Direction de l’Animation de la Recherche,des Etudes et des Statistiques

Ç

$\

ÉDUCATION,EXPÉRIENCEET SALAIRE

Tendances récenteset évolution

de long terme

Dominique GOUX (Insee)

Fric MAURIN (Dares)

N° 4Novembre 1994

Les documents d’études sont des documents de travail; à ce titre, ils n’engagent que leurs auteurs et ne représentent pas la position de la DARES.

t, J(, (L,u—

Ç

A partir d’un panel d’enquêtes Emploi (1990—1994), l’étude cherche à mesurerles disparités de salaires liées à l’expérience professionnelle et aux diplômes, enneutralisant les biais liés à l’endogénéité de caractéristiques non observées desindividus, ainsi que ceux liés à l’endogénéité des pratiques salariales spécifiquesdes employeurs. Sur la base d’un pseudo—panel d’enquêtes sur la formation et laqualification professionnelle (FQP), on évalue par ailleurs l’évolution durendement salarial des diplômes entre 1970 et 1993, en neutralisant les biais ditsaux effets de sélection du chômage.

tJ

Education, expérience et salaireTendances récentes et évolution de lon terme

1. Introduction

Quel lien existe-t-il entre la scolarité initiale, l’expérience professionnelle et le salaire

perçu 7 Cette question fait depuis longtemps l’intérêt des économistes. Un volume

considérable de travaux empiriques et théoriques lui est consacré. Dans ce domaine, lune

des théories économiques les plus simples et les plus achevées est sans doute celle du

capital humain’. Hypothèse de base le salaire rémunère les capacités productives des

individus, lesquelles sont liées, avant tout, aux connaissances acquises à l’école.

Poursuivre ses études implique efforts et sacrifices ils sont consentis dans la mesure où

l’impact anticipé sur les salaires futurs est suffisant. Au bout du compte. suivant leurs

aptitudes. les individus “choisissent” à la fois leur niveau de formation et leurs salaires

ultérieurs. Une hypothèse complémentaire est traditionnellement adjointe à ce modèle de

base : l’expérience professionnelle enrichit elle aussi le capital humain et à ce titre.

s’accompagne elle aussi d’augmentations de salaire réel. Celles-ci seront sans doute plus

fortes en début de carrière la retraite approchant. les investissements de formation (et de

remise à niveau) auront un horizon de rentabilisation plus court et par conséquent. seront

de plus en plus rarement entrepris (encadré 2).

Cette théorie a fait l’objet de nombreuses critiques, notamment pour la vision strictement

économique qu’elle retient des arbitrages individuels, ou pour l’efficacité qu’elle suppose

aux années de scolarité formelle. Il est possible de développer une analyse concurrente

où l’école a pour rôle essentiel de sélectionner et “signaler” les individus selon leurs

aptitudes2. En elle-même, la scolarité n’améliorerait guère la capacité productive des

futurs salariés. Son rôle se bornerait à certifier les capacités individuelles et à classer les

individus. Autre limite importante. la théorie du capital humain explique mal la diversité

des pratiques salariales d’une entreprise à l’autre. Elle n’intègre pas le rôle des institutions

et des conventions encadrant le marché du travail.

Pour notre part. nous allons partir d’une relation empirique simple. telle que pourrait la

justifier la théorie du capital humain dans sa version la moins élaborée pour

l’explication des différences de salaires, seules sont prises en compte la durée de la

scolarité et l’expérience professionnelle totale (section 3).

Progressivement, nous chercherons à tester la robustesse et la pertinence de cette relation

en introduisant quelques mécanismes concurrents, puis en enrichissant les spécifications

du capital humain. Ainsi, en premier lieu, nous évaluerons l’effet des ressources

individuelles non mesurées par le capital scolaire ou l’expérience professionnelle (section

Voir Becker [1964], Mincer [1974] ou Willis [1986].2 Voir Arrow [1973], Spence [1974], Riley [1979].

j

4) puis celui des pratiques salariales spécifiques des différents employeurs (section 5).

Dans un second temps. nous chercherons â prendre en compte hétérogénéité du capita)

humain, qu’il s’agisse des années de scolarité plus ou moins réussies (section 5) ou de

l’expérience professionnelle, plus ou moins transférable d’une entreprise à l’autre

(sectIons 6 et 7).

Disposant d’une évaluation raisonnable des différents mécanismes. nous retracerons

l’é\ olution du rendement salarial des diplômes suivant l’époque où ils ont été obtenus

(sections 8 et 9).

2. Les données

Comme les précédentes. la dernière version de l’enquête Formation et Qualification

Professionnelle (FQP 1993) contient un descriptif précis du niveau de formation des

individus et de leurs carrières scolaires3.

Comparée aux sources administratives ou aux enquêtes menées auprès des entreprises.

cette source présente aussi l’intérêt de couvrir l’ensemble de la population salariée

(public, privé, sans restriction de taille pour les employeurs). Menée auprès de l’ensemble

des actifs (qu’ils aient ou non un emploi), elle donne les moyens de neutraliser certains

biais, liés à la sélectivité du chômage.

L’enquête renseigne également sur le temps écoulé depuis le premier emploi. On dispose

ainsi d’une approximation de l’expériene professionnelle des individus. La qualité de

cette approximation est évidemment meilleure pour les hommes que pour les femmes.

lesquelles sont encore nombreuses à avoir interrompu durablement leur carrière. C’est

pourquoi, sans que cela soit toujours précisé, les estimations porteront uniquement sur la

population masculine4.

Plus précisément. on travaillera, dans l’enquête FQP 1993, sur un échantillon de 5302

hommes, âgés de 20 à 64 ans, avant exercé une activité salariée â temps complet en 1992.

actifs en 1993.

La continuité du protocole des enquêtes FQP permet par ailleurs de construire des

pseudo-panels et d’établir des comparaisons robustes sur le moyen-long terme5, Quatre

enquêtes ont été mobilisées, celles de 1970, 1977, 1985 et 1993. L’échantillon étudié sera

Voir par exemple Riboud [1978], ou Jarousse-Mingat [1986] pour des études menées sur lesprécédentes versions de l’enquète.

Cette remarque souligne le caractère endogène de l’expérience. A âge et diplôme égaux, la duréede l’expérience professionnelle n’est pas la même pour tous : les moins diplômés sont plus souventet ‘ou plus longtemps au chômage, les femmes sont susceptibles d’interrompre leur carrière.L’approximation â laquelle la nature des données nous contraints pour évaluer l’expérience élude ceproblème d’exogénéité. Pour une étude sur ce point, voir Bingley et Westergard-Nielsen [1994].D Sur ce type d’utilisation voir Baudelot-Glaude [19881.

4

constitué de 48 542 individus, hommes âgés de 20 à 64 ans. ayant exercé une activité

salariée uniquement a temps complet l’année precédant l’enquète.

Fait important. l’enquête ‘FQP 1993” identifie les entreprises rémunerant les salariés. ce

que ne faisaient pas les précédentes \ersions de l’enquête6. Il est ainsi possible de

distinguer les différences de remuneranons réellement dues aux écarts de formation et

d’expérience d’une part et celles dues aux pratiques salariales spécifiques des entreprises

d’autre part. Ce rpe d’information permet d’approfondir les recherches menées a partir

d’enquêtes FQP plus anciennes, où seules pouvaient être neutralisées les disparités

sectorielles de rémunérations7

Les enquêtes FQP ont ainsi de nombreux atouts empiriques. Elles n’offrent toutefois pas

la possibilité de suivre les individus (et leurs salaires) au cours du temps l’effet de

l’expérience professionnelle sur les rémunerations ne peut pas être mesuré directement.

Pour compléter l’étude, nous aons donc eu recours à l’enquête Emploi d’une année sur

l’autre, un tiers seulement de l’échantillon est renouvelé, ce qui permet de sui’re une

partie des carrières salariales. Plus précisément, de 1990 et 1994, il est possible de

reconstituer deux années complètes de carrière salariale pour 16 234 hommes salariés à

temps complet. Ainsi constitué. l’échantillon comporte 48 702 observations8.

La scolarité et le diplôme des individus sont moins bien mesurés dans l’enquête Emploi

que dans l’enquête FQP. Mais depuis 1990, les responsables de la source ont

considérablement amélioré la qualité des informations sur les salaires.

3. Scolarité, expérience professionnelle et salaire : un modèle de référence

Pour une première illustration des relations de base, il est éclairant d’analyser la

dispersion des salaires à une date donnée (1993), selon les critères de capital humain

observés (par le statisticien), au premier rang desquels la durée de scolarité et

l’expérience professionnelle des individus.

Soit y es le logarithme du salaire de l’individu j et x le vecteur représentant le capital

humain observé, on postule que:

(1) y=x’b+u

6 On a pu identifier precisement l’entreprise dans laquelle travaillent 4 713 des 5 302 individus denotre échantillon d’étude (par son identifiant SIRET). Ces 4 713 personnes travaillent dans 3 676

entreprises différentes. Ces entreprises se répartissent ainsi : 3 311 ont un seul salarié représenté

dans notre échantillon. 220 en ont deux, 126 en ont entre trois et neuf et 19 ont dix salaries ou plus

interrogés.Voir Plassart-Tahart [19901.De même que dans l’enquête FQP. les enquêtes Emploi postérieures à 1990 identifient

l’employeur par son numero SIRET. Cependant. cette indication ne constitue qu’un intermédiairepermettant la connaissance des caractéristiques de l’entreprise et n’est donc pas systématiquement

renseignée. Le sous-panel identifiant les entreprises comporte 43 859 observations.

)

où u sont des résidus supposés i.i.d.

Un tel modèle peut être estimé de façon standard. par les moindres carrés ordinaires

(tableau la). Les résultats sont conformes aux pré\ isions théoriques et es ordres de

grandeurs comparables à ceux obtenus sur données plus anciennes en première

approximation. entre deux individus du même âge. avant achevé leur scolarité entre 1 6 et

22 ans. une différence d’un an dans la durée des études correspond à un écart de salaire

compris entre 7% et 9%. Les premières années de scolarité post-obligatoire semblent

ainsi particulièrement fondamentales pour les rémunérations futures. Au-delà, le

rendement semble décroître vers 25 ans. une année d’étude supplémentaire correspond à

des écarts de salaire qui ne dépassent plus 4%. A partir de 2S ans. âge auquel la quasi-

totalité des jeunes ont quitté l’école. les différences de salaires liées à la durée des études

ne sont plus perceptibles.

Ces écarts de salaires entre personnes de formations différentes apparaissent légèrement

plus importants au sein des générations anciennes. Il s’agit d’un premier indice du déclin

de la rentabilité scolaire au cours du temps. Toutefois pour étayer réellement ce type de

diagnostic, il sera nécessaire de comparer les salaires des différentes générations au

même âge, ce que ne permettent évidemment pas les données d’une enquête ponctuelle.

