|
Analyse des déterminants de l’auto-emploi des jeunes de 15 à 29 ans au Bénin.par Nonvikan Karl-Augustt Alahassa Ecole Nationale de la Statistique et de l'Analyse Economique (ENSAE) - Ingénieur Statisticien Economiste (ISE) 2016 |
Les frontières entre l'emploi salarié et l'emploi indépendant sont de plus en plus floues dans certains domaines au cours de ces dernières années, surtout dans un contexte où le marché du travail évolue et la diffusion des pratiques telles que la sous-traitance s'amplifie. Ce processus a conduit à un intérêt croissant pour les dits économiquement travailleurs indépendants. Le travail indépendant est un aspect important de l'expérience des travailleurs sur le marché du travail. Pour le Bureau International du Travail (1993), les emplois de type auto-emploi sont les emplois dont la rémunération est directement dépendante des bénéfices (ou le potentiel de bénéfices) découlant des biens et services produits (la consommation propre étant considérée comme faisant partie des bénéfices). Les titulaires prennent les décisions de gestion affectant l'entreprise ou délèguent de telles décisions, tout en conservant la responsabilité pour le bien de l'entreprise 1. Les objectifs de compétitivité ayant changé, ils se traduisent aujourd'hui par de nouvelles formes de mobilisation du travail qui ne sont précisément ni du travail salarié, ni du travail indépendant, mais des combinaisons complexes de l'un et de l'autre. La précédente définition englobe un grand nombre de situations possibles, et ne présente que quelques caractéristiques générales. Yves Duppy et Françoise Larré (1998) de l'université des sciences sociales de Toulouse ont proposé une grille plus pertinente des situations de travail, vue leur hétérogénéité croissante. On retrouve les formes hybrides (FH) à partir de deux dimensions majeures : l'organisation de la contribution du travailleur au produit d'une part, et la répartition des risques d'autre part. Les différentes situations de travail sont donc caractérisées par leur position par rapport à deux questions centrales : "qui décide , organise et contrôle la prestation? (ou quel est le degré 1. Dans ce contexte, «entreprise» inclut les entreprises personnelles. 17 d'autonomie du prestataire ?)", "qui prend en charge les risques de l'activité travail? (risque d'entreprise, risque économique, risque clientèle...)", ainsi que ce qui gouverne le système de rémunération. Chaque dimension (la dimension organisation est notée ici X, et celle du risque Y )peut donc prendre trois valeurs : une valeur individuelle (i), une valeur collective (c), et un mixte individuel et collectif (i+c). Tableau 2.1 - Les formes hybrides du salariat et du travail indépendant
Source: Classification de Yves Duppy et Françoise Larré (1988) On peut donc comprendre plus facilement2 les différents types de travailleurs indépendants qui se distinguent selon le type d'unité de production qu'ils représentent ou pour laquelle ils travaillent. Les exemples qui répondent à cette classification sont en l'occurrence le cas des travailleurs familiaux (Xi+c, Yi), et les membres de coopératives de producteurs (Xi+c, Yi+c). On sait que les employeurs engagent sur une base continue une ou plusieurs personnes pour travailler comme «employés». Cependant, les travailleurs pour compte propre ont la même autorité sur l'unité économique que les «employeurs», mais n'ont pas nécessairement d'«employés» sur une base continue. Outre ces généralités, on note que les membres de coopératives de producteurs participent sur un même pied d'égalité avec les autres membres dans la détermination de l'organisation de la production, etc. Par contre, les travailleurs familiaux ne peuvent cependant pas être considérés comme des partenaires dans le fonctionnement de l'unité de production en raison du fait que leur degré d'engagement pour le fonctionnement de l'unité, en termes de temps ou d'autres facteurs de travail, n'est pas nécessairement comparable à celui de l'individu à la tête de l'entreprise (voir Annexes B & C). Mais, les définitions opérationnelles utilisées dans les enquêtes nationales sur la population active peuvent toutefois varier légèrement d'un pays à un autre. Pour l'OCDE (2011), les travailleurs familiaux non rémunérés sont des travailleurs indépendants, qui sont particulièrement importants dans l'agriculture et le commerce de détail. C'est pour cela que dans ce document, plus d'attention sera certes portée aux jeunes travailleurs indépendants qui ont leur propre emploi, et un chiffre d'affaires donné périodiquement. Toutefois, tous les aspects hybrides mentionnés ci-haut ne seront pas ignorés. Les raisons à l'origine du choix de l'auto-emploi pourraient inclure, par exemple, la nécessité de l'expression de soi, d'indépendance, de statut, ou l'obtention d'un avantage pécuniaire, etc. Nous présentons dans 2. En effet, l'organisation de la prestation peut être décidée par la personne qui réalise la prestation (Xi), ou peut être imposée par l'organisation au sein de laquelle travaille cette personne (Xe). Il en est de même pour le risque associé à la prestation : si le travailleur supporte le risque de la prestation, il devra chercher ses clients par lui-même, et recevra directement le prix de sa prestation (Yi). Dans le cas contraire, il sera rémunéré selon un taux uniforme (rémunération forfaitaire) par l'organisation au sein de laquelle il effectue son activité, et qui lui procure son travail (Ye). 18 19 les paragraphes suivants les principaux déterminants qui reviennent le plus dans la littérature. 2.2) La place du capital humain à travers l'influence de l'éducation Plusieurs travaux empiriques ont ainsi essayé de mesurer l'influence du capital humain sur l'auto-emploi. La théorie du capital humain a connu son véritable envol grâce à l'ouvrage « Human Capital, A Theoretical and Empirical Analysis » de l'économiste américain Gary Stanley Becker paru en 19643. D'après la théorie, il est nécessaire d'investir dans la formation, pour augmenter la productivité des travailleurs sur le marché de l'emploi. Becker a souligné des situations concrètes où l'on retrouve l'effet significatif de l'éducation dont voici quelques exemples : le taux de chômage est inversement proportionnel au niveau de compétences; l'investissement dans le capital humain contribue à la croissance de la productivité; etc 4. Pour la suite, nous étudierons l'importance significative du capital humain à travers l'éducation. 2.2.1) La garantie d'une réussite professionnelle pour le travailleur autonome le plus diplôméL'éducation sert de variable proxy pour le capital humain. Son effet attendu sur la probabilité d'être travailleur autonome est incertain en raison de différentes théories. D'une part, il est prévu que l'augmentation du capital humain augmenterait les chances qu'un individu puisse surmonter les obstacles inhérents à démarrer une entreprise. Les professionnels sont également censés être plus capables d'ouvrir leur propre entreprise. Les travaux de Dolton et Makepeace (2001) revêtent une importance particulière dans ce cadre du fait qu'ils ont estimé un modèle économétrique pour expliquer pour un échantillon de diplômés d'universités (des Royaumes Unis) le choix de s'auto-employer ou non. Il ressort de leur analyse que les antécédents sociaux et académiques sont des déterminants très significatifs de la décision de s'auto-employer dans le futur. Ils soutiennent que les diplômés d'universités sont les mieux placés pour s'auto-employer surtout qu'ils pourront toujours se faire embaucher si l'entreprise échouait. C'est dans le même sens que Donald F. Kuratko (2003) a prouvé que l'éducation universitaire est un déterminant significatif de la sélection de l'individu à l'entrée dans l'entrepreneuriat. Un niveau d'éducation élevé serait donc l'assurance d'une réussite professionnelle pour les travailleurs indépendants. 2.2.2) L'éducation : corrélation positive avec l'auto-emploi à travers le sous-emploiCertains jeunes n'attendent pas la fin de leur cursus scolaire ou universitaire, et acceptent des emplois jugés inférieurs à leur niveau de qualification. D'autres n'hésitent pas à préférer un
emploi indépendant vues les difficultés que présente le sous-emploi. Rissman (2003) postule que le travail indépendant est aussi une alternative à de faibles revenus sur le marché de l'emploi, ce qui indique qu'un niveau d'instruction élevé est en relation avec l'auto-emploi, à travers un manque de possibilités d'emploi. 2.2.3) L'éducation : corrélation positive avec l'auto-emploi à travers le chômageNordman et Doumer (2012) trouvent des résultats opposés à ceux de Boutin (2010) sur le lien entre niveau d'éducation et accès à l'emploi. A partir des données de l'enquête 1-23 réalisée entre 2001 et 2003 dans sept capitales de la zone UEMOA (exceptée Bissau), les auteurs trouvent à l'aide d'une modélisation logit qu'à Lomé, Cotonou et Abidjan, il existe une corrélation positive entre le chômage et le niveau d'éducation : les chances de chômer augmentent avec le niveau d'éducation. Cette situation se produit lorsque les individus, à la fin de leur cursus, se retrouvent sans emploi. Par contre, les individus sans niveau d'éducation, n'ayant plus d'autres alternatives, se dirigent très tôt vers le marché du travail, et ont donc une plus faible probabilité d'être au chômage. Une situation de chômage peut ainsi mener les individus à l'auto-emploi. 2.3) La formation professionnelle et l'intention entrepreneurialeLorsqu'ils ont suivi une formation, les entrepreneurs sont à même de gérer leur personnel, de maintenir le capital physique et de commercialiser leurs produits (Bruhn et al., 2010). Selon les données du Global Entrepreneurship Monitor relatives à 38 pays à revenu faible, moyen ou élevé, les programmes de formation peuvent avoir des effets positifs dans un environnement propice qui favorise la mise en application des connaissances, des compétences et des perceptions acquises au cours de la formation. Or, dans les pays à revenu faible et moyen, un tel environnement n'existe généralement pas, ce qui réduit l'impact du programme (Coduras Martínez et al., 2010). C'est pourquoi en Afrique, la formation professionnelle n'est pas forcément avantageuse du point de vue de l'insertion sur le marché du travail. Le Docteur Henry N. Tatangang (2011) disait récemment ceci : On est très vite surpris lorsqu'on étudie le cas du Cameroun, que les diplômés des institutions de formation professionnelle ne trouvent toujours pas d'emplois à la fin de leurs études. Les ingénieurs en sciences de l'alimentation diplômés de l'Université de Ngaoundéré sont au chômage. La même chose est vraie des ingénieurs en agronomie de l'Université de Dschang. Les diplômés en finances, monnaie et banque sortis de l'Université de Yaoundé II sont au chômage. La même chose est vraie des enseignants formés à l'Université de Buea alors même que l'Etat est en déficit de plusieurs milliers d'enseignants. On peut aussi citer les ingénieurs de travaux publics et de ceux de l'Ecole normale supérieure polytechnique de Yaoundé. Pourquoi donc? Pourtant, la formation professionnelle est un bon stimulus à la formation de l'intention en- 20 trepreneuriale. Pour mieux comprendre les raisons positives pour lesquelles les individus peuvent choisir de devenir des travailleurs indépendants afin de créer une nouvelle entreprise, une autre gamme de motivations sous-jacentes pourrait être envisagée. Une abondante littérature a abordé le processus de la formation d'intention entrepreneuriale (Krueger et al., 2000). Dans le résumé de leur article intitulé Competing Models of Entrepreneurial Intentions, Norris F. Krueger, Michael D. Reilly et Alan L. Carsrud ont montré que de façon empirique, les caractéristiques de l'individu (par exemple, les caractéristiques démographiques ou des traits de personnalité), sont des facteurs explicatifs pauvres. La prédiction des activités entrepreneuriales en modélisant seulement ces facteurs a généralement de faibles et décevants pouvoirs explicatifs, et une validité prédictive encore plus petite. De leur point de vue, les modèles d'intentions nous offrent des outils meilleurs pour augmenter notre capacité de comprendre et de prédire l'activité entrepreneuriale. Ils ont fait valoir que les modèles basés sur les intentions5 fournissent un aperçu pratique à tout comportement planifié. Les intentions pourraient être vraiment importantes dans les processus de prise de décision, en effet. Edgar Izquierdo et Marc Buelens (2011) ont montré à partir des données recueillies auprès de 236 étudiants qui ont été exposés à un cours d'entrepreneuriat que leur attitude et leur auto-efficacité sont positivement liées à l'intention de création d'entreprise. Cela suppose que dans un contexte où la formation professionnelle est bien orientée vers l'auto-emploi, les individus issus de la formation devraient être à même d'initier leurs propres entreprises. 