1
Estimation de la fonction de production éducationnelle :
le cas de la Suisse
MURIEL MEUNIER∗
Version du 25 février 2005
Résumé
Ce papier propose l’estimation de fonctions de production éducationnelle à partir
de l’échantillon national de PISA 2000 pour la Suisse. Nous n’imposons pas de forme
fonctionnelle linéaire a priori mais nous proposons de la déterminer à l’aide du
modèle Box-Cox. Les résultats obtenus indiquent que l’utilisation répandue de la
forme linéaire n’est pas appropriée, du moins, en ce qui concerne les données suisses.
Par ailleurs, les estimations par genre mettent en évidence des différences
significatives entre les filles et les garçons. Il apparaît que les filles sont plus sensibles
à l’environnement familial alors que les garçons sont plus sensibles à l’environnement
scolaire. Enfin, les estimations par régions suggèrent que les caractéristiques de l’école
ont moins d’impact dans les régions romande et nord-ouest en comparaison des
régions centrale et orientale.
Mots clés : fonction de production éducationnelle, transformation Box-Cox, genre, PISA
Codes JEL : I20, J16, C2
∗ Université de Genève, Département d’économie politique, 40 boulevard du Pont d’Arve, 1211 Genève 4, Suisse, Tél : +41 22 379 8918, Fax : +41 22 379 8958, email : [email protected]
2
1. Introduction
Parmi les pays ayant participé à l’enquête PISA en 2000 (Programme International pour le Suivi des
Acquis des élèves), la Suisse est le troisième plus petit des pays membre de l’OCDE en superficie, après
le Luxembourg et la Belgique. Comme ces derniers, il s’agit d’un pays au sein duquel cohabitent
plusieurs langues nationales scindant naturellement le système éducatif en trois grandes régions
linguistiques. Dans le cas de la Suisse, il s’agit de l’allemand (parlé par environ 64% de la population),
du français (20%) et de l’italien (7%) [OFS, 2004]. Mais la Suisse a ceci d’unique que la compétence
éducative cantonale fait coexister 26 systèmes scolaires différents (autant que de cantons) au sein d’un si
petit pays déjà caractérisé par son trilinguisme.
Historiquement, depuis la création de l’Etat fédéral en 1848, l’éducation en Suisse a toujours été au cœur
d’un important débat opposant ceux qui revendiquent que la Confédération hérite d’une compétence
éducative pour l’ensemble du système de formation, à ceux qui souhaitent que l’instruction publique
demeure du ressort des cantons [Educateur, 2002]. En dépit d’évolutions telles que la naissance en 1874
d’une école publique, gratuite et obligatoire, la compétence éducative cantonale a traversé les âges. Les
implications sont diverses et nombreuses. Au niveau des sources publiques de financement par exemple,
ce sont les cantons qui gèrent la part la plus importante des dépenses bien que celles-ci correspondent
aux trois niveaux administratifs de l’Etat (à savoir la Confédération, les cantons et les communes)1. Au
niveau de l’organisation du système scolaire, alors que la durée de la scolarité obligatoire est identique
dans toute la Suisse (neuf années), celle-ci varie de 4 à 6 ans au degré primaire et de 3 à 5 ans au degré
secondaire I selon les cantons. Les programmes d’études, le choix des manuels scolaires officiels ou de
la taille maximale des classes sont également déterminés par les cantons.
Nombreux sont les pays qui, contraints par des restrictions budgétaires, ont été amené à modifier la
répartition de leurs dépenses publiques totales. C’est le cas de la Suisse durant les années 1990.
L’explosion des dépenses engagées dans le poste de la prévoyance sociale s’est faite au détriment des
dépenses publiques d’éducation [OFS, 2000]2. Les inquiétudes concernant les conséquences
1 D’une part, les cantons financent les dépenses d’éducation à hauteur de 53% (contre respectivement 35% pour les communes et 12% pour la Confédération). D’autre part, les cantons dépensent ce budget à hauteur de 59% (contre respectivement 33% pour les communes et 8% pour la
Confédération) [OFS, 2002].
2 En 2000, les dépenses publiques totales (dépenses de la Confédération, des cantons et des communes sans les doubles imputations) ont atteint 123,6 milliards en valeurs nominales dont 17,9% pour l’éducation. Ce poste, qui était le plus important en 1990, a été détrôné par celui de la
prévoyance sociale dix ans plus tard. Les restrictions budgétaires dues à la crise économique des années 1990 expliquent en partie le tassement
des dépenses publiques d’éducation à partir de 1993. Exprimées en pourcentage du PIB, ces dépenses étaient de 5,4% en 2000 soit légèrement
supérieures à la moyenne des pays de l’OCDE (5,2%). En Suisse, la rémunération des enseignants par exemple, absorbe plus de 50% de
l’ensemble des dépenses publiques d’éducations [OFS, 2002].
3
dommageables d’une telle évolution sur le niveau de formation de la population ne sont
vraisemblablement pas infondées. Une gestion plus efficace des ressources pour l’éducation permettrait
alors de relever un défi majeur : améliorer l’efficacité du système scolaire dans le but d’améliorer la
rentabilité de cet investissement. L’efficacité d’un système scolaire peut être mesurée en termes de
performances individuelles [Schultz (1963), Todd et Wolpin (2003)]. En économie de l’éducation, celles-
ci sont généralement appréhendées par le score des élèves à un test, ce dernier étant revendiqué comme
le critère de sélection primordial et objectif pour le passage d’une classe à l’autre (ou d’une filière à
l’autre). Examiner la relation de productivité entre les inputs de l’élève, de sa famille et de son école et,
les scores aux tests des enfants en âge d'être scolarisés, permettrait alors de répondre à la question
suivante : quels inputs ont un impact primordial sur la performance individuelle ?
Au moment de l’enquête PISA, les élèves suisses se trouvaient tous en dernière année de scolarité
obligatoire soit en 9ème année et étaient âgés de 14-15 ans. Les orientations prises durant le degré
secondaire I leurs permettront, s’ils souhaitent poursuivre leur étude, d’entrer au degré secondaire II. Ils
ont alors le choix entre des filières de formations générales ou des filières professionnelles. En Suisse,
comme du reste en Allemagne ou en Autriche, “la formation professionnelle revêt une grande importance
[…] étant donné que ces trois pays connaissent un système de formation professionnel dual que l’on ne
retrouve sous cette forme dans pratiquement aucun autre pays de l’OCDE” [OFS, 1999]. C’est peut être
une des raisons pour lesquels le taux de diplômes universitaires est assez faible, 8,8% en 1997,
pourcentage peu élevé en comparaison des autres pays de l’OCDE. On observe cependant que, comme
dans les pays de l’OCDE, le niveau de qualification exigée en Suisse ne cesse d’augmenter et en 1999, le
taux de diplômés de fin d’études secondaires était de 83% [OCDE, 2001]. Si ce diplôme n’a désormais
plus qu’un statut de qualification transitoire vers des niveaux d’études supérieurs, des débuts prometteurs
dans une carrière scolaire prennent toute leur importance.
La problématique de ce papier se basera sur l’estimation de fonctions de production éducationnelle dont
la variable dépendante est une mesure de l’output du système scolaire (le score obtenu au test PISA). Cet
output est fonction de caractéristiques relatives à l’élève, sa famille et son école. Nous partons de
l’hypothèse que si la variable dépendante est normalement et indépendamment distribuée entre les
individus, l’équation est alors correctement spécifiée et l’estimation de cette fonction de production par
maximum de vraisemblance donnera des estimateurs convergents des coefficients des caractéristiques de
l’élève, de sa famille et de son école. Pourtant, rien ne permet a priori de savoir si ces hypothèses sont
respectées. Nous proposons donc d’utiliser le modèle Box-Cox [1964] afin de tester et définir la forme
4
fonctionnelle considérée comme linéaire dans la majorité de la littérature actuelle sur le sujet.
Par ailleurs, l’enjeu majeur du système éducatif est de former les individus afin de leur permettre de
trouver un emploi sur le marché du travail et, pour les entreprises, de disposer d’un bassin suffisamment
large de main-d’œuvre qualifiée susceptible de répondre à leurs besoins. Avec le vieillissement de la
population, le marché du travail aura dans les années à venir, besoin d’un bassin conséquent de main-
d’œuvre très qualifiée. Le travail des femmes apparaît essentiel d’autant plus qu’elles sont de plus en
plus nombreuses à concilier vie de famille et travail. Il est alors primordial de déterminer s’il existe des
différences de performances selon le genre et quelles sont les caractéristiques qui influencent le plus cette
performance.
La suite de ce papier sera structurée de la manière suivante : la prochaine section présentera la littérature
en rapport avec l’économie de l’éducation et les fonctions de production éducationnelle. La section 3
présentera la modélisation de cette fonction dans le cas de la Suisse. La section 4 introduira la base de
données et quelques statistiques descriptives relatives aux variables sélectionnées. La section 5 enfin,
présentera les résultats des estimations en portant une attention particulière aux différences par genres
mais également par régions (telles que définies par la Conférence suisse des Directeurs cantonaux de
l’Instruction Publique). La conclusion reprendra les résultats essentiels.
2. Cadre théorique
Le cadre théorique dans lequel se sont inscrit les premières considérations économiques relatives à
l’éducation est le domaine de l’économie du travail. Dans un premier temps, l’éducation n’intéressait pas
les économistes en tant que champ d’analyse. Elle permettait en revanche de fournir une explication aux
différences de salaires dans la théorie des différences compensatrices [Smith, 1776]. En effet, en
supposant l’existence d’une relation de causalité entre l’habileté et l’expérience acquise grâce à
l’éducation et les revenus que l’individu va toucher, Smith ouvrira la voie à la théorie du capital humain
[Becker, 1963]. Initialement fondée sur une représentation parfaitement concurrentielle du marché du
travail, le développement de la théorie de la concurrence imparfaite ouvrira la porte à de nouvelles
théories. Le relâchement des hypothèses relatives à la concurrence parfaite engendrera l’évolution des
réflexions relatives à l’éducation et plus particulièrement à la relation entre l’éducation et le salaire3. Si
3 Par exemple, le relâchement de l’hypothèse de fluidité (qui caractérise un marché où la mobilité des facteurs de production est sans coûts) a
ouvert la voie à la théorie de la segmentation [Doeringer et Piore, 1971] et au modèle de concurrence pour l’emploi [Thurow, 1975]. Dans les
deux cas, le marché du travail est divisé en deux secteurs distincts avec des barrières entre les deux segments pour la théorie de la segmentation
et en deux marchés de recrutement (interne ou externe à l’entreprise) dans le modèle de concurrence pour l’emploi. Etant donné que l’éducation
n’augmente pas la productivité de l’individu, puisque cette dernière est considérée comme faisant partie du poste de travail, ce sont ces barrières
5
les auteurs s’entendent sur la force pécuniaire déterminante du marché du travail concernant l’éducation,
ils s’opposent sur le rôle de l’éducation sur la productivité des individus. Le processus d’acquisition de
l’éducation dans ce cadre théorique reste néanmoins une boîte noire4 et l’éducation devient un champ
d’analyse dont le cadre théorique doit être défini5.
Le développement de l’intérêt des économistes pour l’éducation comme champ d’analyse est fortement
lié à l’industrialisation des pays qui s’accompagne de profondes modifications du marché du travail.
D’une part, “au début des années 1960, l'enseignement entre dans une phase de croissance. Celle-ci
répond à une demande sociale et résulte d’une réflexion sur le niveau général de la main-d'œuvre et les
préoccupations concernant une éventuelle pénurie de personnel qualifié” [Prost, 1997]. “Les attentes à
l’égard du développement de la formation évoluent : perçue antérieurement comme un facteur majeur de
promotion sociale, celle-ci est érigée en instrument primordial de lutte contre le chômage, et plus
largement de construction d’une nouvelle compétitivité économique” [Verdier, 2001]. D’autre part,
“pour qu’apparaisse une économie de l’éducation à part entière, il a fallu attendre que l’école soit
reconnue comme un facteur de développement économique” [Delamotte, 1998].
Le cadre théorique de l’économie de l’éducation est assez difficile à définir puisqu’on peut considérer
qu’en étudiant l’éducation, l’économiste se situe à la frontière de son domaine de compétences
traditionnel. Il est donc préférable de considérer qu’il se situe dans un domaine multidisciplinaire.
