33

Frontières d’efficacité et processusd’appariement sur le marché du travailau MarocAomar Ibourk(*)

Sergio Perelman(**)

La capacité d’un marché du travail à générer de nouveaux emplois à partir d’un stock donné depostes vacants et de chômeurs est interprétée comme une forme d’efficacité transactionnelle.Elle peut être mesurée à partir de l’estimation d’une fonction d’appariement qui décrit lasituation d’échange entre la demande, exprimée par les firmes, et l’offre, représentée par lestravailleurs à la recherche d’un emploi. Dans cet article, nous proposons l’utilisation destechniques des frontières d’efficacité pour ces estimations. Deux méthodes alternatives,paramétrique et non paramétrique, sont appliquées au cas des marchés du travail régionaux auMaroc. Les résultats obtenus permettent une évaluation de l’efficacité des appariements surchacun des marchés ainsi qu’une évaluation de l’activité des centres d’information etd’orientation pour l’emploi (CIOPE) qui ont été créés au début des années quatre-vingt-dix auxfins de faciliter l’appariement de l’offre et de la demande des diplômés.

(*) CREQ-Université de Marrakech Faculté de Droit.E-mail : ibourk@univ-aix.fr(**) CREPP-Université de Liège.E-mail : sergio.perelman@ulg.ac.b

Les auteurs tiennent à remercier Olivier Donni, Henri Sneessens, Jan Van Ours et Étienne Wasmer pour leurs commentaires, ainsi queles rapporteurs anonymes de ce papier, les participants aux 16èmes Journées de Microéconomie Appliquée (Lyon, 1999), 6ème EuropeanWorkshop on Efficiency and Productivity Analysis (Copenhague, 1999), et aux séminaires de l’ECARES (Université Libre deBruxelles) et du CENTER (Université de Tilburg). Aomar Ibourk remercie le CREPP (Université de Liège) pour son accueil pendantla réalisation de ce travail. Sergio Perelman, souhaite remercier la Communauté Française de Belgique (PAC 98/03-221) pour l’aidefinancière.

Économie et Prévision n° 150-151 2001 4-5

Parmi les raisons avancées pour expliquer ladifficulté du marché à absorber l’excès d’offre detravail, l’efficacité du processus d’appariementoccupe une place prépondérante, comme entémoigne une abondante littérature(1). Afin demesurer l’efficacité des marchés locaux etnationaux, on estime économétriquement unefonction d’appariement (matching function),généralement de forme Cobb-Douglas, à partir desinformations disponibles sur le fonctionnement deces marchés. Au cours des vingt dernières années,une nouvelle branche s’est développée dans ledomaine de l’économie de la production, celle desfrontières d’efficacité basée sur les notionsd’enveloppe de production et de fonctions dedistance(2). L’objet de cette étude est d’établir un lienentre ces deux branches de la recherche en économieen proposant l’application de la méthodologie desfrontières d’efficacité au problème d’appariementsur le marché du travail. En effet, la méthodologiedes f ron t iè res a ouver t un vas te champd’investigation pour l’étude de l’efficacité et de laproductivité et la plupart des avancées dans cedomaine sont transposables à l’étude de l’efficacitéau marché du travail. Cependant, mis à part lesarticles de Ronald Warren (1991) et de GeorgeSheldon (1999), ce lien est resté inexploré jusqu’àprésent.

Nous analyserons le cas du Maroc où depuisque lques années des cen t res rég ionauxd’information et d’orientation pour l’emploi(CIOPE) ont pour mission de coordonner larencontre entre l’offre et la demande de travailleursqualifiés. À partir des informations mensuellesdisponibles pour les années 1995 à 1997, nous allonsestimer des frontières d’appariement en utilisantdeux approches, paramétrique et non paramétrique,respec t ivement de na ture s tochas t ique e tdéterministe.

Outre le fait de pouvoir comparer entre elles lesperformances d’appariement sur chacun desmarchés régionaux, nous nous intéresseronségalement à l’impact sur l’efficacité du marchérésultant des activités de prospection. Nousappliquerons d’une part l’approche paramétriquestochastique proposée par Battese et Coelli (1995),lequel modélise en un temps l’estimation du tauxd’efficacité et l’effet éventuel de variablesenvironnementales et, d’autre part, pour ce quirelève de l’approche non paramétrique, nousprocéderons à un test économétrique de l’effet desvariables explicatives sur les scores d’efficacitéobtenus dans une première étape.

Cet article sera organisé de la manière suivante. Dansune première partie nous présenterons un bref survolde la littérature sur l’estimation de la fonctiond’appariement, suivi d’une discussion desprincipaux concepts et méthodes d’estimation defrontières d’efficacité dont nous ferons usage par la

suite. Dans la deuxième partie nous analyseronsl’activité des centres régionaux (CIOPE) ; ce seraaussi l’occasion d’aborder le problème du marché dutravail qualifié au Maroc et de présenter la base dedonnées utilisée. La troisième partie est consacrée àla présentation des résultats des estimationséconométriques. Les résultats obtenus en termesd’efficacité transactionnelle du marché du travailmarocain font l’objet de la quatrième partie. Ladernière partie met l’accent, à titre de conclusion, surl’apport potentiel des méthodes de frontières à cedomaine de recherche.

La fonction d’appariement

Le processus d’appariement entre les postes vacantset les individus à la recherche d’un emploi estmodélisé au travers de la fonction d’appariement,dont la structure est empruntée à la théorie de laproduction(3). En effet, le flux d’appariement ( )y rt

est décrit comme le résultat d’une activité deproduction dont les facteurs sont les stocks, au débutde la période, d’emplois vacants ( ),v r t �1 et detravailleurs à la recherche d’un emploi ( ),ur t �1

(1) � �y e f v urt r r t r t� � � �, ,,1 1

où r et t indiquent le marché (la région ou le pays, leplus souvent) et la période, respectivement, ete er r, [ ]� 0 , es t un paramèt re représen tan tl’efficacité transactionnelle du marché du travailr(4).

Gorter et Van Ours (1994) ont pu montrer que ceparamètre est égal au rapport entre la probabilité et ledélai moyen entre deux contrats(5). La fonctiond’appariement tient ainsi compte du rythme aveclequel le marché du travail assure l’allocation de lamain-d’œuvre disponible aux emplois vacants.

Ainsi, l’amélioration de l’efficacité peut résulterd’une moindre sélectivité à l’embauche de la part desemployeurs, mais également d’une meilleuredisposition du chômeur à accepter l’offre, sachantque son choix repose sur un arbitrage inter-temporel.Pour chaque proposition reçue, il comparel’espérance des revenus que lui apporte cet emploiavec celle qu’il associe au fait d’attendre une offreplus favorable. Un tel comportement fait apparaîtreun salaire de réserve au-delà duquel les offresd’emploi seront acceptées (Bougroum et Ibourk,1998).