Le salaire varie aussi avec l’expérience professionnelle. En début de carrière, l’écart de

rémunération entre deux salariés dont l’un a une année d’ancienneté de plus que l’autre est

d’environ 4%. En terme de capital humain, les premières années de carrière seraient ainsi

équivalentes à un mi-temps de pure formation scolaire. En milieu de carrière, les

différences de rémunérations liées à l’expérience deviennent plus faibles (1,6%). En fin

de carrière, elles s’annulent. De nouveau, ces résultats sont conformes aux estimations

menées antérieurement sur le même type de données.

Fondées sur des comparaisons de salaires entre individus de générations différentes, ces

estimations ne constituent toutefois qu’une approche indirecte et imparfaite du lien entre

l’expérience professionnelle d’un individu et l’évolution de son salaire.

Supposons qu’il n’existe en réalité aucune relation entre expérience et salaire. Imaginons

en revanche que les salaires d’embauche déclinent au cours du temps et que chaque

individu perçoit un salaire constant tout au long de sa carrière. A chaque instant, les

salariés les plus expérimentés seront mieux payés que les plus récents l’expérience ne

les aura pas rendus plus productifs, simplement ils seront entrés sur le marché du travail

à un moment où la concurrence pour les postes les mieux rémunérés était moins forte.

Autrement dit, telle que nous l’observons, à une date donnée, l’augmentation des salaires

avec l’expérience pourrait être le résultat d’un déclin des salaires d’embauche des

générations successives plutôt que d’un réel effet positif de l’ancienneté sur les capacités

productives.

6

4. Les déterminants individuels du salaire

Lne mise en évidence satisfaisante du lien entre expérience et salaire demande donc de

suivre les salaires individLlels au cours du temps. Pour traiter ce problème. il est bien sûr

nécessaire de disposer d’observations répétées sur les mêmes individus. Les enquêtes

FQP ne fournissant pas ce type d’information individuelle-temporelle, nous avons utilisé

l’enquête Emploi. Son protocole permet de constituer d’importants panels de salariés.

Dans notre cas. chacun a été interrogé à trois reprises entre 1990 et 1994. lors des

différentes carnpanes de l’enquête9.

Dans ce cadre. il devient possible de modéliser le salaire réel de chaque individu en une

partie fixe et une partie évoluant au fil de la carrière. Cette décomposition permet d’isoler

ce qui revient en propre à l’accumulation de capital humain en cours de carrière d’une

part et ce qui est fixe d’autre part. c’est-à-dire lié à des différences “structurelles” entre les

individus (différences de formation. de génération. de ressources familiales ou

intellectuelles).

Soit Yit le logarithme du salaire de l’individu i à la date t et x1 le capital humain observé.

L’effet spécifique individuel sera noté a.. Le modèle s’écrit sous une forme à erreurs

composées

(Il) y, = x, b +a +

où les perturbations ci.. et sont supposées aléatoires, non corrélées, de variance

et

Avant d’estimer un tel modèle, il est important de s’interroger sur l’existence des effets

individuels ctet sur leur exogénéité. La convergence de l’estimateur standard (MCO)

n’est en effet assurée que dans le cas où les effets spécifiques sont indépendants du

capital humain observé.

Sur les données utilisées, un test de Fisher permet de repousser l’hypothèse (o 0): les

aptitudes et ressources individuelles non mesurées ont un impact bien réel sur la

hiérarchie des salaires perçus. Par ailleurs, un test d’Hausman repousse l’hypothèse

d’indépendance de ces effets fixes individuels : capital humain observé et aptitudes

individuelles non mesurées sont corrélés entre eux (tableau 2b). L’estimation brutale du

modèle (II) par les moindres carrés serait donc affectée d’un biais, du fait de l’oubli de

déterminants endogènes du salaire.

‘? La qualité de l’information sur les salaires ne permet pas de remonter plus avant dans le tempssans un long travail préalable de mise en forme des données. D’une part les enquêtes Emploiantérieures à 1990 précisent seulement la tranche de salaire perçu. D’autre part, les salariés quirefusent de déclarer leur salaire ne font pas l’objet de redressement spécifique.

7

Pour estimer correctement l’effet de l’expérience sur le salaire. il apparaît ainsi bel et bien

nécessaire de disposer d’une information individuelle-temporelle et de mobiliser la

ariance temporelle de cette information (estirnateur “intra”).

Dans le cas présent. une estimation convergente de (11) conduit à réévaluer de plus de

20Y0 le rendement marginal de l’expérience professionnelle (tableau 2a). Le biais

affectant l’estimation standard s’interprète facilement : les individus disposeraient d’atouts

individuels (non mesurés) d’autant plus importants qu’ils sont expérimentés. On peut

songer au capital humain familial les générations récentes ont grandi dans des familles

en mo enne plus cultivées que les générations anciennes10.

Pour le reste. sur les cinq années d’observation, les salaires individuels évoluent selon des

trajectoires très cohérentes avec celles qu’il est possible de reconstituer à partir

d’observations transversales, et conformes à ce qui pourrait ètre une accumulation

rationnelle du capital humain (forte en début de carrière, puis de plus en plus réduite).

A cette interprétation “structurelle’, on pourrait opposer une lecture plus conjoncturelle

au début des années 1990, les augmentations générales de salaires ont ralenti et c’est ce

phénomène (qui n’a rien à voir avec l’accumulation de capital humain) que captent nos

estimations longitudinales. En introduisant des indicatrices annuelles il est possible de

neutraliser complètement le profil des évolutions générales : dans ce cadre le lien entre

expérience individuelle et salaire réel garde une concavité conforme aux précédentes

estimations (tableau 2c). Une simple lecture conjoncturelle ne peut donc pas expliquer la

robustesse de la relation dynamique exitant entre expérience et rémunération.

Il faut toutefois souligner que l’acquisition d’expérience n’explique à elle seule qu’une très

faible partie de la variété des carrières individuelles’’. Autrement dit, au-delà du lien réel

entre expérience et salaire, subsiste une très forte hétérogénéité des carrières salariales

individuelles. Le peu d’observations temporelles disponibles dans le panel Enquête

Emploi ne permet pas d’approfondir la description de cette hétérogénéité’2.

5. Les pratiques salariales spécifiques des entreprises

Pour éclairantes qu’elles soient, les estimations précédentes doivent elles-aussi être prises

avec prudence. Les pratiques d’embauche et de rémunération peuvent être très différentes

d’un secteur à l’autre, et au sein de chaque secteur, elles peuvent varier d’une entreprise à

° Voir Goux-Maurin [19941.2% seulement de la variance intertemporelle des salaires individuels est expliquée par

l’augmentation de l’expérience. Nous verrons que la prise en compte d’un capital humain spécifique

à l’entreprise n’améliore pas cette variance expliquée.12 Pour une étude dans ce sens, voir le travail de Lollivieret Payeri [1990].

8

l’autre. Négliger la diversité des employeurs peut conduire à fausser l’appréhension du

lien réel entre capital humain et salaire.

Sur données américaines. Krueger et Summers (1988 mettent ainsi en évidence des

différentiels de salaires entre firmes que n’explique le capital humain observé.

L’explication de ce type d’écart peut renvoyer à des théories comme celle du salaire

d’efficience chaque firme adapte ses rémunérations aux problèmes incitatifs qui lui sont

propres. liés à sa plus ou moins grande capacité à contrôler le travail de ses employés’3.

L’enquête FQP 1993 permet de traiter ce type de problème de façon un peu plus

rigoureuse que les précédentes. Elle fournit en effet un identifiant de l’entreprise où

travaille chacune des personnes interrogées. L’échantillon de salariés est suffisamment

vaste pour que l’on dispose d’informations répétées sur plusieurs centaines

d’employeurs’4.Il est ainsi possible de décomposer les salaires individuels en une partie

“entreprise” (dépendant uniquement de l’employeur, c’est-à-dire identique pour tous les

salariés travaillant pour lui) et une partie dépendant du capital humain.

Soit y le logarithme du salaire de l’individu i quand il travaille dans l’entreprise j. Lapartie de son salaire dépendant uniquement de son employeur j est notée

.

Le modèle

s’écrit, avec les notations habituelles

(III) y = x’ b+ + u

où Ujj et sont supposés i.i.d..

Les tests de Fisher et de Hausman confirment l’existence et l’endogénéité des pratiques

salariales spécifiques des entreprises (tableau lb). En d’autres termes, sur données en

coupe transversale, une estimation standard par les moindres carrés est affectée de biais

elle néglige le lien existant entre le capital scolaire des salariés et les pratiques salariales

des employeurs.

Dans le cas présent, l’utilisation d’estimateurs convergents (intra) conduit à sensiblement

réévaluer les scolarités longues dès l’instant où l’on ne s’intéresse qu’aux différences de

salaires entre personnes de même entreprise, le rendement d’une année de scolarité

supplémentaire ne décroît plus au fur et à mesure qu’on avance dans le cursus, il reste

compris entre 7% et 8% (graphique I). Lorsqu’on compare le rendement de l’école aux

alentours du bac, avec son rendement cinq ans plus tard, il parait ainsi particulièrement

important de ne pas négliger la diversité des employeurs : les individus auraient en effet

3 Pour une présentation détaillée et argumentée des principales approches théoriques du salaired’efficience, voir Akerlof [1984].‘ Quand on se restreint aux seuls salariés masculins, cela correspond à près de 1450 observationssur environ 400 entreprises.

9

tendance à travailler pour des organismes d’autant moins bons rémunérateurs” qu’ils

poursuivent des études longues (on peut songer aux instituts de recherche et

d’enseignernent) 5.

Par ailleurs, toujours dans le cas où l’on neutralise la diversité des pratiques salariales, le

profil des salaires suivant l’expérience devient un peu moins abrupt en début de carrière.

l’écart de rémunérations par année d’ancienneté supplémentaire n’est que de 4%. contre

5% dans le modèle sans effets fixes (graphique 2). Par définition, ce dernier modèle ne

neutralise pas l’effet des changements d’entreprise : en début de vie active ces

mouvements auraient donc tendance à se faire des employeurs moins “bons”

rémunérateurs vers ceux qui payent mieux.

Ce dernier résultat petit étre retrouvé à laide du panel de l’enquète Emploi (tableau 2a).

Dune part. nous l’avons vu. cette source permet de suivre l’évolution des salaires au

niveau individuel et d’avoir une appréhension directe du lien entre expérience et

rémunération. Cette source permet aussi, tout comme FQP, d’identifier les entreprises

employeuses.

Il est ainsi possible de modéliser le salaire reçu à l’instant t par l’individu j dans

l’entreprise j comme combinaison d’un effet fixe mixte (v) et d’une composante évoluant

avec l’expérience professionnelle de l’individu i.

(IV) y, = x,b t +

avec les hypothèses habituelles sur les résidus v et E.

