Modélisation des salaires dans GaMeo - EDHEC … · 4 introduction Position PaPer — MoDélISAtIon DES SAlAIRES DAnS GAMEo — JuIllEt 2016 1 - Pour le traitement de la rupture

Modélisation des salaires dans GaMeo note technique

Juillet 2016

Cynthia Couassi,Assistante de recherche au Pôle économie,EDHEC Business School

WWW.edhec.coM

Ce document constitue une synthèse de travaux scientifiques conduits au sein de l’EDHEC. Pour plus d’informations, nous vous prions de vous adresser à la direction de la recherche de l’EDHEC : [email protected] Les opinions exprimées sont celles des auteurs et n’engagent pas la responsabilité de l’EDHEC.

Une Publication EDHEC Business School — Pôle de Recherche en Economie

2

table des Matières

Introduction > P.41. Construction de la base de données « individus » > P.52. Construction des différents jeux d’estimateurs > P.93. Comparaison des jeux d’estimateurs disponibles > P.13Annexes > P.17Références > P.33

Position PaPer — MoDélISAtIon DES SAlAIRES DAnS GAMEo — JuIllEt 2016


3

4

introduction

4


1 - Pour le traitement de la rupture de série de la variable «secteur» dans les ERF, cf. supra.


Dans cette note nous expliquons comment sont obtenus les jeux d’estimateurs qui servent à la simulation des salaires dans le modèle GAMEo de l’EDHEC. Ces jeux d’estimateurs sont construits suivant la même méthodologie que celle utilisée par Courtioux et al. (2011). Dans cette nouvelle version, les salaires sont estimés à partir des enquêtes Revenus fiscaux (ERF) des années 2003 à 2012. Contrairement aux enquêtes Emploi qui fournissent un salaire mensuel basé sur la simple déclaration des individus, les ERF ont l’avantage de fournir un salaire annuel basé sur des sources administratives et par conséquent, plus fiables. l’ensemble de ces jeux d’estimateurs correspondent à une même équation de salaire qui a la forme suivante (équation de gain à la Mincer) :

Avec = Salaire annuel de l’individu i avec

un diplôme e, travaillant dans le secteur s, = nombre d’années d’expérience de

l’individu i avec un diplôme e, = Indicatrice indiquant si l’individu est

dans un emploi public, = Résidu conditionnel au diplôme e.

Afin d’identifier la spécificité des carrières féminines, l’estimateur de l’expérience (β) est décomposé en deux effets : (i) un effet global β1 et (ii) un effet propre au fait d’être une femme β2. Ce dernier est caractérisé

dans l’équation qui suit par l’indicatrice F :

Par ailleurs, la somme des effets des secteurs est contrainte à zéro c’est-à-dire , k étant le nombre de secteurs1.

En économie de l’éducation, l’estimation de l’effet du diplôme sur les salaires à partir d’équations de gain à la Mincer est généralement considérée comme biaisée car les résidus de l’équation de salaire ne sont pas indépendants du nombre d’années d’études. En effet, les capacités productives intrinsèques déterminent à la fois les choix éducatifs et le salaire. En se situant à un niveau suffisamment fin dans la définition du niveau d’éducation, nous considérons que les caractéristiques productives individuelles intrinsèques jouant sur les choix éducatifs sont capturées uniquement par l’effet diplôme. l’hétérogénéité inobservée est ainsi beaucoup moins forte que dans les spécifications usuelles qui regroupent les diplômes par niveau d’éducation ou nombre d’années d’études pour un développement de cet argument cf. Courtioux et lignon (2016, 2017).

1. construction de la base de données « individus »

5

6


1. construction de la base de données « individus »

Les ERF comportent 4 tables réparties en deux tables « individus » et deux tables « ménages ». Pour obtenir une base « individus » complète, il faut effectuer un appariement des deux tables « individus » à l’aide de l’identifiant noindiv concaténant l’identifiant ménage et le numéro d’identification de l’individu dans le ménage. Une fois l’appariement réalisé, les tables « individus » des différentes années sont ensuite empilées. Cette étape ne peut être correctement réalisée qu’après avoir résolu les problèmes tels que la nature ou le nom d’une même variable qui change d’une année à une autre. Après s’être assuré qu’il n’y a pas de doublons (c’est-à-dire qu’un individu n’apparaît pas deux fois) dans la nouvelle table, le nombre total d’observations que nous obtenons s’élève à 1 025 462.