2.4) L'auto-emploi : une réponse aux disparités du genreMême s'il est possible de surmonter les difficultés auxquelles fait face la jeunesse urbaine pauvre, en raison des discriminations dans l'éducation et sur le marché de l'emploi, certains groupes, comme les jeunes femmes et les personnes handicapées, ont moins de possibilités que les autres. Des normes sociales (telles que le mariage précoce) et des pratiques institutionnelles discriminatoires entravent la mobilité des jeunes femmes, les excluent de l'éducation et de la formation, et les empêchent d'avoir un travail rémunéré, alors qu'elles ploient sous un lourd fardeau de tâches non rémunérées et domestiques. Dans 25 des 39 pays couverts par une étude récente de l'Organisation Internationale du Travail (UNESCO, 2012), les femmes sont plus nombreuses que les hommes à travailler dans le secteur informel. Christopher Dawson, Andrew Henley, Paul Latreille (2009) ont entrepris une analyse des motivations citées par les travailleurs indépendants dans le Royaume-Uni comme raisons du choix de l'auto-emploi. Ils montrent qu'il existe en effet des différences significatives entre les hommes et les femmes, les 5. Leur étude compare deux modèles fondés sur l'intention en termes de leur capacité à prédire les intentions entrepreneuriales : la théorie de Ajzen du comportement planifié (TPB) et le modèle de Shapero de l'avénement entrepreneurial (SEE) . Ajzen (1991) fait valoir que les intentions dépendent en général des perceptions de soi, les normes sociales, et la faisabilité. Shapero (1982) dit aussi que les intentions entrepreneuriales dépendent de la perception de soi, la faisabilité, et la propension à agir. 21 femmes étant plus concernées par le mode de vie que le gain financier. On pourrait donc distinguer entre elles, celles qui vont vers l'auto-emploi pour l'indépendance économique, de celles qui faute d'éducation formelle, sont obligées de faire recours à des activités de subsistance. Leur éventail d'activités est limité : beaucoup sont reléguées aux emplois à domicile, et elles sont sur-représentées dans les activités les plus précaires, comme le ramassage des déchets ou la vente ambulante. L'indépendance économique et le gain financier n'est toutefois pas un facteur négligeable. Magnus Lofstrom (2009) a fourni aux Etats-Unis une analyse complète de la rentabilité économique de l'auto-emploi parmi les travailleurs peu qualifiés, et il a trouvé que, bien que le recours à l'auto-emploi est relativement élevé chez les hommes, le travail indépendant est une option nettement plus attirante financièrement pour la plupart des femmes. Toutes les femmes ne subissent pas le poids des préjugés culturels au point d'être éloignées du marché du travail; quelques-unes arrivent à saisir l'opportunité d'une vie plus émancipée, en faisant de l'auto-emploi un choix professionnel. 2.5) L'environnement familial et la contrainte de liquiditéMichael Hout et Harvey S. Rosen (2000) ont étudié les facteurs de transmissions inter-générationnels de l'auto-emploi. L'importance de la structure familiale est nettement identifiée, avec une influence significative de l'occupation du père. Puisque leur étude était faite aux Etats-Unis, ils avaient identifié que les blancs avec un père dans l'auto-emploi, et un revenu assez élevé, avaient de forte chance de maintenir le même type d'occupation. Greg Hundley (2006) a confirmé les résultats obtenus quelques années plus tard. Ce genre de phénomène est également notoire en Afrique, où le background familial est très déterminant. C'est notamment le cas des exploitations agricoles, même si ces dernières connaissent aujourd'hui de profondes transformations du fait de l'évolution du contexte agricole, mais aussi des mutations du travail, et des relations travail-famille-exploitations pour les exploitants comme pour leur famille (Madelrieux et al., 2010). L'exploitation paysanne6 reste tout de même concernée par les modes de transmissions des ressources entre les générations; les technologies ou le savoir-faire caractérisant l'exploitation agricole. C'est une caractéristique principale des peuples Adja au Bénin (Daane et al., 1997). Les fils, enfants uniques et aînés sont ceux qui bénéficient le plus fréquemment d'investissements particuliers de la part de leurs parents, tant financiers qu'en capital humain informel. Cependant, si ceux qui reprennent le statut des parents, et en particulier l'affaire familiale, bénéficient de transferts économiques plus importants, ils peuvent également se sentir prisonniers de leur rôle de repreneurs (Sibylle Gollac, 2008), surtout lorsque les parents ont faiblement investi dans leur réussite scolaire (le cas des femmes notamment). Par ailleurs, l'impact 6. Au-delà du fait que l'agriculture est un secteur économique important en ce qu'il est notamment garant de la sécurité alimentaire d'un pays, l'entreprise agricole se caractérise par son caractère plutôt familial et l'importance des capitaux investis pour devenir un opérateur économique à parité des entreprises commerciales et industrielles. Ce double constat fait dire parfois à certains qu'une entreprise agricole se transmet plus qu'elle ne se crée. 22 de l'environnement familial ne se fait pas ressentir uniquement à travers le type d'occupation des parents. Leur niveau d'instruction compte également pour beaucoup( Kim et al., 2006). Il en est de même de la contrainte de liquidité de la famille. Dans ce cadre, Anne Laferrère (2001) a démontré l'importance significative du niveau des actifs des parents, ainsi que leurs contraintes de liquidité. Chez les parents dans l'auto-emploi, elle a souligné un important transfert de capital, et une facilité d'accès au crédit selon le niveau des actifs détenus par la famille. Par contre, dans le contexte africain, d'après une étude7 de Laure Pasquier-Doumer (2011) à la Banque Mondiale, avoir un père travailleur autonome ne fournit pas nécessairement un avantage en termes de profit ou de chiffre d'affaires et ne suffit pas pour la transmission des compétences précieuses. Mais, les entrepreneurs informels qui ont choisi une entreprise spécifique basée sur la tradition familiale ont un avantage concurrentiel. Leur avantage concurrentiel est en partie expliquée par la transmission du capital humain spécifique à l'entreprise, à travers des expériences acquises dans le même type d'activité et par la transmission d'un capital social qui garantit une meilleure clientèle et une réputation. 2.6) Personnes handicapéesLes jeunes handicapés se heurtent à des difficultés particulières à la fois pour accéder à l'éducation et pour trouver un emploi. Boutin (2010) a montré qu'un handicapé très diplômé a trois fois moins de chances d'avoir accès à l'emploi qu'un handicapé sans niveau. Les handicapés seraient donc plus incités à créer leur propre job, afin de subvenir à leur besoin, surtout en cas d'absence du soutien familial. Dans son manuel intitulé The Definitive Volume That Will Help Guide, Develop and Navigate the Incubation of a Small Enterprise by a Person with Disability, Rick Rader, directeur du Morton J. Kent Habilitation Center à Orange Grove a soulevé la question suivante : "Si une personne ne peut « ni lire ni écrire, comment peut-il ou elle initier une entreprise rentable ?". La réponse qu'il a proposé est résumée en ces termes : l'alphabétisation n'est pas un préalable à la création d'entreprises. L'inventivité et le soutien axés sur l'accomplissement de tâches particulières sont obligatoires. Par exemple, si quelqu'un ne peut pas écrire, mais il doit remplir des factures au point de vente par produit, peut-être que les clients peuvent remplir leurs propres recettes; le propriétaire peut être guidé par une interface graphique sur un écran tactile d'ordinateur; ou un employé ou un partenaire commercial peut gérer ces tâches. Cary Griffin et Dave Hammis (2011) ont mis en évidence trois hypothèses erronées dans l'approche prédominante pour les étudiants handicapés désirant travailler : 1. fausse hypothèse # 1 : Les personnes ayant des handicaps significatifs ne sont pas les 7. Une recherche financée par les gouvernements Autrichien, Allemand, Norvégien, Coréen, Suisse, et par le biais du projet Unlocking potential: Tackling economic, institutional and social constraints of informal entrepreneurship in Sub-Saharan Africa de la Banque mondiale. Le projet est dirigé par l'Institut international d'études sociales de l'Université Erasmus de Rotterdam, La Haye, et les Pays-Bas. Les autres membres du consortium de recherche sont : AFRISTAT, Bamako, Mali, le DIAL-IRD, Paris, France, l'Institut allemand de Global et d'études de la région, Hambourg, l'Allemagne et l'Institut de Kiel pour l'économie mondiale, en Allemagne. 23 bienvenues sur le marché de travail.
Rees et Shah (1986) ont inclus des variables de santé dans leurs travaux sur l'auto-emploi. L'effet de la mauvaise santé sur le choix du travail indépendant est ambiguë. L'individu peut avoir du mal à trouver du travail et se tourner vers le travail indépendant comme une alternative au chômage, ou l'individu peut être moins enclin à quitter son emploi parce qu'il reçoit une assurance de santé qui couvrent ses besoins. Cependant, la création de petites entreprises est l'option la plus rapide sur le marché de l'emploi pour les personnes à mobilité réduite. Les écoles que les handicapés fréquentent ne doivent pas se limiter à l'enseignement; elles doivent aller vers la création d'entreprise, et peuvent même chercher le financement nécessaire pour créer une transition en douceur de l'école à l'entrepreneuriat. Malheureusement, la croyance de certains individus est que l'éducation à l'entrepreneuriat n'a pas besoin d'être enseignée, et donc, que l'on peut naître entrepreneur. Il convient dans ce cas de rappeler que pour un être entrepreneur à succès (ou un bon auto-entrepreneur), l'on a besoin d'apprendre les compétences requises (Griffin et Hammis, 2011). 2.7) Autres facteurs démographiquesL'âge est une autre variable que les chercheurs ont trouvé pour être toujours en corrélation avec l'auto-emploi. Les travailleurs plus âgés sont plus susceptibles d'être des travailleurs autonomes que les plus jeunes. Les raisons de cette situation sont contestées, cependant. Rees et Shah (1986) ont offert une des explications en proposant que les gens se déplacent généralement plus vers l'auto-emploi, lorsqu'ils se rapprochent le plus de la "fin de vie normale de travail comme une alternative à la retraite." Toutefois, cela devrait être tempéré, car l'aversion au risque augmente également avec l'âge, ce qui rend le projet d'entreprise moins attrayant. Le lieu de résidence des jeunes peut également déterminer leurs possibilités éducatives, les disparités entre ruraux et urbains ou entre régions étant aggravées par le genre. Ce sont les jeunes femmes des zones rurales qui ont le moins de chances d'acquérir les compétences fondamentales. Une telle inégalité des chances entre zones rurales et urbaines est certainement en partie imputable à la pauvreté, mais elle est aussi le reflet d'une distribution inégale des ressources gouvernementales, l'accès aux établissements secondaires étant souvent impossible dans les zones rurales (UNESCO,2012). 24 Chapitre