Un test de Fisher confirme l’existence de l’effet fixe v1. En revanche, un test de Hausman

ne permet pas de repousser l’hypothèse de son exogénéité. Pour bien interpréter ce

résultat, il faut rappeler ceux obtenus précédemment, lorsqu’une seule source

d’hétérogénéité était contrôlée : d’une part le capital humain non mesuré est plutôt plus

faible chez les salariés les plus expérimentés (modèle (II)); d’autre part ces mêmes

salariés expérimentés travaillent plutôt pour des employeurs “bons” rémunérateurs

(modèle (III)). L’exogénéité de l’effet fixe dans le modèle (IV) suggère que ces deux

sources de biais se neutralisent.

15 Deux salariés de notre échantillon ont évidemment d’autant plus de chance de travailler pour le

même employeur, que cet employeur est de grande taille. Analyser la diversité des rémunérations

entre salariés de même entreprise revient ainsi mécaniquement à privilégier ‘étude des grandes

entreprises. Du coup, on peut se demander si la réévaluation des scolarités longues à laquelle mène

ce type d’analyse ne tient pas tout simplement au fait que (toutes choses égales par ailleurs) les

petites entreprises paient plutôt mieux que les grandes, mais emploient moins de diplômés “longs”

Cela ne semble pas le cas : menée sur les seules entreprises “multi-employeuses” de notre

échantillon, une analyse qui ne neutralise pas les effets fixes conduit elle aussi à diagnostiquer un

déclin du rendement scolaire après 25 ans. La spécificité des rémunérations des différentes firmes

ne peut pas s’analyser en des termes aussi simples que l’opposition grande entreprise/petite

entreprise.

10

Le modèle (1V) a l’avantage d’être très simple à estimer, il suffit de raisonner en écart aux

moyennes des salaires reçu par les individus dans chacune des entreprises pour lesquelles,

tour à tour, ils travaillent. II présente toutefois l’inconvénient de ne pas distinguer

explicitement les deux sources structurelles d’hétérogénéité salariale, celles liés aux capital

humain non observés d’une part; aux pratiques salariales spécifiques des employeurs

d’autre part. Leurs contributions respectives à la formation des salaires ne peuvent être

identifiées.

Pour aller plus loin dans ce domaine, il est intéressant de se représenter les salaires selon un

modèle à double effet fixe.(‘1) = + y1 + w. +

où les résidus y., w et suivent des processus aléatoires non corrélés.

L’estimation de ce modèle est loin d’être aussi directe que celle du modèle (IV). La matrice

de variance des résidus ne s’écrit pas sous une forme permettant l’utilisation des méthodes

précédentes. Pour contourner ce problème, nous avons supposé certain l’effet fixe w et

introduit dans le modèle autant d’indicatrices que d’entreprises. Pour pallier le problème

informatique d’inversion de matrices de grande taille (lié au très grand nombre de variables

indicatrices introduites), nous nous sommes restreints à un sous—échantillon de 2 500

observations.

Dans ce cadre, l’hétérogénéité des entreprises apparaît avoir un effet significatif, mais

marginal dans la formation des salaires. Ce résultat, obtenu sur un petit échantillon, est

évidemment à considérer avec prudence. Cependant, des études récentes confirment la

prépondérance de l’hétérogénéité salariale interindividuelle sur l’hétérogénéité interfirme16.

6. L’effet de certification des diplômes

La durée de la scolarité est un indicateur évidemment très fruste du niveau et de la qualité

de la formation reçue par un individu. Le temps de la scolarité n’est pas homogène: d’une

part toutes les filières n’ont pas forcément la même efficacité, toutes ne sont pas également

adaptées aux besoins futurs des entreprises. D’autre part, indépendamment de sa durée, une

scolarité peut être plus ou moins réussie.

Ainsi peut—on attendre que les années redoublées n’aient pas le même impact sur le salaire

que les autres. De même les années de scolarité n’ayant pas abouti, n’ayant débouché sur

aucun certificat, seront a priori moins payantes que les années efficaces, sanctionnées par

un diplôme.

16 Voir Abowd, Kramartz et Margolis [1994].

11

Pour tester ces phénomènes. l’enquête FQP permet de distinguer, au sein dune scolarité,

les trois types d’années pertinents les années redoublées. les années “certifiées’

(nécessaires à i’obtention des diplômes) et les années ‘non certifiées’. c’est-à-dire toutes

celles que n’expliquent ni les redoublements ni le niveau de diplôme de l’individu. Dans

les modèles (I) et (III) présentés plus haut. les caractéristiques x détaillent la nature des

années scolaires (tableau la. modèle 2).

Les résultats sont assez clairs

- deux scolarités avant abouti au même niveau de diplôme. mais avec un nombre de

redoublements différent, conduisent à des salaires équivalents. L’n redoublement

manifeste pourtant. a priori, des aptitudes plus faibles et devrait en toute logique

conduire à des salaires moins élevés. Cette absence de relation entre redoublements et

salaire peut sans doute être interprétée comme un indice du pouvoir de certification du

diplôme à la limite, peu importe les aptitudes réelles du salarié, seul compte son

diplôme.

- les années non certifiées impliquent des écarts de rémunération significatifs (-r3,2% par

année), mais deux à trois fois plus faibles que les années certifiées. C’est un nouvel

indice de l’effet de certification et, surtout, de sélection joué par le diplôme.

Neutraliser l’hétérogénéité des employeurs conduit par ailleurs à réévaluer le rendement

salarial des années non certifiées : les scolarités n’ayant pas complètement abouti seraient

plutôt concentrées dans les entreprises à salaires faibles. En revanche, toujours dans

l’hypothèse où l’on neutralise l’effet des pratiques salariales spécifiques, les années

certifiées apparaissent un peu moins rentables les scolarités sans “déchets” seraient

ainsi plutôt concentrées dans les entreprises â fort niveau de salaires.

Pour affiner l’analyse, il est possible de prendre explicitement en compte les diplômes,

plutôt que la durée de la scolarité certifiée. Les salaires auxquels ils conduisent

s’échelonnent suivant une hiérarchie évidemment très proche de celle des nombres

d’années nécessaires à leur obtention (tableau 3). Néanmoins quelques exceptions

subsistent, assez éclairantes : ainsi un BTS est-il plus rentable qu’un DEUG. pour une

durée d’étude sensiblement équivalente. De même, toutes choses égales, un diplôme

d’école d’ingénieur conduit à des salaires 25% plus élevés qu’un diplôme de deuxième

cycle universitaire pour des durées de scolarité là encore comparables. De façon

générale. les diplômes sanctionnant l’achèvement d’un cursus impliquent des salaires en

définitive plus élevés que ceux d’un cursus inachevé.

7. Compétences spécifiques et compétences transférables

12

De même que les années d’études ne peuvent toutes être mises sur le même plan.

expérience professionnelle constitue un capital qu’il est simplificateur de considérer en

bloc. Depuis les travaux fondateurs de Becer [1964]. il est d’usage de distinguer les

compétences “générales” d’une part, susceptibles d’être rentabilisées dans n’importe

quelle entreprise, et les compétences spécifiques d’autre part. propres à la firme dans

laquelle on travaille. Ces dernières s’accumulent en même temps que grandit l’ancienneté

dans l’entreprise : à chaque changement d’entreprise, la partie du salaire qui les rémunère

disparaît. En revanche, la rémunération de l’expérience générale reste insensible au

changement d’employeur.

Une première estimation des écarts de rémunérations entre salariés d’expérience et

d’ancienneté spécifiques différentes peut être obtenue à partir de l’enquête FQP 93

(tableau 4):

- entre deux personnes de même formation et génération, l’une ayant un an d’ancienneté

de plus dans son entreprise que l’autre, l’écart de rémunération est d’environ O.5%. Pour

des salariés de même âge et formation, une différence d’un an d’ancienneté spécifique

implique donc un écart de salaire significatif. même s’il reste quatre fois moins important

qu’une simple différence d’âge d’un an.

- l’effet de l’ancienneté spécifique ne décroît pas au fur et à mesure qu’elle grandit’7.Pour

des salariés en fin de carrière, il semble ainsi particulièrement pénalisant de devoir

changer d’employeur: pour eux, seule continuerait à jouer l’expérience particulière qu’ils

accumulent de leur dernier milieu professionnel.

Au total, ainsi estimés en coupe transversale à partir de l’enquête FQP’8, les gains de

salaire liés au capital spécifique semblent significatifs, mais plus faibles que ceux liés au

capital transférable. L’écart se réduirait toutefois au fur et à mesure que la carrière

avance.

Les estimations précédentes reposent sur des comparaisons de rémunérations entre

individus différents : elles ne neutralisent pas l’effet sur les salaires de hétérogénéité des

salariés et de leurs emplois. Selon une logique déjà exposée, pour appréhender plus

directement l’effet de l’ancienneté, il est nécessaire de suivre les mêmes individus au

cours du temps. Le panel Emploi permet de se livrer à cet exercice (tableau 2a. modèle

2).

De fait, quand on raisonne sur les carrières individuelles, les relations changent

d’intensité : prendre un an d’ancienneté dans son entreprise reste associé à un changement

17 D’un point de vue théorique ce résultat n’est pas surprenant : les compétences spécifiquess’acquièrent en travaillant, elles n’impliquent aucun des sacrifices professionnels qui sont à la base

des investissements visant à l’acquisition de compétences générales.L’utilisation du panel Emploi en coupe conduit au même type de résultat.

13

significatif de salaire. Mais les gains de salaire dus à cette ancienneté spécifique

apparaissent désormais près de quinze fois plus faibles que ceux liés à expérience totale.

Autrement dit, contrairement à ce que peut laisser penser une photoraphie des salaires à

un instant donné. ce n’est pas seulement parce qu’ils sont plus anciens dans leur

entreprise que certains salariés sont mieux pavés. La causalité serait en grande partie

inverse : certains salariés ont des aptitudes particulières, ou occupent des emplois

particuliers, et c’est pour cette raison qu’ils sont à la fois mieux pavés et plus anciens dans

leur entreprise.

i.e panel Emploi permet daller plus loin dans l’analyse du lien subsistant entre ancienneté

spécifique et salaire. Une question demeure en effet posée : la légère supériorité des

rémunérations perçues par les salariés anciens doit-elle être attribuée à un capital

spécifique qu’ils auraient accumulé ou ne fait-elle que refléter les pratiques salariales

incitatives des entreprises qui les emploient (et dont tous leurs collègues bénéficient.

quelle que soit leur ancienneté)?

Pour répondre à cette question, il est de nouveau intéressant de modéliser le salaire d’un

individu i dans une entreprise j comme produit d’une composante fixe (v) et d’une

composante évoluant avec l’expérience totale et l’ancienneté spécifique de cet individu

dans un modèle formellement équivalent au modèle (5).

Dans ce cadre, l’effet de l’ancienneté spécifique sur le salaire disparaît complètement,

seul subsiste l’effet de l’expérience totale (avec une intensité et une concavité identiques à

celles décrites section 5). Autrement dit l’effet résiduel apparent du capital spécifique sur

les salaires serait essentiellement lié à hétérogénéité des entreprises et de leurs pratiques

salariales.