La fonction d’appariement (1) est censée êtrehomogène et vérifier les hypothèses suivantes :

(2) f v f u f fv u( , ) ( , ) , ,0 0 0 0 0� � � �

34

La forme fonctionnelle choisie par la plupart desauteurs est celle représentée par une fonctionCobb-Douglas (6) :

(3) y e v urt r r t r t� � � � �

� �, ,, , ,

1 1 1 21 2 0 1

où les paramètres 1 et 2 mesurent l’élasticité desappariements (l’appariement) par rapport au stockdes emplois vacants et des demandeurs d’emploi.

La fonction (3) est estimée généralement par laméthode des effets fixes, ou par d’autres méthodespropres aux données en panel, après avoir procédé àune transformation logarithmique :

(4) log log log, ,y e v urt r r t r t rt� � � �1 1 2 1

où � rt est un terme d’erreur ayant les propriétéshabituelles � �� N 0 2,� � .

À partir des paramètres estimés, on s’intéresse enparticulier au degré d’homogénéité de la fonctiond’appariement ( ) 1 2 , lequel a des implicationsmicroéconomiques e t macroéconomiquesimportantes. Ainsi, par exemple, en cas derendements non-constants( ) 1 2 1 � , on saura quela taille du marché du travail engendre uneexternalité (positive ou négative) sur le fluxd’appariements.

Les résultats en termes d’homogénéité dépendrontde la spécification de la variable dépendante. Eneffet, les estimations économétriques de la fonctiond’appariement font appel à trois définitionsdifférentes de la variable y : i) le flux d’embauches,c’est-à-dire l’ensemble de nouveaux emplois créés,indépendamment du statut (employé, chômeur ouinactif) occupé précédemment par le travailleur(Blanchard et Diamond, 1989 ; Belderbos etTeulings, 1989) ; ii) le taux de sortie du chômagereprésenté par les offres d’emploi satisfaites(Pissarides, 1986 ; Layard et alii , 1991 ;Burda,1993) ; iii) le flux de sortie des postes vacants(Van Ours, 1991 ; Edin et Holmlund, 1991).

Mais, comme indiqué auparavant, le paramètred’intérêt est er reflétant l’efficacité du marché dutravail, lequel sera d’autant plus efficace que er estélevé(7). Dans cette étude nous voudrions proposer àla place de cette méthodologie, une autre basée surl’approche des frontières d’efficacité. Afin depouvoir comparer les résultats obtenus à partir de laméthode des effets fixes avec ceux obtenus par lesméthodes des frontières, nous procéderons à unenormalisation des effets er .

En indiquant par erm la valeur maximale observéepour ce paramètre, on obtient une mesured’e f f i cac i t é normal i sée 0 1� �er , avece e er r rm� �exp( ), et par définition em �1. Cettefaçon de procéder donne au modèle à effets fixes une

interprétation en termes de frontière d’efficacité,comme l’ont montré Schmidt et Sickles (1984).

L’approche des frontières d’efficacité

On trouve la notion d’efficacité technique dans destravaux théoriques fondamentaux au sujet ducomportement des firmes. Debreu (1951) et Farrell(1957) définissent la mesure d’efficacité techniquecomme étant «égale à 1 moins la réduction maximaleequiproportionnelle dans l’utilisation des inputs quipermet de continuer à produire le même niveaud’output». La frontière de production est décritecomme une enveloppe correspondant au lieu desoptima et la mesure d’efficacité comme la fonctionde distance qui sépare la firme observée vis-à-vis del’enveloppe de production (Shephard,1953).

Formellement, on définit la fonction de distance,orientée en input, de la manière suivante :

(5) D x y x L yI ( , ) max [ ( / )] ( )� �� � ,

où L y( ) définit l’ensemble de vecteurs d’inputs[ ]x R K� qui permettent de réaliser l’output

y y R M[ ]� . La fonction de distance indique dansquelle mesure ( )� les facteurs x peuvent être réduitsde manière proportionnelle. Dès lors, D x yI ( , ) esthomogène de degré 1 et concave en x. AussiD x yI ( , ) �1, mais pour des raisons de présentationnous préférons utiliser son inverse 0 1 1� �/ ( , )D x yIpour parler d’efficacité.

La figure 1 illustre ces concepts dans l’espace desinputs [ , ]x u v� . L’ensemble L y( ) est défini par larégion au NE de l’isoquante qui représente lafrontière (enveloppe) de production correspondant àun niveau de production y. Elle a une forme concaveet indique, pour chaque combinaison d’inputs,l’optimum à atteindre. La fonction de distancecorrespondant à l’unité A, D x y OA OBI

A ( , ) /� ,indique la réduction équiproportionnelle (radiale)des deux facteurs de production qui devraitnormalement lui permettre de réaliser le mêmeniveau de production qu’en A. La firme C est sur lafrontière de production : D x yI

C ( , )�1.

35

Figure 1 : frontière d’efficacité et fonction de distance

v

0

L(y)

D x,y =I [ ]OA

OB

A

B

C

u

Isoq. L(y)

Nous avons dessiné la figure 1 en supposant que lesvariables u, v et y correspondent au problèmed’appariement sur le marché du travail, et non pas àdes vecteurs d’inputs et d’outputs de productiontraditionnels. Également, les vecteurs A et Creprésentent des régions ou des pays et non pas desf i rmes . Ce sera à par t i r d ’un ensembled’observations disponibles, correspondant à desmarchés d’emploi différents (observés sur une ouplusieurs périodes), qu’il sera donc possibled’estimer l’enveloppe, ce qui pourrait être interprétécomme étant la frontière d’appariement.

Étant donné que l’output sera représenté par uneseule variable, le nombre d’appariements,l’imposition de l’homogénéité de degré 1 en inputsimplique des rendements d’échelle constants. Dansce cas, la mesure de distance orientée en input estidentique à la mesure de distance orientée en output.Dans la section suivante, nous estimerons aussi unefonction de distance en output, avec rendements àl’échelle variables, sans imposer l’homogénéitélinéaire sur les inputs(8).

Farrel (1957) a proposé une approche pourl’estimation de frontières d’efficacité et de fonctionsde distance partant de l’idée que des informationsdisponibles sur une activité donnée devraientpermettre l’estimation du «best practice envelope»pour cette activité. Ainsi est née la méthode desfrontières d’efficacité, qui n’allait cependant trouverson essor que vingt années plus tard avec les travauxpubliés presque simultanément par Aigner et alii(1977), Meeusen et van den Broeck (1977), et parCharnes et alii (1978). Dans les deux premiersarticles, les auteurs proposaient l’utilisation deméthodes économétriques pour l’estimation defrontière paramétriques stochastiques. Dans letroisième, les auteurs introduisent des méthodes deprogrammation linéaire pour l’estimation defrontières non paramétriques déterministes, enl’occurrence la méthode DEA (pour DataEnvelopment Analysis). Dans cette étude nous avonschoisi de nous servir de ces deux méthodesd’estimation afin de comparer les résultats obtenus.