1.1. construction de la variable exPliquée : le salaire annuelLa variable « salaires et traitements » présente dans les ERF représente un salaire annuel. La perte de pouvoir d’achat d’une année à une autre due à l’inflation -définie comme une hausse généralisée et durable du niveau des prix- doit être prise en compte ici puisque les salaires dont nous disposons couvrent plusieurs années. A cet effet, des taux d’inflation entre chaque année et l’année de référence (2012) sont appliqués. Ces taux proviennent du convertisseur de l’insee et sont présentés en Annexe 10. Une fois convertis en euros constants 2012, les salaires annuels sont pris en logarithme base 10. Pour les salaires annuels initialement égaux à zéro, la valeur en logarithme est représentée par un point.

1.2.construction des variables exPlicativesLe diplômeA partir des variables diP et diPsUP, 21 catégories de diplômes sont construites. Ces catégories sont présentées dans le tableau 1.

dans l’estimation des équations de Mincer qui lient au salaire en logarithme le niveau d’éducation (années d’études) et l’expérience professionnelle, se pose généralement le problème d’endogénéité de la variable « éducation ». En effet, l’endogénéité provient du fait qu’il existe dans le terme d’erreurs des éléments qui impactent à la fois le salaire et l’éducation de l’individu comme par exemple son aptitude (ability). En raisonnant à un niveau très fin de diplôme, ce problème est en partie résolu dans la mesure où l’estimation conditionnelle au diplôme amène à construire des catégories au sein desquelles les individus sont plus homogènes qu’en cas d’un échantillon composé d’individus de tous les niveaux de diplôme. L’hypothèse implicite faite ici est que plus les groupes sont homogènes en termes de diplôme, plus il y a de chances que les individus possèdent des caractéristiques inobservés semblables. Par rapport aux estimations de Courtioux et al. (2011), une nouvelle catégorie (‘02-bretec’) est rajoutée. En améliorant l’homogénéité entre les individus de chaque catégorie de diplôme, cette classification encore plus fine du niveau d’éducation renforce la crédibilité de l’hypothèse de non endogénéité indispensable à l’obtention d’estimateurs non biaisés.


6

7


Les secteurs d’activitédans GAMEo, le secteur d’activité est utilisé comme variable permettant de rendre compte de la spécificité d’un diplôme - cf. Courtioux et al. (2011). La variable de nomenclature d’activité agrégée disponible a changé en 2008. Compte tenu du fait que nous ne disposons

pas d’une table de conversion au niveau de détail disponible dans les ERF permettant de passer directement de l’ancienne à la nouvelle nomenclature, les variables nAFG16 et nAFG17n sont toutes deux utilisées dans les estimations, pour construire 7 secteurs d’activités différenciés selon la période (cf. supra).


Tableau 1 : Les catégories de diplômes retenues‘00-pasdipl’ Pas de diplôme (Brevet des collèges, Certificat d’études primaires, sans diplôme)

‘01-capbep’ CAP, BEP

‘02-bretec’ Brevet de technicien, Brevet professionnel

‘03-bacge’ Baccalauréat général

‘04-bacpro’ Bac professionnel

‘05-bactech’ Bac technologique

‘06-capdroit’ Capacité en droit, dAEU, EsEU

‘07-deug’ deug

‘08-dutdeust’ dUT et deust

‘09-bts’ BTs

‘10-techsup’ Autres diplômes niveau technicien supérieur (niveau bac+2)

‘11-paramed’ diplômes paramédicaux et sociaux (niveau bac+2)

‘12-Licence’ Licence, Licence professionnelle, licence iUP

‘13-Bac+3aut’ Autres diplômes supérieurs (niveau bac+3 et plus)

‘14-maîtrise’ Maîtrise, MsT, MiAGE, Maîtrise iUP

‘15-dEA’ dEA, Magistères

‘16-dEss’ dEss

‘17-ecom’ Ecoles de commerce

‘18-eing’ Ecoles d’ingénieurs

‘19-docaut’ doctorats (sauf santé)

‘20-docsan’ doctorats de santé

Tableau 2 : Les secteurs d’activitéAncien secteur d’activité (ERF 2003-2008) nouveau secteur d’activité (ERF 2009-2012)

Manufacture et BTP Manufacture

BTP

Énergie Energie

Finance Finance

services aux entreprisesservices

services aux particuliers

Administration Administration

Autre secteur Autre secteur

8


2 - Cf. Courtioux et al. (2011), Courtioux et lignon (2017).