8. Evolution du salaire des diplômés d’une génération à l’autre

La théorie du capital humain permet de comprendre de façon assez satisfaisante

l’évolution des salaires au cours d’une carrière ou les différences de salaire entre

personnes d’une même génération. En revanche, elle ne permet sans doute pas de

comprendre à elle seule les écarts de rémunération entre générations. Ceux-ci reflètent

des évolutions exogènes en partie indépendantes des phénomènes d’accumulation du

capital humain. D’une part, les mécanismes de sélection scolaire changent: en France,

depuis la fin de la deuxième guerre, l’école s’est progressivement ouverte à des milieux

qui en étaient quasiment exclus19. D’autre part, la demande de travail évolue selon des

lois en partie indépendantes de la qualité des personnes arrivant sur le marché du travail.

19 Voir Goux-Maurin [1994].

14

Il en résulte d’une génération à l’autre une concurrence plus ou moins intense pour les

emplois les mieux rémunérés.

Ces deux phénomènes. démocratisation de l’école et concurrence accrue pour les

carrières les mieux payées. tendent mécaniquement à modifier le rendement de l’école

d’une génération à l’autre.

Les informations issues du panel Emploi permettent de comparer au même moment de

leur carrière les salaires reçus par des diplômés nés à trois années de distance. Les écarts

sont faibles. mais significatifs : les salaires réels augmentent au fil des générations. mais

l’augmentation est plutôt moins rapide pour les individus axant suivi les formations les

plus longues. En d’autres termes. les écarts de salaire liés à la formation auraient

tendance à être moins importants au sein des générations les plus récentes. Pour

simplifier, le rendement marginal d’une scolarité d’un an plus longue diminuerait en

moyenne de 0.15 point entre deux générations successives, soit un point toutes les sept

générations.

Il est possible de se livrer à un même type d’analyse sur une période beaucoup plus

étendue, à partir des quatre enquêtes FQP utilisées en pseudo-panel. Cette source permet

d’analyser et de comparer les carrières d’un plus grand nombre de générations. Les

résultats obtenus dans ce cadre sont toutefois comparables à ceux dérivés des récentes

enquêtes Emploi. Le rendement marginal de la scolarité, évalué au même moment de la

carrière. a tendance à décroître, d’environ I point toutes les dix générations. En d’autres

termes, le gain de salaire apporté par une année d’études supplémentaire varie entre 9 et

10% pour les générations nées pendant la seconde guerre. Ce supplément de

rémunération ne dépasse pas 8 à 9% pour celles nées au début des années cinquante

(tableau 5, modèles 2’ et 3’).

D’une certaine façon, ce résultat n’est pas surprenant : les scolarités étant de plus en plus

longues pour tout le monde, un écart d’un an n’a plus la même signification aujourd’hui

qu’il y a vingt ans, moins encore qu’il y a quarante. Pour vraiment évaluer l’évolution de

la rentabilité scolaire au fil des générations, il est sans doute plus pertinent de raisonner

sur le classement scolaire des individus. Nous avons donc introduit dans l’analyse la

position relative de chaque personne dans le nuage de sa génération20.Par convention.

les personnes dont la scolarité correspond à la moyenne de leur génération ont une

scolarité relative nulle. Celles qui ont une scolarité parmi les 2.5% les plus longues

20 Plus précisement, nous avons défini la scolarité relative d’une personne comme la différenceentre la durée de sa scolarité et la durée moyenne de scolarisation des actifs de sa génération.

rapportée à l’écart-type de la distribution des durées de scolarisation de toute la génération. Cetteméthode revient à classer chaque individu par rapport aux autres actifs du même âge selon unehiérarchie semblable quel que soit l’effectif de la génération.

15

auront, selon notre définition, une scolarité relative supérieure ou égale à 2 (celles parmi

les 2.5% les plus courtes inférieure ou égale à -2).

Ainsi mesurée. l’influence du “rang relatif de sortie du système de formation” a tendance

à diminuer au fil des générations. Ce rendement marginal diminue plutôt lentement pour

les générations nées autour de la guerre et la diminution s’accélère pour les générations

les plus récentes (tableau 5. modèles 2 et 3)21.

L’analyse par type de diplôme précise ce résultat (tableau 6). Au delà du baccalauréat, la

hiérarchie des salaires selon le diplôme est restée stable. La rentabilité relative des

diplômes universitaires, technologiques ou généraux, des diplômes d’ingénieurs et des

baccalauréats ne s’est pas modifiée. Par exemple. les salaires d’embauche des ingénieurs

sont d’environ 50% plus élevés que ceux des simples bacheliers, pour les générations

nées au début des années cinquante comme pour celles nées au début des années

soixante-dix.

Le resserrement des salaires s’explique essentiellement par la relative réévaluation des

diplômes les moins élevés. A son entrée dans la vie active, le salaire d’un bachelier est

aujourd’hui plus proche de celui d’un titulaire de CAP ou BEP qu’il y a vingt ans.

9. L’effet de sélection du chômage

Comment interpréter cette baisse du rendement apparent des diplômes? Première

explication : face à des entreprises plus flexibles, réclamant des aptitudes de moins en

moins standard, l’école perd progressivement son efficacité, elle ne dote plus les élèves

des mêmes atouts.

Avant d’arrêter un tel diagnostic, il faut se souvenir que les dernières décennies ont été

marquées par une hausse particulièrement sélective du chômage : les pertes d’emplois ont

surtout été massives dans l’industrie. De même elles ont concerné les emplois plutôt peu

qualifiés et les salariés les moins bien insérés dans l’entreprise (jeunes non diplômés,

étrangers récemment arrivés en France, par exemple).

Résultat, beaucoup d’actifs peu diplômés sont aujourd’hui au chômage: le problème est

de savoir si le salaire de ceux qui ont encore un emploi est représentatif de leur capital

humain ou s’il reflète le destin particulier de ceux qui évitent le chômage.

Supposons par exemple que les personnes sans diplôme ayant la chance, ou les capacités

nécessaires pour éviter le chômage soient aussi celles dont les ressources et les aptitudes

21 Ces résultats complètent ceux obtenus par Baudelot-Glaude [1989] à partir des enquêtes FQP1970. 1977 et 1985. A cette date, la baisse du rendement relatif de l’école n’était pas encoresensible.

16

personnelles (capital humain “non observé”) sont les plus fortes. Dans ce cas, parmi les

sans diplôme. seuls seraient encore salariés ceux dont le capital humain global est le plus

éle\é. Les comparaisons de salaires qui négligeraient cette sélection conduirait à

surestimer la dévalorisation de l’école et des diplômes.

Pour traiter ce type de problème. il est pertinent de considérer qu’une variable a été

omise. explïquant simultanément la présence dans l’emploi et le salaire. Moyennant

quelques hypothèses simples sur les mécanismes du chômage. cette variable peut être

calculée explicitement (ratio de Mills)22. La théorie du capital humain permet

d’interpréter cette variable omise comme le capital humain ‘non observé” avant permis de

surmonter les aléas et les exigences du marché du travail23.

Appliqué aux données qui nous intéressent, ce type de redressement ne conduit pas à

réévaluer la baisse du rendement absolu d’une année de scolarité supplémentaire. En

revanche, il permet de nuancer l’idée selon laquelle le rendement des classements

scolaires et des diplômes aurait lui aussi fortement diminué. Ainsi l’écart de rémunération

entre bachelier et sans diplôme (en début de vie active) ne s’avère finalement avoir décru

que d’environ 25% entre 1970 et 1993. et non pas de plus de 40% comme l’aurait laissé

penser une analyse qui néglige la sélectivité du chômage et les distorsions qu’elle induit.

Conclusion

Au cours de ce travail, le lien entre formation, expérience et salaire s’est montré d’une

grande robustesse et d’un pouvoir explicatif non négligeable : de ce point vue, il semble

difficile d’exclure l’importance et l’efficacité des efforts que tout un chacun peut réaliser

pour se former ou se remettre à niveau.

Cependant. l’analyse suggère l’importance de mécanismes complémentaires.

- au delà de son rôle formateur, l’école semble aussi avoir une fonction de certification.

d’information. Tout concourt ainsi à suggérer l’influence du diplôme “en lui-même” les

22 Pour fixer les idées, supposons que pour chaque niveau de formation X, le marché du travail, les

institutions et les comportements soient tels qu’on n’observe uniquement les salaires W>W(X)=Xa.

Les actifs de niveau X n’ayant pas l’opportunité ou les capacités de travailler pour plus de W(X)

sont au chômage. Le vrai modèle que l’on cherche à estimer est de la forme WXb+u. Le problème

est donc de calculer E(uIW>W(X)) E(ulu>X(a-b)), ce qui est possible à l’aide d’un modèle Probit

appliqué à l’analyse du chômage. Le même type de raisonnement pourrait s’appliquer dans le cas où

le chômage obéirait à un processus plus complexe, avec un salaire “minimum”, ou de réserve, du

type W(X.Z)=Xa-t-Zc+v. Le sens et l’intensité du biais dépendent alors du type de corrélations

existant entre les deux variables résiduelles u et y. Voir l’article de référence de Heckmann [1980].23 D’autres interprétations sont possibles. mettant l’accent sur l’hétérogénéité des emplois : seuls

seraient observés les salariés travaillant sur les segments épargnés par le chômage. On pense par

exemple à la fonction publique où les risques de chômage sont faibles et les hiérarchies salariales

plutôt resserrées.

17

années de scolarité non certifiées (que ne sanctionne aucun diplôme), n’impliquent pas

les mêmes salaires que les années certifiées. Inversement, les diplômés “redoublants” ont

des carrières comparables aux diplômés na\ant connu aucun problème de scolarité.

- le profil des carrières salariales selon l’expérience professionnelle est dune grande

stabilité, conforme à l’idée d’investissements personnels d’autant plus importants que leur

horizon de valorisation est grand. Toutefois l’expérience est à elle seule très loin

d’expliquer la grande hétérogénéité des carrières salariales cette dernière demande à

l’évidence d’être étudiée. en elle-même, avec d’autres concepts que e seul capital htimain.

- dernière forme directe de capital humain, l’ancienneté dans l’entreprise semble n’avoir

en elle-même que peu d’effets sur les salaires. En clair, certains salariés disposent de

compétences et d’aptitudes particulières non mesurées et c’est pour cette raison qu’ils sont

à la fois mieux rémunérés et plus anciens dans leur entreprise

- enfin, les différences de rémunération entre les générations ne peuvent pas simplement

s’expliquer par l’évolution du capital htimain. De fait, au cours des décennies récentes. le

rendement de la scolarité a décru. En relatif, les différentiels de salaires entre les

différents niveaux de diplôme auraient toutefois tendance à se maintenir.