Pourtant, il apparaît que l’on peut appliquer les concepts de base de l’économie à ce domaine
disciplinaire qu’est l’éducation. En effet, l’économie prend naissance avec le constat qu’il existe des
ressources limitées alors que les besoins sont illimités. Dès lors, on peut définir la science économique
comme étant la science qui étudie l’allocation de ressources rares à des fins d’utilisations très variées. Il
s’agit donc d'une problématique de choix sous contraintes que l’on peut résumer par trois questions
fondamentales : que produire ? comment la production s’organise-t-elle ? comment la production est-elle
répartie ? L'analogie entre le processus d'acquisition du savoir d'un individu et le processus de production
qui justifient des différences de formation entre les individus. Le relâchement de l’hypothèse de transparence (qui considère que l’information
des individus, à la fois sur la quantité des produits et sur les prix, n’est pas totale) a également permis le développement de la théorie du filtre
[Arrow, 1973 et Blaug, 1976], de la théorie du signal [Spence, 1973] ou du modèle de discrimination [Stiglitz, 1973]. Ces auteurs considèrent
que l’éducation n’agit pas directement sur la productivité mais sert davantage d’indicateur indirect de la productivité potentielle des divers
individus. Etant donné que le recruteur ne peut identifier la productivité de l’individu à partir de son niveau d’éducation, il va considérer d’autres caractéristiques généralement subjectives afin de maximiser ses chances d’employer un individu productif. 4 C’est sans doute pour cela que T. W. Schultz est fréquemment cité comme étant le véritable précurseur d’une telle réflexion puisqu’il ne s’intéresse pas à l’éducation dans l’économie, mais davantage à la pensée économique en éducation. 5 Dans son ouvrage “The Economic Value of Education” [1963], Schultz se questionne d’ailleurs sur le manque d’intérêt de ses collègues pour l’éducation. Il pose les préceptes des fonctions de production éducationnelle en affirmant : “suppose we treat schools as if they were firms and
the educational establishment as if it were an industry. … How can one gauge efficiency in schooling with no concepts of the quality of the output that can be identified and measured”.
6
d'une firme s’inscrit parfaitement dans ces considérations théoriques de base. On peut néanmoins
considérer que certaines hypothèses sont spécifiques au domaine bien particulier de l’éducation.
Todd et Wolpin [2003] définissent l’éducation comme un processus cumulatif influencé par des inputs.
Ces inputs peuvent provenir de la famille ou de l’école et, dans la mesure où il s’agit d’un processus
cumulatif, être contemporains ou historiques. Les études qui s’intéressent à l’investissement de la famille
sur les performances scolaires s’inscrivent dans le courant de la littérature ECD (Early Childhood
Development) alors que les études qui s’intéressent à l’investissement de l’école sur les performances
scolaires s’inscrivent dans le courant de la littérature EPF (Education Production Function). La première
branche cherche à comprendre les rôles des caractéristiques des parents et de l'environnement de la
maison sur la production de “cognitive skills” [Leibowitz, 1974, Haveman & Wolfe, 1976]. Le cadre
théorique des comportements de la famille a parfois été utilisé afin de comprendre ce processus [Becker
& Tomes, 1976]. La seconde examine la relation de productivité entre les inputs de l'école et les scores
aux tests des enfants en âge d'être scolarisés. Hedges et Greenwald [1996] précisent que de simples
corrélations entre les résultats des scores de test et la qualité des mesures des inputs sont difficiles à
interpréter parce que d'autres facteurs comme les inputs de la famille sont entièrement laissés en dehors
de l'analyse. D’autres auteurs comme Goldhaber et Brewer [1997] utilisent à la fois des variables
caractérisant les antécédents de l'individu et de sa famille, l'école, le professeur et enfin la classe. Bien
entendu, les inputs sélectionnés dépendent en grande majorité des informations disponibles dans la base
de données, ce qui peut expliquer que ce genre d’étude a mis du temps à se développer dans la mesure où
celles-ci ont fait cruellement défaut pendant longtemps. C’est le cas de la Suisse.
3. Modélisation
La fonction de production éducationnelle suivante permettant d’estimer un modèle simple d’acquisition
[Todd-Wolpin, 2003] peut, de manière très générale, être modélisée de la façon suivante :
(1) ( )iiii SFXfA ,,=
Dans cette équation, A représente une mesure de l’output du système scolaire (par exemple, le score
obtenu à un test) et la lettre i est un indice pour les individus. Le vecteur iX contient les variables
relatives aux caractéristiques de l’élève, le vecteur iF contient celles relatives aux caractéristiques de sa
famille et le vecteur iS contient celles relatives aux caractéristiques de son école.
7
Nous partons de l’hypothèse de base que la fonction est linéaire et que iX , iF et iS sont exogènes. Si
l’on suppose que dans le modèle iiiii SFXA εββββ ++++= '4
'3
'21 , les iA sont normalement et
indépendamment distribué avec l’espérance = iii SFX '4
'3
'21 ββββ +++ et la variance =
2σ alors la
fonction de densité de probabilité jointe des iA (avec nài 1= ), étant donné la moyenne et la variance
ci-dessus, peut être écrite de la manière suivante :
(2) ( )2'4
'3
'2121 ,,...,, σββββ iiin SFXAAAf +++
L’hypothèse d’indépendance des iA permet de réécrire la fonction de densité de probabilité jointe
comme le produit de n fonctions de densité individuelles :
(3)
( ) ( )( ) ( )2'
4'3
'21
2'4
'3
'212
2'4
'3
'211
2'4
'3
'2121
,...,
.,,,...,,
σββββσββββ
σββββσββββ
iiiniii
iiiiiin
SFXAfSFXAf
SFXAfSFXAAAf
++++++
+++=+++
où
(4) ( ) ( )
−−−−−=
2
2'4
'3
'21
2
1exp
2
1
σββββ
πσiiii
i
SFXAAf
représente la fonction de densité d’une variable normalement distribuée avec la moyenne et la variance
spécifiées ci-dessus. En substituant (4) dans (3), on obtient :
(5)
( )
( )( )
∑−−−−−
=+++
2
2'4
'3
'21
2'4
'3
'2121
2
1exp
2
1
,,...,,
σββββ
πσ
σββββ
iiii
nn
iiin
SFXA
SFXAAAf
La fonction de vraisemblance, notée ( )24321 ,,,, σββββLF peut être écrite telle que :
(6) ( ) ( )
∑−= 2
2
24321
2
1exp
2
1,,,, inn
LF εσπσ
σββββ
La méthode du maximum de vraisemblance consiste en l’estimation des paramètres inconnus de sorte
que l’on trouve le maximum de la fonction (6). On peut alors réécrire cette fonction de la manière
suivante :
8
(7) ( ) ∑−−−= 2
2
2
2
12ln
2ln2
ln i
nnLF ε
σπσ
Si les hypothèses de base sont correctes, l’équation (7) est correctement spécifiée et l’estimation de cette
fonction de production par maximum de vraisemblance donnera des estimateurs convergents des
coefficients des caractéristiques de l’élève, de sa famille et de son école. Or, rien ne permet a priori de
savoir si ces hypothèses sont respectées. Box et Cox (1964) proposent alors de « travailler avec une
famille paramétrique de transformations de A à ( )θA , le paramètre θ , (…) définissant une transformation particulière ». Ce que l’on retrouve désormais dans la littérature sous le nom de
transformation Box-Cox propose donc d’estimer le modèle suivant :
(8) ( )
iiiii SFXA εββββθ ++++= '4
'3
'21
avec
(9) ( ) =θA
( ) 0ln
101
=
≤<−
θ
θθ
θ
siA
siA
La transformation tient pour 0>A . Etant donné que la majorité des variables explicatives sont des
variables muettes, nous conservons la forme linéaire à droite du signe d’égalisation.
Supposons désormais que pour θ non connu, les observations transformées ( ) ( )niAi ,...,1=θ satisfont
toutes les hypothèses normales théoriques. La densité de probabilité pour les observations non
transformées est obtenue en multipliant la densité normale par le Jacobien de transformation (Box et
Cox, pp. 215). On obtient alors la fonction de vraisemblance du modèle Box-Cox :
(10) ( ) ( )[ ] ( ) ( )∑−+++−==
n
iic A
nL
1
2 ln112ln~ln2
ln θπσ
où ∑==
n
ii
n 1
22 1~ εσ
Afin d’être en mesure d’interpréter les coefficients obtenus, nous utilisons la procédure communément
appelée la delta méthode issue du théorème de Taylor. Cette transformation nous permet d’obtenir deux
effets qualitatifs disctincts, à savoir :
(11) la différence relative : θβ −≅−0
0
01 AA
AAk
9
(12) ladifférence absolue : θβ −≅− 1
001 AAA k
où 0A est le score moyen dans l’une des trois disciplines et kβ le coefficient estimé de la ièmek variable.
4. Les données
Les données utilisées proviennent de l’enquête PISA (Programme International pour le Suivi des Acquis
des élèves) réalisée en 2000 par l’OCDE (Organisation de coopération et de développement
économiques) dans trente-deux pays (soit 250'000 élèves). En Suisse, les données collectées ont été
ventilées en trois échantillons : l’échantillon international dont la population de référence se compose des
élèves nés en 1984 (soit âgés entre 15,3 ans et 16,2 ans), l’échantillon national dont la population étudiée
est définie en fonction de l’année scolaire (en l’occurrence la 9ème année qui correspond à la dernière
année de la scolarité obligatoire) et l’échantillon supplémentaire de la Suisse romande. En Suisse, les
élèves qui terminent leur scolarité obligatoire n’ont pas tous forcément le même âge étant donné les
spécificités cantonales. En revanche, les élèves suisses terminent tous leur scolarité obligatoire en 9ème
année, d’où le choix d’utiliser l’échantillon national plutôt que l’échantillon international6.
L’objectif de cette enquête était de tester les compétences des élèves dans le but de comparer les acquis
des jeunes en tenant compte des spécificités propres à chaque système éducatif. Ces acquis ont été
appréhendés dans trois domaines : les compétences en lecture, en mathématiques et en sciences, avec en
2000, une priorité pour la lecture7. Le tableau 1 décrit les variables retenues dans notre analyse et
présente les moyennes et écart-types. Ces variables ont été regroupées dans trois catégories : l’élève, sa
famille et l’école. La moyenne de l’échantillon national est de 497 en lecture, 534 en mathématiques et
497 en sciences. En comparaison internationale, les compétences de ces jeunes sont très moyennes
puisque la Suisse se positionne en 17ème place en lecture. En mathématiques et en sciences, la Suisse
6 A propos de l’échantillonnage, la Direction nationale du projet (c’est-à-dire la Confédération et les cantons) a tiré des échantillons
représentatifs des trois grandes régions linguistiques. Dans une première étape, les écoles ont été tirées au sort sur la base des données scolaires
de 1998/99 de l’OFS. Dans une seconde étape, les élèves ont été sélectionnés de manière aléatoire parmi les écoles retenues. Chaque pays a dû
interroger au moins 4’500 élèves de 15 ans dans 150 écoles et un minimum de 35 personnes par établissement sélectionné pour garantir la
représentativité de l’école dans l’échantillon. L’échantillon national compte 7’997 élèves de 9ème dont 5’236 suisses alémaniques, 1’815 suisses
romands et 946 suisses italiens provenant de 243 établissements. 7 Chaque élève a été testé pendant 2 heures mais comme l’ensemble des questions correspondait à 6 heures et demi de test, celles-ci ont donc été
soumises aux élèves dans différentes combinaisons. En effet, compte tenu de la quantité de questions à poser et du nombre minimum de
personnes à interroger dans chaque pays, 9 cahiers de tests ont été établis à partir de différents blocs de questions et chaque personne a eu un
seul cahier à remplir. Aussi, en utilisant 9 cahiers, on s’est assuré que toutes les questions seraient traitées par un nombre suffisant de personnes,
ce qui permettrait de disposer en fin de compte de résultats fiables sur les compétences des élèves. Par ailleurs, en plus des 2 heures consacrées au traitement du cahier de tests, les élèves ont eu environ 30 minutes à disposition pour remplir un questionnaire portant sur des données contextuelles. Un autre questionnaire sur le même sujet, a été soumis à la direction de chaque école.
10
atteint respectivement les 7ème et 18èmerangs [OFS, 2000].
4.1 Les caractéristiques de l’élève
Concernant les caractéristiques de l’élève, le genre, la nationalité et l’âge ont été retenus. La variable
NATIONAL nous renseigne sur la composition culturelle de l’échantillon. En Suisse, le nombre des
élèves étrangers ou de langue étrangère a nettement augmenté depuis le début des années 1980. En effet,
“la part des classes très hétérogènes (au moins 30% d’élèves de nationalité étrangère et/ou parlant une
autre langue que celle enseignée à l’école) est passée de 20% en 1980 à 34% en 1998” [OFS, 1999].