Méthode paramétrique stochastique

Par rapport à la fonction d’appariement (4), lafrontière d’efficacité stochastique sera estimée ensupprimant les paramètres d’efficacité (inefficacité)spécifiques er mais en supposant que le termed’e r reur � rt a une s t ruc tu re composée :� � �rt rt rt� � , où � rt est un terme aléatoire ayant lespropriétés habituelles � �[ , ]N 0 2� � , et � rt un

deuxième terme aléatoire représentant le degréd’inefficacité ayant une loi de distribution normale

� �[ , ]N mrt � 2 , tronquée en mrt(9). Comme on peut le

remarquer, un avantage majeur de cette méthode parrapport à celle des effets fixes est le fait d’autoriser

l’estimation d’un terme d’inefficacité variable en r ett.

On réécrit la fonction à estimer :

(6) log log log, ,y v urt r t r t rt� � �� �1 1 2 1 ,

avec � � �rt rt rt� � .

Pour l’estimation avec rendements constantsd’échelle, on postulera 2 11� � .

Un avantage de ce modèle, proposé par Battese etCoelli (1995), est de permettre de tester l’influencede fac teurs exp l ica t i f s po ten t ie l s sur lesinefficacités. Dans le cas qui nous occupe, nousenvisageons d’analyser l’impact d’une série devariables sur les inefficacités d’appariement, parmielles l’activité de prospection menée par les centresrégionaux (CIOPE).

En indiquant l’ensemble de ces facteurs explicatifspar un vecteur z j Mj ( ,... , )�1 , et en suivant laprocédure proposée par Battese et Coelli (1995), onsupposera que les inefficacités ( )� rt sont distribuéesde manière indépendante, mais pas identiquement,avec des variables tronquées ( )mrt qui dépendent desfacteurs explicatifs z j rt, . On a ainsi :

(7) � �N m N zrt j j rtj

M

, ,,� � � �20

2

1

� �

���

�

���

�� ,

où � 0 et � j sont les paramètres à estimer quidonneront la réponse à la question posée quant àl’effet des variables exogènes sur l’inefficacitéd’appariement.

Le modèle complet, équations (6) et (7), est estimépar des techniques d’optimisation axées sur lamaximisation du logarithme de la fonction devraisemblance(10). Deux autres paramètres sontestimés par ce modèle :� � ��

��

2 2� et � � ��� 2 2/ ,

ce dernier indiquant la part de la variance de l’erreura t t r ibuée par le modè le à la composan te«inefficacité».

Sur base de ces paramètres on estime le degréd’efficacité correspondant à chaque observationdans l ’échan t i l lon comme une espéranceconditionnelle : EF Ert rt rt� �[exp( ) / ]� �

Méthode non paramétrique

La caractéristique marquante de cette méthode, outresa nature déterministe, c’est le fait de ne pas imposerune forme fonctionnelle à la frontière de production.Par rapport à la frontière paramétrique, illustrée surla figure 1, la frontière non paramétrique présentéesur la figure 2 a été construite à l’aide de la méthodeDEA sur la base des mêmes informations. Elle nousmontre une enveloppe composée par des facettesentrecoupées qui respectent, par construction,

36

l ’hypothèse de concavi té . Dans le cas del’observation A, le segment de frontière par rapportauquel cette unité sera comparée est construit à partirdes observations efficaces C et D.

En vue de l’estimation par la méthode DEA de cettefrontière et de la mesure de distance correspondante,un algorithme de programmation linéaire devra êtrerésolu pour chaque observation i de l’échantillon, cequi se fera en la comparant à l’ensemble desinformations disponibles ( ,... , ,... , )r R t T� �1 1 :

max , . . /,

�

� �

i

i rt rtt

T

r

R

i i rt rti rt

s c

y y

x x

� �

�

���� 0

11

�

� ! !

"

#

$$$

%

$$$

���� 0

011 t

T

r

R

rt r t , ,

où � i � 1 e t 1 / � i ind iquen t la réduc t ionequiproportionnelle des inputs réalisable tout enmaintenant le niveau des outputs constant,c’est-à-dire l’équivalent de la fonction de distance(5) ; et rt des variables correspondant aux poidsassociés à chacune des observations dans laconstruct ion de l’enveloppe. Ce problèmecorrespond au cas de rendements constants ; pour lecas de rendements à l’échelle variables, le modèle (8)doit respecter une contrainte supplémentaire :

rtt

T

r

R

���� �

11

1

Nous voudrions ici, comme cela a été le cas avec lafrontière paramétrique, tester l’influence d’uncertain nombre de variables explicatives sur lesscores d’efficacité estimés par la méthode DEA.Nous suivrons la pratique courante qui consiste àestimer un modèle du type Tobit, modèle qui tientcompte de la nature tronquée de la variabledépendante.

L’activité des centres régionaux pourl’emploi au Maroc

Au Maroc, à l’instar de la plupart des pays en voie dedéveloppement, l’évolution du chômage urbain a étéaccompagnée ces deux dernières décennies parl’apparition et l’aggravation du chômage des jeunesdiplômés. Un diplômé sur quatre est aujourd’hui auchômage, contre seulement un sur dix chez lesnon-diplômés (Direction de la Statistique, 1996).

La fonct ion d’ in termédia t ion des Centresd’information et d’orientation pour l’emploi(CIOPE), créés au début des années quatre-vingt-dixau niveau régional, joue un rôle fondamental parmiles mesures prises en vu d’endiguer le chômage desjeunes diplômés. La mission des CIOPE consiste àune série d’activités essentielles : i) l’inscription desdemandeurs d’emploi et des postes vacants dans desrépertoires signalétiques, ii) la prospectionsystématique du marché pour identifier les postesvacants, iii) l’apprentissage des techniquesd’entretien et iv) la signature d’accords avec desentreprises en vue de leur fournir l’appui nécessaireen matière de recrutement.

Nous disposons d’informations mensuelles trèscomplètes et détaillées sur l’activité de 9 de cescentres régionaux au cours de la période qui s’étaleentre janvier 1995 et décembre 1997(12). Le tableau 1donne un aperçu de ces données au travers desvariables représentatives.

Les demandeurs d’emploi

Les personnes à la recherche d’un emploi auxquelless’adressent les CIOPE doivent être titulaires, auminimum, d’un diplôme de baccalauréat ou d’undiplôme de l’enseignement professionnel de niveauqualification ou spécialisation. Le sort desnon-diplômés demandeurs d’emploi reste de lacompétence des bureaux de placement.

Les chiffres présentés au tableau 1 font état d’uneévolution rapide du nombre de demandeurs d’emploidans l’ensemble des régions. Il est à noter cependantqu’il s’agit du nombre d’inscrits dans les fichiers desCIOPE et non pas de l’évolution du chômage au seinde cette catégorie de la population. Une des activitéspremières de ces centres a été d’inciter le plus grandnombre de diplômés au chômage à s’inscrire dansleurs registres, ce qui explique cette évolution.

