiblement corrélées à la première dimension.
 Par ailleurs, sur l'axe 2 la variable level_education est la plus corrélé (0.51), suivi de country (0.37) et de salaire_horaire (0.31). [...]