Méthodologie adoptéeLes méthodes sont les habitudes de l'esprit et les économies de la mémoire. Rivarol, Rivaroliana. Après avoir présenté la revue de littérature sur les déterminants de l'auto-emploi, nous présentons ici la démarche que nous utiliserons pour résoudre notre problématique. Cette partie est suivie d'une présentation des données avec lesquelles l'analyse sera faite. 3.1) Méthodologie retenueLa revue de littérature sera accompagnée d'une analyse descriptive et économétrique des déterminants, où nous procédons en une première étape à la caractérisation de la population des travailleurs indépendants du Bénin, à l'aide notamment de graphes bayésiens et d'une analyse des correspondances multiples. Nous y soulignerons notamment l'impact de l'environnement familial, et socio-économique sur l'auto-emploi. Deuxièmement, l'analyse sera approfondie par un volet économétrique. Pour cela, nous avons mis en oeuvre un modèle Tobit généralisé, basé sur la méthode de Wynand et Praag pour étudier les facteurs démographiques et socio-économiques influençant significativement l'auto-emploi. Ce modèle prend en compte les biais de sélection de l'échantillon, et donc nous permet d'étendre l'étude à la population des jeunes non-actifs. Les travaux récents de Mikhail ZHELONKIN sur le modèle de sélection de Heckman vont nous permettre d'aborder les questions de robustesse, et de produire des analyses fiables, i.e, moins sensibles aux valeurs aberrantes et aux écarts par rapport aux hypothèses de distribution du modèle économétrique. 3.2) Les variables retenues pour le modèle économétriqueA l'issue de la revue de littérature effectuée, les catégories de variables suivantes sont retenues pour l'étude : 1. Les caractéristiques démographiques : le sexe, la situation matrimoniale, le fait d'avoir au moins un enfant, le milieu de résidence, la région, le statut de migrant;
25
3.3) Les donnéesLes données utilisées sont celles de l'Enquête sur la Transition vers la Vie Active (ETVA), une enquête conçue par l'Organisation Internationale du travail1 (OIT) en relation avec le Gouvernement Béninois et les partenaires sociaux, et avec la collaboration de la Fondation MasterCard, pour aider les jeunes et appuyer le renforcement des outils de décision pour des politiques plus efficaces. Cette enquête a eu lieu dans 28 pays (dont le Bénin) pour sa première édition en 2012, et est une partie du projet Work4Youth. Elle est l'une des premières à examiner les données au niveau individuel sous cette forme et a deux aspects principaux : une première partie pour les jeunes âgés de 15 à 29 ans, et une autre pour les entreprises. L'ETVA est donc conçue pour permettre le recueil d'informations nécessaires sur les caractéristiques du marché du travail. L'INSAE a réalisé, en 2011, la deuxième édition de l'Enquête Modulaire Intégrée sur les Conditions de Vie des ménages (EMICoV) sur un échantillon de 18 000 ménages, représentatif des 77 communes et de 750 zones de dénombrement (ZD). Cet échantillon est issu de la mise à jour de la base de sondage des zones de dénombrement du quatrième Recensement Général de la Population et de l'Habitation (RGPH-4). L'enquête EMICoV 2011 a utilisé les mêmes grappes que celles de l'EMICoV-EDSB 2-III en 2006. Donc les 750 zones de dénombrement (ZD) enquêtées en 2006 sont retenues pour l'EDSB-IV. Cet échantillon est aréolaire, stratifié et tiré à 2 degrés. L'unité primaire de sondage est la ZD telle que définie au recensement de 2002. L'allocation de chaque département a été répartie proportionnellement sur les communes et selon le milieu urbain et rural. Cela correspond à une stratification au niveau des communes et par milieu urbain et rural. L'échantillon de l'Enquête sur la Transition vers la Vie Active (ETVA) est constitué d'un sous-échantillon de l'EMICoV 2011 et a porté sur 200 des 750 ZD. L'enquête a été réalisée par l'Organisation Internationale du Travail, dans le cadre du
26 partenariat Work4Youth3 qui vise à renforcer la production d'information sur le marché du travail spécifique à la jeunesse et à travailler avec les institutions concernées sur l'interprétation des données, y compris sur la transition de l'école vers la vie active, dans le but de concevoir ou de faire le suivi de politiques d'emploi pour la jeunesse. Par ailleurs, en vertu du pouvoir explicatif des modèles d'intentions, tous les individus ayant déjà mené les démarches nécessaires à la création de leur entreprise à la période de l'enquête seront considérés comme travailleurs indépendants pour l'analyse économétrique. 3. La définition de la jeunesse utilisée dans le cadre du projet Work4Youth de l'OIT correspond à toutes les personnes âgées de 15 à 29 ans. L'argument derrière cette définition est d'étendre la norme de 15 à 24 ans, sachant que certains jeunes restent dans le système éducatif pendant une longue période et n'ont donc pas encore commencé leur transition à 24 ans. 27 Chapitre
Caractérisation socio-économique des
jeunes travailleurs
| |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|
Motivation |
Autres raisons Requis par ma famille Revenu plus élevé Horaires de travail plus flexibles Pour l'indépendance Je n'ai pas pu trouver d'emploi salarié |
Sexe Femme |
0 20 40 60
Pourcentages
Graphique 4.1 - Motivation à
l'auto-emploi
Source: Auteur
Aucun de ces jeunes n'a bénéficié de prêts bancaires pour lancer son activité. Les prêts 29
(ou aides) d'organismes publics, et les prêts d'organisations non-gouvernementales (ONG) sont quand même accordés aux personnes en difficultés (voir tableau 4.1).
Tableau 4.1 - Source de financement principale lançant l'activité
|
Tableau croisé |
|||||||
|
Source de financement principale lançant l'activité |
Situation financière du ménage |
||||||
|
% du total |
% du total en ligne |
||||||
|
Modalités |
Aisée |
Plutôt aisée |
Dans la moyenne nationale |
Plutôt difficile |
Difficile |
Total |
|
|
Aucun fonds nécessaire |
25,47 |
0,00 |
2,39 |
25,79 |
42,12 |
29,70 |
100,00 |
|
Mes propres économies |
45,41 |
0,31 |
10,97 |
26,32 |
37,73 |
24,68 |
100,00 |
|
De l'argent provenant de la famille ou d'amis |
24,26 |
0,53 |
9,22 |
37,47 |
32,16 |
20,61 |
100,00 |
|
Prêts d'institutions de micro-finance (y compris |
2,04 |
0,00 |
10,17 |
55,63 |
14,00 |
20,19 |
100,00 |
|
Prêt d'opérateurs finan- ciers informels (prêteurs, bureaux de prêts sur |
1,68 |
0,00 |
0,00 |
37,51 |
35,63 |
26,86 |
100,00 |
|
Prêt/aide d'organismes publics |
0,20 |
0,00 |
0,00 |
0,00 |
100,00 |
0,00 |
100,00 |
|
Prêt/aide d'ONG, de projets financés par des donateurs, etc |
0,94 |
0,00 |
11,78 |
3,72 |
27,58 |
56,92 |
100,00 |
Source Calcul de l'auteur
Tableau 4.2 - Attitude face aux dépenses nécessaires aux fonds de roulement (pour maintenir leur activité)
Tableau croisé
Attitude face aux dépenses nécessaires aux fonds de roulement Situation financière du ménage
30
% du total % du total en ligne
|
Aisée |
Plutôt |
Dans la natio- nale |
Plutôt |
Difficile |
Total |
|
|
45,01 |
0,22 |
4,87 |
28,34 |
37,37 |
29,20 |
100,00 |
|
42,11 |
0,40 |
12,82 |
25,54 |
38,53 |
27,92 |
100,00 |
|
0,68 |
0,80 |
9,64 |
88,00 |
0,00 |
6,35 |
100,00 |
|
2,40 |
0,00 |
2,95 |
29,61 |
42,77 |
24,67 |
100,00 |
|
4,78 |
0,00 |
0,00 |
42,59 |
36,47 |
20,94 |
100,00 |
|
0,32 |
0,00 |
0,00 |
0,00 |
100,00 |
0,00 |
100,00 |
|
1,40 |
0,00 |
19,62 |
7,08 |
33,53 |
39,77 |
100,00 |
|
3,29 |
0,00 |
5,14 |
40,34 |
23,61 |
30,92 |
100,00 |
Modalités
Aucun fonds nécessaire Argent provenant de la famille ou d'amis
Prêt bancaire
Prêts d'institutions de micro-finance (y compris de coopératives)
Prêt d'opérateurs financiers informels (prêteurs, bureaux de prêts sur gages, collecteurs d'épargne)
Prêt/aide d'organismes publics
Prêt/aide d'ONG, de projets financés par des donateurs, etc
Crédit de clients/reven-deurs/agents/fournisseurs
Source Calcul de l'auteur
Beaucoup affirment n'en avoir pas eu besoin, malgré une situation financière difficile pour le ménage. Ceci suggère deux hypothèses : un lien de solidarité fort en famille ou entre amis apportant le soutien nécessaire (on a 25%); ou bien ceci suggère des économies de subsistance au sein du groupe. Près de la moitié d'entre eux (45,41 %) ont fait recours à leur propre épargne pour commencer leur travail. Ceux-là qui vivent dans des ménages à situation financière difficile sont plus susceptibles d'utiliser leurs propres économies pour démarrer le travail (ce qui n'est plus étonnant, d'après la remarque précédente). Beaucoup d'entre eux ne dépendent pas d'un système de crédit formel. Il est remarquable dans le tableau 4.2, où juste 2,40 % d'entre eux font recours aux crédits des institutions de micro-finance (IMF) pour faire face à des dépenses sur le fonds de roulement. Juste 0,68 % et 3,29 % respectivement appellent aux prêts
31
bancaires ou au crédit des clients, revendeurs, agents ou des fournisseurs. Les banques ou les opérateurs financiers (formels et informels) ne sont donc pas des options préférées pour les jeunes travailleurs indépendants, et les institutions de micro-finance sont les affaires de ceux qui pensent que la situation financière de leur ménage est dans la moyenne nationale. Brigit Helms, spécialiste de la micro-finance , et Xavier Reille, spécialiste principal de micro-finance, tous du CGAP3 mettent en évidence certaines caractéristiques des instituts de micro-finance en 2004. Répondant à la question "Pourquoi les taux d'intérêt de micro-crédit sont plus élevés que les taux d'intérêt de la Banque?" , ils ont dit que les coûts de micro-crédit sont élevés, mais pas parce que les prêts à la clientèle démunie comporte des risques intrinsèquement supérieurs. En effet, les bons programmes de micro-crédit bénéficient souvent de taux de prêts inférieurs à ceux des banques commerciales usuelles. Mais, les coûts de micro-crédit sont élevés en raison des coûts de livraison plus élevés de transactions minuscules qui nécessitent une interaction face-à-face entre les intervenants, et parce que les institutions de micro-finance utilisent plus leurs contacts personnels comme un substitut de la garantie formelle ou informatisée de la notation de crédit. Ceci est probablement l'une des raisons pour laquelle les jeunes travailleurs indépendants décris dans cette étude n'y font pas recours.
Les jeunes travailleurs vivant dans des ménages à situation financière difficile sont plus susceptibles de rencontrer des difficultés dans la gestion de leur fonds de roulement. Dans ce cadre, ils sont les plus grands bénéficiaires des actions des organisations non-gouvernementales (ONG), même si les actions de ces dernières ne sont pas globalement représentatives (1,40 % du total). Nombreux d'entre eux qui ne nécessitent pas de fonds pour le financement de leur fonds de roulement sont en difficultés. Ceci est peut-être dû à la précarité de leur activité : un job pour juste trouver de qoi répondre aux besoins de subsistance.
Les activités des jeunes travailleurs indépendants relèvent du domaine de l'agriculture (dont les produits principaux sont le maïs, le haricot, l'arachide, le manioc, le soja, le coton, les légumes, etc.), de la coiffure, la mécanique, la couture, la restauration, et bien d'autres encore (voir graphique 4.2). L'activité la plus dominante est l'agriculture : elle l'est plus encore en milieu rural.
La moitié d'entre eux (50,14 %) utilisent le produit de leur activité pour un usage personnel ou à la maison. Ce sont les jeunes vivant dans des ménages dont la situation financière est difficile qui sont le plus concernés par cette attitude : 67,06%.
3. CGAP, le Consultative Group to Assist the Poor, est un consortium de 28 organismes de développement qui soutiennent la micro-finance. Plus d'informations sont disponibles sur le site web du CGAP : Www.cgap.org
32
Graphique 4.2 - Activités/Métiers exercés par les jeunes travailleurs indépendants
Source: Auteur
Tableau 4.3 - Utilisation (personnelle/pour foyer) des produits de l'entreprise/activité économique
Tableau croisé
Utilisation des produits de l'entreprise/activité Situation financière du ménage
|
% du total |
% du total en ligne |
||||||
|
Modalités |
Aisée |
Plutôt aisée |
Dans la moyenne nationale |
Plutôt difficile |
Difficile |
Total |
|
|
Oui Non |
50,14 49,86 |
0,53 0,00 |
6,66 9,64 |
27,52 31,32 |
39,38 34,62 |
25,92 24,41 |
100,00 100,00 |
Source : Calcul de l'auteur
Nous avons cherché les données révélant comment le travail sur le marché de l'auto-emploi rapporte; il est indiqué dans l'histogramme ci-dessous. Les femmes sont plus concernées par les chiffres d'affaire les plus faibles, comparées aux hommes.