Les fonctionnairesici, sont considérés comme fonctionnaires les agents titulaires de l’Etat ou des collectivités locales. Cette variable indicatrice est construite à partir des variables ChPUB et TiTC. La variable chpub renseigne sur la nature de l’employeur principal et comporte 5 modalités : « 1- Etat », « 2- Collectivités locales, hLM », « 3- hôpitaux publics », « 4- Particulier » et « 5- Entreprise publique ou privée, association ». Quant à la variable TiTC, elle renseigne sur le statut des agents de la fonction publique et comprend 3 modalités : « 1- Elève fonctionnaire ou stagiaire »,« 2- Agent titulaire », et « 3- Contractuel ». Ainsi, la variable fonctionnaire indique 1 pour les observations vérifiant à la fois les modalités 1 ou 2 de la variable ChPUB et la modalité 2 de la variable TiTC et 0 sinon.

L’expérienceL’expérience utilisée ici est l’expérience potentielle obtenue à partir des variables AnnEE et FoRdAT. Elle représente la différence entre l’âge de fin d’études initiales et l’année de l’enquête. L’idéal pour rendre compte de l’expérience professionnelle est de mesurer l’expérience effective c’est-à-dire l’expérience potentielle déflatée des périodes d’inactivité et de chômage. si l’on considère que le temps d’insertion sur le marché du travail peut varier d’une génération à une autre et que certains diplômes peuvent être plus sensibles au chômage que d’autres, l’utilisation de l’expérience potentielle comme proxy de l’expérience effective introduit potentiellement un biais. Ce biais, s’il est avéré, est la conséquence d’une erreur de mesure qui peut être corrigée par une méthode d’estimation basée sur des variables instrumentales.2 En outre, sous l’hypothèse que l’effet de l’expérience n’est pas

constant tout au long de la carrière, un terme quadratique est rajouté (expérience au carré). La variable liée à l’expérience féminine est quant à elle obtenue en croisant l’expérience et le sexe (sExE = ‘2’).

Les pondérationsConformément aux recommandations du producteur de données, puisque l’on manipule la table « individus », la variable de pondération utilisée est wPRM.


8

92. construction des différents jeux d’estiMateurs

9

10


Dans cette section nous présentons les différents modes de corrections qui sont combinés pour obtenir des estimateurs robustes.

2.1.robustesse et Procédure de triMMinGPour garantir la robustesse des résultats, l’estimation par les MCo (Moindre Carrés ordinaires) est faite en deux étapes. la première étape consiste à estimer une première fois les équations de salaires afin de récupérer les résidus pour ensuite pouvoir écarter 10% des observations dont les résidus sont situés en queue de distribution (5% de chaque côté de la distribution). la seconde étape (trimming) consiste à estimer de nouveau les différentes équations de salaire sur le nouvel échantillon réduit. Sous l’hypothèse que le terme d’erreur suit une loi normale, cette méthode présente l’avantage de ne modifier ni la moyenne, ni la médiane de la distribution. la taille du nouvel échantillon -autrement dit le point de rupture- dépend du poids présumé des valeurs extrêmes (outliers) dans l’échantillon initial. le seuil de 10% fixé ici semble raisonnable compte tenu de la source plutôt fiable des données. toutefois, afin d’évaluer dans quelle mesure le trimming influence les résultats, les estimateurs obtenus sur toutes les observations de chacune des quatre sous-populations sont également présentés dans les Annexes 5 à 8.

2.2.salaires et autres revenusles estimations sont réalisées sur quatre sous-populations qui se différencient par (i) l’existence ou non de revenus autres que des revenus salariaux, (ii) la perception ou non d’allocations chômage ou retraite, et (iii) le temps de travail. Puisque nous utilisons un salaire annuel, un individu peut avoir été déclaré comme chômeur mais avoir un salaire annuel non nul s’il a, entre temps, retrouvé du travail au cours de l’année. En outre, si l’on considère que les individus qui ont d’autres sources de revenus présentent probablement des caractéristiques différentes de ceux qui n’en ont pas, le risque d’obtenir des estimations biaisées ne s’en retrouve que renforcé. Il semble donc judicieux de faire ces distinctions pour évaluer dans quelle mesure les résultats sont impactés par la présence potentielle dans l’échantillon de chômeurs (salariés) partiels ou de revenus autres que des revenus salariaux.

les quatre sous-populations sur lesquelles les estimations ont été réalisées sont décrites dans le tableau 3.