Cette progression s’est faite plus fortement dans les classes accueillant les élèves plus faibles telles que
les classes dispensant un enseignement spécial ainsi que les écoles du secondaire I aux exigences
élémentaires. Il existe par ailleurs de grandes différences selon le canton considéré. Pour preuve, la
proportion de classes très hétérogènes est de 3% dans le canton d’Obwald alors qu’elle est de 78% dans
le canton de Genève en 1997/98. La nationalité renvoie par ailleurs à l’histoire migratoire des différentes
nationalités. Les pays tels que l’Italie, l’Espagne, le Portugal, l’ex-Yougoslavie, la Grèce ou la Turquie
“constituent les bassins traditionnels de recrutement d’une main-d’œuvre bon marché destinée à des
travaux non qualifiés. La plupart des étrangers d’autres provenances ont obtenu leur autorisation de
séjour en raison de leur qualification élevée, qui en a fait des spécialistes courtisés en Suisse” [OFS,
1999]. Concernant l’âge, les élèves sont censés avoir tous 14/15 ans (15 ans = 180 mois) en 9ème année.
Rappelons qu’entre 1985 et 1997, la durée de la scolarité obligatoire a été fixée à 9 années dans tous les
cantons. Si la moyenne de la variable AGE est élevée, on peut alors soupçonner un nombre conséquent
d’élèves ayant redoublé donc avec un âge plus élevé que la moyenne. En Suisse, le redoublement donne
lieux à deux orientations possibles : dans le premier cas, les élèves qui ont échoué doivent recommencer
le même programme ; dans le second, les élèves “passent dans un autre type d’enseignement et entrent
souvent dans un programme plus ambitieux leur ouvrant de plus larges perspectives” [OFS, 1999].
4.2 Les caractéristiques de la famille
Les caractéristiques retenues de la famille sont la langue parlée à la maison, la structure familiale, le
nombre de frère(s) et sœur(s), l’éducation secondaire et tertiaire de la mère et du père, l’activité actuelle
de la mère et du père ainsi que l’information concernant l’aide aux devoirs de la part de la mère, du père
et des frère(s) et sœur(s).
11
Tableau 1.
Statistiques descriptives et définitions des variables
Variables N Moyennes Définitions
Non
pondérées
Pondérées
Variable dépendante
LECTURE 7997 497,998
(89,616)
497,244
(95)
Score en lecture (moyenne des 5 plausible value in reading).
Les valeurs minimales et maximales sont : 139,32 et 769,974
MATHEMATIQUES 4451 533,006
(87,348)
534
(93)
Score en mathématiques (moyenne des 5 plausible value in mathematics).
Les valeurs minimales et maximales sont : 179,592 et 785,802
SCIENCES 4457 497,712
(90,198)
497
(96)
Score en sciences (moyenne des 5 plausible value in science).
Les valeurs minimales et maximales sont : 174,748 et 766,68
X. Caractéristiques de l'élève
GENRE 7997 0,499 0,494 1 = si l’élève est une fille ; 0 = si l’élève est un garçon
Pays de naissance
NATIONAL1 7920 0,864 0,863 1 = si Suisse ; 0 = sinon
NATIONAL2 7920 0,012 0,012 1 = si Allemagne ou Autriche, France ou Belgique ; 0 = sinon
NATIONAL3 7920 0,061 0,059 1 = si Italie, Espagne, Portugal ou autres pays ; 0 = sinon
NATIONAL4 7920 0,063 0,066 1 = si Ex-Yougoslavie, Albanie ou Kosovo, Turquie ; 0 = sinon
AGE 7962 187,978
(7,886)
188,942
(7,743)
Age de l’élève en mois (Minimum = 142, Maximum = 229)
F. Caractéristiques de la famille
LANGUE parlée à la maison 7628 0,820 0,808 1 = si la langue la plus souvent parlée à la maison est celle du test, 0 = sinon (autres langues officielles, dialectes nationaux, autres langues)
Structure de la famille
SINGLE 7924 0,131 0,126 1 = si célibataire ; 0 = sinon
NUCLEAR 7924 0,781 0,779 1 = si nucléaire ; 0 = sinon
MIXED 7924 0,057 0,062 1 = si mixte ; 0 = sinon
OTHER 7924 0,031 0,033 1 = si autre ; 0 = sinon
Nombre de frère(s) et sœur(s)
NSIB 7901 1,657
(1,089)
1,656
(1,067)
Minimum = 0, Maximum = 12
Education secondaire de la mère
MEDUC1 7451 0,017 0,017 1 = si n’a pas été à l’école ; 0 = sinon
MEDUC2 7451 0,065 0,071 1 = si a terminé l'école primaire (4-6 ans de scolarité) ; 0 = sinon
MEDUC3 7451 0,355 0,372 1 = si a terminé la scolarité obligatoire (7-9 ans de scolarité) ; 0 = sinon
MEDUC4 7451 0,360 0,350 1 = si a terminé un apprentissage, une école professionnelle, ou une école de culture générale de niveau diplôme ; 0 = sinon
MEDUC5 7451 0,203 0,190 1 = si a terminé avec succès une école du niveau de la Maturité (gymnase, collège, école normale) ; 0 = sinon
Education tertiaire de la mère
MTEDUC
7579 0,158 0,154 1 = si la mère a terminé une formation supérieure (université, école polytechnique, école professionnelle supérieure) ; 0 = sinon
Education secondaire du père
FEDUC1 7310 0,016 0,016 1 = si n’a pas été à l’école ; 0 = sinon
FEDUC2 7310 0,055 0,058 1 = si a terminé l'école primaire ; 0 = sinon
FEDUC3 7310 0,317 0,330 1 = si a terminé la scolarité obligatoire ; 0 = sinon
FEDUC4 7310 0,390 0,382 1 = si a terminé un apprentissage, une école professionnelle, ou une école de culture générale de niveau diplôme ; 0 = sinon
FEDUC5 7310 0,222 0,214 1 = si a terminé avec succès une école du niveau de la Maturité (gymnase, collège, école normale) ; 0 = sinon
12
Education tertiaire du père
FTEDUC
7451 0,327 0,325 1 = si le père a terminé une formation supérieure (université, école polytechnique, école professionnelle supérieure) ; 0 = sinon
Activité actuelle de la mère
MWORK1 7723 0,245 0,243 1 = si travaille à temps plein ; 0 = sinon
MWORK2 7723 0,405 0,417 1 = si travaille à temps partiel ; 0 = sinon
MWORK3 7723 0,025 0,027 1 = si ne travaille pas mais cherche un emploi ; 0 = sinon
MWORK4 7723 0,325 0,313 1 = si autre (ex : tâches ménagères, retraitée) ; 0 = sinon
Activité actuelle du père
FWORK1 7666 0,907 0,906 1 = si travaille à temps plein ; 0 = sinon
FWORK2 7666 0,037 0,038 1 = si travaille à temps partiel ; 0 = sinon
FWORK3 7666 0,014 0,013 1 = si ne travaille pas mais cherche un emploi ; 0 = sinon
FWORK4 7666 0,042 0,043 1 = si autre (ex : tâches ménagères, retraité) ; 0 = sinon
Aide pour les devoirs
DEVOIRM (mère) 7777 1,647
(1,437)
1,582
(1,421)
0 = si jamais ou presque jamais ;
1 = si quelques fois par an ;
DEVOIRP (père) 7670 1,339
(1,346)
1,298
(1,326)
2 = si environ une fois par mois ;
3 = si plusieurs fois par mois
DEVOIRFS (frères et sœurs) 7551 1,012
(1,303)
0,991
(1,285)
4 = si plusieurs fois par semaine.
S. Caractéristiques de l’école
Localisation de l’école
ROMANDE 7997 0,345 0,260 1 = si Fribourg, Genève, Jura, Neuchâtel, Valais, Vaud ou Tessin ; 0 = sinon
NORDW 7997 0,253 0,299 1 = si Berne, Soleure, Bâle-Campagne, Bâle-Ville ou Argovie ; 0 = sinon
CENTRALE 7997 0,075 0,140 1 = si Lucerne, Schwytz, Obwald, Nidwald ou Zoug ; 0 sinon
ORIENTALE 7997 0,327 0,301 1 = si Zurich, Glaris, Schaffhouse, Appenzell Rh.-Ext., Saint-Gall, Grisons ou Thurgovie ; 0 sinon
Collectivité de l’école
VILLAGE 7886 0,125 0,138 1 = si le nombre d’habitants est inférieur à 3’000 ; 0 = sinon
SMALL 7886 0,553 0,520 1 = s’il est entre 3’000 et 15’000 ; 0 = sinon
TOWN 7886 0,232 0,233 1 = s’il est entre 15’000 et 100’000 ; 0 = sinon
CITY 7886 0,090 0,109 1 = s’il est entre 100’000 et un million environ ; 0 = sinon
SCHLSIZE 7482 405,397
(298,149)
475,461
(366,243)
Nombre total d’élèves inscrits dans l’établissement au 31 mars 2000
STRATIO 7340 11,92
(3,744)
12,365
(3,979)
Ratio entre la taille de l’école et le nombre de professeurs
SC15Q01 7443 53,326
(36,412)
55,533
(36,661)
Proportion du personnel enseignant de l’établissement qui a participé à un programme de formation continue au cours des trois derniers mois
(programme officiel destiné à améliorer les compétences ou les pratiques pédagogiques des enseignants et dont la durée totale doit être d’au moins
une journée)
PROPQUAL 7072 0,565
(0,342)
0,560
(0,338)
Proportion de professeurs avec un niveau isced 5 en pédagogie
PROPCERT 6987 0,827
(0,275)
0,874
(0,219)
Proportion de professeurs complètement certifiés
Source : PISA 2000
Notes : la pondération utilisée est wtread pour l’élève, la famille et l’école. Les écarts-types sont indiqués entre parenthèses.
13
La composition de la population selon l’état civil a beaucoup évolué en Suisse. En 30 ans, la proportion
des personnes divorcées a triplé, ce qui a profondément modifié la structure familiale. En 2002 par
exemple, la population résidante permanente se composait de 42% de personnes célibataires, 46% de
personnes mariées, 6% de personnes divorcées et 6% de personnes veuves [OFS, 2003]. Bien entendu,
ces statistiques sont celles de la population résidante alors que notre échantillon comprend une tranche
d’âge particulière, soit celle des parents en âge d’avoir des enfants en 9ème année. Précisons par ailleurs
que dans PISA, lorsque les élèves ont déclaré vivre avec la mère ou le père ou une tutrice ou un tuteur, la
structure familiale a été catégorisée et définie comme étant monoparentale ou célibataire. Lorsqu’ils ont
déclaré vivre avec leur père et leur mère, il s’agit d’une famille nucléaire. Lorsqu’ils ont déclaré vivre
avec leur père et une autre femme ou leur mère et un autre homme ou avec deux tuteurs, il s’agit d’une
famille mixte. La catégorie “autres” signifie qu’il s’agit d’une autre combinaison. Concernant le nombre
de frères et sœurs, “l’évolution de la fécondité depuis la fin du 19ème siècle est caractérisée par une baisse
à long terme du nombre moyen d’enfants par femme” [OFS, 2003].
Le nombre de frères et sœurs peut donc refléter des différences de comportements en matière de
fécondité entre les Suissesses et les étrangères. Le niveau de formation des parents est une information
très importante puisqu’elle recoupe indirectement de nombreuses autres caractéristiques telle que la
nationalité, le nombre de frère(s) et sœur(s), la structure familiale, etc. La littérature sur la mobilité
(scolaire ou sociale) intergénérationnelle a largement mis en évidence le fait que les enfants ne partent
pas tous avec les mêmes atouts. Les données de l’Enquête sur la famille en Suisse, collectées en 1994-95,
ont été utilisées afin de générer des tables de mobilités [OFS, 1997]. La mobilité scolaire est mesurée en
rapportant le niveau d’éducation du fils ou de la fille à celui de son père ou de sa mère (en l’occurrence
celui des deux parents qui possède le titre scolaire le plus élevé). Il apparaît qu’au sein de chaque niveau
d’éducation, l’hérédité scolaire l’emporte sur la mobilité. De plus, les hommes sont non seulement plus
mobiles que les femmes mais aussi plus souvent en mobilité ascendante. Enfin, “la formation acquise par
les parents et leurs expériences dans ce domaine déterminent leurs connaissances sur le système éducatif
et influencent leur perception des valeurs familiales en général et du système éducatif en particulier. La
formation des parents permet également à ces derniers d’encourager et d’aider leurs enfants au cours de
la scolarité” [OFS, 1999]. C’est précisément ce que l’on cherche à percevoir avec la variable qui mesure
l’aide de la mère ou du père en ce qui concerne les devoirs.