Le chiffre d'affaire moyen est évalué à 5525,5 fcfa pour l'ensemble : assez faible car beaucoup ont enregistré des pertes au cours du mois concerné4. Malgré la dette de nombreux, il faut reconnaître l'endurance de quelques-uns parmi les hommes qui vont jusqu'à 120000 fcfa. Peut-être, le moment de l'enquête influe sur la fiabilité des données, mais on ne peut pas vraiment vérifier cela. Ce que l'on sait du profil du marché du travail produit en 2014 par le LO/FTF Council (un Conseil syndical danois de la Coopération Internationale pour le Développement), est que les jeunes ont du mal vraiment à prospérer au Bénin.
4. Le dernier mois précédent l'enquête.
|
Effectifs |
150000 100000 50000 0 |
sexe Femme Homme |
33
0 40000 80000
Chiffre d'affaire au dernier mois
Graphique 4.3 - Histogramme du chiffre d'affaire du dernier mois (précédant la période de l'enquête)
Source : Auteur
Les jeunes travailleurs dans l'auto-emploi entretiennent tous à une échelle de 98.94% des activités de type informel. Nous mettons en relief dans les lignes qui suivent quelques facteurs à l'origine de ce fait.
Les graphes bayésiens5 édités dans l'analyse de l'informel montrent une forte influence du niveau d'éducation de l'individu et de ses parents, du milieu de résidence, et même du sexe. Mais l'ordre des influences n'est pas le même, en passant d'un niveau à un autre. Le sexe, ainsi que l'éducation du père par exemple influence la chance de recevoir une éducation formelle ou non. Alors que les individus dotés de peu d'éducation (les individus qui n'ont pas reçu d'éducation formelle sont majoritaire à 59,30%) vivent en milieu rural (78,62% des travailleurs ruraux n'ont pas reçu d'éducation formelle), cela augmente leurs chances d'entretenir des activités de type informel. Comme énoncé tantôt, l'éducation parentale impacte le type d'activité, puisque le cadre qu'ils offrent à leurs enfants à travers leur propre niveau d'instruction, oriente d'une façon ou d'une autre les choix de ces derniers. Le graphe bayésien III6 le montre clairement. Cela renvoie à la notion de capital culturel7 «La prise en compte du capital culturel se fait le plus souvent en tenant compte de la scolarité des parents » (Murat, 2009). Mais le type d'occupation des parents a également une place déterminante.
5. Voir annexe E pour la représentation des graphes.
6. C'est le graphique E.3 : voir annexe E pour les résultats également.
7. "La notion de capital culturel renvoie à des pratiques ayant des buts et des effets différents" (Duru-Bellat et van Zenten, 2006).
34
Tableau 4.4 - Croisement des activités du jeune travailleur avec celles de sa mère
|
Activités de la mère |
|||||||
|
Activité de l'auto-employé |
Agri- |
Aides de ménage à domicile |
Cadres |
Com- |
Conductrices |
Métiers |
Total |
|
Agriculteurs et ouvriers qualifiés |
21,44 |
8,19 |
0,08 |
3,71 |
0,00 |
0,31 |
33,73 |
|
Aides de ménage à domicile |
0,49 |
3,33 |
0,00 |
0,27 |
0,00 |
0,00 |
4,09 |
|
Cadres |
0,51 |
1,52 |
0,00 |
0,36 |
0,00 |
0,00 |
2,39 |
|
Commerçants |
9,12 |
7,65 |
0,37 |
12,74 |
0,15 |
0,45 |
30,48 |
|
Conducteurs |
1,40 |
0,84 |
0,00 |
1,49 |
0,00 |
0,10 |
3,83 |
|
Éleveurs |
0,23 |
0,31 |
0,00 |
0,06 |
0,00 |
0,00 |
0,60 |
|
Métiers de l'artisanat |
5,73 |
4,44 |
0,00 |
8,71 |
0,00 |
1,29 |
20,17 |
|
Métiers du bâtiment |
0,66 |
0,30 |
0,00 |
0,50 |
0,00 |
0,00 |
1,46 |
|
Pêcheurs |
0,00 |
0,00 |
0,00 |
1,27 |
0,00 |
0,06 |
1,33 |
|
Autres |
0,63 |
0,43 |
0,11 |
0,77 |
0,00 |
0,00 |
4,09 |
khi-deux = 125220, p-value < 2.2e-16
Source Calcul de l'auteur
Tableau 4.5 - Croisement des activités du jeune travailleur avec celles de son père
|
Activités du père |
|||||||||||
|
Activité de l'auto-employé Agriculteurs |
Agriculteurs |
Aides de ménage à domicile |
Autres |
Cadres |
Com- |
Conduc- teurs |
Éleveurs |
Métiers de l'artisanat |
Métiers du bâtiment |
Pêcheurs |
Total |
|
et ouvriers qualifiés |
31,31 |
0,00 |
0,07 |
0,78 |
0,23 |
0,17 |
0,56 |
0,54 |
0,06 |
0,00 |
33,73 |
|
Aides de |
2,88 |
0,34 |
0,00 |
0,00 |
0,00 |
0,18 |
0,07 |
0,53 |
0,09 |
0,00 |
4,09 |
|
Cadres |
1,21 |
0,00 |
0,00 |
0,43 |
0,00 |
0,36 |
0,28 |
0,11 |
0,00 |
0,00 |
2,39 |
|
Commer- çants |
18,34 |
0,00 |
0,00 |
3,01 |
2,63 |
1,20 |
0,30 |
3,21 |
0,83 |
0,96 |
30,48 |
|
Conducteurs |
2,26 |
0,09 |
0,00 |
0,00 |
0,41 |
0,65 |
0,28 |
0,11 |
0,00 |
0,04 |
3,83 |
|
Éleveurs |
0,12 |
0,00 |
0,00 |
0,21 |
0,00 |
0,00 |
0,20 |
0,06 |
0,00 |
0,00 |
0,60 |
|
Métiers de l'artisanat |
11,52 |
0,11 |
0,09 |
2,05 |
0,47 |
1,00 |
0,26 |
3,52 |
0,78 |
0,37 |
20,29 |
|
Métiers du bâtiment |
1,02 |
0,00 |
0,00 |
0,00 |
0,14 |
0,08 |
0,00 |
0,14 |
0,06 |
0,00 |
1,46 |
|
Pêcheurs |
0,00 |
0,00 |
0,00 |
0,06 |
0,00 |
0,00 |
0,00 |
0,00 |
0,00 |
1,27 |
1,33 |
|
Autres |
1,22 |
0,00 |
0,00 |
0,15 |
0,12 |
0,16 |
0,00 |
0,29 |
0,00 |
0,00 |
4,09 |
khi-deux = 340350, p-value < 2.2e-16
Source Calcul de l'auteur
Plus de 70% des activités du père sont liées à l'agriculture et au transport, et plus de 40% des activités de la mère relève du domaine de l'agriculture et du commerce. Les tableaux ci-dessous montrent une forte dépendance entre le type d'occupation du jeune travailleur, et l'occupation de ses parents (mère ou père).
Comme on peut le constater, les activités les plus exercées relèvent effectivement de l'agriculture (33,73%) et du commerce (30,48%), à plus de 30% quelque soit le domaine. Les métiers de l'artisanat couvrent la coiffure, la menuiserie, la confection de vêtements, la couture, le dessin, la photographie, la restauration, la vannerie, les métiers de la mécanique, et de la réparation de matériels ou d'engins, etc., et sont représentatifs à plus de 20%.
Mais, nous notons une forte dépendance du choix du type d'occupation avec celui des parents. Autrement dit, il y a une forte influence du capital culturel dans le choix de l'activité du jeune travailleur indépendant. Ces résultats sont en accords avec les travaux de Dilani Jayawarna, Oswald Jones et Allan Macpherson (2014), qui ont su prouver l'inter-relation entre le
35
capital humain et le capital culturel. Une meilleure compréhension de l'auto-emploi est obtenue lorsque l'on intègre la dimension du capital culturel dans les processus de formation des capacités créatives, et comme médiatrice entre l'éducation familiale et l'esprit d'entreprise.
36
Chapitre
|
5 |
|
All models are wrong but some are useful.
George E. P. Box (Robustness in the strategy of scientific model building, 1979)
Nous avons souligné une influence significative du niveau d'instruction dans la décision d'un individu de s'auto-employer. Or une éducation de bonne qualité ou non est en relation directe avec le niveau de confiance et de motivation. C'est dans ce cadre que Spence (1973) explique par exemple que par manque d'information sur les compétences du travailleur, les entreprises se basent sur la qualification pour appréhender certains indicateurs non mesurables comme la motivation, l'intelligence, le potentiel d'adaptation ou de formation. Le problème dans ce genre de considération est que l'implication directe est la double décision que représente l'auto-emploi: une motivation pour travailler, et une autre pour travailler de façon indépendante. En effet, l'analyse pionnière réalisée aux États-Unis par le Prix Nobel d'économie James Heckman révèle que l'estime et la maîtrise de soi mesurés à l'âge de 14 à 21 ans ont une forte incidence sur l'emploi, le choix du métier et les salaires à 30 ans. Passer de 25 % à 75 % dans la mesure de ces compétences non cognitives améliorerait les salaires à l'âge de 30 ans d'environ 10 % pour les hommes et de plus de 30 % pour les femmes (Heckman et al., 2006). De plus, les résultats d'une enquête réalisée en Éthiopie, en Inde, au Pérou et au Vietnam auprès des enfants d'âge scolaire indiquent une corrélation positive entre le niveau d'estime de soi à l'âge de 12 ans et le plus haut niveau d'études atteint à l'âge de 15 ans dans l'ensemble des quatre pays. L'estime de soi était également associée à la fois aux aspirations professionnelles et au niveau d'éducation atteint (Rolleston et James, 2012). La variable représentant la motivation et le potentiel d'adaptation servirait donc de variable explicative à la fois dans une étude sur la participation à la force active (le fait de travailler ou non), et dans une autre où la population d'intérêt est celle des actifs, et où l'on analyse le choix du travail indépendant. De façon concrète, il faut garder à l'esprit que les chiffres du chômage masquent le fait que certains jeunes cessent de chercher un emploi parce qu'ils n'ont plus l'espoir d'en trouver. Ceux qui ne sont ni étudiants, ni employés, ni en recherche active d'emploi, sont souvent rangés dans la catégorie des « inactifs », même si cette inactivité est le reflet du marché du travail, bien plus que leur motivation personnelle.
37
Lorsqu'on englobe également ceux que l'on décourage de participer à la main d'oeuvre, les taux de chômage des jeunes peuvent croître. Ne pas tenir compte de ses aspects pratiques 1 dans une modélisation économétrique conduit à un biais de sélection, dont les contours économétriques sont abordés dans cette analyse.
Les données d'enquête sont le plus souvent affectées par la non-participation systématique. Ceci peut se produire à travers une variété de mécanismes. Si des personnes se déclarent comme non-participantes dans l'échantillon d'intérêt sur la base d'une combinaison de caractéristiques observées et non observées, et que les modèles économétriques ignorent un tel mécanisme, cela affecte les estimations qui ne seront pas susceptibles d'être représentatives de la population d'intérêt. Le modèle d'inflation zéro (ou modèle augmenté de Poisson)2 est conçu pour ne traiter que le cas où les individus donnent des réponses "zéro" biaisées à une question donnée. Par exemple, dans une enquête correspondant à l'usage illicite de drogues, des réponses à une question telle que "à quelle fréquence utilisez-vous un médicament A ?", avec des options distinctes de niveaux de consommation, y compris "jamais/pas récemment", i.e (yi = 0), sont susceptibles d'avoir un excès d'observations "zéro". Les modèles probit traditionnels présentent des limites dans l'explication de la prépondérance des observations "zéro", en particulier lorsque les zéros en effet, se rapportent à deux sources distinctes. Dans notre cas, les modèles de sélection de l'échantillon sont les plus adaptés.