D’autre part, ces chiffres peuvent être surestimés,car rien n’empêche une personne employée des’inscrire aussi comme demandeur d’emploi, ousous-estimées, dans la mesure où il est difficiled’évaluer l’intensité avec laquelle chaque individumène sa recherche d’emploi. D’autant plus dans lecas du Maroc, où l’absence d’allocations dechômage, le rôle de la famille et l’importance des

37

Figure 2 : frontière d’efficacité non paramétrique(DEA)

v

0

L(y)

D x,y =I ( )OA

OB

B

C

u

Isoq. L(y)

A

D

voies informelles de recherche d’emploi expliquentlargement cette situation.

La famille joue dans la plupart des cas le rôle d’unsystème de prévoyance. Ainsi des transfertsintra-familiaux s’établissent en faveur des personnessans emploi, lesquelles peuvent être moins enclines àrechercher un emploi de manière intensive, surtouts’ils sont jeunes. La famille jouerait d’ailleursplusieurs autres rôles : «agence pour l’emploi» pourles uns, institution de conseil pour d’autres, soutienmoral et psychologique pour la plupart(13).

L’importance du secteur informel de l’économieaffecte aussi les stratégies individuelles de recherched’emploi dans le secteur formel. Une grandeprécarité caractérise cependant l’emploi dansl’économie informelle, ce qui fait penser que lesindividus rechercheront d’abord un travail dansl’économie formelle (Salop, 1979). Dans la mesureoù ils sont pris en charge par la famille, ils

préféreront rester au chômage plutôt que de travaillerpour une faible rémunération dans le secteurnon-protégé. On retrouve ici à l’œuvre le mécanismemenant à la segmentation du marché du travail entreinsiders et outsiders si souvent décrite comme unedes sources premières du chômage dans les paysindustrialisés(14).

Au tableau 1 nous avons calculé l’importance du fluxdu chômage en établissant le rapport entre le nombretotal des nouveaux demandeurs d’emplois inscritsaux CIOPE pendant le mois écoulé et le stockd’inscrits à la fin du mois précédent. En effet, il noussemblait important de souligner cet aspect del’activité de ces centres, de création récente etn’ayant pas encore atteint l’ensemble de leursmarchés. Les taux de croissance mensuels sont enmoyenne proches de 5% sur toute la période etdonnent une indication de la progression rapidesuivie par cette variable.

38

Tableau 1: situation sur le marché des diplômés au Maroc-variables descriptives (a)

Région AnnéeNombre Ratios

Demandeurs d’emploi Postes vacants AppariementsActivité deprospection

Flux du chômage(%)

Tension sur lemarché (%)

Agadir 1995 1359 189 151 158 6,0 13,9

1996 2213 150 119 146 3,2 6,8

1997 3210 348 260 11 3,3 10,8

Casablanca 1995 5121 751 493 392 6,0 14,7

1996 9055 1659 1410 1158 4,6 18,3

1997 13967 1749 1599 1341 3,5 12,5

Fes 1995 1615 333 266 242 6,0 20,6

1996 2688 267 208 225 3,1 9,9

1997 3824 350 274 250 4,3 9,2

Kenitra 1995 - - - - - -

1996 1987 86 51 263 6,4 4,3

1997 2700 68 70 218 1,8 2,5

Marrakech 1995 1423 203 128 259 6,0 14,3

1996 2411 192 124 228 3,6 8,0

1997 3415 268 81 311 3,8 7,8

Meknes 1995 1204 345 166 485 6,0 28,7

1996 2041 330 184 487 3,5 16,2

1997 3010 375 301 189 7,0 12,5

Oujeda 1995 1442 97 83 192 6,1 6,7

1996 2070 70 70 211 2,1 3,4

1997 2519 54 18 209 3,3 2,1

Rabat 1995 1923 738 209 333 6,0 38,4

1996 3702 321 265 207 4,7 8,7

1997 5241 494 419 213 3,1 9,4

Tanger 1995 751 342 179 224 6,0 45,5

1996 1419 271 176 208 4,5 19,1

1997 2012 518 272 142 3,3 25,7

(a) Pour les stocks de demandeurs d’emploi et de postes vacants, il s’agit du nombre d’enregistrements au début de chaque mois, en moyennes annuelles ; lesappariements et les activités de prospection correspondent au nombre total sur l’ensemble de l’année ; le flux du chômage est une moyenne mensuelle et latension sur le marché une moyenne annuelle.

Les offres d’emploi enregistrées et satisfaites

Comme il a été indiqué auparavant, les centresrégionaux tiennent à jour un tableau de bord où ilsenregistrent le nombre d’offres (postes vacants)ainsi que le nombre d’offres satisfaites (contrats detravail signés). Au tableau 1 nous avons reprisl’ensemble des informations correspondant auxannées observées.

On note la disproportion entre le stock de chômeurset celui de postes vacants. Pour avoir une idée plusprécise de ce rapport nous avons calculé un indice detension du marché (postes vacants / nombre dedemandeurs), qui apparaît à la dernière colonne de cetableau. Cet indice varie fortement au cours du tempspour se situer en fin de période aux alentours de 10 %dans la plupart des régions, ce qui témoigne d’undegré de tension croissant(15).

Pour ce qui est du nombre d’appariements, il s’agitdu total des offres pourvues au cours de la période ettransitant par les CIOPE. Comme on peut le constaterau tableau 1, le nombre d’appariement suit d’assezprès l’évolution du nombre d’offres. En nousavançant sur l’étude de la fonction d’appariement,qui fera l’objet de la partie suivante, nousremarquons déjà que la difficulté majeure sur cemarché vient d’une insuffisance du nombre d’offresdisponibles.

L’activité de prospection

L’activité d’intermédiation des CIOPE estégalement susceptible de jouer sur l’efficience dumarché, dans la mesure où l’activité traditionnelle de«placement» est remplacée par la «prospection».Cette activité consiste essentiellement à essayerd’identifier par la voie de contacts directs avec desentreprises des offres potentielles d’emploi quipourraient convenir aux diplômés inscrits auprès descentres.

Au tableau 1 nous avons indiqué le nombre total deprospections réalisées au cours de l’année parchacun des centres. Comparé au nombre de postesvacants, la variabilité est grande. Elle témoigne dufait que cette activité de prospection peut s’avérersoit adéquate, soit insuffisante ou infructueuse. Pouren savoir plus sur la pertinence de ces activités, nousallons tester dans la partie suivante leur effet surl’efficacité des appariements.