2.3.les différentes Modélisations du secteur d’activité.Le changement intervenu en 2008 dans la codification des secteurs d’activité rend leur modélisation quelque peu compliquée. En effet, comme mentionné supra, il n’est pas possible de passer d’une nomenclature à l’autre sur la base des variables agrégées


10

2. construction des différents jeux d’estiMateurs

11


présentes dans les fichiers de diffusion des ERF. Ceci amène à distinguer deux groupes de secteurs classifiés suivant les variables naFg16 (anciens secteurs) et naFg17n (nouveaux secteurs). Les difficultés d’interprétation qui émanent d’une telle démarche découlent de l’impossibilité de vérifier la parfaite similarité des secteurs, même au niveau le plus désagrégé. Cependant, comme l’on peut le remarquer dans le tableau 2 et en se basant uniquement sur leurs intitulés, certains nouveaux secteurs peuvent être perçus soit comme une décomposition (Manufacture et BTP) ou une combinaison (Services aux entreprises et Services aux particuliers) des anciens secteurs, soit comme leur étant identiques (Energie, Finance). aussi ajoutons-nous des contraintes supplémentaires qui égalisent les coefficients des secteurs pour lesquels il semble possible d’établir un lien, ne serait-ce que par les intitulés. Seuls les coefficients relatifs aux secteurs d’activité seront modifiés puisque la contrainte qui veut que la somme des paramètres associés aux anciens et nouveaux secteurs soit nulle est maintenue. Les résultats obtenus sont présentés en annexe 9.


Tableau 3sous- Population description Caractéristiques des variables écartées

Ensemble des salariés (All) sont écartés de l’échantillon total, les obser-vations dont le poids et le salaire sont nuls ou manquants.

observations pour lesquelles les variables Pond et LoGsAL sont nulles ou man-quantes.

salariés hors ceux qui ont touché une alloca-tion retraite ou chômage (All_choret)

salariés hors ceux qui ont touché une allo-cation retraite ou chômage : sont écartés du précédent échantillon, les individus qui ont perçu une allocation chômage ou retraite au cours de l’année.

observations pour lesquelles les variables ChoMAGE_i ou RETRAiTEs_i sont non nulles.

Uniquement les revenus salariaux (Rev_sal) ne sont conversés dans cet échantillon que les individus qui n’ont perçu que des revenus salariaux (hors pensions alimentaires) au cours de l’année.

observations pour lesquelles les variables ChoMAGE_i ou RETRAiTEs_i sont non nulles d’une part et d’autre part, RAG, RiC et RnC sont toutes égales à 0.

Uniquement les salariés à temps complet (sal_tpcomp)

ne sont pris en compte ici que les revenus salariaux des individus travaillant à temps complets.

obervations pour lesquelles la variable TPPREd ne pointe pas 1.



12

3. coMParaison des jeux d’estiMateurs disPonibles

13


3. coMParaison des jeux d’estiMateurs disPonibles

Par souci de simplification, nous nous référons aux estimations effectuées sur l’ensemble des salariés par All, celles sur les salariés hors chômeurs et retraités par All_choret, celles sur les revenus uniquement salariaux par Rev_sal et celles sur les revenus uniquement salariaux à temps complet par Sal_tpcomp (cf. tableau 3, supra). Pour comparer les différentes estimations, nous supposons que les paramètres estimés pour une même variable, exception faite de la constante, ne sont pas différents si leur différence (en valeur absolue) est inférieure ou égale à 0,01, soit 1 point de pourcentage. Sur cette base, on note que :(i) les estimateurs obtenus sur All sont généralement supérieurs à ceux obtenus en affinant davantage le champ d’étude en vue d’homogénéiser le groupe des

salariés, (ii) les estimations obtenues sur all_choret sont généralement égales à celles obtenues sur Rev_sal, enfin (iii) celles obtenues sur Sal_tpcomp diffèrent de celles obtenues sur Rev_sal. Pour ces deux derniers groupes d’estimateurs, il ne se dégage aucune tendance globale en fonction des diplômes. En outre, une analyse plus détaillée des paramètres révèle que pour les variables liées à l’expérience professionnelle, les coefficients estimés sur All restent supérieurs à ceux obtenus sur les autres sous-populations qui ne présentent pas de différence entre eux, surtout pour All_choret et Rev_sal. Il faut noter cependant que pour le diplôme « Bac professionnel », la différence entre les coefficients liés à l’expérience n’excède pas 1 point de pourcentage quelle que soit la sous-population considérée ce


14

note : sal_all pour la sous-population All, sal_cho pour la sous-population All_choret, sal_sal pour la sous-population Rev_sal, sal_comp pour la sous-population sal_tpcompsources : Enquêtes Revenus fiscaux 2003-2012, calculs de l’auteure.

Graphique 1 : le salaire des diplômés (bac professionnel) en fonction des années d’expérience estimé pour différentes populations


qui se traduit par un parallélisme plus prononcé entre les différentes courbes (cf. graphique 1). S’agissant de la constante, les estimations sur all sont largement inférieures aux autres alors que celles sur All_choret, Rev_sal et Sal_tpcomp se révèlent être plutôt proches entre elles.