4.3 Les caractéristiques de l’école
14
Concernant les caractéristiques de l’école, ont été retenues la localisation de l’établissement, la
collectivité de l’établissement, le nombre total d’élèves inscrits dans l’établissement au 31 mars 2000, le
ratio entre la taille de l’école et le nombre de professeurs, la proportion du personnel enseignant de
l’établissement ayant participé à un programme de formation continue au cours des trois derniers mois, la
proportion de professeurs avec un niveau ISCED 58 en pédagogie et la proportion de professeurs
complètement certifiés. La localisation de l’école selon le canton est importante puisqu’il existe des
caractéristiques communes selon la région d’appartenance : Suisse romande et Tessin, Suisse centrale,
Suisse orientale ou nord-ouest de la Suisse. Les cantons ont été regroupés par régions correspondant aux
régions CDIP (Conférence des directeurs cantonaux de l’instruction publique). Ces caractéristiques
communes se retrouvent par exemple au niveau des finances publiques en éducation. Le ratio entre la
taille de l’école et le nombre de professeurs permet d’approximer le nombre d’élèves par enseignant. En
Suisse, “l’effectif des classes est fixé par les cantons : ceux-ci définissent légalement les tailles minimale
et maximale des classes. Cette taille dépend de facteurs démographiques, mais également de la politique
menée en matière financière et dans le domaine de la formation” [OFS, 1999]. En 1997, le nombre
moyen d’élèves par classe au degré secondaire I était de 20 élèves. Malheureusement, nous ne disposons
pas de l’information concernant les dépenses par étudiants, variable pourtant très importante [Krueger,
1998].
5. Résultats empiriques
Les fonctions de production éducationnelle ont été estimées par maximum de vraisemblance. La variable
dépendante est le score en lecture (colonne 1), le score en mathématique (colonne 2) et le score en
science (colonne 3). Le tableau 2 présente les résultats des estimations pour l’ensemble des élèves. Le
fait d’introduire les caractéristiques de l’individu, puis de rajouter celles de la famille et enfin celles de
l’établissement, entraîne une attrition des données relativement conséquente. Il a donc été nécessaire de
contrôler que cette attrition n’entraînait pas de variation de la répartition des scores par région (annexes
1a, 1b et 1c) et par taille d’école (annexes 2a, 2b et 2c). Nous pouvions ainsi nous prémunir du risque que
l’attrition des données ne soit pas aléatoire entre les régions ou entre les écoles (par exemple, une
corrélation entre la taille de l’école et le taux de réponses manquantes). Les résultats sont stables d’une
spécification à l’autre.
8 L’Office fédéral de la statistique (OFS) se charge de convertir les données cantonales en données suisses afin d’obtenir une statistique scolaire
suisse. L’OFS compile donc les 26 fichiers de données cantonales et les harmonise à l’aide de la Classification des statistiques suisses de
l’éducation. Cette classification repose sur l’ISCED (International Standard Classification of Education) de l’UNESCO, ce qui donne la
possibilité de faire la comparaison du système suisse avec d’autres pays. L’ISCED 5 correspond au premier cycle de l’enseignement supérieur.
15
Tableau 2. Fonction de production éducationnelle : transformation Box-Cox
Variables dépendantes : score en lecture, en mathématiques et en sciences
(1) Lecture (2) Mathématiques (3) Sciences
Variables Coeff. Chi2 Coeff. Chi2 Coeff. Chi2
Genre (1=fille, 0=garçon) 445.3781 (84.684)*** -218.8312 (107.627)*** -78.87972 (30.037)***
Pays de naissance
Suisse Réf. Réf. Réf. Réf. Réf. Réf.
All. ou Autriche, France ou Belgique 120.9111 (0.270) -116.6796 (1.171) -.5876433 (0.000)
Italie, Espagne, Portugal ou autres -315.6199 (7.084)*** -189.361 (13.697)*** -109.8718 (10.371)***
Ex-Youg, Albanie ou Kosovo, Turquie -974.1743 (58.498)*** -378.4966 (43.516)*** -228.5079 (34.952)***
Age (en mois) -38.65897 (116.252)*** -13.68392 (75.667)*** -7.979339 (56.191)***
Langue parlée à la maison 701.6751 (70.915)*** 210.9381 (35.255)*** 160.37 (40.470)***
Structure de la famille
Célibataire -235.6452 (8.118)*** -119.1089 (11.321)*** -91.70188 (12.939)***
Nucléaire Réf. Réf. Réf. Réf. Réf. Réf.
Mixte -201.9761 (3.559)* -146.8621 (9.952)*** -60.09411 (3.458)*
Autre -590.4879 (16.289)*** -249.9828 (16.516)*** -126.4217 (9.096)***
Nombre de frère(s) et soeur(s) -108.8517 (20.760)*** -10.07296 (0.981) -13.1169 (3.381)*
Education secondaire de la mère
N’a pas été à l’école 316.1844 (1.270) 152.6086 (1.693) 67.00433 (0.436)
4-6 ans de scolarité -350.7975 (7.623)*** -132.7652 (5.357)** -104.2358 (7.710)***
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 434.5764 (41.261)*** 131.4852 (20.281)*** 112.7868 (30.685)***
Maturité 787.7545 (84.978)*** 267.1157 (53.840)*** 214.0472 (69.431)***
Education tertiaire de la mère -160.6697 (4.425)** -9.814808 (0.085) -58.57991 (7.033)***
Education secondaire du père
N’a pas été à l’école -1096.165 (16.861)*** -412.5042 (13.516)*** -165.8737 (3.255)*
4-6 ans de scolarité -116.8178 (0.782) -14.17593 (0.063) -6.807058 (0.030)
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 431.7783 (38.959)*** 99.14649 (10.930)*** 101.8679 (24.036)***
Maturité 580.156 (41.602)*** 189.167 (23.830)*** 119.0364 (19.601)***
Education tertiaire du père 151.8014 (5.894)** 22.46556 (0.688) 49.33886 (7.092)***
Activité actuelle de la mère
Temps plein Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel 202.1734 (9.815)*** 98.26835 (12.263)*** 39.43219 (4.299)**
Cherche un emploi -182.5243 (1.273) -40.83345 (0.347) -18.41273 (0.113)
Autre 115.6152 (2.927)* 64.72729 (4.884)** 30.71759 (2.338)
Activité actuelle du père
Temps plein Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel -233.0788 (3.305)* -156.1508 (7.252)*** 28.48395 (0.574)
Cherche un emploi 137.6903 (0.374) -89.91985 (0.672) -133.6427 (4.097)**
Autre -84.834 (0.461) -22.33352 (0.180) 38.57512 (0.912)
Aide pour les devoirs
La mère -81.36792 (13.049)*** -51.55472 (27.804)*** -15.6053 (5.277)**
Le père -38.62856 (2.547) -11.10951 (1.120) -15.48316 (4.508)**
Les frères et soeurs -61.33018 (9.701)*** -9.596367 (1.281) -19.30783 (10.811)***
Localisation de l’école
Suisse romande Réf. Réf. Réf. Réf. Réf. Réf.
Suisse nord-ouest 765.8471 (108.935)*** 214.075 (46.188)*** 158.4675 (52.588)***
Suisse centrale 671.0072 (40.399)*** 205.8518 (20.488)*** 112.3709 (12.870)***
Suisse orientale 527.1752 (57.634)*** 169.1564 (31.569)*** 100.0044 (23.643)***
Collectivité de l’école
< 3’000 habitants -245.783 (7.243)*** -54.10708 (1.823) -29.23364 (1.191)
Entre 3’000 et 15’000 -100.0109 (2.539) -63.2806 (5.307)** -7.598984 (0.166)
Entre 15’000 et 100’000 Réf. Réf. Réf. Réf. Réf. Réf.
Entre 100’000 et un million environ -163.8646 (2.577) -83.3256 (3.662)* -54.92285 (3.208)*
Nombre total d’élèves (schlsize) .8872639 (85.004)*** .2963944 (51.149)*** .2360698 (67.094)***
Nombre de professeurs (stratio) -40.05177 (34.356)*** -9.140128 (9.396)*** -7.135932 (11.604)***
Formation continue des ens. (sc15q01) -1.845864 (6.736)*** -.2197347 (0.499) -.2598704 (1.509)
Isced 5 en pédagogie (propqual) 1341.877 (298.544)*** 555.812 (269.355)*** 340.6118 (215.679)***
Complétement certifiés (propcert) 173.3932 (3.184)* -2.2372 (0.003) 50.22628 (3.042)*
Constante 13454.45 5374.337 3142.531
Observations 4’771 2’637 2’669
Maximum de vraisemblance -26’977.2 -14’773.535 -15’147.976
Theta (std error) 1.509162
(0.0688491)
1.331093
(0.0981962)
1.26409
(0.0878702)
Source : PISA 2000
Notes : likelihood-ratio test of significance in parentheses. * chi2<10%; ** chi2<5%; *** chi2<1%.
16
Nous ne considérerons ici que les variables qui sont le plus pertinentes à savoir celles dont la différence
relative est d’environ 3%. Concernant le score en lecture, le genre en fait partie. En effet, par rapport à un
garçon, une fille obtient un score supérieur en lecture d’environ 3,8% (voir annexe 3 pour le calcul des
différences absolues et relatives). Il est en de même de la nationalité. Par rapport aux élèves nés en
Suisse, ceux nés en Italie, Espagne, Portugal ou autres obtiennent un score inférieur (-2,7%), et ceux nés
en Ex-Yougoslavie, Albanie, Kosovo ou Turquie encore plus faible (-8,3%). D’une part, l’intégration
sociale, culturelle voire économique de ces deux groupes d’immigrants a un impact sur la réussite
scolaire de ces enfants. D’autre part, les effets négatifs de l’immigration semblent s’estomper avec le
temps, le premier groupe appartenant à la première vague traditionnelle d’immigration en Suisse et le
second, à une vague d’immigration beaucoup plus récente.
Au sujet des caractéristiques de la famille, si la langue parlée à la maison correspond à celle du test,
l’élève obtiendra un score plus élevé (+6%). Concernant la structure familiale, les profondes
modifications du cadre familial ne sont donc vraisemblablement pas sans effets sur les résultats scolaires
des enfants dans la mesure où les enfants vivant dans des familles célibataires, mixtes ou autres ont des
scores en lecture inférieurs à ceux vivant dans une famille nucléaire. Le changement de structure d’une
famille qui devient nucléaire (suite à un divorce par exemple), a vraisemblablement des répercussions
d’un point de vue affectif sur l’enfant. Mais le fait que la catégorie famille mixte, c’est-à-dire
recomposée, ait un impact significatif seulement à 10% pourrait nous laisser penser que ce sont les
répercussions économiques qui ont une influence plus forte sur les résultats scolaires.
L’éducation secondaire des parents a également un impact significatif sur le score en lecture. Les élèves
dont les parents ont un niveau d’éducation supérieur à la scolarité obligatoire (catégorie de référence)
obtiennent des scores en lecture supérieurs de 3,7% pour la catégorie apprentissage et de +6,7% (pour la
mère) et +4,9% (pour le père) en ce qui concerne la catégorie maturité. L’éducation tertiaire des parents a
également un effet significatif (mais relativement faible) sur le score en lecture mais il est intéressant de
constater qu’il est négatif s’il s’agit de la mère et positif s’il s’agit du père. L’explication généralement
avancée est que les mères éduquées vont généralement travailler et occuper des postes ne leur permettant
pas de s’occuper suffisamment de leurs enfants, ce manque d’attention pouvant avoir des répercussions
négatives sur leurs résultats scolaires. Un homme en revanche, occupera un poste associé à un salaire
plus élevé (répercussions positives sur l’enfant).
Enfin, concernant les caractéristiques de l’école, la localisation de l’école a un impact significatif sur le
score en lecture. Les élèves qui habitent les régions nord-ouest (+6,5%), centrale (+5,7%) et orientale
17
(+4,5%) réussissent mieux que les suisses romands. Difficile d’analyser ce résultat avec les informations
contenus dans PISA et il aurait été vraiment utile d’avoir davantage d’informations sur la répartition du
budget des écoles. On peut se demander si ces différences sont le résultat de modalités de
fonctionnement concernant les sources publiques de financement si différentes selon les régions. Ce
résultat est particulièrement intéressant puisqu’il est en contradiction avec les résultats annoncés dans le
rapport national de l’OFS/CDIP (2002) sur PISA. Ce dernier conclue que les suisses romands sont
meilleurs en lecture que les suisses alémaniques et que les suisses italiens (p35).
Enfin, le niveau de qualification des professeurs (isced 5 en pédagogie) a quant à lui un impact
significatif positif très important (+11,4%), confirmant l’importance de la formation des enseignants.
Ces fonctions de production ont également été estimées avec les scores en mathématiques et en sciences.