Estimation des modèles

Nos estimations ont été réalisées à partir de donnéesde panel présentées en deuxième partie. Hormis lecas de la région de Kenitra pour laquelle lesinformations correspondant à l’année 1995 n’étaientpas disponibles, et certaines autres informationsmanquantes pour le dernier trimestre de 1997, nousdisposons des données mensuelles allant de janvier1995 à décembre 1997.

Les résultats des estimations économétriques sontprésentées au tableau 2. Dans la partie supérieure dece tableau on découvre les paramètres de la fonctiond’appariement estimée par la méthode des effetsfixes et ceux de la frontière d’appariementstochastique. L’effet des variables explicatives del’inefficacité d’appariement apparaît dans ladeuxième partie du même tableau. Le détail desrésultats en termes d’efficacité, approchesparamétrique et non-paramétrique, sera présentédans la section 5.

Frontières d’appariement

Tant sous l’hypothèse de rendements constantsd’échelle (RCE) que sous celle de rendementsvariables d’échelle (RVE) et indépendamment de laméthode u t i l i sée , l ’ é las t i c i t é du nombred’appariements (contrats d’embauche) par rapportau nombre de postes vacants ( )1 est supérieure à0,80 et celle par rapport au nombre de demandeursd’emploi ( )2 inférieure à 0,32. Ce résultatimpliquerait que, contrairement à la plupart desestimations qui sont faites pour les marchés des paysindustrialisés, le nombre de postes vacants aurait uneimpor tance déc i s ive dans le processusd’appariement au Maroc.

Néanmoins ce résultat doit être nuancé. D’une part,comme il a été signalé dans la partie précédente, desdifférences importantes de mesure subsistent entrecette étude et celles réalisées à partir de données depays industrialisés du fait de l’existence d’un marchéinformel, omniprésent au Maroc. D’autre part,comme l’ont montré Broersma et Van Ours (1999)dans un survol récent de la littérature, un biais desous-estimation du paramètre2 résulte du fait que lavariable “demandeurs d’emploi” néglige la présencede demandeurs d’emploi employés ou des chômeursnon-inscrits. Enfin, dans notre étude la variabled’appariement est représentée par le nombre d’offrespourvues au cours de la période et ayant transité parles CIOPE. On pourrait reprocher à une tellespécification d’être limitée à un segment du marché.Néanmoins, notre démarche se justifie parce qu’elleprivilégie la cohérence avec les informationscontenues dans les variables explicatives du modèle(Petrongolo et Wasmer, 1999).

39

On remarque aussi que, sous l’hypothèse derendements d’échelle variables, la somme desélasticités ( ) 1 2 est égale à 1,11 pour la fonctionà effets fixes et à 1,084 pour la frontière stochastique.Dès lors nous avons testé l’hypothèse nulle derendements d’échelle constants sur la base d’un testdu logarithme du maximum de vraisemblance ; elle aété rejetée dans les deux cas. Ceci implique que lemarché du travail des diplômés est caractérisé par laprésence de rendements croissants, ce qui représenteun avantage non négligeable pour les régions ayantles marchés les plus vastes, en particulierCasablanca. D’autre part, ce résultat ne fait queconfirmer une prédiction de Blanchard et Diamond(1989) selon laquelle on devrait s’attendre à desrendements croissants dans les marchés du travailurbains, de nature plus dense et plus fluide. Pourexpliquer ce résultat il faut aussi noter que sur cesmarchés des effets de débordement (spillovers) sontprobablement à l’œuvre (Petrongolo et Wasmer,1999).

Facteurs explicati fs des ineff icacitésd’appariement

Comme il a été avancé dans la première partie, un desobjectifs de notre étude est d’identifier les facteursexplicatifs des inefficacités d’appariement. Dans lecas du modèle paramétrique, ceci est possible enintroduisant un vecteur z j de variables explicativeslors de l’estimation de la frontière d’appariement.Ceci constitue d’ailleurs l’apport fondamental de laméthode préconisée. Elle permet de différencierparmi les facteurs structurels (le nombre de postesvacants et le nombre de demandeurs d’emploi) etd’autres facteurs qui jouent un rôle plus indirect surce processus.

Une autre option utilisée couramment dans lalittérature consiste à considérer les facteurs z j entant que variables à part entière dans la fonctiond’appariement. Par contre, l’approche que nousavons adoptée considère que les variables zn’agissent pas sur la forme ou la position de la

40

Tableau 2 : frontières d’appariement et facteurs explicatifs des inefficacités a

Paramètres et variablesEffets fixes Frontière paramétrique DEA

RCE RVE RCE RVE RCE RVE

Fonction Cobb-DouglasVariable dépendante : ln(appariement)

� Constante - 1,121(4,2)

- 2,845(2,5)

- 0,779(6,2)

-1,698(4,5)

--

1ln(postes vacants) 0,843(14,2)

0,886(13,5)

0,818(28,4)

0,804(23,6)

- -

2 ln(demandeursd’emploi)

0,157(b) 0,314(2,7)

0,182(b) 0,280(6,1)

- -

Facteurs explicatifs des inefficacitésVariable dépendante : taux d’inefficacité

�1 Constante- -

-24,31(3,2)

-26,72(2,5)

-0,497(7,8)

-0,617(8,2)

Taux de prospection �1 1er quartile - - 0 0 0 0

�2 2ème quartile- -

-5,832(2,9)

-5,391(2,9)

-0,041(1,3)

-0,058(1,5)

�33ème quartile- -

-2,751(1,8)

-3,726(2,2)

0,023(0,7)

0,038(1,0)

�4 4ème quartile- -

-2,614( 1,8)

-4,608(2,1)

0,073(2,2)

0,050(1,3)

Autres variables explicatives �5 mois d’été- -

8,781( 3,3)

8,341(2,6)

0,012(0,5)

- 0,016(0,5)

�6 ln (flux dedemandeurs d’emploi)

- -1,660(2,9)

1,849(2,5)

-0,069(1,6)

-0,034(0,7)

�7 ln (tendance) -0,040(0,2)

1,270(2,5)

0,140(4,0)

0,198(4,9)

�2

- -13,49(3,3)

12,91(2,8)

- -

�- -

0,994(512,7)

0,994(369,4)

- -

Paramètre de la césure- - - -

0,198(24,2)

0,231(23,7)

R 2 0,585 0,641 - - - -

Log (MV)

(degrés de liberté)- -

-261,6(292)

-259,1(291)

53,3(295)

-5,9(295)

(a) Les t-tests sont indiqués entre parenthèses ; RCE et RVE indiquent des rendements d’échelle constants et variables respectivement.(b) Paramètre (souligné) non estimé : 2 11� � .

fonction mais sur l’efficacité du processusd’appariement. C’est la distance qui sépare chaqueobservation (région) de la frontière qui dépend desfacteurs z et non la frontière elle-même.

Pour le modèle non paramétrique nous avonsprocédé en deux étapes. Les résultats présentésproviennent de l’estimation d’un modèle Tobit ayantcomme variable dépendante les taux d’inefficacitérégionaux estimés préalablement par la méthodeDEA.