A l’issue de ce travail, plusieurs questions restent posées. Les anticipations des familles.

leurs choix, dépendent de ressources et de paramètres qui influeront aussi, plus tard, sur

la position sociale et le salaire des enfants. Les filières choisies par les élèves, leur

persévérance scolaire, et finalement leur diplôme, sont donc en partie déterminés par les

mêmes paramètres qui plus tard, conjointement avec leur niveau de formation,

détermineront leur carrière salariale. Pour le dire autrement, l’évaluation de l’école se

confronte à d’épineux problèmes d”autosélection” la lecture du seul lien entre formation

et salaire, aussi rigoureuse soit-elle, ne mesure finalement que de façon impropre le

véritable rôle de l’école. Des recherches futures doivent aider à mieux comprendre le rôle

respectif des ressources familiales (économiques ou culturelles) et de l’école dans la

constitution du capital humain et de la destinée “salariale” des enfants.

18

Tableau 1 Salaire et durée de scolarité (*)

Tableau la Estimation de (‘équation de salaire (*)

L Modèle (1) [ Modèle (2)

Variables Effet fixe Effet fixeMCO I MCOentreprise entreprise

0.02 133(21.4)

-0.00074(-13.41

0.00001(1.9)

0.089 13(34.7)

0.00 153(4.5)

-0.00028(-10,2)0.0003 8

(1,9)

0.02008(10,8)

-0.00049(-4.3)

0.00001(1.5)

0.07223(13,4)

0.00258(3,5)

-0.000 10(-1.8)

0,00 147(3,5)

EXP

EXP2

EXP3

Sco

SCO2

Scos

SCO*EXP

SCOCERT

SCOCERT

SCOCERT3

SCOCERT*EXP

NBRED

SCONCERT

0.0 1938(20.2)

-0 .0007 1(-15.0)0.0000 1

(2.0)

0.105 90(32,0)

0,00275(2.2)

-0,00053(-3,1)

0,00086(4,3)

0,00900(1,4)

0,03265(11.1)

0.020 73(11.9)

-0.00068(-6.8)

0.00001(1.5)

0.07992(12.4)

0,00348(1.4)

-0,00004(-0.1)

0.00084(2.1)

0.00880(0.7)

0,04820(8.0)

R2 0.394 0.914 0.428 0,918

nbre d’observations 5 302 4 708 5 302 4 708

nbre de paramètres 17 3 671 19 3 673

(*) Les T de Student sont indiqués entre parenthèses sous les estimations.Champ hommes actifs ayant exercé une activité salariée uniquement à temps complet en 1992.Source : enquête FQP 1993.

Modèles

(1) LsaI =CaI1 +cNat +dReg +ŒkSco +,Exp +ySco*Exp u,

(2) LsaI = C + + hI cNat dReg akScoce àNbred, 3.Sconce, — — yScocefl, Exp u1

19

Tableau lb Tests d’existence et d’indépendance des effets fixes

Existence dun effet fixe rest de Fisher) Indépendance de effet rixe test dHausman)

MCOExistence SCR,) SCR3

StatistiqueExogénéité

Modèle (1) 0.1527 0.0969 oui 470.54 467.57 29.88 non

Modèle(2) 0.1444 0.0926 oui 448.89 444.78 43.58 non

Tableau 2a : Salaire selon l’expérience professionnelle “générale” et “spécifique” (*)

Modèle (1) Modèle (2)r Effet mixte. Effet mixte.Effet tixe Effet fixe

‘variables MCO individu MCO individuindividu individuet entreprise et entreprise

EXP 0.01552 0.01906 0.01718 0.01358 0.01868 0.01608(85.8) (16.0) (13.2) (60,9) (15.3) (11.4)

EXP2 -0.00057 -0.00058 -0.00049 -0.00055 -0.00057 -0.00048

(-42.6) (-10.2) (-7.7) (-38.8) (-9.9) (-7.4)

ANC - - - 0.00332 0.00089 0.001 13(13.1) (1.9) (1.8)

ANC2 - - - 0.00001 -0.00002 -0.00001(0.81 (-0.6) (-0.3)

R2 0.365 0.851 0,875 0.368 0.852 0.876

nb observations 48 628 48 628 43 859 48 438 48 438 43 695

nbre paramètres 13 16 252 17 895 15 16 244 17 881

(*) Les T de Student sont indiqués entre parenthèses sous les estimations.Champ : hommes actifs exerçant une activité salariée à temps complet à la date d’enquête.Source : enquêtes Emploi 1990, 1991, 1992. 1993 et 1994.

Note : les estimations ont également été réalisées avec un seul effet fixe entreprise. Elles s’écartent à peine de

celles obtenues sans effet fixe.

Modèles

(1)LSAL, =C + + aeIje + cNat + dReg + aSco +mEXP +u

(2) LSAL, =C + Zb51 + aeIjEe + cNat + dReg + UkSCO +mEXP +ŒAnc +

Tableau 2b Tests d’existence et d’indépendance des effets fixes

Existence d’un effet fixe (test de Fisher) Indépendance de l’effet fixe (test d’Hausman)

Statistique& (&: ) G Existence SCR0 SCRa de Wald ExogénéitéB MCO UW

(1) effet individu 0.2960 0,0454 oui 221936 2210.02 205,82 non

(1) effet mixte 0.1330 0,0415 oui 4074.73 4074.67 0,55 oui

(2) effet individu 0.2943 0,0450 oui 2192,77 2183,37 209,68 non

(2) effet mixte 0.1325 0,0415 oui 4022.54 4021,58 10,38 (oui)*

* : (oui) signifie qu’on accepte la non exogénéité à 5% et qu’on la refuse à l%..

21

Tableau 2c : Salaire selon l’expérience professionnelle “générale” et “spécifique” (*)

Modèle (1) Modèle (2)

Effet mixte. Effet mixte.,

Effet fixe Effet fixe‘variables MCO . . . individu MCO . . individuindividu individu

et entreprise et entreprise

ANNEE=91 0.03289 0.03018 0.03105 0.03055 0.02956 0.03054

(5.3) (7.9) (4.3) (5.2) (7.7) (4.1)

ANNEE 92 0.04254 0.04774 0,05 069 0,03 749 0.04654 0.05003

(6.9) (12.3) (6.7) (6.4) (11.8) (6.3)ANrNEE = 93 0.05332 0.07002 0.07167 0.04213 0.06796 0.07054

(7.4) (14.0) (7.7) (6.2) (13.3) (7.2)

EXP2 -0.00048 -0.00072 -0.00057 -0.00049 -0.00071 -0.00060

(-30.7) (-10.7) (-4.3) (-31.4) (-10.3) (-4.4)

ANC - - - 0,01385 0,00162 0.00016(50.9) (2,9) (0,1)

ANC2 - - - -0,00003 -0.00004 0,00008(-1.5) (-1,0) (1,1)

R2 0.287 0.875 0.916 0,353 0,875 0,916

nbobservations 36221 36221 17839 36067 36067 17762

nbre paramètres 49 14562 11 021 51 14544 10991

(*) Les T de Student sont indiqués entre parenthèses sous les estimations.Champ hommes actifs exerçant une activité salariée à temps complet à la date d’enquête.

Source : enquêtes Emploi 1990, 1991, 1992 et 1993.

Note : les estimations ont également été réalisées avec un seul effet fixe entreprise. Elles s’écartent à peine de

celles obtenues sans effet fixe.

Modèles

(1)LSAL, =C+aeIj +cNat +dReg +ŒkSco + 2T1,T +Exp +ue=I s=l kI T=90

(2) LSAL, = C ±b5l3 ÷ ale cNat + d Reg ± ŒkSco ± Z2TItT + Exp + ŒAnc ±

Tableau 3a Lien entre salaire et diplôme (*)

Variables MCO effet fixe entreprise

0.0)540(13.7)

-0.00069(-14.3)0.0000)

(1.7)

0.01551(7.2)

-0.00067(-6.3)

0.00001(1.2)

EXP

EXP2

EXP3

DIPLO=0 1’

DIPLO=’02’

DIPLO=’03’

DIPLO=’04

DIPLO=’OS’

DIPLO=’06’

DIPLO=’07

DIPLO=’09’

DIPLO=’ 10’

DIPLO=’l 1’

DIPLO=’ 12’

DIPLO=’I 3’

DIPL 0=114e

DIPL0’ 15’

DIPLO=’ 16’

DIPLO

-0.1920 7(-1 7)

-0. 13 635(-5.7)

ref

0.12202(5,7)

0,22952(10,0)

0.05555(0.4)

0.2355 1(2,8)

0,27420(11,2)

0,36 175(7,9)

0.50581(14,5)

0,64305(8.3)

0,57 124(14,3)

0,68632(13,1)

0,89825(26.6)

0,90644(11.7)

DIPLO*EXP

- 0.00399(-3.1)

0.00092(0.5)

ref

0.00678(3.2)

0.00086(0,4)

-0.0 1768(—1,1)

-0.00957(-1.2)

0,0083 1(3.5)

-0.00 162(-0.4)

0.00863(2.8)

0,008 16(1,1)

0.00800(2.2)

0,0074 1(1,8)

0,00967(3,1)

0,00005(0.0)

DIPLO

-0.11731(-3.D)

-0. 13 249(-2.6)

ref

0.13 780(3.7)

0,17567(4,2)

0. 12922(0,5)

-0.03023(-0,1)

0,2 1903(5.2)

0.29207(3,6)

0,37004(6,4)

0,69 169(4.4)

0,66670(8.8)

0.78787(7,5)

0,79729(13,6)

0,82567(4,1)

DIPLO*EXP

-0.00743(-2.6)

0.00664(1.6)

ref

0.00135(0.4)

-0,00 110(-0,3)

-0.02335(—1.1)

0.0403 1(1,2)

0,00996(2.3)

0.00554(0,6)

0.0 1507(2.7)

0,01111(0,8)

0,02596(2.9)

-0,00 109(-0.1)

-0,00270(-0.5)

-0,00221(-0.2)

R2 0,430 0,918

nbre d’observations 5 302 4 708

nbre de paramètres 41 1 012

() Les T de Student sont indiqués entre parenthèses sous les estimations. La régression sans effetfixe inclue des indicatrices de région, nationalité, secteur d’activité de l’établissement employeur ettaille de l’entreprise.Champ hommes actifs ayant exercé une activité salariée uniquement à temps complet en 1992.Source : enquête FQP 1993.