Le modèle de sélection est celui dans lequel la décision de participation (correspondant dans notre cas à la variable être actif ou non) vise à déterminer si les données sur la variable de résultat (ici l'activité d'auto-emploi) seront observées, plutôt que de savoir uniquement si l'activité d'auto-emploi est exercée ou non. Le modèle de sélection d'échantillon le plus familier, a été étendu à des modèles de choix binaires par Wynand et van Praag (1981) et Boyes, Hoffman et Lowe (1989). Ces modèles de sélectivité de l'échantillon dans ce domaine sont construits comme des extensions du modèle canonique de Heckman3 (1979).
Comme énoncé ci-haut, dans une population où la motivation des individus à travailler peut être une variable non observée qui revient au niveau de deux décisions consécutives (ici la
1. Situation dans laquelle la variable que représente la motivation et le potentiel d'adaptation, significative dans une double décision consécutive et liée au niveau d'instruction, est non-observable (et difficile à mesurer), et engendre un problème de sélection endogène.
2. Le Modèle d'inflation zéro est un modèle formel pour expliquer comme Lambert (1992), des données sur le contrôle de qualité dans une industrie. L'échantillonnage pour les déficients dans un processus de production peut produire deux types de zéros (par unité de temps). Le processus peut être sous contrôle, ou il peut être hors de contrôle et l'observateur considèrera des "zéros" anormaux dans un échantillon particulier (le "zéro" est mis pour la modalité pièce déficiente). Ceci gonfle le nombre de zéros dans un échantillon au-delà de ce qui était attendu par un modèle de comptage tels que le modèle de Poisson - le modèle est connu sous le nom de la ZIP (Zero Inflated Poisson) ou ZAP (Zero Altered Poisson), de Harris et Zhao (2004). Voir aussi Hinde et al. (1998) et Mullahy (1997).
3. En 2000, James Joseph Heckman a reçu le Prix Nobel Sveriges Riksbank en sciences économiques pour ses développements sur la théorie et les méthodes de traitements des problèmes de sélection d'échantillon.
38
participation à la population active, et la décision d'être un travailleur indépendant ou non), la seconde étudiée séparément et indépendamment de la première conduit à un biais de sélection. Il est impératif que la stratégie de modélisation tienne compte des deux raisons distinctes d'activité ou non, pour éviter d'estimer à tort les caractéristiques de l'auto-emploi dans la population active.
Soit r une variable binaire indiquant la scission entre le régime 0 (r = 0, pour les non-actifs) et le régime 1 (r = 1, pour les actifs), qui est liée à la variable latente 4 r*.
Modèle probit pour l'appartenance à la population active (sélection)
r*i =
á'wi + ui,
ri =
1[r*i > 0]
Modèle de Régression pour une activité d'auto-emploi (Si ri = 1)
y*i =
â'xi + åi,
(åi, ui)
ti D(åi, ui)
Observation faite si : ri = 1.
wi est un vecteur de variables comportant des caractéristiques des individus, et détermine le choix du régime, á est un vecteur de coefficients inconnus, et ui 5 un terme d'erreur. Par conséquent, la probabilité qu'un individu donné soit en régime 1 est donnée par :
Pr(ri = 1|wi) = Pr(r*i > 0)|wi)
D(åi, ui) est la distribution conjointe de åi et ui. L'approche usuelle du probit lie la variable latente y* aux résultats observés y. Conditionnelle à ri = 1, le type d'emploi (auto-emploi ou non) sous le régime 1 est représenté par y (avec yi = 0, 1), qui est généré par un modèle probit sur la base de la variable latente y*. La correspondance entre y et y* est donnée par :
?
?
?
yi =
0 if y*i < 0 1 if y*i > 0
Nous avons les probabilités suivantes :
|
Pr = |
{ Pr(yi = 0|ri = 1) Pr(yi = 1|ri = 1) |
|
4. Cette variable latente peut être interprêtée comme le gain d'un individu lié à son statut d'actif ou de non-actif.
5. Habituellement, ui est normalement distribué (Voir Harris et Zhao (2004)). Mais, nous n'adoptons pas automatiquement cette approche ici.
39
40
41
L'estimation de la régression pour l'activité d'auto-emploi tout en ignorant la question de sélection produit des estimateurs biaisés, pour tous les paramètres du modèle. L'estimation de ce modèle en deux étapes est documentée dans une volumineuse littérature, y compris Heckman (1979) et Greene (2008). Avec des variables qualitatives comme types de variables à expliquer, nous ne saurions faire une régression linéaire6 simple dans la seconde équation (la principale). Pour une méthode en deux étapes, deux estimations de type probit seront effectuées. Une fois l'ensemble des probabilités spécifiées, et ainsi que les matrices (y, w, x), nous pouvons maintenant présenter la distribution conjointe de åi et ui.
Une des possibilités est de supposer une dépendance gaussienne entre åi et ui. Dans ce cas, l'une des méthodes économétriques les plus utilisées dans la littérature est la méthode d'estimation d'Heckman 7 (voir par exemple Johnston and Dinardo (1997), Verbeek (2000), Greene (2002), Wooldridge (2003) et Cameron and Trivedi (2005)). Avec une variable dichotomique dans l'équation principale, une légère modification est nécessaire, ce qui justifie notre approche de Wynand et van Praag (1981), qui ont fait la même spécification. Dans le modèle, on suppose que les deux erreurs åi et ui sont reliées par la distribution suivante :
D(åi, ui) ~ N(0, Ó)
où Ó est une matrice symétrique définie positive 8. Le modèle se présente donc comme suit :
? ?ui
åi
avec
)N((0),(1 óñE
E[yf|xi, wi, r = 1] = â'xi + E[åi|ui = á' iwi]
= â'xi + (ñóE)[?(á'wi)/Ö(á'wi)] = â'xi + (ñóE)ë(á'wi)
et ë(·) = ?(·)/Ö(·) (l'inverse du ratio de Mills qui sera estimé dans le modèle), où Ö est la fonction de répartition d'une loi normale univariée, et ? sa densité. Si ñ est positif, on parle
6. Heckman (1979) avait proposé un probit pour la première étape et une régression avec les moindres carrées ordinaires dans la deuxième étape car sa variable dépendante (pour l'équation principale) était continue. Le choix des moindres carrées ordinaires dans la deuxième étape est basé sur le théorème de Gauss-Markov : il énonce que, parmi tous les estimateurs linéaires non-biaisés, l'estimateur par moindres carrées présente une variance minimale.
7. Elle est aussi appelée Tobit-2 model (Takeshi, 1984, 1985).
8. On peut donc lui appliquer une factorisation de Cholesky. Voir l'annexe F pour plus de développement sur le modèle, ainsi que sa construction.
d'une sélection positive, dans le sens où l'espérance y* est augmentée.
En général, deux estimations de type probit (méthode en deux étapes qui permettent de faire des inférences sur l'équation de sélection) servent d'initialisation à l'algorithme de l'estimation à partir de la vraisemblance globale du modèle9. Le modèle est mieux spécifié si l'ensemble des variables de l'équation de sélection contient l'ensemble des variables de la régression sur l'auto-emploi (règle d'exclusion). L'inverse du ratio de Mills peut engendrer une multicolinéarité 10 dans le cas où cette régle n'est pas respectée, car étant quasi-linéaire (voir graphique 5.1.), elle peut être approchée par une fonction linéaire de áw (Stolzenberg et Relles, 1997).
|
IMR(x) |
0.0 0.2 0.4 0.6 0.8 |
0 1 2 3 4 5
X
Graphique 5.1 - L'inverse du ratio de
Mills
Source: Auteur
Le test du biais de sélection revient au test de significativité du coefficient de l'inverse du ratio de Mills, ou bien, dans le cas de l'estimation par la vraisemblance, un test de Wald avec comme hypothèse nulle H0 : p = 0. Dans le meilleur des cas, une convergence de l'algorithme de l'estimation à partir de la vraisemblance est obtenu après 15 itérations en moyenne (Ott et al., 2008). Mais, dans de nombreuses études, ceci n'est pas souvent le cas, car la spécification du modèle adapté n'est pas forcément linéaire, ou gaussienne, surtout pour l'équation qui prend en compte l'inverse du ratio de Mills.
Les problèmes de spécification du modèle font écho dans la littérature. Bien que des progrès dans l'analyse économétrique et le traitement de sélection de l'échantillon ne peuvent être
9. Voir annexe F aussi.
10. Voir Nawata et Nagase (1996), Leung et Yu (1996, 2000), Puhani (2000).
niés, le débat est toujours ouvert sur ce qui est la meilleure procédure à suivre pour obtenir des estimations robustes. En général, la méthode basée sur le maximum de vraisemblance est reconnue pouvoir fournir des estimateurs efficaces, et asymptotiquement convergents. Mais, des réserves subsistent, car cette méthode est généralement basée sur l'hypothèse de normalité de la distribution conjointe des résidus, et des distributions marginales. Dans de nombreuses applications, cette hypothèse est trop restrictive, car elle exclut la possibilité de flexibilité de la distribution. Les estimateurs construits sur l'hypothèse de normalité sont très sensibles à de petits écarts par rapport aux hypothèses de distribution qui ne sont souvent pas satisfaites dans la pratique.
Gallant and Nychka (1987) ont proposé une approximation de la vraie densité conjointe de åi et ui par une fonction du type:
~ XK XJ ~
båu = ðkjåkuj
?å?u
k=0 j=0
où ?å et ?u sont les densités marginales respectives, ðkj est un paramètre inconnu à estimer. L'idée de base est de trouver un facteur de type polynomial, multipliant le produit des densités marginales, et capable de nous rapprocher le plus possible de la vraie distribution 11. Ils ont montré que les estimateurs de â et á sont convergents à condition que le nombre de termes de l'approximation soit très grand, avec une taille d'échantillon assez élevé. Toutefois, une étude rigoureuse n'est pas disponible sur la pertinence 12 de cette approche (Vella,1998), qui requiert le calcul d'un nombre assez élevé de paramètres.
Lee (1982) a suggéré aussi une alternative à la normalité des erreurs, tout en maintenant la technique de maximisation de la vraisemblance. Son idée est la suivante : supposons que åi et ui ont des distributions marginales connues respectives F(åi) et F(ui). Il est possible de retrouver des erreurs de distribution gaussienne par la transformation suivante :
å* i =
Ö-1[F
(åi)]
u i =
Ö-1[G(ui)]
où å* i et u i ont des distributions normales. Mais, vue la spécification, la détermination de F et G pose des problèmes de précision. Une autre approche est l'introduction des distributions à copules 13 (Genius et Strazzera, 2003). Le problème est que ces procédés ont leurs propres limites : ils ne sont pas forcément adaptés aux données, leur robustesse n'a pas vraiment été étudiée. C'est Hampel (1971) qui donna la définition de la robustesse, qui doit rester continue dans la topologie de la convergence faible, autrement dit, l'estimateur doit avoir une sensibilité finie à de petites déviations des hypothèses du modèle, et les statistiques semi-paramétriques ne
11. båu est dite série de Hermite.
12. Pour mettre en oeuvre une telle méthode, il est nécessaire de faire le tour des algorithmes requis à son implémentation et comparer leurs efficacités. Une seule étude ne suffit donc pas.
13. D'une manière générale, une copule est une fonction qui lie deux distributions marginales spécifiées dans une distribution multivariée (Voir annexe G sur le procédé).
42
sont pas forcément en accord avec cette exigence. Nous proposons pour la suite l'option d'une robustesse dont les principes récents sont formalisés et connus.
Dans une thèse de doctorat sur la robustesse des modèles de sélection, Zhelonkin et al. (2013) développent un cadre général pour étudier les propriétés de robustesse des estimateurs et les tests dans les modèles de sélection de l'échantillon. Ils utilisent une approche infinitésimale (Hampel et al. 1986), qui permet d'explorer les questions de robustesse et de construire des estimateurs et tests robustes. Pour comprendre son approche, nous invoquerons ici les notions de fonction d'influence, de changement de variance, et de variance asymptotiquement. Il s'est plus intéressé à l'estimateur d'Heckman en deux étapes, où l'on effectue une régression avec les moindres carrées ordinaires en deuxième étape. A partir de résultats généraux, Zhelonkin et al. (2013) :
1. dérivent les propriétés et conditions de robustesse de l'estimateur d'Heckman en deux étapes.
