WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

Les determinants individuels du chômage dans l'arrondissement de Tchaourou


par Kami Wilfried BATCHO
Université de Parakou - Licence en Statistiques Appliquées 2018
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

2.2. Estimation du modèle et présentation des résultats

Afin de sélectionner le modèle le mieux adapté aux données nous avons comparé plusieurs modèles à l'aide de critères de pertinence et de qualité connus dans la littérature. Le tableau ci-dessous nous présente les différents modèles réalisés.

Modèle

Variable dépendante

Variable explicatives

Modèle 1

Statut socioprofessionnel

Age non regroupé Milieu de résidence Diplôme regroupé

Modèle 2

Statut socioprofessionnel

Age non regroupé Milieu de résidence Diplôme regroupé

Modèle 3

Statut socioprofessionnel

Age non regroupé Milieu de résidence Diplôme non regroupé

L'analyse des valeurs prises par ces critères calculés nous a permis de retenir le modèle 1 comme étant le mieux adapté (voir annexe 5). Cependant, les modalités de la variable diplôme détenu ne sont pas significatives en présence des autres variables dans le modèle ; ce qui nous a amené à faire une ANOVA sur le modèle 1 estimé avec le diplôme pour voir directement si la variable diplôme est significative ou pas afin de décider de son exclusion du modèle. Les résultats de l'ANOVA nous ont confirmé que la variable diplôme n'est pas significative en présence des autres variables (voir Tableau 18). Par conséquent, ce sont les résultats de l'estimation du modèle 1 sans la variable diplôme comme l'indique le tableau suivant que nous interpréterons.

Modèle

Variable dépendante

Variable explicatives

Modèle retenu

Statut socioprofessionnel

Age non regroupé Milieu de résidence

39

Le tableau suivant présente les résultats de l'estimation du modèle retenu. Tableau 3 : Estimation des coefficients, des effets marginaux et des odds ratio

Variables explicatives

Coefficients

Effets marginaux (dy/dx)

Odds Ratio

P-valeur (P>z)

Âge

-0,0799682

-0,0042296

0,9231457

0,000

Milieu de résidence

Rural en référence

Urbain

0,5943518

0,0285221

1,811856

0,000

Constante

-0,639521

-

0,527545

0,012

Source : Tableau réalisé à partir des données de l'enquête ENSPD 2015

Ce tableau nous présente le coefficient, l'effet marginal, l'odd ratio et la p-valeur associée à chaque modalité ou variable. Au niveau de l'âge, le signe négatif du coefficient qui lui est associé nous montre que la probabilité d'être au chômage diminue lorsque l'âge augmente. Cette probabilité diminue de 0,0042 pour une augmentation de l'âge d'une unité selon l'effet marginal associé à l'âge. L'interprétation de l'odd ratio quant à elle nous permet de dire que lorsque l'âge augmente d'une unité, on est 0,92 fois moins exposé au chômage. Cela confirme le résultat déjà obtenu dans l'analyse descriptive qui dit que, plus on est âgé, moins on est exposé au chômage.

Le coefficient de la modalité « Urbain » du milieu de résidence est quant à lui positif ; ce qui signifie qu'en passant du milieu rural au milieu urbain dans l'arrondissement de Tchaourou, le risque d'être au chômage augmente. Cette augmentation du risque est d'environ 0,029 selon l'effet marginal. L'odd ratio nous montre quant à lui que dans l'arrondissement de Tchaourou, les personnes habitants le milieu urbain sont 1,81 fois plus exposé au chômage que ceux vivant dans le milieu rural. Cela pourrait être une conséquence de l'exode rural qui se traduit par la migration massive des personnes des campagnes vers les villes. Mais une fois en ville, ces personnes n'arrivent pas à se trouver un emploi du fait qu'elles n'ont aucun diplôme ou qualification professionnelle.

Le diplôme n'a pas semblé être une variable utile dans notre modélisation en présence de l'âge et du milieu de résidence. Cette observation peut être la conséquence

40

d'une possible association entre le diplôme et l'âge d'une part et entre l'âge et le statut socioprofessionnel d'autre part. Ce qui fait de la variable diplôme un facteur de confusion.

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"Le doute est le commencement de la sagesse"   Aristote