Parmi tous les élèves (7'997) ayant participé au test, seuls 2'653 ont répondu à la fois au questionnaire en
lecture et en sciences, 2'647 ont répondu à la fois au questionnaire en lecture et en mathématiques, 1'804
ont répondu à la fois au questionnaire en lecture, mathématiques et sciences et 893 ont seulement
répondu au questionnaire en lecture. C’est ce qui explique la taille plus modeste des échantillons pour ces
estimations.
Le résultat le plus intéressant concerne le genre. Alors que le fait d’être une fille a un impact significatif
positif sur la lecture, cet effet est significatif négatif pour les mathématiques et les sciences. On retrouve
ici un résultat largement documenté par les psychologues, les sociologues ou les spécialistes des sciences
de l’éducation au sujet des différences d’habiletés des élèves selon les domaines. On ne rentrera pas ici
dans le débat relatif au fait que les filles seraient “prédisposées” aux matières plus littéraires et les
garçons aux matières plus scientifiques. Nous retiendrons néanmoins de ce résultat que ces différences
expliquent sans doute des différences d’orientation selon le genre. Concernant les autres variables, les
résultats sont globalement identiques à ceux obtenus en lecture.
Notons enfin que le Theta nous renseigne sur la forme fonctionnelle. Dans les trois matières, ce modèle
rejette à la fois les spécifications linéaire, log linéaire et A
1 (annexe 4).
5.1 Estimation par genre
De nombreux pays présentent des différences entre les genres pour ce qui est de la formation et la Suisse
18
n’y fait pas exception. Que ce soit au niveau de la fréquentation des filières d’études, au niveau des
diplômes obtenus ou au niveau de la durée des études. “La Suisse est le pays où les disparités sont les
plus marquées : une femme est en moyenne 1,3 an de moins en formation qu’un homme” [OFS, 1999].
“De manière générale, les différences relatives à la durée de formation concernent surtout les générations
plus âgées. Alors que, sur le plan international, ces différences reculent fortement chez les jeunes
générations, elles restent très marquées en Suisse où, la formation des jeunes femmes dure en moyenne
0,9 mois de moins que celle des jeunes hommes” [OFS, 1999]. Une attention particulière est donc
accordée au genre. De plus, d’un point de vue méthodologique, “Etablir que les différences entre les
genres existent dans le processus éducationnel implique que les études actuelles sur la discrimination du
marché peuvent être biaisées d’une manière ou d’une autre” [Polachek, 1978].
Le tableau 3 présente les estimations des fonctions de production éducationnelle en lecture,
mathématiques et sciences par genre. Dans un souci de comparaison des estimations pour les filles et
pour les garçons, un test de Chow [1960] a été effectué. Reprenons le modèle de base qui a été estimé :
(8) ( ) εββββθ ++++= SFXA '
4'3
'21
et considérons les deux groupes de données suivants : le premier pour les filles et le second pour les
garçons. On estime alors ce modèle pour les deux groupes séparément :
(8a) ( )
11'411
'311
'21111 εββββθ ++++= SFXA pour le groupe 1 : filles
(8b) ( )
22'422
'322
'22122 εββββθ ++++= SFXA pour le groupe 2 : garçons
Etant donné que nous supposons qu’il est pertinent de réaliser des estimations séparées pour les garçons
et les filles, nous testons l’hypothèse nulle que les coefficients de la fonction de production
éducationnelle pour les filles sont égaux aux coefficients de la fonction de production éducationnelle
pour les garçons. L’hypothèse nulle peut être spécifiée de la manière suivante :
1211 ββ = 2221 ββ = 3231 ββ = 4241 ββ =
Le test de Chow effectué dans les trois domaines nous permet dans chacun des cas (lecture,
mathématique et sciences) de rejeter l’hypothèse nulle et de conclure que les coefficients sont instables,
autrement dit qu’il est pertinent de réaliser des estimations par genre9. L’hypothèse de normalité des
erreurs est nécessaire afin de faire ce test. Le modèle Box-Cox présente justement l’avantage d’effectuer
9 Etant donné que l’on obtient des θ différents selon le genre, nous estimons les deux modèles en imposant un θ unique en l’occurrence celui de l’estimation sur l’échantillon total. Le test de Chow donne les résultats suivants : 3,46 en lecture, 4,03 en mathématiques et 1,86 en science. Ici,
Flu(39,∞)=1,39 (à 5%) et 1,59 (à 1%). Etant donné que Fcalculé > Flu, l’hypothèse nulle est rejetée.
19
une transformation qui impose que le terme d’erreur soit normalement distribué.
Il est intéressant de constater que, quelle que soit la matière (lecture, mathématiques ou sciences), le pays
de naissance de l’élève a un impact différent selon le genre. Celui-ci est significatif uniquement pour les
garçons nés en Italie, Espagne, Portugal ou autres alors que le coefficient est significatif à la fois pour les
filles et les garçons nés en Ex-Yougoslavie, Albanie ou Kosovo ou Turquie. Ces résultats traduisent sans
doute des différences culturelles concernant le rôle des enfants selon le genre au sein de la famille.
A propos de la structure de la famille, il est également singulier de constater que seules les filles issues
d’une famille célibataire ont des résultats moins bons que celles vivant dans une famille nucléaire (les
garçons ne semblant pas être affectés par ceci, du moins du point de vue des résultats scolaires). En cas
de séparation des parents, les traditions familiales font sans doute que ce sont les filles qui sont
davantage sollicitées que les garçons en ce qui concerne les tâches ménagères.
Autre résultat pertinent : un niveau d’éducation secondaire de la mère inférieur à la scolarité obligatoire a
un impact négatif significatif uniquement pour les filles alors qu’un niveau d’éducation supérieur à la
scolarité obligatoire a une impact positif à la fois pour les filles et les garçons. En revanche, un niveau
d’éducation secondaire du père inférieur à la scolarité obligatoire a un impact négatif significatif à la fois
pour les garçons et les filles en lecture et en mathématiques, et un niveau d’éducation supérieur à la
scolarité obligatoire, un effet positif.
Par rapport à une activité actuelle de la mère à temps plein, le temps partiel a un impact significatif et
positif à la fois pour les garçons et les filles que ce soit en lecture, en math ou en sciences. Le fait que la
mère cherche un emploi n’a un effet significatif et négatif que pour les filles en lecture alors que la
catégorie autre (par exemple : ménagère ou retraitée) a un impact significatif et positif uniquement pour
les garçons aussi bien en lecture, mathématiques ou sciences. L’activité actuelle du père en revanche ne
semble pas être une variable ayant un pouvoir explicatif fort sur les résultats, ceci s’expliquant
certainement par une faible variabilité du fait que la majorité des pères travaillent à temps plein.
20
Tableau 3. Fonction de production éducationnelle par genre : transformation Box-Cox
Variables dépendantes : score en lecture, en mathématiques et en sciences
(1) LECTURE (2) MATHEMATIQUES (3) SCIENCES (a) Filles (b) Garçons (a) Filles (b) Garçons (a) Filles (b) Garçons
Variables Coeff. Chi2 Coeff. Chi2 Coeff. Chi2 Coeff. Chi2 Coeff. Chi2 Coeff. Chi2
Pays de naissance
Suisse Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
All. ou Autriche, France ou Belgique 51.15489 (0.016) 151.8962 (0.519) -59.57449 (0.631) -304.1913 (0.771) 45.16818 (0.322) -67.40311 (0.262)
Italie, Espagne, Portugal ou autres -197.9094 (0.960) -287.4807 (6.797)*** -54.1335 (2.211) -609.9478 (13.624***) -47.06264 (1.414) -208.0059 (8.110)***
Ex-Youg, Albanie ou Kosovo, Turquie -1535.749 (46.579)*** -501.66 (18.672)*** -196.2875 (22.280)*** -778.8607 (18.217)*** -229.1673 (24.374)*** -278.2915 (11.722)***
Age (en mois) -45.54832 (53.481)*** -25.11264 (59.561)*** -6.296459 (32.219)*** -32.1425 (41.118)*** -8.216379 (42.490)*** -9.456942 (18.336)***
Langue parlée à la maison 749.7386 (30.927)*** 520.4942 (40.035)*** 106.7321 (21.246)*** 484.4523 (15.202)*** 108.0734 (15.656)*** 304.8936 (27.275)***
Structure de la famille
Célibataire -393.9252 (7.846)*** -112.6474 (2.162) -66.01761 (7.680)*** -234.5622 (3.926)** -93.04168 (10.716)*** -110.7534 (3.860)**
Nucléaire Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Mixte -426.9624 (5.846)** -52.29937 (0.261) -97.27927 (9.975)*** -211.0576 (1.797) -46.87372 (1.614) -100.1112 (2.067)
Autre -833.9684 (11.772)*** -290.536 (4.321)** -130.199 (9.661)*** -471.8172 (5.434)** -127.8866 (6.851)*** -123.4098 (1.939)
Nombre de frère(s) et soeur(s) -66.59204 (2.586) -95.57073 (19.190)*** -1.685064 (0.055) -35.51848 (1.193) .1882762 (0.001) -37.2683 (5.909)**
Education secondaire de la mère
N’a pas été à l’école -256.7748 (0.259) 435.0417 (3.072)* -8.666715 (0.013) 695.6819 (3.006)* 31.68029 (0.063) 107.1998 (0.266)
4-6 ans de scolarité -847.2726 (14.569)*** -46.45549 (0.162) -64.51182 (2.730)* -282.7355 (2.169) -157.1098 (11.636)*** -77.08153 (0.992)
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 531.5814 (20.814)*** 273.2038 (19.422)*** 49.74792 (5.986)** 372.3895 (15.535)*** 81.87027 (12.171)*** 180.8361 (17.265)***
Maturité 965.0204 (41.574)*** 504.328 (43.133)*** 108.487 (18.055)*** 707.3023 (36.985)*** 156.7229 (26.883)*** 344.7399 (41.505)***
Education tertiaire de la mère -155.53 (1.402) -136.9799 (3.832)* -4.397404 (0.038) -37.00643 (0.109) -31.75014 (1.503) -128.8093 (7.757)***
Education secondaire du père
N’a pas été à l’école -1452.35 (8.734)*** -636.5979 (7.590)*** -247.4767 (9.693)*** -782.2821 (4.685)** -79.04086 (0.417) -311.3441 (3.110)*
4-6 ans de scolarité 26.9046 (0.015) -128.9469 (1.069) 35.22969 (0.936) -270.1413 (1.825) 30.81096 (0.450) -8.617413 (0.010)
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 603.7011 (25.918)*** 243.3018 (14.557)*** 80.32058 (14.825)*** 92.58849 (0.911) 91.16996 (14.466)*** 137.6185 (9.587)***
Maturité 687.8867 (19.598)*** 381.9774 (21.615)*** 98.04829 (13.305)*** 411.329 (10.708)*** 140.1127 (19.607)*** 122.1315 (4.688)**
Education tertiaire du père 161.5503 (2.223) 115.7604 (4.126)** 14.03265 (0.568) 68.93387 (0.610) 4.749163 (0.047) 117.2964 (9.173)***
Activité actuelle de la mère
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel 183.4887 (2.750)* 154.6698 (6.816)*** 34.70289 (3.256)* 279.0376 (9.224)*** 34.59958 (2.470) 45.98048 (1.293)
Cherche un emploi -517.4377 (3.639)* 10.5542 (0.005) -39.60104 (0.735) 64.32874 (0.076) -54.85919 (0.752) 22.27676 (0.036)
Autre -82.09747 (0.490) 186.2311 (9.196)*** 15.6113 (0.592) 218.6184 (5.324)** 1.791513 (0.006) 94.74676 (5.030)**
Activité actuelle du père
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel -166.1995 (0.672) -189.974 (2.144) -74.97801 (4.524)** -305.8331 (1.893) .6860172 (0.000) 117.7602 (1.891)
Cherche un emploi 263.6804 (0.533) 48.57323 (0.047) 24.86821 (0.129) -519.0382 (1.726) -179.4883 (5.631)** -96.98899 (0.454)
Autre -220.8786 (0.976) 27.31995 (0.060) -59.48211 (2.253) 108.1181 (0.452) 13.63732 (0.082) 68.44901 (0.643)
Aide pour les devoirs
La mère -145.3423 (14.087)*** -26.31355 (1.615) -28.89583 (19.267)*** -111.1286 (11.615)*** -17.68933 (5.042)** -12.7803 (0.777)
Le père -41.51092 (1.023) -28.66973 (1.604) -3.444291 (0.243) -29.54219 (0.693) -9.158658 (1.240) -29.76508 (3.404)*
Les frères et soeurs -76.64798 (5.574)** -39.10691 (4.294)** -4.20017 (0.574) -30.69052 (1.100) -15.62558 (5.834)** -27.98708 (4.488)**
Localisation de l’école
Suisse romande Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Suisse nord-ouest 895.0955 (49.973)*** 519.8458 (60.045)*** 109.4025 (25.660)*** 501.9048 (23.619)*** 132.7234 (26.660)*** 252.1526 (30.303)***
Suisse centrale 983.7719 (30.142)*** 342.1211 (12.168)*** 176.0827 (32.538)*** 160.7441 (1.141) 126.6591 (12.398)*** 103.0812 (2.339)
Suisse orientale 567.4074 (22.118)*** 378.0398 (35.712)*** 84.80232 (16.592)*** 404.02 (16.923)*** 81.39026 (11.229)*** 163.443 (14.480)***
Collectivité de l’école
< 3’000 habitants -198.1041 (1.588) -198.6747 (5.597)** -18.25581 (0.446) -144.3722 (1.191) -28.57503 (0.836) -41.45802 (0.540)
Entre 3’000 et 15’000 -93.95626 (0.808) -70.59153 (1.415) -12.25661 (0.455) -202.4342 (4.722)** -3.612831 (0.029) -14.0096 (0.120)
Entre 15’000 et 100’000 Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Entre 100’000 et un million environ -244.8022 (1.947) -86.22401 (0.847) -3.517479 (0.014) -323.373 (5.181)** -75.74355 (4.508)** -34.00334 (0.271)
Nombre total d’élèves (schlsize) 1.028476 (40.207)*** .5827837 (41.784)*** .1058442 (15.324)*** .9129028 (40.2039)*** .2176684 (42.728)*** .3181625 (26.546)***
Nombre de professeurs (stratio) -43.66016 (14.857)*** -28.29718 (18.974)*** -4.146905 (4.964)** -23.51262 (4.610)** -7.246519 (10.060)*** -7.721544 (2.625)
Formation continue des ens. (sc15q01) -1.487333 (1.501) -1.475804 (5.017)** .0841903 (0.159) -.9855548 (0.919) -.0750606 (0.094) -.5837574 (1.668)
Isced 5 en pédagogie (propqual) 1415.348 (112.974)*** 990.6184 (192.292)*** 229.1458 (96.634)*** 1430.648 (168.228)*** 237.6336 (78.158)*** 587.8742 (141.238)***
Complétement certifiés (propcert) 56.15703 (0.111) 201.7014 (5.157)** -38.82834 (1.775) 84.06318 (0.378) 19.65802 (0.343) 107.6507 (3.081)*
Constante 16802.9 8753.774 2641.957 11612.4 2969.691 3888.374
Observations 2’383 2’388 1’331 1’306 1’360 1’309
Maximum de vraisemblance -13’412.007 -13’537.418 -7’431.263 -7’314.1662 -7’684.588 -7’439.3126
Theta (std error) 1.54082
(0.0998829)
1.439532
(0.0961177)
1.218513
(0.1423408)
1.462177
(0.1402712)
1.23643
(0.1176602)
1.325564
(0.1329923)
Source : PISA 2000
Notes : likelihood-ratio test of significance in parentheses. * chi2<10%; ** chi2<5%; *** chi2<1%.