2. ensuite, ils montrent que les estimations et le test du modèle sont très sensibles aux valeurs aberrantes, et aux déviations par rapport aux hypothèses de distribution (l'hypothèse gaussienne surtout),
3. et proposent des estimateurs plus robustes et moins sensibles à tous ses problèmes infé-rentiels, puis prouvent leur normalité asymptotique.
Nous avons adapté leur thèse à notre modèle qui, cette fois-ci explique dans l'équation principale une variable dichotomique. Dans le paragraphe suivant, nous donnons les formules générales, et les démonstrations sont fournies dans l'annexe H.
Soit FN la distribution empirique des données de masse1 N au point zi = (z(1)
i , z(2)
i ), où
zi = (wi, ri) et z(2)
(1) i = (xi, yi), avec i = 1,
..., N. De même, soit è = (á,
â) et soit F la
distribution de zi. Pour une
fonctionnelle T(F) (avec T(FN) =
àâ), la fonction d'influence définie
par Hampel (1974) est :
IF(z; T, F) = lim
å?0[T(Få) - T (F )]/å
avec Få = (1 - å)F + åÄz, où Äz est une distribution au point z. La fonction d'influence décrit le biais standard asymptotique d'un estimateur dû à une contamination å au point z. å est la proportion du nombre d'observations générées à partir de la distribution Äz, et l'idée est donc de chercher des estimateurs fiables pour la majorité des données générées à partir de la distribution paramétrique F, et non-sensibles à la contamination Äz. Zhelonkin et al. (2013) ont montré que cette fonction d'influence n'est pas bornée 14, pour le modèle spécifié ci-haut,
14. Ceci est l'origine de la grande sensibilité des estimateurs aux valeurs aberrantes, et aux déviations de la distribution d'hypothèse.
43
et ont proposé une estimation plus robuste, dont les détails sur les fonctions scores modifiées sont précisés dans leur thèse. Le tout est implémenté dans le package ssmrob sur R, dont nous nous sommes servis pour une modélisation plus robuste.
44
Chapitre
|
6 |
|
Tout était mêlé, mais vint l'entendement qui sépara tout pour le mettre en ordre .
ANAXAGORE, Maître d'Aristote
L'algorithme1 de maximisation de la vraisemblance est le SANN (Solid-Angle based Nearest-Neighbor Algorithm). Les résultats présentés sont obtenus après au moins 10000 itérations de cet algorithme. Dans l'interprétation des données, nous portons attention à la quantité p, qui, dans le cas où son signe est positif, nous permet de valider une sélection positive. Dans le premier modèle mis en oeuvre (Voir Modèle I en annexe), toutes les variables intégrées sont significatives, à la fois pour l'équation de sélection que nous avons nommée Treatment Equation (TE) pour la suite des commentaires , et la régression sur l'auto-emploi, l'Outcome Equation (OE). Il s'agit en l'occurrence du niveau d'instruction, de la situation financière du ménage, et de l'âge (cette variable est uniquement présente dans le TE 2). En effet, la régression pas à pas nous donne une idée globale des variables les plus pertinentes pour le modèle. Elle est obtenue à partir de la vraisemblance jointe du modèle, d'une régression non linéaire en deux étapes pour l'analyse robuste, et sur un ensemble plus large de variables qualitatives. Ce qui justifie la construction étape par étape du modèle et le suivi des variables intégrées, vue que les estimations sont fixées pour une modalité de référence pour chacune d'elles. Cette construction permet aussi de tenir compte de la convergence de l'algorithme utilisé.
Le modèle II montre la pertinence et la significativité de la variable sexe, qui non seulement bénéficie d'une sélection positive, mais aussi d'une sélection augmentée. Ce qui s'explique par une forte corrélation entre les erreurs des deux équations de ce modèle. Le modèle de sélection III obtenu avec les migrants, montre que cette variable (la variable Migrant indique si l'individu est un migrant ou non) n'est pas significative pour le TE, mais l'est pour l'OE; mais son
1. L'algorithme peut être utilisé pour analyser des images en 3D. A partir d'expériences ainsi que dans la théorie, il est montré que l'algorithme dispose d'un faible coût de calcul (Jacobus et al., 2012). Il est proche du SA (Simulated annealing), qui est une technique probabiliste pour approcher l'optimum global d'une fonction donnée (Bélisle, 1992).
2. Cette approche s'inspire de la règle d'exclusion, même si avec des variables nominales uniquement, cette règle n'est plus trop valable.
45
46
47
Tableau 6.1 - Variables mesurant la santé
|
Variables |
||||||
|
Modalités |
b18 (%) |
b19 (%) |
b20 (%) |
b21 (%) |
b22 (%) |
b23(%) |
|
Non, pas de difficultés |
97,11 |
98,49 |
98,46 |
94,16 |
91,07 |
98,65 |
|
Oui, quelques difficultés |
1,63 |
1,24 |
0,97 |
5,11 |
5,53 |
1,04 |
|
Oui, beaucoup de difficultés |
1,25 |
0,20 |
0,37 |
0,74 |
3,27 |
0,24 |
|
Incapacité totale |
0,00 |
0,07 |
0,19 |
0,00 |
0,12 |
0,07 |
Source : Calcul de l'auteur
algorithme ne converge pas pour tous les estimateurs, dont celui du p. Elle révèle tout de même une présence non négligeable des migrants sur le marché de l'auto-emploi. Cette variable sera reprise par la suite dans un autre modèle, puisqu'elle introduit un échec dans les tests de significativité des estimateurs de certains paramètres (pour le modèle III). Il en est de même de la variable depart (indiquant le département où a eu lieu l'interview), qui malgré la significativité de quelques unes de ses modalités dans le TE, induit une sélection négative pour le modèle V. Le modèle VI montre l'influence significative du niveau d'instruction de la mère et du père, même si cela n'est pas confirmé pour le modèle robuste. Pour le modèle VII, on retient que la formation professionnelle augmente la chance d'entrer sur le marché du travail, mais a une influence négative sur l'auto-emploi. L'homogénéité des réponses a mis en mal l'estimation du modèle robuste. Sur tous les travailleurs indépendants, seuls 4 avaient effectivement reçu une formation professionnelle. Les autres facteurs démographiques tels que le milieu de résidence, le fait d'avoir d'enfants ou non (tous significatifs) sont étudiés dans le modèle VIII. Les variables Migrant et Etat civil sont reprises dans ce dernier modèle : elles demeurent significatives, et les célibataires sont les moins présents sur le marché de l'auto-emploi. Un modèle sur l'influence des handicaps n'était pas nécessaire, vu aussi le degré d'homogénéité des réponses pour les travailleurs indépendants (voir tableau 6.1). Il s'agit en l'occurrence des variables : avoir des difficultés pour voir (b18), entendre (b19), marcher (b20), mémoriser (b21), prendre soin de soi (b22), ou communiquer (b23). Aucune de ces variables n'est significative.
Une étude de l'auto-emploi a été réalisée pour mettre en lumière le profil des travailleurs indépendants du Bénin. Dans un premier temps, une analyse factorielle multiple a permis de mettre en lumière les caractéristiques de l'auto-emploi. Nous avons identifié le travail indépendant comme une alternative au chômage et au sous-emploi. Il se développe principalement dans le secteur informel qui reste prédominant de part l'environnement familial, surtout pour les activités liées à l'agriculture et au commerce, où il ressort un transfert de capital culturel significatif. Dans cette analyse économétrique, nous dégageons de plus l'influence négative du niveau d'instruction (qu'il soit primaire, ou secondaire) le plus élevé atteint par le jeune travailleur dans l'auto-emploi (voir modèle VI). Cette influence négative comparée à ceux n'ayant reçu aucune
éducation formelle, reste particulièrement significative, et accentuée par le niveau d'instruction le plus élevé atteint par le père3 (surtout lorsqu'il est primaire), et celui atteint par la mère (lorsqu'il est primaire ou post-secondaire). Ceux des ménages à situations financières difficiles sont les plus concernés. Ils le sont encore plus dans le cas de la formation professionnelle, à laquelle ils n'ont pas forcément tous accès. Par ailleurs, bien que la formation professionnelle facilite l'insertion professionnelle (voir Modèle VII), elle n'incite pas le travailleur à s'orienter vers l'auto-emploi. Lorsque le père ou la mère a également reçu une formation professionnelle4, cela réduit davantage les chances de l'individu d'opter pour le travail indépendant. Les hypothèses H1et H2 ne sont donc pas vérifiées. Ces résultats ne sont pas en accord avec ceux de Kim et al. (2006) pour qui les travailleurs potentiels dans l'auto-emploi possèdent des niveaux élevés de capital humain. Pour eux, un enseignement supérieur et une expérience de gestion sont significativement associés positivement à l'accès aux groupes des entreprenants. En réalité, tout dépend de l'environnement socioéconomique.
Par ailleurs, en nous concentrant sur la variable sexe, il ressort que les femmes sont significativement les mieux représentées dans l'auto-emploi (voir modèle II) : un homme a deux fois moins de chances qu'une femme d'avoir un travail indépendant. Mais, l'étude révèle aussi que l'auto-emploi des femmes est grandement précarisé. Tout en créant de nouvelles opportunités d'emploi pour les femmes, le travail indépendant a plutôt renforcé leur vulnérabilité. Les femmes représentent la majorité de la main d'oeuvre du secteur informel, avec notamment des sources de subsistances précaires telles que la production pour consommation propre, les activités de personnel de maison, le travail à domicile et le travail ambulant, ou encore les ventes des marchés informels sous-comptabilisés. Elles subissent non seulement les déconvenues d'un environnement familial et culturel défavorable décrit par Sibylle Gollac (2008), mais aussi la précarité inhérente à ces secteurs à savoir l'absence de protection sociale, l'absence de réglementation déterminant leurs droits et la faiblesse des revenus. Moins instruites aussi, elles ont un accès plus réduit aux ressources (éducation, formation professionnelle). Elles sont donc par ricochet moins bien armées que les hommes pour développer leurs potentialités à créer des richesses.
Aucune des variables de santé n'est significative : on peut donc soutenir que le marché de l'auto-emploi n'est pas un marché relégué aux handicapés. Par ailleurs, les autres facteurs démographiques restent significatifs, notamment le milieu de résidence (favorable quand il est rural compte tenu de la prédominance des activités agricole). Le statut d'immigrant a une influence considérable aussi du fait que les jeunes représentent une part importante des migrants internationaux, et forment la majorité des migrants ruraux-urbains (OIM et GIP, 2012). La migration peut servir à renforcer le capital humain de la jeunesse, mais les expose aussi à plusieurs risques. Dans l'ensemble, les immigrants sont plus susceptibles d'être des travailleurs
3. Il en est de même pour le père et la mère : c'est une analyse comparée aux parents n'ayant reçu aucune éducation formelle.
4. Comparés également aux parents ne l'ayant pas reçu.
autonomes que les citoyens nés au pays. Ils peuvent avoir des difficultés à trouver du travail en raison de l'insuffisance des compétences, ou d'information sur les opportunités de travail, et préférer la création de leur propre job, comme un moyen de mobilité et de stabilité sociale. Il serait également important de regarder le statut d'immigrant des parents, mais cette information n'est pas disponible dans notre base. Deux autres variables significatives sont dégagées par le modèle de sélection : le fait d'avoir d'enfant ou non (pour les femmes les plus âgées du groupe des mères : économie de subsistance où la production pour consommation propre est forte), le fait de cohabiter avec ses parents ou non (le goût du risque pourrait en être la raison).
Pratiquement toutes les personnes actives au Bénin sont en activité, d'après les précédentes statistiques. Avec cette étude, on comprend pourquoi paradoxalement, ces dernières demeurent pauvres : en effet, elles occupent des emplois à faible productivité, et par conséquent mal rémunérées. Peut-on miser toujours sur l'auto-emploi pour répondre à la demande des jeunes et des femmes en matière d'activités socioprofessionnelles? La réponse est oui, mais à condition que l'on ne maintienne point le secteur informel tel quel, et que l'on améliore la qualité de l'auto-emploi, tout en favorisant le basculement à terme de l'informel dans le formel.