23

Modèle:

LsaI = C ± al ± bIi — cat — d Reg + YcJIdP,Q,d—

Exp YExpL — u

Tableau 3b : Test d’existence et d’indépendance des effets fixes

Existence dun effet fixe (test de Fisher) Indépendance de l’effet fixe (test dHausman)

StatistiqueExoaénéitéExistence SCR SCR de Wald I11\ICO ‘V. j I) a

Modèle 0.1448 0.0945 oui 455i2 446.78 87.92 non

24

Tableau 4a : Salaire selon les expériences “spécifique’ et ‘générale (*)

Modèle (1) j Modèle (2)Variables co Effet fixe MCO

Effet fixeentreprise entreprise

EXP 0.01966 0.01907 0.02024 0.01754(26,7) (10.1) (27.5) (9.0)

EXP2 -0.00071 -0.00059 -0.00065 -0.00031(-16.3) (-6.3) (-11.7) (-2.5)

ANC 0,00521 0.00575 0.00505 0.00673(5.4) (2.3) (5.3) (2.7)

ANC2 -0.00006 -0.00005 -0.00007 -0.00016(-0.9) (-0.4) (-1,1) (-1,2)

SCO 0.07124 0.06887 0.08666 0.06729(35.3) (15.7) (33.4) (12.2)

SCQ2 0.00084 0.00058 0,00168 0.00250(3,2) (1,1) (5.0) (3,4)

SCO - - -0,00027 -0.00010(—10.0) (—1,7)

SCO*EXP - - 0.00044 0.00151(2.1) (3,5)

R2 0,395 0,914 0.406 0.915nbre d’observations 5 304 4 710 5 304 4 710nbre de paramètres 25 3 674 27 3 676

(*) Les T de Student sont indiqués entre parenthèses sous les estimations.Champ : hommes actifs ayant exercé une activité salariée uniquement à temps complet en 1992.Source enquête FQP 1993.Note les estimations ont été également réalisées avec l’ancienneté dans l’entreprise calculée au moisprès. Les résultats sont identiques.

Modèles

(1) Lsal = C + aSIES +beIjEe + cNat + dReg + mEXPm +a1Anc + ŒkSCO + u

(2) Lsal = C + + bI + cNat + d Reg + Exp + Œ1Anc + akSco + ySco *Exp + wj

Tableau 4b : Tests d’existence et d’indépendance des effets fixes

Existence d’un effet fixe (test de Fisher) Indépendance de l’effet fixe (test d’Hausman)

Statistiquea Existence1vico UW SCR0 SCRa de Wald Exogénéité

Modèle (1) 0,1563 0,0977 oui 471,64 471,13 5,1 oui

Modèle (2) 0,1520 0.0947 oui 460,90 458,10 28,77 non 5

25

Tableau 5 : Evolution du lien entre salaire et scolarité selon les générations (*)

E 1 Scolarité relative (SCOR) Scolarité absolue (SCO)Variables Modèle (1) Modèle ç2) Modèle (3) Modèle (2) Modèle (3’)MCO MCO MCO MCO MCO

EXP 0.03387 0.03565 0,03561 0.03593 0.03601

(117.8) (130,0) (130.1) (130.8) (131.0)

EXP2 - -0.00072 -0.00135 -0.00074 -0.00139

(-51.8) (-36.2) (-53,1) (-36.0)

SCOR (ou SCO) 0.29890 0.28453 0.28840 0.08986 0.09292

(139.8) (126.8) (11 1.0) ( 133.8) ( 125.7)

SCOR2 (ou SCO2) - 0.01058 0.00378 0.00014 -0.00026

(12.2) (3.4) (2.1) (-2.6)

GENE 0.02432 0,02243 0,02237 0.01526 0,01571

(94,6) (90,8) (90.7) (63,6) (63,6)

GENE2 - -0.00010 -0,00066 -0.00012 -0.00062

(-10.4) (-18.9) (-13.1) (-19.3)EXP*SCOR - - -0,00488 - -0.00131

(ou EXP*SCO) (-15,1) (-13.3)

EXP*GENE - - -0.00116 - -0.00109(-17,3) (-16.6)

SCOR*GENE - - -0.00377 - -0.001 14

(ou SCO*GENE) (-12,7) (-14,0)

SCOR*GENE2 - - -0,00002 - -0.00002

(ou SCO*GENE2) (-2,6) (-9,0)

R2 0,415 0.472 0,476 0,473 0,477

nbre d’observations 48 539 48 539 48 539 48 542 48 542

nbre de paramètres 13 16 20 16 20

(*) Les T de Student sont indiqués entre parenthèses sous les estimations.

Les variables EXP. SCO et GENE sont centrées respectivement sur 21,35 années d’expérience, 10.50 années de

scolarité et la génération née en 1944.Champ : hommes actifs ayant exercé une activité salariée à temps complet l’année précédant l’enquête.

Source enquêtes FQP 1970. 1977, 1985 et 1993.

Modèles

(1) LSAL =C+aSJES +bI1+cNat +dReg1 +uSco ±Exp11 +yGéné +u

(2) LSALI =C÷aI1€5+be1jt +cNat1 +dReg1 + akSco +Exp + yGéné + u

(3) LSAL =C÷aSlES +belite ÷cNat +dReg, +akSco +mEXP +yGéné

2Exp *Sco + Exp *Géné + ESco1 *Géné + ÇSco *Géné + u

Le modèle (2’) [resp. (3’)] est identique au modèle (2) [resp.(3)] avec la variable SCOR au lieu

de SCO.

26

Tableau 6 : Evolution du lien entre salaire et diplôme selon les générations(*)

I Variables 1 Modèle (4)** MCOEXP 0.02880 (57.6)

EXP2 -0.00091 (-30.1)

GENE 0.01453 (31.7)

GENE2 -0.00013 (-4.2)EXP*GEN

E

_____________

-0.00027 (-5.2)

______________

DIPLO DIPLO*EXP DIPLO*GENE DIPLO*GE\E2

DIPLO=’Ol’ -0.30228 0.00514 0.00753 0.00002

(-45.3) (7.4) (12.1) (0.9)

DIPLO’02’ -0.14871 0.00593 0.00167 -0.00009

(-22.2) (8.2) (2.3) (-3.4)

DIPLO’03’ -ref ret ret ret

DIPLO=’04’ 0,18990 0,00592 -0.00260 -0,00015

(17,7) (5,4) (-2,8) (-4.2)

DIPLO=’OS’ 0.30637 -0.00297 -0.00357 -0.00015

(26,8) (-2.4) (-3.4) (-3.9)

DIPLO’06’ 0,13650 -0,01862 -0,00794 0.00047

(1.7) (—3,0) (—1.9) (1.8)

DIPLO=’07’ 0,25567 -0.00573 -0,00887 0.00001

(8.3) (-2.1) (-3.4) (0.1)

DIPLO=’09’ 0,41070 -0,00098 -0,00891 -0,00013

(31,2) (-0,7) (-7,7) (-3.1)

DIPLO=’ 10 0,41106 -0.01095 -0,01 102 0.00011

(17.3). (-4,4) (-4.7) (1.0)

DIPLO=1 1’ 0,62 183 -0,00018 -0,00948 -0,00002

(30,6) (-0,1) (-3,9) (-0.2)

DIPLO=’12’ 0,70103 -0,00426 -0,00781 -0,00018

(15,1) (-1,0) (-2,0) (-0,7)

DIPLO=’13’ 0,70445 -0,00354 -0,01374 0,00001

(30.5) (-1,6) (-7,4) (0.1)

DIPLO=’14’ 0,81366 -0,01054 -0,01836 0,00005

(26,3) (-3.3) (-6,7) (0,4)

DIPLO=’lS’ 1,01346 -0,00318 -0.00965 -0,00023

(55,5) (-1,7) (-6,6) (-3,4)

DIPLO=’16’ 1,08026 -0,01059 -0,01519 -0.00036

(21,8) (-2,4) (-3,8) (-2,0)

R2 0.506

nbre d’observations 48 542

nbre de paramètres 75

(*) Les T de Student sont indiqués entre parenthèses sous les estimations. La régression inclue des

indicatrices de région de résidence, nationalité, activité de l’établissement employeur et taille de

l’entreprise.Champ hommes actifs ayant exercé une activité salariée uniquement à temps complet l’année précédent

l’enquête.Source : enquêtes FQP 1970, 1977, 1985 et 1993.(**) Le modèle testé est identique au modèle (3) du tableau 5, la variable DIPLO remplaçant SCO ou

SCOR.

27

Tableau 7: Modèle d’analyse du chômage

Variables Modalités T

Constante -! .629! 32.6

Annee denquète 1970 •u.48S I 5.6

1977 -0.395! 5.2

1985 ( 0.0186 ) 0.3

1993 ret’ -

Diplôme sans diplôme en 1970 0.2431 2.7

Certificat d’études en 1970 0.1800 ) 1.9

CAP. BEP en 1970 ret’ -

BEPC. BE en 1970 0.3837 2.8

Bac technique. BP. BEl. Bac première partie en l90 1 0.1558 1 1.0

Baccalauréat général en 1970 U.5569 3.3

DEUG. DUEL. BTS. DUT en 1970 0.5134 2.!2e, cycle. Ecole d’ingénieur. paramédical. etc. en 1.970 I 0,2094 1 1.2

sans diplôme en 1977 0.3667 4.8

Cern t’icat d’études en 1977 0.1580 ) 1.9

CAP. BEP en 1977 rer’ -

BEPC. BE en 1977 0.3896 3.6

Bac technique. BP. BEl. Bac première partie en 1977 I 0.0317 ) 0.2

Baccalauréat général en 1977 ( 0.1644 ) 1.0

DEUG. DUEL. BTS. DUT en 1977 -0.4010) -1.12C 3 cycle. Ecole d’ingénieur, paramédical. etc. en 1977 ( 0.1714 ) 1.2

sans diplôme en 1985 0.3445 6.8

Certificat d’études en 1985 0.1729 3.0

CAP. BEP en 1985 ret’ -

BEPC. BE en 1985 ( U.051 1) 0.6

Bac technique. BP. BEl. Bac première partie en 1985 1 -0.1456 ) -1.3

Baccalauréat général en 19885 ( 0.2 104 ) 1.9

DEUG. DUEL, BTS. DUT en 1985 (-0.2434) -1,72e, 3e cycle. Ecole d’ingénieur. paramédical. etc. en 1985 ( -0.1399 ) -1.1

sans diplôme en 1993 0.7407 15.9

Certificat d’études en 1993 0.3789 6.1

CAP. BEP en 1993 ref -

BEPC. 8E en 1993 0.3378 4.5

Bac technique. BP, BEL Bac première partie en 1993 f 0.1299 ) 1.5

Baccalauréat général en 1993 ( 0.0217 ) 0.2DEUG, DUEL. BTS. DUT en 1993 0,5400 7.62e 3e ccle. Ecole d’ingénieur, paramédical. etc. en 1993 ( -0.1047 ) -1.1

Nationalité Etranger 0.1910 5.5

Françats ref -

Région de résidence Pro mcc 0.0636 2.4

Ile-de-France ref -

Age 20 629 ans 1 -0.0061 1 -0.2

30 639 ans -0.4009 -13,0

4Oà49ans -0.3519 -11.1

50 à 64 ans ref -

Activité du dernier Industrie lourde ref -

établissement Industrie légère ( -0.0521 ) -1.8

Tertiaire mobile (0.0359 ) -1.2

Tertiaire à statut (hors Etat) -0.2999 -8.8

Etat -0.7015 -12.1

Champ: Salariés et chômeurs en mai 1970, 77, 85 ou 93.

Source : enquêtes FQP 1970, 1977, 1985 et 1993.