21
Par rapport à la Suisse romande, les élèves du nord-ouest, de Suisse centrale et de Suisse orientale
réussissent mieux que ce soit en lecture, mathématiques ou sciences, pour les garçons comme pour les
filles. La collectivité de l’école a un impact négatif (faible, généralement inférieur à 3%) sur les résultats
par rapport à la catégorie de référence : entre 15'000 et 100'000 habitants. La collectivité de l’école
renseigne non seulement sur le nombre d’habitants mais également sur plusieurs caractéristiques
démographiques ou sociales. Par exemple, on retrouve plus facilement des grands ménages dans les
régions rurales que dans les cantons fortement urbanisés. Ce clivage entre la campagne et la ville capte
donc de nombreuses autres caractéristiques comme la proportion d’étrangers, la structure par âge, le
nombre de divorces ou le nombre d’enfants. Enfin, précisons qu’en Suisse, 5 grandes villes ont plus de
100'000 habitants (350'000 à Zürich, 177'000 à Genève, 169'000 à Bâle, 128'000 à Bern et 121'000 à
Lausanne en 2000) et une dizaine de villes ont entre 30'000 et 100'000 habitants (Winterthur (Zürich), St
Gall, Lucerne, Bienne (Bern), Thun (Bern), Köniz (Bern), La Chaux-de-Fonds (Jura), Shaffhouse,
Fribourg, Neuchâtel et Chur (Grisons)).
Enfin, la proportion de professeur avec un niveau isced 5 en pédagogie est une variable fortement
significative et positive. Il est intéressant de constater que le coefficient est toujours plus fort pour les
garçons que pour les filles.
5.2 Estimation par régions CDIP
Les estimations par régions (annexes 6 et 7) mettent en évidence le fait que le pouvoir explicatif des
variables varie très fortement d’une région à l’autre. Il semblerait que dans certaines régions, les scores
des élèves dépendent de manière conséquente de l’environnement familial et scolaire alors que dans
d’autres régions, il serait vraisemblablement nécessaire de chercher des explications du côté d’autres
facteurs plus subjectifs. Bien entendu, on ne peut s’empêcher de penser que la compétence cantonale doit
jouer beaucoup au niveau des résultats scolaires mais malheureusement, faire des estimations par cantons
ne rimerait à rien puisqu’il serait alors impossible de comparer des systèmes scolaires différents. Ceci
reste néanmoins une piste certainement très intéressante à approfondir afin d’expliquer ces résultats
néanmoins très surprenants.
6. Conclusion
La contribution majeur de ce papier est que, par rapport à la littérature traditionnelle nous n’imposons
pas de forme fonctionnelle linéaire a priori mais que nous proposons de la déterminer à l’aide du modèle
22
Box-Cox. Les résultats obtenus indiquent que l’utilisation répandue de la forme linéaire n’est pas
appropriée, du moins, en ce qui concerne les données suisses.
Les résultats sont très intuitifs et non surprenants mais permettent de mettre en évidence le fait que les
caractéristiques qui ont un impact fort sur le score sont principalement le genre, la nationalité,
l’éducation des parents, la localisation de l’école et le niveau de formation des enseignants. Par ailleurs,
les estimations par genre nous indiquent que les filles et les garçons ne sont pas sensibles aux mêmes
caractéristiques que ce soit au niveau de la famille ou de l’école : les filles semblent plus sensibles à
l’environnement familial et les garçons semblent plus sensibles à l’environnement scolaire. Enfin, les
estimations par régions suggèrent que les caractéristiques de l’école ont moins d’impact dans les régions
romande et nord-ouest en comparaison des régions centrale et orientale. Malheureusement, il aurait été
vraiment utile de posséder des informations telles la répartition du budget de l’école.
Bibliographie
Arrow K. J. (1973). Higher education as a filter, Journal of Public Economics, Vol.2, N°3, pp. 193-216.
Becker G. S. (1963). Human Capital : a theorical and empirical analysis, with special reference to
education, New-York : National Bureau of Economic Research, 1967.
Becker G. and N. Tomes (1976). Child endowments and the quantity and quality of children, Journal of
Political Economy, Vol.84, N°4, part 2, pp. S143-62.
Blaug (1976). The Empirical Status of Human Capital Theory : A Slightly Jaundiced Survey, Journal of
Economic Literature, 14, S. 827-855.
Box G E. P. and D. R. Cox (1964). An Analysis of Transformations, Journal of the Royal Statistical
Society, Series B (methodological), Vol.26, N°2, pp. 211-252.
Chow G. C. (1960). Tests of Equality between Sets of Coefficients in Two Linear Regressions,
Econometrica, Vol. 28, pp. 591-605.
Delamotte E. (1998). Une introduction à la pensée économique en éducation, Pédagogie d'aujourd'hui,
Presses Universitaires de France.
Doeringer et Piore (1971). Internal Labor Markets and Manpower Analysis, Heath Lexington Books,
Massachussets.
Educateur (2002). Un siècle d’éducation en Suisse Romande (1) : Chronique d’une réforme annoncée :
les avatars d’un tronc commun à Genève au XXe siècle, Numéro spécial 2002.
Goldhaber D. D. and D. J. Brewer (1997). Why Don’t Schools and Teachers Seem to Matter ? Assessing
the Impact of Unobservables on Educational Productivity, The Journal of Human Resources, XXXII, 3,
pp. 505-523.
23
Hanushek E. A. (1979). Conceptual and Empirical Issues in the Estimation of Educational Production
Functions, The Journal of Human Resources, Vol.14, N°3, pp. 351-388.
Hartog J. (2000). Human Capital as an Instrument of Analysis for the Economics of Education,
European Journal of Education, Vol.35, N°1, pp. 7-20.
Haveman R. and B. Wolfe (1995). The Determinants of Children’s Attainments : A Review of Methods
and Findings, Journal of Economic Literature, Vol.33, N°4, pp. 1829-1878.
Krueger A. B. (1998). Reassessing the View That American Schools Are Broken, Federal Research Bank
of New-York Economic Policy Review, Vol.4(1), pp. 29-46.
Leibowitz A. (1974). Home investment in children, Journal of Political Economy, Vol.82, N°2, pp.
S111-31.
Office fédéral de la statistique (2004). Annuaire statistique de la Suisse 2004.
Office fédéral de la statistique (2003). Portrait démographique de la Suisse, Edition 2003, Neuchâtel.
Office fédéral de la statistique (2002). Dépenses publiques d’éducation. Indicateurs financiers 2000,
Neuchâtel.
Office fédéral de la statistique et Conférence suisse des directeurs cantonaux de l’instruction publique
(2002). Préparés pour la vie ? Les compétences des jeunes – Rapport national de l’enquête PISA 2000,
Neuchâtel.
Office fédéral de la statistique (1999). Les indicateurs de l’enseignement en Suisse, 1999, Neuchâtel.
Office fédéral de la statistique (1997). La mobilité scolaire en Suisse. Une contribution aux rapports
sociaux pour la Suisse, Berne.
Organisation de Coopération et de Développement Economique (2001). Regards sur l'éducation, Les
indicateurs de l'OCDE, Centre pour la recherche et l'innovation dans l'enseignement, Indicateurs des
systèmes d'enseignement.
Prost A. (1997). Education, société et politiques. Une histoire de l’enseignement en France, de 1945 à
nos jours, Paris, Editions du Seuil.
Schultz T. W. (1963). The Economic Value of Education, Columbia University Press.
Smith A. (1776). Recherches sur la nature et les causes de la richesse des nations.
Spence M. (1973). Job Market Signaling, The Quarterly Journal of Economics, Vol.87, Issue 3, pp. 355-
374.
Todd P. E. and K. I. Wolpin (2003). On the Specification and Estimation of the Production Function for
Cognitive Achievement, The Economic Journal, Vol.113, N°485, pp. F3-F33.
Thurow L.C. (1975). Generating Inequality : Mechanisms of distribution in the US Economy, Basic
Book.
Verdier E. (2001). La France a-t-elle changé de régime d’éducation et de formation ?, Formation Emploi,
n°76, pp. 11-34.
24
Annexe 1a. Le problème d’attrition des données : évolution des scores en lecture par région
(Box proportionnelles au nombre d’eleves)
Sco
re e
n le
ctur
e
Score en lecture par region (7997 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n le
ctur
e
Score en lecture par region (7907 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n le
ctur
e
Score en lecture par region (6080 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n le
ctur
e
Score en lecture par region (4771 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
25
Annexe 1b. Le problème d’attrition des données : évolution des scores en mathématiques par région
(Box proportionnelles au nombre d’eleves)
Sco
re e
n m
athe
mat
ique
Score en mathematique par region (4451 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n m
athe
mat
ique
Score en mathematique par region (4394 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n m
athe
mat
ique
Score en mathematique par region (3358 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n m
athe
mat
ique
Score en mathematique par region (2637 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
26
Annexe 1c. Le problème d’attrition des données : évolution des scores en sciences par région
(Box proportionnelles au nombre d’eleves)
Sco
re e
n sc
ienc
e
Score en science par region (4457 observations)
(Moy
enne
= 4
97.7
)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n sc
ienc
e
Score en science par region (4411 observations)
(Moy
enne
= 4
97.7
)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n sc
ienc
e
Score en science par region (3420 observations)
(Moy
enne
= 4
97.7
)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
(Box proportionnelles au nombre d’eleves)
Sco
re e
n sc
ienc
eScore en science par region (2669 observations)
(Moy
enne
= 4
97.7
)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
Romande Nord−ouest Centrale Orientale
27
Annexe 2a. Le problème d’attrition des données : évolution des scores en lecture par taille d’école
(Percentiles)
Sco
re e
n le
ctur
e
Score en lecture par taille d’ecole (7482 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n le
ctur
e
Score en lecture par taille d’ecole (7397 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n le
ctur
e
Score en lecture par taille d’ecole (5698 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n le
ctur
eScore en lecture par taille d’ecole (4771 observations)
(Moy
enne
= 4
97.9
9)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
28
Annexe 2b. Le problème d’attrition des données : évolution des scores en mathématiques par taille d’école
(Percentiles)
Sco
re e
n m
athe
mat
ique
Score en mathematique par taille d’ecole (4159 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n m
athe
mat
ique
Score en mathematique par taille d’ecole (4106 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n m
athe
mat
ique
Score en mathematique par taille d’ecole (3146 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n m
athe
mat
ique
Score en mathematique par taille d’ecole (2637 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
29
Annexe 2c. Le problème d’attrition des données : évolution des scores en sciences par taille d’école
(Percentiles)
Sco
re e
n sc
ienc
e
Score en sciences par taille d’ecole (4169 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n sc
ienc
e
Score en sciences par taille d’ecole (4126 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n sc
ienc
e
Score en sciences par taille d’ecole (3200 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
(Percentiles)
Sco
re e
n sc
ienc
eScore en sciences par taille d’ecole (2669 observations)
(Moy
enne
= 5
33.0
0)
0
50
100
150
200
250
300
350
400
450
500
550
600
650
700
750
800
10e20e
30e40e
50e60e
70e80e
90e100e
Total
30
Annexe 3. Fonction de production éducationnelle : différences absolues et relatives
(1) Lecture (2) Mathématiques (3) Sciences
Variables Relative (%) Absolue Relative (%) Absolue Relative (%) Absolue
Genre (1=fille, 0=garçon) 3.79 18.85 -5.14 -27.37 -3.07 -15.30
Pays de naissance
Suisse Réf. Réf. Réf. Réf. Réf. Réf.