48
L'auto-emploi est d'une importance économique évidente, et présente pour les jeunes l'opportunité d'une insertion professionnelle plus facile. Mais, pour mettre en oeuvre des politiques favorables à l'auto-emploi, afin de garantir un emploi décent pour tous, il faudrait identifier à la base les actions nécessaires, compte tenu de la situation actuelle. Les inquiétudes relatives à la qualité de l'environnement institutionnel, y compris le système éducatif, remontent à la surface : le Bénin est-il prêt à faire cet élan vers l'auto-emploi? Vus les problèmes inhérents au marché du travail et les difficultés rencontrées par la formation professionnelle, un diagnostic préalable est nécessaire pour identifier les actions à mettre en oeuvre.
Dans cette étude, une classification a permis de mettre en lumière les caractéristiques de l'auto-emploi au Bénin. Nous avons identifié le travail indépendant comme une alternative au chômage et au sous-emploi. Il se développe principalement dans le secteur informel qui reste prédominant de part l'environnement familial, surtout pour les activités liées à l'agriculture et au commerce, où il ressort un transfert de capital culturel significatif. Dans une analyse économétrique par la suite, nous avons dégagé une influence négative du niveau d'instruction (qu'il soit primaire, secondaire) le plus élevé atteint par le jeune travailleur dans l'auto-emploi. Cette influence négative comparée à ceux n'ayant reçu aucune éducation formelle, reste particulièrement significative, et accentuée par le niveau d'instruction le plus élevé atteint par le père5 (surtout lorsqu'il est primaire), et celui atteint par la mère (lorsqu'il est primaire ou post-secondaire). Par ailleurs, bien que la formation professionnelle facilite l'insertion professionnelle (voir Modèle VII), elle n'incite pas le travailleur à s'orienter vers l'auto-emploi. Lorsque le père ou la mère a également reçu une formation professionnelle 6, cela réduit davantage les chances de l'individu d'opter pour le travail indépendant. Par ailleurs, en nous concentrant sur la variable sexe, il ressort que les femmes sont significativement les mieux représentées dans l'auto-emploi. Mais, l'étude révèle aussi que l'auto-emploi des femmes est grandement précarisé. Tout en créant de nouvelles opportunités d'emploi pour les femmes, le travail indépendant a plutôt renforcé leur vulnérabilité.
Les autres facteurs démographiques restent significatifs, notamment le milieu de résidence (favorable quand il est rural compte tenu de la prédominance des activités agricoles), le statut
5. Il en est de même pour le père et la mère : c'est une analyse comparée aux parents n'ayant reçu aucune éducation formelle.
6. Comparés également aux parents ne l'ayant pas reçu.
49
de migrant, le fait d'avoir d'enfant ou non (pour les femmes les plus âgées du groupe : économie de subsistance où la production pour consommation propre est forte), le fait de cohabiter avec ses parents ou non.
Dans ce contexte, les questions de chômage, de sous-emploi des jeunes gagne à juste titre en importance, et cet intérêt pour l'auto-emploi reste légitime, compte tenu des besoins de nombreux jeunes sans éducation formelle, présents sur le marché du travail. Ces jeunes ont souvent un travail, dans le secteur informel rural, où ils ont des revenus inférieurs au seuil de pauvreté ; ou bien ils sont cultivateurs sur de petites exploitations, alors que l'accès à la terre ne cesse de se réduire. Leur voix se fait rarement entendre.
Toute stratégie de développement des compétences devrait avoir pour principal objectif de leur donner les moyens d'échapper à ces emplois vulnérables. Trop souvent, l'accès aux compétences est inégal, perpétuant et exacerbant le désavantage qui frappe les pauvres, les femmes et les membres des groupes sociaux marginalisés. Les jeunes qui ont grandi dans la pauvreté et l'exclusion risquent davantage de faire peu d'études ou d'abandonner l'école. Par suite, ils ont moins de possibilités de développer les compétences menant à un emploi décent, et risquent donc d'être un peu plus marginalisés sur le marché du travail.
Pratiquement toutes les personnes actives au Bénin sont en activité, d'après les précédentes statistiques. Avec cette étude, on comprend pourquoi paradoxalement, ces dernières demeurent effectivement pauvres : en effet, elles occupent des emplois à faible productivité, et par conséquent mal rémunérés. L'informel est source d'insécurité pour les acteurs, qui ne bénéficient pas de certains avantages et protections liés pourtant à leur statut. De même, l'entrepreneur individuel et les membres de sa famille sont exclus du système de protection sociale et d'assurance maladie.
COMMENT ORIENTER L'AUTO-EMPLOI AU BÉNIN VERS UNE ÉCONOMIE DE DÉVELOPPEMENT ?
Pour faire face aux défis de l'emploi décent et à la réduction de la pauvreté, le Gouvernement Béninois doit donner une place de choix à l'auto-emploi dans sa politique en matière d'emploi. L'adoption d'une politique nationale de l'emploi et d'un plan d'action renforcera la création d'emploi, à améliorer l'employabilité ainsi que l'organisation et le fonctionnement du marché de l'emploi. Pour cela, nous recommandons les actions suivantes :
1. Encourager et promouvoir le statut de l'entreprenant pour favoriser la migration de l'informel vers le formel :
Toute initiative dans ce sens permettrait de mieux insérer certaines catégories d'acteurs économiques dans le circuit de création de la richesse. l'OHADA 7 a créé, en 2010, le statut de l'entreprenant pour offrir un statut simplifié aux micro et petites entreprises afin
7. Pour l'OHADA, l'entreprenant se veut être «un nouveau statut juridique simplifié ouvert à toute entreprise, personne physique, qui exerce une activité civile, commerciale, artisanale ou agricole et qui souhaite se déclarer au Registre du Commerce et du Crédit mobilier (RCCM)».
50
de faciliter la migration de l'informel vers le formel. C'est pourquoi il faut créer les conditions d'inversion de ces réalités, de réelles mesures d'incitation, pour amener les acteurs de l'informel à se formaliser pour que leurs efforts soient reconnus et mieux appréhendés. Les stratégies idoines pour la simplification de la procédure de leur formalisation doivent être muries pour la mise en place d'une fiscalité adaptée à leur profil.
2. Promouvoir la création d'emplois décents à travers la promotion de l'entreprenariat, du développement des filières agricoles et un meilleur accès aux services financiers, aux marchés et aux technologies appropriées.
3. Un autre défi est de créer des programmes d'éducation pour offrir une deuxième chance aux jeunes qui n'ont pas eu auparavant accès à l'éducation de base, et sont dans l'informel. Il est également nécessaire de favoriser leur accès à des programmes de compétences en matière d'emploi, avec un soutien financier en appui. Cela permettra de réduire à la fois leur faible taux de scolarisation, ainsi que leur chance de tomber dans un travail de subsistance. Les stratégies associant l'apprentissage de la lecture, de l'écriture et du calcul et protection sociale peuvent s'avérer payantes. Quant aux personnes qui maîtrisent déjà les compétences fondamentales, elles doivent bénéficier d'une égalité des chances pour parfaire leur formation professionnelle tout en acquérant des compétences trans-férables8 et devenir ainsi des entrepreneurs accomplis. C'est également un moyen de réduire le taux de chômage et le sous-emploi au Bénin.
4. Les jeunes femmes rurales étant souvent très défavorisées sur le plan de l'éducation comme dans le domaine du travail, il est indispensable d'intervenir pour les aider à améliorer leurs moyens de subsistance. Les jeunes femmes sont souvent astreintes à de longues heures de travail domestique ou informel, moins visible pour les responsables politiques. Il faudra procéder à une recension des besoins en formation des femmes, vérifier que les secteurs bénéficiant d'une formation sont à forte main d'oeuvre féminine, et renforcer les associations de femmes pour mieux organiser l'économie informelle. Un défi supplémentaire serait aussi l'intégration du genre pour répondre aux enjeux de la formation professionnelle concentrée sur l'enseignement technique dans le secteur formel, les actions profiterons peu aux femmes absentes de ce secteur. Par exemple, le choix des branches soutenues dans ce secteur (métallurgie, bois, automobile) exclut d'emblée les femmes. La définition des objectifs du soutien à la formation professionnelle est donc un enjeu à part entière qui dépasse largement le champ de l'égalité entre les hommes et les femmes. L'orientation stratégique en matière de formation professionnelle semble appeler une redéfinition des rôles de chacun des acteurs.
8. Elles comprennent la capacité à résoudre des problèmes, à communiquer efficacement des idées et des informations, à faire preuve de créativité, de leadership et de conscience professionnelle, ainsi que d'esprit d'entreprise. Elles permettent de s'adapter aux différents environnements de travail et d'améliorer ses chances de conserver un emploi rémunérateur.
51
Annexe
|
A |
|
Importance de la formation professionnelle et technique
Udeme S. Udoetuk, Namkere J. Udoudo et Ofonmbuk Isaac Michael ont souligné l'effet potentiel de la formation technique et professionnelle sur le développement national. Les trois auteurs conclus dans un document intitulé "Achieving Sustainable Technological Development In Nigeria Through Entrepreneurship and Technical Vocational Education and Training (TVET)" que l'entrepreneuriat, l'auto-emploi, l'éducation technique et professionnelle peuvent contribuer au développement national durable au Nigeria s'ils sont promus. Ils pensent que si leurs recommandations sont prises en compte et sont fidèlement mises en oeuvre, le Nigeria saura en temps record rejoindre la ligue des nations industrialisées du monde (Udeme S. Udoetuk et al., 2013). En raison de l'importance croissante de la petite entreprise, il est nécessaire de créer une «culture d'entreprise» répandue dans les pays en développement. Les instituts de formation professionnelle (VTI) peuvent jouer un rôle dans la création de cette «culture d'entreprise» en intégrant plus de business, d'auto-emploi et l'entrepreneuriat dans les programmes de formation professionnelle et technique (Robert E. Nelson, 1996). Yangben et Seniwoliba recommandent de leur recherche qu'il faut assurer la liaison entre les écoles et les industries en service. Ainsi, des activités de formation peuvent être bien organisées et faciliter l'intégration des compétences des étudiants destiné au marché de l'emploi. Samuel Kwame Ansah du département de la Technologie de la Construction, au coût Cap Polytechnic au Ghana, et Kissi Ernest du même département à l'Université Kwame des sciences et de la technologie ont assez suggéré dans leur article intitulé Technical and Vocational Education and training in Ghana : A tool for Skill Acquisition and Industrial Development, que le certificat de compétence de base (Compétence Based Training) devrait être inclut dans la conception des programmes d'enseignement technique et professionnelle, à tous les niveaux pour aider à promouvoir l'acquisition de compétences et le développement industriel. Leur document souligne également que l'éducation scientifique et technologique reste tout de même nécessaire, ainsi que les compétences techniques qui peuvent créer de la richesse, et aider un pays à atteindre le développement économique et industriel. Le Gouvernement Béninois a lancé de nombreux projets pour la construction d'écoles agricoles et industriels. Par exemple, en 2006, le Centre de formation professionnelle de Djougou, et Kpondéhou, l'annexe du Lycée Technique Coulibaly (Cotonou) ont été ouverts. Mais, les principales questions sont les suivantes : combien d'élèves fréquentent ces écoles? Les programmes
52
sont-ils vraiment adaptés aux besoins du marché du travail? Y at-il assez de sensibilisation et de valorisation pour motiver les parents à envoyer leurs enfants?
Quality and number of students : In most developing countries, science education at the pre-tertiary level is too poor to provide students with a solid knowledge foundation. As a result, the number of students at the secondary school level, who have the necessary background to enable them to pursue scientific and technical programs at tertiary level, is inadequate. In some countries, policy arrangements cause this poor scientific background of students entering higher education. [...]
Quality and number of educators : In most developing countries, there are not enough specialized TVET teachers at both secondary and post-secondary levels. This has repercussions on the quality of students that are produced. Furthermore, most of the educators do not have direct contact with the labor market (through short-term) periodic secondments which would modernize and upgrade their practical knowledge on the actual technologies being employed in the workplace, as well as offer them insight into the actual practical needs of the labor market. This knowledge could then be incorporated into lessons or be passed on to colleagues through peer-mentoring. [...]