Les variables explicatives que nous avonsintroduites en tant que facteurs explicatifs desinefficacités sont les suivantes :

i) Le taux de prospection. Comme il a été indiquédans la deuxième partie, l’activité de prospection desCIOPE varie sensiblement d’une région à l’autre etd’une période à l’autre. En représentant cettevariable par des variables muettes catégoriellescorrespondant aux quartiles observés, nous avonsvoulu donner une flexibilité importante aux résultatsobtenus. En effet, c’est une manière d’évaluerindirectement les résultats de cette activité danslaquelle ces centres régionaux investissent une partimportante de leurs ressources. Soulignons que lesseuils utilisés pour construire les quartiles se situentapproximativement à 50 %, 100 % et 150 % du tauxde prospection (nombre de prospections / stock depostes vacants).

ii) Variable saisonnière. Au Maroc, tant lesentreprises que le marché du travail ralentissent leursactivités pendant les mois d’été. Pour prendre encompte ce phénomène, nous avons inclus commevariable explicative une variable binaire pour lesmois de juin, juillet et août.

ii) Flux de demandeurs d’emploi. Les tableaux debord des CIOPE font état d’une évolution très rapidedu nombre de demandeurs d’emploi inscrits. Il estfort à craindre que les opportunités d’appariementpour les nouveaux inscrits soient faibles, enparticulier s’ils sont très nombreux. Aussi on peutimaginer qu’un important flux d’information à géreren un temps relativement court peut nuire auxperformances d’appariements sur le marché. Unevariable représentative de ce flux a été construite encalculant le ratio entre les nouveaux demandeursd’emploi et le total d’inscrits au début du mois (voirtableau 1). Cette variable sera exprimée sous formelogarithmique.

iv) La tendance. Nous avons aussi pensé qu’il y avaitlieu d’introduire une variable de tendance. En effet,bien que la période analysée soit relativement courte(36 mois), il était opportun de tester l’évolutiontemporelle (positive ou négative) du processusd’appariement.

Les résultats obtenus figurent dans la deuxièmepartie du tableau 2. De façon générale, les effets desvariables explicatives sont plus significatifsstatistiquement dans le cas du modèle paramétrique.

On constate ainsi que le taux de prospection a un effetfavorable sur l’efficacité d’appariement, plusimportant pour les taux de prospection moyens(deuxième quartile) que pour des niveaux faibles outrès élevés (c’est-à-dire plus de prospections que depostes vacants). L’effet saisonnier (les mois d’été)joue dans le modèle paramétrique en défaveur del’efficacité, comme d’ailleurs le flux de demandeursd’emploi. Enfin, l’effet de la variable de tendance estcontradictoire : non significatif pour le modèle àrendements constants mais positif et significatif pourle modèle à rendements variables. Ce dernier résultats’explique par l’effet conjugué des rendementsd’échelle croissants (l’élasticité d’échelle estestimée à 1,084 dans ce cas) et de la montée enpuissance des centres régionaux. Il confirme parailleurs la détérioration du processus d’appariementobservée au cours de la période dans plusieursrégions.

Pour ce qui est des estimations non paramétriques,comme nous l’indiquions auparavant, les résultatssont moins significatifs, à l’exception de la variablede tendance, qui présenterait ici aussi un effetdéfavorable sur l’efficacité d’appariement et, dansune moindre mesure, du taux de prospection quiindique un effet positif sur l’efficacité dans le cas oùelle se situerait au niveau du deuxième quartile.

Efficacité transactionnelle des marchésdu travail régionaux

Le tableau 3 présente, en moyenne sur l’ensemble dela période, les résultats des estimations obtenus partrois méthodes alternatives : la méthode des effetsf ixes et les deux méthodes de front ières ,paramétrique et non paramétrique. Elles ont étéappliquées à deux modèles différents sous leshypothèses de rendements constants (RCE) et derendements d’éche l l e var iab les (RVE) ,respectivement.

On constate une certaine concordance entre lesrésultats obtenus par application des deux approchesde type paramétrique. L’efficacité d’appariementmoyenne est plus élevée par la méthode à effets fixesmais cela tient à la normalisation que nous avonsréalisée. Pratiquement, il y a peu de différences dansle classement des régions : Fez, Agadir et Tanger separtagent les premières places et Rabat et Marakechles dernières. La région de Casablanca constituecependant une exception : elle est classée parmi lesplus efficaces par la méthode des frontières et

41

comme très inefficace par la méthode des effetsfixes(16).

Les résul ta ts obtenus par la méthode nonparamétrique (DEA) sont systématiquement plusfaibles que ceux obtenus avec les méthodesparamétriques mais ceci s’explique par le caractèredéterministe de la méthode. Quant au classement desrégions, il diffère en partie de celui obtenu par lesautres méthodes. C’est la région de Tanger quiapparaît comme le marché le plus efficace, suivi deCasablanca. Autre résultat attendu sont les niveauxplus faibles d’efficacité obtenus sous l’hypothèse derendements constants, cela indépendamment de laméthode utilisée.

À ce stade, il est peut-être opportun de souligner queles résultats obtenus sont relatifs à l’ensemble del’échantillon disponible (9 régions marocainesobservées sur la période 1995 à 1997). Les méthodesde front ières , comme d’autres techniquesquantitatives et économétriques, donnent toujourscomme résultat des scores en relation à l’échantillonau sein duquel la frontière (best practice) est définie.

Malgré les différences entre les approches, lacorrélation entre les scores obtenus par les méthodesde frontières d’efficacité est assez élevée (tableau 4),ce qui nous autorise à tirer une première conclusionsur la robustesse des résultats obtenus par cesméthodes.

42

Tableau 3 : efficacité moyenne d’appariement - Trois méthodes alternatives

RégionEffets fixes Frontière paramétrique DEA

RCE RVE RCE RVE RCE RVE

Agadir 0,952(2)

0,996(2)

0,708(3)

0,713(2)

0,334(6)

0,390(6)

Casablanca 0,698(6)

0,543(9)

0,712(2)

0,683(4)

0,421(2)

0,550(2)

Fes 1,000(1)

1,000(1)

0,745(1)

0,745(1)

0,380(4)

0,395(5)

Kenitra 0,759(5)

0,821(5)

0,580(7)

0,582(7)

0,275(7)

0,310(8)

Marrakech 0,573(9)

0,600(8)

0,540(9)

0,544(9)

0,250(8)

0,304(9)

Meknes 0,822(4)

0,855(4)

0,660(5)

0,675(5)

0,381(3)

0,400(4)

Oujeda 0,682(7)

0,768(6)

0,620(6)

0,625(6)

0,241(9)

0,418(3)

Rabat 0,639(8)

0,605(7)

0,569(8)

0,564(8)

0,347(5)

0,353(7)

Tanger 0,862(3)

0,957(3)

0,690(4)

0,715(3)

0,554(1)

0,603(1)

Ensemble 0,776 0,793 0,651 0,654 0,358 0,419

(a) L’ordre de classement apparaît entre parenthèses ; RCE et RVE indiquent des rendements d’échelle constants et variables respectivement.