All. ou Autriche, France ou Belgique 1.03 5.12 -2.74 -14.59 -0.02 -0.11
Italie, Espagne, Portugal ou autres -2.68 -13.36 -4.44 -23.69 -4.28 -21.31
Ex-Youg, Albanie ou Kosovo, Turquie -8.28 -41.24 -8.88 -47.34 -8.91 -44.33
Age (en mois) -0.33 -1.64 -0.32 -1.71 -0.31 -1.55
Langue parlée à la maison 5.96 29.70 4.95 26.38 6.25 31.11
Structure de la famille
Célibataire -2.00 -9.98 -2.80 -14.90 -3.57 -17.79
Nucléaire Réf. Réf. Réf. Réf. Réf. Réf.
Mixte -1.72 -8.55 -3.45 -18.37 -2.34 -11.66
Autre -5.02 -25.00 -5.87 -31.27 -4.93 -24.52
Nombre de frère(s) et soeur(s) -0.93 -4.61 -0.24 -1.26 -0.51* -2.54
Education secondaire de la mère
N’a pas été à l’école 2.69 13.38 3.58 19.09 2.61 13.00
4-6 ans de scolarité -2.98 -14.85 -3.12 -16.61 -4.06 -20.22
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 3.69 18.40 3.09 16.45 4.40 21.88
Maturité 6.70 33.35 6.27 33.41 8.34 41.52
Education tertiaire de la mère -1.37 -6.80 -0.23 -1.23 -2.28 -11.36
Education secondaire du père
N’a pas été à l’école -9.32 -46.40 -9.68 -51.60 -6.46 -32.18
4-6 ans de scolarité -0.99 -4.95 -0.33 -1.77 -0.27 -1.32
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 3.67 18.28 2.33 12.40 3.97 19.76
Maturité 4.93 24.56 4.44 23.66 4.64 23.09
Education tertiaire du père 1.29 6.43 0.53 2.81 1.92 9.57
Activité actuelle de la mère
Temps plein Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel 1.72 8.56 2.31 12.29 1.54 7.65
Cherche un emploi -1.55 -7.73 -0.96 -5.11 -0.72 -3.57
Autre 0.98 4.89 1.52 8.10 1.20 5.96
Activité actuelle du père
Temps plein Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel -1.98* -9.87 -3.66 -19.53 1.11 5.53
Cherche un emploi 1.17 5.83 -2.11 -11.25 -5.21 -25.92
Autre -0.72 -3.59 -0.52 -2.79 1.50 7.48
Aide pour les devoirs
La mère -0.69 -3.44 -1.21 -6.45 -0.61 -3.03
Le père -0.33 -1.64 -0.26 -1.39 -0.60 -3.00
Les frères et soeurs -0.52 -2.60 -0.23 -1.20 -0.75 -3.75
Localisation de l’école
Suisse romande Réf. Réf. Réf. Réf. Réf. Réf.
Suisse nord-ouest 6.51 32.42 5.02 26.78 6.18 30.74
Suisse centrale 5.70 28.41 4.83 25.75 4.38 21.80
Suisse orientale 4.48 22.32 3.97 21.16 3.90 19.40
Collectivité de l’école
< 3’000 habitants -2.09 -10.40 -1.27 -6.77 -1.14 -5.67
Entre 3’000 et 15’000 -0.85 -4.23 -1.49 -7.92 -0.30 -1.47
Entre 15’000 et 100’000 Réf. Réf. Réf. Réf. Réf. Réf.
Entre 100’000 et un million environ -1.39 -6.94 -1.96 -10.42 -2.14 -10.65
Nombre total d’élèves (schlsize) 0.01 0.04 0.01 0.04 0.01 0.05
Nombre de professeurs (stratio) -0.34 -1.70 -0.21 -1.14 -0.28 -1.38
Formation continue des ens. (sc15q01) -0.02 -0.08 -0.01 -0.03 -0.01 -0.05
Isced 5 en pédagogie (propqual) 11.41 56.81 13.04 69.52 13.28 66.07
Complétement certifiés (propcert) 1.47 7.34 -0.05 -0.28 1.96 9.74
Source : PISA 2000
31
Annexe 4. Tests de la forme fonctionnelle
(1) Score en lecture
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -27776.755 1599.11 0.000
theta = 0 -27244.528 534.66 0.000
theta = 1 -27005.503 56.61 0.000
Notes : cf. tableau 2, colonne (1).
(2) Score en mathématiques
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -15110.097 673.12 0.000
theta = 0 -14875.057 203.04 0.000
theta = 1 -14779.358 11.65 0.001
Notes : cf. tableau 2, colonne (2).
(3) Score en sciences
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -15556.421 816.89 0.000
theta = 0 -15262.873 229.79 0.000
theta = 1 -15152.584 9.22 0.002
Notes : cf. tableau 2, colonne (3).
32
Annexe 5. Fonction de production éducationnelle par genre : différences absolues et relatives
(1) LECTURE (2) MATHEMATIQUES (3) SCIENCES (a) Filles (b) Garçons (a) Filles (b) Garçons (a) Filles (b) Garçons
Variables Relative
(%)
Absolue Relative
(%)
Absolue Relative
(%)
Absolue Relative
(%)
Absolue Relative
(%)
Absolue Relative
(%)
Absolue
Pays de naissance
Suisse Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
All. ou Autriche, France ou Belgique 0.34 1.76 2.06 10.01 -2.91 -15.18 -3.04 -76.81 2.12 10.43 -1.77 -8.89
Italie, Espagne, Portugal ou autres -1.33 -6.80 -3.90 -18.95 -2.64 -13.79 -6.10 -154.01 -2.21 -10.87 -5.45 -27.44
Ex-Youg, Albanie ou Kosovo, Turquie -10.34 -52.73 -6.80 -33.07 -9.57 -50.00 -7.79 -196.67 -10.75 -52.92 -7.29 -36.72
Age (en mois) -0.31 -1.56 -0.34 -1.66 -0.31 -1.60 -0.32 -8.12 -0.39 -1.90 -0.25 -1.25
Langue parlée à la maison 5.05 25.74 7.06 34.31 5.21 27.19 4.85 122.33 5.07 24.96 7.99 40.23
Structure de la famille
Célibataire -2.65 -13.53 -1.53 -7.43 -3.22 -16.82 -2.35 -59.23 -4.37 -21.49 -2.90 -14.61
Nucléaire Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Mixte -2.88 -14.66 -0.71 -3.45 -4.75 -24.78 -2.11 -53.29 -2.20 -10.82 -2.62 -13.21
Autre -5.62 -28.64 -3.94 -19.15 -6.35 -33.17 -4.72 -119.14 -6.00 -29.53 -3.23 -16.28
Nombre de frère(s) et soeur(s) -0.45 -2.29 -1.30 -6.30 -0.08 -0.43 -0.36 -8.97 0.01 0.04 -0.98 -4.92
Education secondaire de la mère
N’a pas été à l’école -1.73 -8.82 5.90 28.68 -0.42 -2.21 6.96 175.66 1.49 7.32 2.81 14.14
4-6 ans de scolarité -5.71 -29.09 -0.63 -3.06 -3.15 -16.43 -2.83 -71.39 -7.37 -36.28 -2.02 -10.17
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 3.58 18.25 3.70 18.01 2.43 12.67 3.73 94.03 3.84 18.91 4.74 23.86
Maturité 6.50 33.14 6.84 33.25 5.29 27.64 7.08 178.60 7.35 36.19 9.04 45.48
Education tertiaire de la mère -1.05 -5.34 -1.86 -9.03 -0.21 -1.12 -0.37 -9.34 -1.49 -7.33 -3.38 -16.99
Education secondaire du père
N’a pas été à l’école -9.78 -49.87 -8.63 -41.97 -12.07 -63.04 -7.83 -197.53 -3.71 -18.25 -8.16 -41.08
4-6 ans de scolarité 0.18 0.92 -1.75 -8.50 1.72 8.97 -2.70 -68.21 1.45 7.12 -0.23 -1.14
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 4.07 20.73 3.30 16.04 3.92 20.46 0.93 23.38 4.28 21.05 3.61 18.16
Maturité 4.63 23.62 5.18 25.18 4.78 24.98 4.12 103.86 6.57 32.36 3.20 16.11
Education tertiaire du père 1.09 5.55 1.57 7.63 0.68 3.57 0.69 17.41 0.22 1.10 3.07 15.48
Activité actuelle de la mère
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel 1.24 6.30 2.10 10.20 1.69 8.84 2.79 70.46 1.62 7.99 1.21 6.07
Cherche un emploi -3.49 -17.77 0.14 0.70 -1.93 -10.09 0.64 16.24 -2.57 -12.67 0.58 2.94
Autre -0.55 -2.82 2.52 12.28 0.76 3.98 2.19 55.20 0.08 0.41 2.48 12.50
Activité actuelle du père
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel -1.12 -5.71 -2.58 -12.52 -3.66 -19.10 -3.06 -77.22 0.03 0.16 3.09 15.54
Cherche un emploi 1.78 9.05 0.66 3.20 1.21 6.34 -5.19 -131.06 -8.42 -41.45 -2.54 -12.80
Autre -1.49 -7.58 0.37 1.80 -2.90 -15.15 1.08 27.30 0.64 3.15 1.79 9.03
Aide pour les devoirs
La mère -0.98 -4.99 -0.36 -1.73 -1.41 -7.36 -1.11 -28.06 -0.83 -4.09 -0.33 -1.69
Le père -0.28 -1.43 -0.39 -1.89 -0.17 -0.88 -0.30 -7.46 -0.43 -2.12 -0.78 -3.93
Les frères et soeurs -0.52 -2.63 -0.53 -2.58 -0.20 -1.07 -0.31 -7.75 -0.73 -3.61 -0.73 -3.69
Localisation de l’école
Suisse romande Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Suisse nord-ouest 6.03 30.74 7.05 34.27 5.34 27.87 5.02 126.73 6.23 30.65 6.61 33.27
Suisse centrale 6.63 33.78 4.64 22.55 8.59 44.86 1.61 40.59 5.94 29.25 2.70 13.60
Suisse orientale 3.82 19.48 5.13 24.92 4.14 21.60 4.04 102.02 3.82 18.80 4.28 21.56
Collectivité de l’école
< 3’000 habitants -1.33 -6.80 -2.69 -13.10 -0.89 -4.65 -1.44 -36.45 -1.34 -6.60 -1.09 -5.47
Entre 3’000 et 15’000 -0.63 -3.23 -0.96 -4.65 -0.60 -3.12 -2.03 -51.12 -0.17 -0.83 -0.37 -1.85
Entre 15’000 et 100’000 Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Entre 100’000 et un million environ -1.65 -8.41 -1.17 -5.68 -0.17 -0.90 -3.24 -81.65 -3.55 -17.49 -0.89 -4.49
Nombre total d’élèves (schlsize) 0.01 0.04 0.01 0.04 0.01 0.03 0.01 0.23 0.01 0.05 0.01 0.04
Nombre de professeurs (stratio) -0.29 -1.50 -0.38 -1.87 -0.20 -1.06 -0.24 -5.94 -0.34 -1.67 -0.20 -1.02
Formation continue des ens. (sc15q01) -0.01 -0.05 -0.02 -0.10 0.00 0.02 -0.01 -0.25 0.00 -0.02 -0.02 -0.08
Isced 5 en pédagogie (propqual) 9.53 48.60 13.43 65.31 11.18 58.37 14.32 361.25 11.15 54.88 15.41 77.56
Complétement certifiés (propcert) 0.38 1.93 2.73 13.30 -1.89 -9.89 0.84 21.23 0.92 4.54 2.82 14.20
Source : PISA 2000
33
Annexe 6. Fonction de production éducationnelle par régions : transformation Box-Cox
Variable dépendante : score en lecture
(1) Romande (2) Nord-ouest (3) Centrale (4) Orientale
Coeff. Chi2 Coeff. Chi2 Coeff. Chi2 Coeff. Chi2 Genre (1=fille, 0=garçon) 377.1604 (51.678)*** 223.4727 (18.148)*** 1829.77 (17.023)*** 558.5021 (15.382)***
Pays de naissance
Suisse Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
All. ou Autriche, France ou Belgique 194.1751 (0.693) 51.28132 (0.031) 378.6379 (0.030) -334.6158 (0.248)