28

Tableau 8 Evolution du lien entre salaire et diplôme selon les générations (*)

Variables Modèle (4)** MCO j Modèle (3)**

-0.20772 (-16.2)0.02605 (49.2)

-0.00113 (-34.2)

0.01041 (19.9)-0.3655 (-47.4)

-0.00037 (-7.2)

0.115430.03 S53-0.001270.09258-0.000270.0 1853

-0.00061-0.00 129-0 .00 127-0.00002-0.00 106

(12.4)(115.0)(-3 1.9’)

(125.5)(-2.7)(54.8)(-1 8.91(-13.1)(-15.4)(-8.2)(-16.3)

DIPLO*EXP DIPLO*GENE DIPLO*GENE2

Ratio de MiilsEXPEXP2scoSCO2

GENEGENE2EXP*SCOSCO*GENESCO*GENEEXP*GENE

DIPLO=’Ol’

DIPLO=’02’

DIPLO=’03’

DIPLO=’04’

DIPLO=’05’

DIPLO=’06’

DIPLO=’07’

DIPLO=’09’

DIPLO= 10

DIPLO=’l 1’

DIPLO=’ 12’

DIPLO=’13

DIPLO=’14’

DIPLO=’ 15’

DIPLO=’16’

DIPLO

-0.3 6550(-47,4)

-0 18262(-26.2)

ref

0, 13 592(12,1)

0.29502(25,8)

0. 13 078(1,6)

0,23851(7.8)

0.36559(27,3)

0,37 164(15.6)

0,5815 1(28,6)

0,67784(14.5)

0.68886(30.0)

0,79284(25,8)

0.99369(54,6)

1,04815(21.2)

0.00234(3,3)

0.00450(6.2)

ref

0,00621(5.7)

-0.003 59(-2,9)

-0.0 1801(-2.9)

-0.00662(-2.5)

0,00089(0,6)

-0.01617(-6.4)

-0,0077 8(-3,5)

-0,00538(-1,3)

-0.003 86(-1,7)

-0,01191(-3,7)

-0,004 13(-2.3)

-0.0 1288(-3.0)

0,00403(6.2)

0.000 12(0.2)

ref

-0,00 178(-1,9)

-0.00366(-3.5)

-0.005 67(-1,4)

-0.00 87 8(-3,3)

-0,005 83(-5.0)

-0.0 1345(-5.8)

-0,0 1422(-5,8)

-0,00548(-1,4)

-0.01168(-6.3)

-0.0 1644(-6,0)

-0.00790(-5.4)

-0,013 60(-3,4)

0.00002(1.0)

-0.0000 8(-3.0)

ref

-0.000 16(-4,5)

-0. 000 16(-4.3)

0,00047(1,8)

-0,00000(-0,0)

-0,000 13(-3,2)

-0.00003(-0,2)

-0 .000 13(-1.4)

-0,000 16(-0.7)

0.00000(0.1)

0,00003(0,3)

-0.00024(-3.6)

-0, 0003 5(-1.9)

R2 0,509 0.479

nbre d’observations 48 542 48 542

nbre de paramètres 76 21

(*) Les T de Student sont indiqués entre parenthèses sous les estimations. La régression inclue des indicatrices

de région de résidence, nationalité, activité de l’établissement employeur et taille de l’entreprise.

Champ : hommes actifs ayant exercé une activité salariée à temps complet l’année précédent l’enquête.

Source : enquêtes FQP 1970. 1977, 1985 et 1993.(**) Les modèles testés sont identiques au modèle (3’) du tableau 5 et (4) du tableau 6, avec introduction d’un

indicateur de caractéristiques individuelles non mesurables (ratio de Milis)

29

Annexe 1 : Description des variables

Les variables précédées d’une * sont définies par rapport à une situation moenne (I)

SALAIRE Salaire annuel équivalent à un temps plein. Dans l’enquête Emploi. 12

fois le salaire mensuel pour une activité à temps complet (35 heures

par semaine au moins). Dans l’enquête FQP. salaire annuel équivalent

à 12 mois de travail à temps complet (recalculé pour les personnes

avant exercé à temps complet sur une partie de l’année seulement).

LSAL Logarithme du salaire annuel.*Exp Expérience professionnelle, en années (EXP année d’enquête -

année de fin d’études>. Ce calcul est approximatif pour les femmes qui

sont plus nombreuses à interrompre momentanément leur carrière.

C’est la raison pour laquelle les estimations sont toutes réalisées sur

les hommes et éventuellement sur l’ensemble de la population.*SCO Durée de la scolarité en années (SCO = âge de fin d’études - 6 ans

dans l’enquête Emploi).*SCOCERT Nombre d’années d’études “certifiées” : il s’agit du nombre moyen

d’années d’études pour obtenir le diplôme que possède l’enquêté

(calculé à partir des données de l’enquête).*NBRED Nombre d’années redoublées dans le primaire et dans le secondaire.

*SCONCERT Nombre d’années d’études “non certifiées” : nombre d’années d’études

complémentaires suivies sans obtention de diplôme.

DIPLO Diplôme le plus élevé obtenu en formation initiale (voir annexe 2).*ANC Ancienneté dans l’entreprise en années (ANC = année d’enquête -

année d’entrée dans l’entreprise pour l’enquête Emploi, ANC date

d’enquête - date d’entrée dans l’entreprise pour l’enquête FQP 1993).*GENPE Génération d’entrée sur le marché du travail (GENPE = année de fin

de scolarité de l’enquêté).*GENE Année de naissance de l’enquêté.

SEXE Homme/Femme.REGION Lieu de résidence Ile-de-France/hors Ile-de-France.

NATIO Nationalité Français/étranger.

TAILLE Nombre de salariés de l’entreprise (5 modalités indexées par n).

SECT38 Activité de l’établissement (38 ou 5 modalités indexées par s).

ANNEE Année de l’enquête.

M Ratio de Miils

Par exemple, pour l’enquête FQP de 1993, la durée moyenne de scolarité est de 12,02 années, dont 11,87

années certifées. La génération ‘moyenne” est née en 1955, elle a 20.31 ans d’expérience professionnelle et

10,21 d’ancienneté dans l’entrprise qui l’emploie en 1993.

30

Annexe 2 : Nomenclature des diplômes de l’enquête FQP

Code Diplôme

DIPLO’Ol’ Sans diplôme

DIPLO=’02’ Certificat d’études (CEP). Diplôme de fin d’études obligatoires (DFEO)

DIPLO’03’ CAP, BEP, CAPA. BEPA. BAA. BPA. FPA de niveau CAP

DIPLO=’04’ BEPC. Brevet des collèges, Brevet élémentaire (BE). Brevetd’enseignement primaire supérieur (BEP S)

DIPLO=’05’ Brevet d’enseignement industriel (BEI). commercial (BEC). hôtelier (BER).agricole (BEA), Brevet professionnel (BP), Baccalauréat de technicien (F.G ou H). Baccalauréat professionnel

DIPLO=’06’ Diplôme paramédical ou social : Diplôme d’Etat d’infirmière, de pédicure.de masseur-kinésithérapeute, etc., Certificat de capacité d’orthophoniste.etc.

DIPLO=’07’ Baccalauréat première partie ou probatoire. Certificat de fin d’étudessecondaires (CFES)

DIPLO’08’ Non déclaré (pour FQP de 1970 seulement)

DIPLO’09’ Baccalauréat général (A. B, C. D ou E). Brevet supérieur (BS)

DIPLO’lO’ Diplôme universitaire du premier cycle DEUG, DUEL. DUES

DIPLO’ll’ Diplôme universitaire de technologie (DUT), Brevet de technicien supérieur(BTS)

DIPLO=’12’ Certificat d’aptitude à l’enseignement secondaire (CAPES), technique(CAPET), au professorat dans les lycées agricoles (CAPLA), d’éducationphysique et sportive (CAPEPS)

DIPLO’13’ Diplôme universitaire du second cycle : licence, maîtrise

DIPLO’14’ Diplôme universitaire du troisième cycle : DEA, DESS, Doctorat,Agrégation

DIPLO’15’ Diplôme de sortie d’une Ecole d’ingénieur, d’une Grande Ecole

DIPLO’16’ Doctorat en médecine, Diplôme de pharmacien. de chirurgien dentiste, devétérinaire. Agrégation en médecine, pharmacie. etc.

31

BIBLIOGRAPHIE

Abowd J., Kramartz F., Margolis D. (1994), “High wage u’orkers and high wage /irms’.

Document de travail .Insee. septembre.

Akerlof G. (1984), “Gift Exchange and Efficiency, Wage Theor-; four Views”. American

Economic Review. Papers and proceedings. D 74 pp. 79-83.

Arrow K. (1973), ‘Higher education as afilter”, Journal of Public Economics. n 2.

Baudelot C., Glaude M. (1989), “Les diplômes se dévaluent-ils en se multipliant?”.

Economie et Statistique. n° 225. octobre.

Becker G.S. (1962), “Investinent in hiunan capital : u theoretical anal sis”. Journal of

Political Economv, n° 70. pp. 9-49.

Becker G.S. (1964), “Human Capital : a Theoretical analvsis wirh special reference to

Education”. Columbia Universitv Press for NBER. New York.

Ben Porath Y. (1967), “The production of human capital and the life cycle of earnings”,

Journal ofPolitical Economy, n° 75, pp. 352-365.

Bingley P., Westergard-Nielsen N. (1994), “Endogeneity of schooling and experience”,

Paper for the sixth annual EALE conference, septembre, Varsovie.

Biorn E. (1981), “Estimating Economic Relations from Incomplete Cross-Section/Time Serie’s

Data”. Journal ofEconometrics, n° 16. pp. 22 1-236.

Boumahdi R., Plassard J.M. (1992), “Note à propos du caractère endogène de la variable

éducation dans lafonction de gains”, Revue Economique, n° 1, vol.43. janvier.

Dormont B. (1989), “Introduction à l’économétrie des données de panel”, Monographies

d’économétrie, éditions du CNRS, Paris.

Goux D., Maurin E. (1994), “Origine sociale et destinée scolaire inégalité des chances

devant l’enseignement à travers les enquêtes FOP”, Communication au séminaire Recherche.

Insee, â paraître dans la Revue Française de Sociologie (1995).

Hausman J.A. (1978), “Specification tests in econometrics”, Econometrica, n°6, vol.46,

novembre, pp. 125 1-71.

Heckmann J.J. (1980), “Sample selection bias as a Specification Error”. Female Labor

suppl, Smith J. Ed.. Princeton University Press.

Hsiao C. (1986), “Analvsis of Panel Data”. Econometric Society Monographs, n° 11.

Cambridge University Press.

Jarousse J.P., Mingat A. (1986), “Un réexamen du modèle de gains de I’v[incer”, Revue

Economique, n° 6, novembre.

Krueger A.B., Summers L.H. (1988), “Efficiency wages and the inter-indtistry wage

structure”, Econometrica, n°2. vol.56. mars, pp. 259-293.