Par ailleurs, une comparaison entre les estimateurs obtenus par trimming et ceux obtenus en tenant compte de l’ensemble des observations révèle une différence entre ces deux types d’estimateurs surtout au niveau des variables liées au secteur d’activité et au statut d’emploi. S’agissant de l’expérience professionnelle, seuls les diplômes « Sans diplôme », « CAP/BEP », « Brevet de technicien, brevet professionnel »,« Bac professionnel », « Dut et Deust », « Doctorats (sauf santé) » et « Doctorats de santé » présentent des coefficients sans grande différence.

Pour mémoire, les diplômes « Paramédicaux et sociaux de niveau bac + 2 » et « BtS » ont été regroupés dans le cas des revenus salariaux à temps complets.


15



16

annexes17


La source des annexes 1 à 9 sont les enquêtes Revenus fiscaux (calculs de l’auteure). Les nouveaux/anciens secteurs d’activité correspondent aux éléments détaillés dans le tableau 2 (cf. supra). Les tableaux donnent les estimateurs et leur écart-type entre parenthèse.

Annexe 1 : Estimation sur l’ensemble des salariés (procédure de trimming)


18


Annexe 2 : Estimation sur l’ensemble des salariés hors ceux qui ont touché une allocation retraite ou chômage (procédure de trimming)


19



20


Annexe 3 : Estimation sur les revenus uniquement salariaux (procédure de trimming)


21


Annexe 4 : Estimation sur les revenus salariaux à temps complet (procédure de trimming)


22



23


Annexe 5 : Estimation sur l’ensemble des salariés


24


Annexe 6 : Estimation sur l’ensemble des salariés hors ceux qui ont touché une allocation retraite ou chômage


25



26


Annexe 7 : Estimation sur les revenus uniquement salariaux


27


Annexe 8 : Estimation sur les revenus salariaux à temps complet


28



29


Annexe 9 : Estimation sur l’ensemble des salariés avec restrictions supplémentaires sur les secteurs d’activité (procédure de trimming)


30


Annexe 10 : Convertisseur de l’euro courant en euro constant


31



32

références33


références

● Courtioux, P., Gregoir, S., Houeto, D., 2011. Enseignement supérieur et durées de subvention individuelle implicite: une analyse par microsimulation dynamique. Rev. économique 62, 835. doi:10.3917/reco.625.0835

● Courtioux, P., lignon, V., 2016. A good career or a good marriage: the returns of higher education in France. Econ. Model. 57, 221–237. doi:10.1016/j.econmod.2016.04.011

● Enquête Revenus fiscaux (ERFS) 2003-2005, InSEE [producteur], ADISP-CMH [diffuseur].

● Enquête Revenus fiscaux et sociaux (ERFS) 2006-2012, InSEE [producteur], ADISP-CMH [diffuseur].

● Wooldridge, J.M., 2013. Introductory econometrics: a modern approach, 5th ed. ed. South-Western Cengage learning, Mason, oH.


34

l’EDHEC fait partie des cinquante Business Schools mondiales titulaires de la triple couronne EQuIS,

AACSB, AMBA. trois accréditations internationales qui reconnaissent l’excellence académique des programmes,

la qualité du corps professoral, les liens étroits avec les entreprises, ainsi que l’implication du Groupe EDHEC

dans son environnement local et économique.

wwww.edhec.edu

lille24 avenue Gustave Delory - CS 50411

59057 Roubaix Cedex 1 - Francetél. : + 33 (0)3 20 15 45 00 Fax : + 33 (0)3 20 15 45 01

nice393 promenade des Anglais - BP 3116

06202 nice Cedex 3 - Francetél. : + 33 (0)4 93 18 99 66Fax : + 33 (0)4 93 83 08 10

Paris16-18 rue du 4 septembre

75002 Paris - Francetél. : + 33 (0)1 53 32 76 30Fax : + 33 (0)1 53 32 76 31

londres10 Fleet Place, ludgate

london EC4M 7RB - united Kingdomtél. : + 44 (0)20 7332 5600Fax : + 44 (0)207 248 2209

sinGaPourone George Street

#15-02 Singapore 049145tél. : + 65 (0)6438 0030Fax : + 65 (0)6438 9891

Documents

Modélisation des salaires dans GaMeo - EDHEC … · 4 introduction Position PaPer — MoDélISAtIon DES SAlAIRES DAnS GAMEo — JuIllEt 2016 1 - Pour le traitement de la rupture