Italie, Espagne, Portugal ou autres -314.16 (8.339)*** -303.6195 (4.232)** 1321.519 (0.840) -345.262 (0.788)
Ex-Youg, Albanie ou Kosovo, Turquie -508.6619 (10.606)*** -782.7392 (28.895)*** -2247.698 (4.184)** -1577.059 (20.868)***
Age (en mois) -29.43428 (50.207)*** -13.11459 (10.901)*** -90.85985 (7.031)*** -64.81611 (41.875)***
Langue parlée à la maison 332.86 (12.773)*** 381.9521 (16.452)*** 1908.953 (5.814)** 1305.568 (30.714)***
Structure de la famille
Célibataire -188.5898 (5.158)** -73.23515 (0.649) -1066.223 (1.571) -488.8513 (3.616)*
Nucléaire Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Mixte -224.9475 (3.814)* 41.25473 (0.114) -2165.816 (4.087)** 5.041522 (0.000)
Autre -350.1901 (5.357)** -279.6662 (2.945)* -2874.975 (6.868)*** -341.2068 (0.495)
Nombre de frère(s) et soeur(s) -43.33059 (2.899)* -52.52745 (3.522)* -161.4889 (0.508) -195.0123 (8.037)***
Education secondaire de la mère
N’a pas été à l’école 136.8716 (0.226) 341.9553 (1.161) -4934.557 (2.128) 438.1138 (0.277)
4-6 ans de scolarité -206.9877 (2.344) -206.3385 (1.797) -2118.849 (5.157)** 40.34007 (0.011)
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 272.6672 (14.396)*** 226.8249 (9.413)*** 937.0365 (1.957) 657.2776 (10.925)***
Maturité 420.5319 (23.047)*** 405.8371 (20.076)*** -73.39655 (0.008) 1591.002 (32.768)***
Education tertiaire de la mère -57.32691 (0.506) -158.455 (3.977)** 435.1418 (0.404) -409.3093 (2.873)*
Education secondaire du père
N’a pas été à l’école 34.06258 (0.013) -1210.649 (16.872)*** -953.2305 (0.117) -1913.589 (6.007)**
4-6 ans de scolarité 314.8635 (5.300)** -223.9688 (2.008) -2007.922 (3.412)* -975.599 (5.725)**
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 268.874 (12.492)*** 250.8674 (10.813)*** 25.25092 (0.001) 899.7934 (19.934)***
Maturité 475.4678 (23.119)*** 309.327 (10.151)*** 979.6294 (1.531) 812.1006 (8.877)***
Education tertiaire du père -76.95761 (1.087) 162.0958 (6.316)** 261.1393 (0.251) 243.8654 (1.789)
Activité actuelle de la mère
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel 69.70894 (1.032) 123.8724 (3.070)* 1160.318 (3.398)* 371.5569 (3.743)*
Cherche un emploi -390.9107 (5.335)** 18.68009 (0.008) 2114.547 (1.928) -70.21739 (0.024)
Autre -38.75425 (0.299) 51.21979 (0.463) 226.7867 (0.119) 517.1381 (6.587)**
Activité actuelle du père
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel -110.8894 (0.703) -275.6615 (4.004)** 938.0137 (0.386) -154.2762 (0.163)
Cherche un emploi -85.62078 (0.152) 306.9258 (1.791) 2149.244 (1.263) -337.3571 (0.158)
Autre -214.6193 (2.753)* 24.39835 (0.034) 721.6772 (0.275) -246.6396 (0.417)
Aide pour les devoirs
La mère -35.63099 (2.585) -71.68655 (7.764)*** -519.3115 (5.558)** -80.14646 (1.309)
Le père -26.09601 (1.192) -18.17403 (0.415) -193.0929 (0.610) -61.991 (0.714)
Les frères et soeurs -82.20827 (16.897)*** -35.64062 (2.639) -85.62503 (0.203) 25.64563 (0.177)
Collectivité de l’école
< 3’000 habitants -22.30005 (0.057) -408.6226 (10.863)*** 5369.194 (14.232)*** -341.6724 (1.361)
Entre 3’000 et 15’000 -5.901276 (0.008) -471.7156 (24.708)*** 1037.073 (1.555) 138.5961 (0.581)
Entre 15’000 et 100’000 Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Entre 100’000 et un million environ -173.9225 (1.859) -125.9858 (1.149) 0 (0.000) -845.3965 (8.326)***
Nombre total d’élèves (schlsize) .5806528 (19.788)*** .1170403 (0.389) .9508874 (2.406) 1.872802 (51.122)***
Nombre de professeurs (stratio) 36.95926 (5.192)** -5.934928 (0.253) 590.0843 (10.285)*** -67.70419 (24.062)***
Formation continue des ens. (sc15q01) .7367766 (0.804) .5056765 (0.401) -42.18756 (16.968)*** -2.881226 (1.787)
Isced 5 en pédagogie (propqual) 184.0368 (4.174)** 1071.37 (138.291)*** 10132.43 (45.234)*** 2211.627 (66.853)***
Complétement certifiés (propcert) 123.4065 (2.231) -99.89603 (0.418) 24583.9 (37.774)*** -1710.377 (19.495)***
Constante 9689.845 6868.817 674.6138 23741.43
Observations 1566 1208 380 1617
Maximum de vraisemblance -8693.6904 -6759.41 -2110.7333 -9183.2911
Theta (std error) 1.448867
(0.145409)
1.418455
(0.1268837)
1.668363
(0.2147207)
1.590305
(0.1141979)
Source : PISA 2000
Notes : likelihood-ratio test of significance in parentheses. * chi2<10%; ** chi2<5%; *** chi2<1%.
34
Annexe 7. Fonction de production éducationnelle par régions : différences absolues et relatives (score en lecture)
(1) Romande (2) Nord-ouest (3) Centrale (4) Orientale
Relative (%) Absolue Relative (%) Absolue Relative (%) Absolue Relative (%) Absolue
Genre (1=fille, 0=garçon) 4.72 23.30 3.27 16.52 5.39 28.01 2.93 14.39
Pays de naissance
Suisse Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
All. ou Autriche, France ou Belgique 2.43 12.00 0.75 3.79 1.11 5.80 -1.75 -8.62
Italie, Espagne, Portugal ou autres -3.93 -19.41 -4.45 -22.45 3.89 20.23 -1.81 -8.89
Ex-Youg, Albanie ou Kosovo, Turquie -6.36 -31.42 -11.47 -57.88 -6.62 -34.40 -8.26 -40.63
Age (en mois) -0.37 -1.82 -0.19 -0.97 -0.27 -1.39 -0.34 -1.67
Langue parlée à la maison 4.16 20.56 5.60 28.24 5.62 29.22 6.84 33.63
Structure de la famille
Célibataire -2.36 -11.65 -1.07 -5.42 -3.14 -16.32 -2.56 -12.59
Nucléaire Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Mixte -2.81 -13.90 0.60 3.05 -6.38 -33.15 0.03 0.13
Autre -4.38 -21.63 -4.10 -20.68 -8.47 -44.00 -1.79 -8.79
Nombre de frère(s) et soeur(s) -0.54 -2.68 -0.77 -3.88 -0.48 -2.47 -1.02 -5.02
Education secondaire de la mère
N’a pas été à l’école 1.71 8.46 5.01 25.29 -14.53 -75.53 2.29 11.29
4-6 ans de scolarité -2.59 -12.79 -3.02 -15.26 -6.24 -32.43 0.21 1.04
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 3.41 16.84 3.32 16.77 2.76 14.34 3.44 16.93
Maturité 5.26 25.98 5.95 30.01 -0.22 -1.12 8.33 40.99
Education tertiaire de la mère -0.72 -3.54 -2.32 -11.72 1.28 6.66 -2.14 -10.54
Education secondaire du père
N’a pas été à l’école 0.43 2.10 -17.74 -89.52 -2.81 -14.59 -10.02 -49.30
4-6 ans de scolarité 3.94 19.45 -3.28 -16.56 -5.91 -30.73 -5.11 -25.13
7-9 ans de scolarité Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Apprentissage, école prof., ECG 3.36 16.61 3.68 18.55 0.07 0.39 4.71 23.18
Maturité 5.94 29.37 4.53 22.87 2.88 14.99 4.25 20.92
Education tertiaire du père -0.96 -4.75 2.37 11.99 0.77 4.00 1.28 6.28
Activité actuelle de la mère
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel 0.87 4.31 1.81 9.16 3.42 17.76 1.95 9.57
Cherche un emploi -4.89 -24.15 0.27 1.38 6.23 32.36 -0.37 -1.81
Autre -0.48 -2.39 0.75 3.79 0.67 3.47 2.71 13.32
Activité actuelle du père
Temps plein Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Temps partiel -1.39 -6.85 -4.04 -20.38 2.76 14.36 -0.81 -3.97
Cherche un emploi -1.07 -5.29 4.50 22.69 6.33 32.90 -1.77 -8.69
Autre -2.68 -13.26 0.36 1.80 2.13 11.05 -1.29 -6.35
Aide pour les devoirs
La mère -0.45 -2.20 -1.05 -5.30 -1.53 -7.95 -0.42 -2.06
Le père -0.33 -1.61 -0.27 -1.34 -0.57 -2.96 -0.32 -1.60
Les frères et soeurs -1.03 -5.08 -0.52 -2.64 -0.25 -1.31 0.13 0.66
Collectivité de l’école
< 3’000 habitants -0.28 -1.38 -5.99 -30.21 15.81 82.18 -1.79 -8.80
Entre 3’000 et 15’000 -0.07 -0.36 -6.91 -34.88 3.05 15.87 0.73 3.57
Entre 15’000 et 100’000 Réf. Réf. Réf. Réf. Réf. Réf. Réf. Réf.
Entre 100’000 et un million environ -2.17 -10.74 -1.85 -9.32 0.00 0.00 -4.43 -21.78
Nombre total d’élèves (schlsize) 0.01 0.04 0.00 0.01 0.00 0.01 0.01 0.05
Nombre de professeurs (stratio) 0.46 2.28 -0.09 -0.44 1.74 9.03 -0.35 -1.74
Formation continue des ens. (sc15q01) 0.01 0.05 0.01 0.04 -0.12 -0.65 -0.02 -0.07
Isced 5 en pédagogie (propqual) 2.30 11.37 15.70 79.22 29.84 155.09 11.58 56.98
Complétement certifiés (propcert) 1.54 7.62 -1.46 -7.39 72.39 376.28 -8.96 -44.06
Source : PISA 2000
35
Annexe 8. Tests de la forme fonctionnelle
(1) Score en lecture – Région romande
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -8844.9032 302.43 0.000
theta = 0 -8745.3699 103.36 0.000
theta = 1 -8698.5174 9.65 0.002
Notes : cf. tableau 3, colonne (1).
(2) Score en lecture – Région nord-ouest
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -6989.7767 460.73 0.000
theta = 0 -6831.2615 143.70 0.000
theta = 1 -6765.0717 11.32 0.001
Notes : cf. tableau 3, colonne (2).
(3) Score en lecture – Région centrale
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -2201.7181 181.97 0.000
theta = 0 -2144.4065 67.35 0.000
theta = 1 -2115.8041 10.14 0.001
Notes : cf. tableau 3, colonne (3).
(4) Score en lecture – Région orientale
Test
H0
Restricted
log likelihood
LR statistic
chi2
P-Value
Prob > chi2
theta = -1 -9498.8113 631.04 0.000
theta = 0 -9292.556 218.53 0.000
theta = 1 -9197.2256 27.87 0.000
Notes : cf. tableau 3, colonne (4).
Top Related