Tableau 4 : table de corrélation entre mesures alternatives de l’efficacité a

Effets fixes Frontière paramétriqu DEA

RCE RVE RCE RVE RCE RVE

Effets fixes (9 observations)

Rendements constants 1,000 0,908 0,814 0,871 0,441 0,246

Rendements variables 1,000 0,570 0,692 0,297 0,119

Frontière paramétrique (302 observations)

Rendements constants 1,000 0,996 0,645 0,660

Rendements variables 1,000 0,659 0,672

DEA (302 observations)

Rendements constants 1,000 0,873

Rendements variables 1,000

(a) Coefficients de corrélation de Pearson ; RCE et RVE indiquent des rendements d’échelle constants et variables respectivement.

Au tableau 5 on présente à nouveau les résultatsobtenus par chaque région, mais cette fois-ci pour lestrois années observées et uniquement pour lesméthodes des frontières d’efficacité. Il apparaît quedeux régions, Casabalanca et Kenitra, obtiennentune amélioration substantielle de leurs efficacitésd’appariement au cours de la période. Pour Mekeneset Rabat les résultats obtenus sont quelque peucontradictoires, mais laissent penser à une certainestabilité de leur situation. Ce n’est pas le cas des cinqrégions restantes, Agadir, Fès, Marrakech, Oujeda etTanger, qui connaîtraient des pertes d’efficacité deleurs marchés du travail, indépendamment de laméthode et du modèle envisagé. Toutefois, seules lesrégions de Marrakech et de Oujeda subiraient despertes substantielles d’efficacité, surtout pendant

l’année 1997. On remarquera d’ailleurs que lesdifficultés croissantes d’appariement dans ces deuxrégions étaient déjà présentes à la lecture du tableau1, où l’on peut observer que, contrairement auxautres régions, Marrakech et Oujeda enregistraienten 1997 une chute importante du nombre absolu depostes créés.

Conclusions

Nous avons proposé dans cet article l’utilisation desméthodes de frontières d’efficacité pour l’évaluationdes processus d’appariement sur le marché du travaildes diplômés au Maroc.

Les résultats obtenus montrent une concordanceentre les différentes méthodes d’estimation utilisées,y compris celle des effets fixes généralement utiliséedans la littérature. Ils nous ont permis d’identifier lecas de différentes régions ayant des scoresd’efficacité faibles ou ayant subi des pertesimportantes d’efficacité au cours de la périodeanalysée.

On a aussi constaté que l’hypothèse de rendementscroissants doit être retenue, ce qui confirme le faitque c’est dans les grands marchés que lesappariements entre l’offre et la demande ont le plusde chances de réussir, mais surtout que c’est parrappor t aux nouveaux postes vacants quel’appariement réagira.

On a également testé l’effet de certaines variablesexplicatives sur l’efficacité d’appariement. Si l’on seréfère aux résultats obtenus des estimations avecfrontières paramétriques et rendements d’échellevariables (ceux qui méritent notre préférence), ilsconfirment le rôle positif des activités de prospectionmenées par les centres régionaux d’information(CIOPE), mais montrent aussi les limites de cetteactivité face à l’arrivée massive de nouveauxdemandeurs d’emploi diplômés et à une offre trèsinsuffisante de postes adaptés à leur formation.

Toutefois il ne s’agit que d’une première tentatived’application des méthodes de frontières dans cedomaine e t l es résu l t a t s nous semblen tencourageants. Nous sommes persuadés que desperspectives intéressantes s’ouvrent pour l’étude desprocessus d’appariement en faisant appel à cestechniques et outils de recherche.

43

Tableau 5 : efficacité d’appariement des marchésd’emploi régionauxa

Région AnnéeFrontière paramétrique DEA

RCE RVE RCE RVE

Agadir 1995 0,762 0,784 0,403 0,514

1996 0,666 0,673 0,247 0,295

1997 0,689 0,684 0,352 0,360

Casablanca 1995 0,522 0,508 0,325 0,331

1996 0,806 0,775 0,511 0,617

1997 0,809 0,764 0,428 0,716

Fes 1995 0,777 0,794 0,546 0,558

1996 0,753 0,753 0,312 0,339

1997 0,701 0,688 0,283 0,287

Kenitra 1995 - - - -

1996 0,526 0,538 0,187 0,242

1997 0,654 0,656 0,392 0,401

Marrakech 1995 0,616 0,634 0,359 0,486

1996 0,573 0,577 0,234 0,260

1997 0,424 0,418 0,148 0,152

Meknes 1995 0,587 0,614 0,477 0,490

1996 0,645 0,655 0,311 0,328

1997 0,752 0,747 0,356 0,383

Oujeda 1995 0,748 0,771 0,298 0,585

1996 0,716 0,729 0,282 0,439

1997 0,369 0,374 0,134 0,214

Rabat 1995 0,468 0,476 0,369 0,376

1996 0,586 0,575 0,295 0,299

1997 0,682 0,665 0,388 0,396

Tanger 1995 0,711 0,746 0,744 0,832

1996 0,721 0,739 0,434 0,480

1997 0,636 0,641 0,480 0,488

Ensemble 1995 0,649 0,669 0,440 0,521

1996 0,666 0,666 0,312 0,367

1997 0,637 0,625 0,327 0,375

(a) Valeurs moyennes annuelles sur base de résultats mensuels ; RCEet RVE indiquent des rendements d’échelle constants et variablesrespectivement.

44

Notes

(1) Voir Pissarides (1986, 1990), Blanchard et Diamond(1989) et Layard et alii (1991), parmi d’autres.

(2) Pour un survol de la littérature sur les frontièresd’efficacité, voir Fried et alii (1993).

(3) Une autre approche, des indicateurs de mismatch, metl’accent sur la mesure du chômage d’inadéquation,attribuable à des problèmes structurels ou frictionnels plusqu’à une demande insuffisante (Abraham, 1983).

(4) D’un point de vue strictement méthodologique, laressemblance entre le processus de production et leprocessus d’appariement est frappant, ceci expliquepourquoi ce dernier est modélisé généralement à l’aided’une fonction de production.

(5) La probabilité d’appariement est définie par ces auteurscomme le produit de deux probabilités, celle de propositiond’un emploi par l’employeur et celle d’acceptation del’offre par le travailleur (Gorter et Van Ours (1994).

(6) Parmi d’autres, on citera les travaux de Blanchard etDiamond (1989), Layard et alii (1991), Belderbos etTeulings (1989), Van Ours (1991), Edin et Holmlund(1991) et Maillard (1997).

