Estimation de la fonction de production éducationnelle ... · comme du reste en Allemagne ou en Autriche, “la formation professionnelle revêt une grande importance ... pourcentage

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).


SCIENCES 4457 497,712

(90,198)

497

(96)

Score en sciences (moyenne des 5 plausible value in science).


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)***


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)*


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)***


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)


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)***


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)



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)


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)***


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)***


< 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)***


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)**


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)***


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)


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)***


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)**



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)


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)**


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)***


< 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


(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


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


Sco

re e

n le

ctur

e


(Moy

enne

= 4

97.9

9)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800



Sco

re e

n le

ctur

e


(Moy

enne

= 4

97.9

9)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800



Sco

re e

n le

ctur

e


(Moy

enne

= 4

97.9

9)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800


25

Annexe 1b. Le problème d’attrition des données : évolution des scores en mathématiques par région


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



Sco

re e

n m

athe

mat

ique


(Moy

enne

= 5

33.0

0)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800



Sco

re e

n m

athe

mat

ique


(Moy

enne

= 5

33.0

0)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800



Sco

re e

n m

athe

mat

ique


(Moy

enne

= 5

33.0

0)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800


26

Annexe 1c. Le problème d’attrition des données : évolution des scores en sciences par région


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



Sco

re e

n sc

ienc

e


(Moy

enne

= 4

97.7

)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800



Sco

re e

n sc

ienc

e


(Moy

enne

= 4

97.7

)

0

50

100

150

200

250

300

350

400

450

500

550

600

650

700

750

800



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


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


(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


(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


(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


(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


(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


(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


(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


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


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


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


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


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



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



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


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


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


< 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


(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


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


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


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


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


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


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



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



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


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


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


< 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)***


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)***


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)*


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)**


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)


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)**



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)


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)


< 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


(0.145409)

1.418455

(0.1268837)

1.668363

(0.2147207)

1.590305

(0.1141979)

Source : PISA 2000


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


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


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


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


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


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



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



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


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


< 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


(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


(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


(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


Documents

Estimation de la fonction de production éducationnelle ... · comme du reste en Allemagne ou en Autriche, “la formation professionnelle revêt une grande importance ... pourcentage