Lollivier S., Payen J.F. (1990), “L’hétérogénéité des carrières individuelles mesurée sur

données de panel”, Economie et Prévision, n° 92-93, 1/2.

Mincer J. (1974), “Schooling, Experience and Earnings”, Columbia University Press for

NBER, New York.

32

Plassard J.M., Tahar G. (1990), ‘Théorie du salaire d’efficience et disparités non

compensatrices: évaluation à partir de l’enquête FOR”, Economie et Prévision. n° 92-93, 1/2.

Riboud M. (1978), “.4ccuinulation du ccipital humain”. Economica. Paris.

Riley J.G. (1979), “Testing rhe educationa! screening hpothesis’. Journal of Po1iical

Economv. n° 87.

Spence M.A. (1974), “Marlcet signalling : Informational iransfer in hiring and relared

screening processes’. Harvard Universitv Press. Cambridge.

Trognon A. (1987), ‘Données individuelles temporelles”. Polycopié de I’ENSAE. cours

d’économétrie II. tomes 2 et 3.

‘Vi11is P.. (1986), JTage Dererrninants : ci Survev ai-id Reinterpretarion of Humcin Capital

Eurning Functions. Handbook of Labor Economics, vol. 1. Ashenfelter O.. Layard R. Eds.

j-,

Encadré 1

Modèles à erreurs composées

estimation et tests de spécification

La plupart des modèles testés dans cet article sont à erreurs composées. Ils peuvent être

estimés de plusieurs façons. selon la source de variance privilégiée variance

interindividuelle. interfirme ou intertemporelle. De façon générale. ce n’est pas tant la valeur

prise par tel ou tel estimateur qui est importante que la comparaison entre les estirnateurs.

1. Le modèle

Un modèle linéaire à erreurs composées s’écrit

(U ‘=x’,b±p±, i=l.....I;t=l Tavec : b = (b1. b2 ...bK)’

Ep=Ei=O, i,Vt

Cov(p + p + = a E,. + Vi,i’.Vt.t’

Les perturbations p et 6i1 sont donc aléatoires et non corrélées. p est un effet individuel qui

rend compte des particularités propres à l’individu j. en particulier les “qualités” de i non

mesurables ou non observables par le statisticien (son effort, sa valeur. etc.).

En empilant les observations par individu, on a:

Y1 I Il I Ill

YIT XIIT ... XKIT

Y21 X121 XK,I

Y2T ...

y11 x111 ... XKII

y XIT ... XKJT

PI +Eii

PI +

J, + E21

P2 +

p1 + E11

p1 ±EIT

b+

soit en écriture matricielle y = X b + u

Soit ‘T la matrice identité d’ordre T et T la matrice d’ordre T composée de 1. La matrice de

variance covariance Q des résidus se décompose en

35

Ç2=I ®(a T IT)

soit. Q=aI1 ® (l — ( Ta2) I ®T

c T=aW--aB. aveccy.=a et

\V est appelé “opérateur intra (ou within en anglais). B ‘opérateur inter” (ou between). W

transforme y en son écart à la moyenne. v-

y et B définit la moyenne de y par rapport à t.

y. Ces deux opérateurs ont des propriétés intéressantes

(.j W2 =W. B =B.W+B=I,Tet WB=BW=0.

On peut ainsi décomposer chaque observation individuelle-temporelle y en deux termes

orthogonaux: y1 = By1 + Wyet inverser Q

O 2 = _L (W B)On dispose alors de quatre estirnateurs de b, celui des moindres carrés ordinaires (MCO),

bMCQ = (X’Xï’ Xycelui des moindres carrés quasi généralisés (MCQG).

bMCQG = (X XQ’y

l’estimateur intra (obtenu en appliquant les MCO aux variables transformées par l’opérateur

W), = (XWX)’ XWyet l’estimateur inter (obtenu en appliquant les MCO aux variables transformées par l’opérateur

B). bB (XBX)’ XBy

Si les effets individuels p ne sont pas corrélés aux variables explicatives du modèle (X), les

quatre estimateurs sont convergents (c’est-à-dire sans biais). De plus. l’estimateur des MCQG

est asymptotiquement efficace, ce qui signifie qu’il est plus précis quand l’échantillon est

grand.Par contre, si les aléas p sont corrélés aux variables explicatives, seul lestimateur intra est

convergent (en effet, il est le seul à éliminer l’effet individuel : Wp =0)’.

Par conséquent. si l’on ne dispose pas d’information sur les effets individuels p, on a intérêt à

utiliser systématiquement l’estimateur intra. Cependant, connaître la nature des p permet

d’enrichir l’interprétation des différentes estimations. Des tests de spécification statistique

permettent de renseigner sur la justesse des divers modèles.

Test d’existence de l’effet spécifique

Tester l’existence de l’effet individuel revient à tester la nullité de a.

A partir des estimations sur le modèle intra (Wy = WX b + Wu) et le modèle inter

(By = BX b ± Bu).on obtient des estimations sans biais de a, et

avecû=Wy—WXÇ

Pour une présentation détaillée du modèle à erreurs composées, des estimateurs disponibles et de leurs

performances comparées, voir Dormont [19891 ou Trognon [1987].

n

et.= U U avec ÛB = Bv — BXB

I-KSi les résidus u du modèle Y = X b ÷ u sont normaux. alors

— . et G— 7 — l — 7 —

et sont indépendants, donc

/(a ÷Ta)p F(1—K.lT—I—K

a / a

Ainsi. sous l’hypothèse nulle H0 : = 0, on a

F(I — K. IT — I — K)G

Sur des échantillons très gros. tels que ceux utilisés ici (1=3 600 ou 16 000). F(x.o)=l au

seuil de 5% (et de 1%). Donc dès que > on accepte l’existence de l’effet spécifique.

Test d’Hausman

Une fois testée l’existence de l’effet individuel. il devient légitime d’examiner le problème de

son indépendance. La procédure de test repose sur la méthode proposée par Hausman (1978).

De façon générale. le test d’Hausman compare deux estimateurs b0 et b1 vérifiant

-

est convergent et efficace asvmptotiquement sous l’hypothèse nulle H0, il est

asvmptotiquement biaisé sous l’hypothèse alternative Ha.

- b1 est convergent sous H0 et Ha.- b0 et sont asymptotiquement normaux.

Le test repose sur la différence—

Sous H0, N (b1 — b0)’ (V(b3)— V(0)) (b1 — b0) suit asymptotiquement un x (Hausman. 1978).

Dans notre cadre. l’hypothèse nulle consiste à poser que les effets spécifiques sont

indépendants des variables explicatives, l’hypothèse alternative que les effets fixes sont

corrélés aux variables explicatives. On exhibe facilement deux estimateurs correspondant à b0

et : l, est asymptotiquement normal et convergent sous H0 et Ha; MCQG est

asymptotiquement normal, convergent et efficace sous H0, asymptotiquement biaisé sous Ha.

Par ailleurs. Mundlack (1978) a proposé une nouvelle formulation du modèle â erreurscomposées qui présente l’avantage de pouvoir mettre en oeuvre simplement le test d’Hausman.Mundlack montre que le modèle (1) peut se réécrire sous la forme(2) y=Xb+BXc±vavec: b =(b1,b2 ....,bK)’, c = (c1 , c,,...,cK)’,

E(v) = 0.E(vv’)=G W+(a +Ta)B

Dans ce modèle, on montre facilement que les estimateurs des MCG de b et c sont

b() = b. et C(2) = b8 —

D’autre part. à un “coefficient” proportionnel près. b\\ — b\ICQG et b8 — Ç sont égaux

(puisque b\ICQG est une somme matricielle barycentrique de Ç et de b8). 11 est donc possible

de réaliser le test de spécification d’Hausman sur bB — plutôt que sur b, — bMCQQ. La

remarque précédente montre que le test d’Hausman est alors équivalent au test de nullité du

paramètre c.il s’agit dont de procéder à un test de Chow de H1 contre H2:

H1 : y = Xb + yH2: y Xb + BXc + y

où les deux modèles sont estimés par les MCQG.SCR - SCR,

Sous H1 on a: W = IT - -SCR,

avec SCR.1 la somme des carrés des résidus sous l’hypothèse H et dl le nombre de degrés de

liberté du modèle n.

2. Le modèle à erreurs composées sur données non cylindrées

Dans la plupart des présentations et dans celle qui précède. on suppose que l’échantillon est

cylindré (pour chaque individu i. T observations sont disponibles). Biom (1981) et Hsiao

(1986) développent les méthodes habituelles d’estimation sur des panels glissants (une

proportion fixe des individus quitte chaque année l’échantillon, remplacée par autant de

nouveaux individus). Les données que nous mobilisons sont moins rigides encore : pour

chaque individu j (en l’occurrence une entreprise), on dispose d’un nombre variable

d’observations (en l’occurrence des salariés).

Reprenons le modèle (1) en supposant que pour chaque individu i, on dispose d’un certain

nombre de données T(i). variable selon j. Notre modèle devient2

(3) y=x’b+p+e, i=l,...,I;t=T7(i)....,T,(i),avecT,(i)---T1(i)=T(i)

avec: b=(bI,b,....,bK)’

Ep EE = O. Vi, Vt

Cov(p + E. p,. + s,) = a 6,, + a 6,,. E , Vi,i’,Vt,t’

En empilant comme précédemment les individus, le modèle s’écrit matriciellement de la

même façon: y=Xb+uPar convention si LT(k) est une matrice canée d’ordre T(k), Diag(LT()) est la matrice d’ordre

constituée des blocs LT(k) sur sa diagonale et de O partout ailleurs3.

2 Dans notre cas, on dispose pour chaque entreprise j des salaires et des caractéristiques de T(i) salariés. On se

trouve dans le cas extrême où aucun salarié n’est présent dans deux entreprises simultanément et donc tous les

indices t différents.

j

Avec cette notation, la matrice de variance-covariance des résidus du modèle (3) est

Q = Diag (a T(i) + IT(j))

soit. Q = Diag (IT(I) — Diag ((a + T(i)G)f1))

= crW ± Diag ((a ±TWa) IT(I)) B

B est l’opérateur inter et transforme les données concernant l’individu j en leur moyenne par

1T.i

rapport à t (By, = y Y,). W reste aussi l’opérateur intra classique qui transformeT(i) t=Ti

chaque observation en son écart à la moyenne (voir plus haut). W et B possèdent les

propriétés ( ). La matrice Diag ((a + T(i)a) ITI)) étant diagonale. Q s’inverse

facilement

Q =\V+Diag(1

, lT()B

A partir de l’estimation du modèle intra. on détermine un estimateur sans biais de o.

U, U,= I , avec = Wy

— WXbWT(i)-I-K

Par contre, le modèle inter donnant une estimation complexe4de a, on préfèrera estimer o

à partir des MCO sur le modèle (3) en ne retenant qu’une observation par individu i (la taille

du souséchantiI1on ainsi constitué est I).

= , += ÛN4lco

, avec ÛMCO = y — XMco

Le test d’existence de l’efjèt spécifique

p

est