(7) Pour une meilleure interprétation de ce paramètre,certains auteurs prennent une décomposition orthogonaleavec une composante régionale et une composantetemporelle (Maillard, 1997).

(8) Pour une présentation détaillée sur ce point, voir Coelliet Perelman (1999).

(9) Nous adoptons ici la formulation du modèlestochastique proposée par Battese et Coelli (1988), au lieude supposer une distribution semi-normale du termed’inefficacité comme dans Aigner et alii (1977).

(10) Pour une discussion approfondie des propriétés de cesestimateurs, voir Schmidt et Sickles (1984). Le programmeFRONTIER, développé par Tim Coelli (1992), est utilisépour ces estimations.

(11) Le terme «diplômé» est utilisé ici pour toute personneayant un diplôme de baccalauréat ou plus ou d’un diplômede l’enseignement professionnel.

(12) Dans une première étape les CIOPE se sont implantésdans des villes à forte demande d’emploi (El Caïd, 1992).

(13) Les résultats d’une enquête nationale réalisée en 1993ont permis de mettre en évidence le caractèremultidimensionnel du rôle joué par la famille (CNJA,1995).

(14) Voir à ce sujet Lindbeck et Snower (1989).

(15) L’évolution de ce ratio peut en partie être attribuable àla montée en puissance des centres régionaux. Crées audébut des années quatre-vingt-dix, ils arrivent seulement àatteindre la dimension réelle des régions vers la fin de lapériode observée.

(16) Une des différences entre la méthode des effets fixes etles méthodes de frontières est justement la manière dont lesmesures d’efficacité sont identifiées. Nous avons privilégiédans cette étude les résultats obtenus par l’approche desfrontières.

Bibliographie

Abraham K. (1983). Structural/Frictional vs. DeficientDemand Unemployment: Some New Evidence, AmericanEconomic Review, 73, pp. 708-724.

Aigner D.J., Lovell C. A. K. et Schmidt P. (1977).Formulation and Estimation of Stochastic FrontierProduction Function Models, Journal of Econometrics, 6,pp. 21-37.

Battese G. E. et Coelli T. J. (1988). Prediction of firm-leveltechnical efficiencies with Generalized Frontier ProductionFunction and Panel data, Journal of Econometrics, 38, pp.387-399.

Battese G. E. et Coelli T. J. (1995). A Model ForTechnical Inefficiency Effects in a Stochastic FrontierProduction Function for Panel Data, Empirical Economics,20, pp. 325-332.

Belderbos R. et Teulings C. (1989). A new interpretationof the relation between unemployment and vacancies, SEOresearch memorandum, n° 8904, University of Amsterdam.

Blanchard O. J. et Diamond P. (1989). The BeveridgeCurve, Brookings Papers on Economic Activity, 1, pp. 1-60.

Bougroum M. et Ibourk A. (1998). La pertinence dusalaire de réserve comme facteur d’accès à l’emploi,Annales Marocaines de l’Économie.

Broersma L. et Van Ours J. C. (1999). Job Searchers, JobMatches and the Elasticity of Matching, Labour Economics,6, pp. 77-93.

Burda M (1993). Modelling Exits from Unemployment inEastern Germany: a Matching Function Approach, CEPRDiscussion Paper Series, n° 800.

Charnes A., Cooper W.W. et Rhodes E. (1978).Measuring the Efficiency of Decision-Making Units,European Journal of Operational Research, 2, pp. 429-444.

Coelli T. J. (1992). A Computer Program for FrontierFunction Estimation, Economic Letters, 39, pp. 29-32.

Coelli T. J. et Perelman S. (1999). A Comparison ofParametric and Non-Parametric Distance Functions: WithApplication to European Railways, European Journal ofOperational Research, 117, pp. 326-339.

CNJA (1995). Enquête auprès des jeunes, CollectionEnquêtes, vol. 1,2 et 3, Rabat.

Debreu G. (1951). The Coefficient of Resource Utilization,Econometrica, 19, pp. 273-292.

Direction de la Statistique (1996). Enquête nationale surla population active urbaine, Rabat.

Edin P.A et Holmlund B. (1991). Unemployment,Vacancies and Labor Market Programs: Swedish evidence,dans Padoa-Schioppa, F. (ed.), Mismatch and LaborMobility, Cambridge University Press, pp. 405-448.

El Caïd H. (1992). L’administration et le problèmed’emploi au Maroc, Rabat.

Farrell M. J. (1957). The Measurement of ProductiveEfficiency, Journal of the Royal Statistical Society, SeriesA, 120, pp. 253-281.

45

Fried H., Lovell C. A. K. et Schmidt S. S. (1993). TheMeasurement of Productive Efficiency, Techniques andApplications, Oxford University Press.

Gorter J. C. et Van Ours C. (1994). MatchingUnemployment and Vacancies in regional Labor Markets:an Empirical Analysis for the Netherlands, Papers inRegional Science, 73, pp. 153-167.

Layard R., Nickell S. et Jackman R. (1991).Unemployment, Macroeconomic Performance and theLabour Market, Oxford University Press.

Lindbeck A. et Snower D. J. (1989). The Insider-OutsiderTheory of Employment and Unemployment, MIT,Cambridge, Massachusetts.

Maillard M. (1997). Matching Vacancies andUnemployment in Regional Labor Markets: A Panel DataAnalysis for France, Revue d’Économie Régionale etUrbaine, 2, pp. 155-170.

Meeusen J. et van den Broeck J. (1977). EfficiencyEstimation from Cobb-Douglas Production Functions withComposed Error, International Economic Review, 18,pp.435-444.

Petrongolo B. et Wasmer E. (1999). Appariement desmarchés régionaux du travail : Une comparaisonFrance-Grande-Bretagne, in Catin, M., Lesueur J.-Y. etZenou Y., Emploi, concurrence et concentration spatiales,Economica, pp. 39-53.

Pissarides C. (1986). Unemployment and Vacancies inBritain, Economic Policy, pp. 500-541.

Pissarides C. (1990). Equilibrium Unemployment Theory,Basil Blackwell, New-York.

Salop S.C. (1979). A Model of the Natural Rate ofUnemployment, American Economic Review, 69, pp.117-125.

Schmidt P. et Sickles R. C. (1984). Production Frontiersand Panel Data, Journal of Business and EconomicStatistics, 2, pp. 367-374.

Sheldon G. (1999). The Efficiency of Public EmploymentServices: A Non-Parametric Matching Function Analysisfor Switzerland, University of Basle, mimeo.

Shephard R. W. (1953). Cost and Production Functions,Princeton University Press.

Van Ours J. C. (1991). The Efficiency of the Dutch LaborMarket In Matching Unemployment and Vacancies, DeEconomist, 139, pp. 358-378.

Warren R. S. (1991). The Estimation Of FrictionalUnemployment: A Stochastic Frontier Approach, TheReview of Economics and Statistics, 73, pp. 373-377.