Quality and number of TVET institutions : In most developing countries, TVET institutions are fewer in number and have lower enrollments and graduates than their academic counterparts. Although more and more developing countries wish to increase their ratio of sciences-to humanities manpower base, the enrollments remain heavily skewed towards the social sciences. This is partly due to the poor societal image of TVET and to the fact that TVET education is more expensive to provide than education program in the humanities. In addition, due to insufficient training facilities, particularly at the tertiary level, TVET institutions have a small student absorption capacity and often have to refuse entry to many applicants, since overcrowding would compromise the standard of education being offered. Qualified students who applied to study in technical fields but did not get admitted often switch to the humanities, and that is a waste of talent to the technical field. Analysis of annual sector performance reports of Ministries of Education in various developing countries shows that most developing countries are doing their best to stretch the education budget that they have available to them to adequately provide for the needs of both general education and TVET. However, the budgets and investments remain small, relative to the work that needs to be done in order to improve the state of education, particularly TVET. A large share of the ministerial budgets (r 80% on average) covers necessary recurring costs.
NICHE a,
NICHE strategy on Technical and Vocational Education and Training (TVET),
July 2010.
a. NICHE (Netherlands Initiative for Capacity development in Higher Education) is a Netherlands-funded development cooperation program aimed at strengthening capacity in post-secondary education and training institutions in 23 countries (Afghanistan, Bangladesh, Benin, Bhutan, Colombia, Egypt, Ethiopia, Ghana, Guatemala, Indonesia, Kenya, Kosovo, Mozambique, Nicaragua, Rwanda, South Africa, South Sudan, Suriname, Tanzania, Uganda, Vietnam, Yemen and Zambia).
53
The TVET Sector in Developing Countries
54
Annexe
|
B |
|
International Classification by Status in Employment
(ICSE)
: ICSE-1993
The 15th International Conference of Labor Statisticians adopted (ILO, 1993), in January 1993, a resolution concerning the ICSE which states [extract] :
II. THE ICSE-93 GROUPS1
4 The ICSE-93 consists of the following groups, which are defined in section III :
1. Employees; among whom countries may need and be able to distinguish "employees with stable contracts" (including "regular employees");
2. Employers;
3. Own-account workers;
4. Members of producers' cooperatives;
5. Contributing family workers;
6. Workers not classifiable by status.
III. GROUP DEFINITIONS
5 The groups in the ICSE-93 are defined with reference to the distinction between "paid employment" jobs on the one side and self-employment jobs on the other. Groups are defined with reference to one or more aspects of the economic risk and/or the type of authority which the explicit or implicit employment contract gives the incumbents or to which it subjects them.
6 Paid employment jobs are those jobs where the incumbents hold explicit (written or oral) or implicit employment contracts which give them a basic remuneration which is not directly dependent upon the revenue of the unit for which they work (this unit can be a corporation, a non-profit institution, a government unit or a household). Some or all of the tools, capital equipment, information systems and/or premises used by the incumbents may be owned by others, and the incumbents may work under direct
1. For linguistic convenience the group titles and definitions have been formulated in a way which corresponds to the situation where each person holds only one job during the reference period.
55
supervision of, or according to strict guidelines set by the owner(s) or persons in the owners' employment. (Persons in "paid employment jobs" are typically remunerated by wages and salaries, but, may be paid by commission from sales, by piece-rates, bonuses or in-kind payments such as food, housing or training.)
7 Self-employment jobs are those jobs where the remuneration is directly dependent upon the profits (or the potential for profits) derived from the goods and services produced (where own consumption is considered to be part of profits). The incumbents make the operational decisions affecting the enterprise, or delegate such decisions while retaining responsibility for the welfare of the enterprise (in this context "enterprise" includes one-person operations.)
8.1 Employees are all those workers who hold the type of job defined as "paid employment jobs" (cf. paragraph 6). Employees with stable contracts are those "employees" who have had, and continue to have, an explicit (written or oral) or implicit contract of employment, or a succession of such contracts, with the same employer on a continuous basis. "On a continuous basis" implies a period of employment which is longer than a specified minimum determined according to national circumstances. (If interruptions are allowed in this minimum period, their maximum duration should also be determined according to national circumstances.) Regular employees are those "employees with stable contracts" for whom the employing organization is responsible for payment of relevant taxes and social security contributions and/or where the contractual relationship is subject to national labor legislation.
9.2 Employers are those workers who, working on their own account or with one or a few partners, hold the type of job defined as a "self-employment job" (cf. paragraph 7), and, in this capacity, on a continuous basis (including the reference period) have engaged one or more persons to work for them in their business as "employee(s)" (cf. paragraph 8). The meaning of "engage on a continuous basis" is to be determined by national circumstances, in a way which is consistent with the definition of "employees with stable contracts" (cf. paragraph 8). (The partners may or may not be members of the same family or household.)
10.3 Own-account workers are those workers who, working on their own account or with one or more partners, hold the type of job defined as "a self-employment job" (cf. paragraph 7), and have not engaged on a continuous basis any "employees" (cf. paragraph 8) to work for them during the reference period. It should be noted that during the reference period the members of this group may have engaged "employees", provided that this is on a non-continuous basis. (The partners may or may not be members of the same family or household.)
11.4 Members of producers' cooperatives are workers who hold a "self-employment" job (cf. paragraph 7) in a cooperative producing goods and services, in which each member takes part on an equal footing with other members in determining the organization
56
of production, sales and/or other work of the establishment, the investments and the distribution of the proceeds of the establishment among their members. (It should be noted that "employees" (cf. paragraph 8) of producers' cooperatives are not to be classified to this group.)
12.5 Contributing family workers are those workers who hold a "self-employment" job (cf. paragraph 7) in a market-oriented establishment operated by a related person living in the same household, who cannot be regarded as a partner, because their degree of commitment to the operation of the establishment, in terms of working time or other factors to be determined by national circumstances, is not at a level comparable to that of the head of the establishment. (Where it is customary for young persons, in particular, to work without pay in an economic enterprise operated by a related person who does not live in the same household, the requirement of "living in the same household" may be eliminated.)
13.6 Workers not classifiable by status include those for whom insufficient relevant information is available, and/or who cannot be included in any of the preceding categories.
57
Annexe
|
C |
|
Self-employment and Treatment Of Particular Cases
The following text is part of the resolution concerning statistics of employment in the informal sector, adopted by the Fifteenth International Conference of Labor Statisticians in January 1993 (ILO, 1993).
12 1. Different members of a household may be engaged as self-employed persons in different kinds of informal sector activities during a given reference period. In order to determine whether such activities should be regarded as separate enterprises or as parts of a single enterprise, due consideration should be given to the definitional requirements of an enterprise as specified in the International Standard Industrial Classification of All Economic Activities (ISIC, Rev.3). Where it is difficult in practice to apply these requirements, different activities carried out by different household members should be treated as separate enterprises if they are perceived as such by the household members themselves.
2. A household member or group of household members may be engaged as self-employed
persons in different kinds of informal sector activities during a given reference period. For practical purposes, all activities carried out at a time by the same household member or group of household members should be treated as parts of a single enterprise rather than as separate enterprises.
13 In the case of informal sector units which are engaged in different kinds of production activities during a given reference period, efforts should be made to collect as much separate information as possible in respect of each activity, even when the enterprises concerned need not or cannot be partitioned into establishments as defined by the International Standard Industrial Classification of All Economic Activities(ISIC, Rev.3). In particular, such separate information should be collected in respect of all activities of the enterprise which are horizontally integrated (i.e. producing different kinds of goods or services for sale or exchange and carried out parallel with each other), irrespective of their share in the total value added of the enterprise.
14 Household enterprises, which are exclusively engaged in non-market production, i.e. the production of goods or services for own final consumption or own fixed capital formation as defined by the United Nations System of National Accounts (Rev.4), should be excluded from the scope of the informal sector for the purpose of statistics of employment
58
in the informal sector. Depending on national circumstances, an exception may be made in respect of households employing domestic workers as referred to in paragraph 19.
15 With account being taken of paragraph 14, the scope of the informal sector should include household enterprises located in urban areas as well as household enterprises located in rural areas. However, countries which start to conduct surveys of the informal sector may initially confine data collection to urban areas. Depending upon the availability of resources and appropriate sampling frames, the coverage of the surveys should gradually be extended to cover the whole national territory.
16 For practical reasons, the scope of the informal sector may be limited to household enterprises engaged in non-agricultural activities. With account being taken of paragraph 14, all non agricultural activities should be included in the scope of the informal sector, irrespective of whether the household enterprises carry them out as main or secondary activities. In particular, the informal sector should include secondary non-agricultural activities of household enterprises in the agricultural sector if they fulfill the requirements of paragraphs 8 or 9.
17 Units engaged in professional or technical activities carried out by self-employed persons such as doctors, lawyers, accountants, architects or engineers,should be included in the informal sector if they fulfill the requirements of paragraphs 8 or 9.
18 1. Outworkers are persons who agree to work for a particular enterprise, or to supply a certain quantity of goods or services to a particular enterprise, by prior arrangement or contract with that enterprise, but whose place of work is not within any of the establishments which make up that enterprise.
2. In order to facilitate data collection, all outworkers should be potentially included in the scope of informal sector surveys, irrespective of whether they constitute production units on their own (self-employed outworkers) or form part of the enterprise which employs them (employee outworkers). On the basis of the information collected, self-employed and employee outworkers should be distinguished from each other by using the criteria recommended in the United Nations System of National Accounts (Rev.4). Outworkers should be included in the informal sector, or in the population employed in the informal sector, if the production units which they constitute as self-employed persons or for which they work as employees fulfill the requirements of paragraphs 8 or 9.
3. In situations where the number of outworkers is significant or where outworkers represent a group of particular concern for data users,self-employed outworkers should be identified as separate sub-categories of informal own-account enterprises and enterprises of informal employers or of the owners of such enterprises.
4. For purposes of distinction between employment on a continuous basis and employment on an occasional basis, and in application of the definition of registered em-
59
ployees according to paragraph 9(6), employee outworkers should be treated in the same way as other employees. Where relevant, employee outworkers may be identified as a separate sub-category of informal sector employees.
19 Domestic workers are persons exclusively engaged by households to render domestic services for payment in cash or in kind. Domestic workers should be included in or excluded from the informal sector depending upon national circumstances and the intended uses of the statistics. In either case, domestic workers should be identified as a separate sub-category in order to enhance international comparability of the statistics.
20 Activities excluded from the scope of the informal sector, such as domestic services, non-market production and agricultural activities, may be identified as separate categories outside the distinction between the informal and formal sectors.
60
Annexe
|
D |
|
Résultats de la classification
Graphique D.1 - Dendogramme de la
classification
Source : Auteur
Graphique D.2 - Histogramme partiel des
valeurs propres
Source: Auteur
61
Graphique D.3 - Position des trois classes retenues après classification sur le graphe des individus (graphe sur les deux (2) premiers axes factorielles)
Source : Auteur
62
Annexe
|
E |
|
Représentation des graphes
La relation entre une ou plusieurs variables discràtes peut être représentée à partir d'un graphe bayésien. Cette relation est dite directe (A -+ B, c'est- dire que la variable B dépend de la variable A ), ou indirecte (lorsqu'elle existe par l'intermédiaire d'autres variables). La représentation est basée sur le DAG (Directed Acyclic Graph), qui est un graphe dans lequel on exclut la possibilité A -+ ... -+ A (cycles) . La schématisation du graphe est basé sur les arcs. Chaque noeud du graphe est une variable. Lorsque deux variables sont reliées par d'autres variables, on dit que la liaison est un chemin (path).
Il est important de canaliser l'interprétation : pour un arc donné, la variable de départ est appelée cause, et celle au bout de la flèche appelée effet. Cependant, l'arc n'indique qu'une dépendance entre les deux variables. Quelques hypoth£ses sont nécessaires sur le réseau bayé-sien construit pour étudier les relations causales. La structure du DAG est l'objet de notre enquête. Il est commun dans l'étude de la génétique et des systèmes la biologie, par exemple, de reconstruire des voies et des réseaux moléculaires sous-jacents de maladies complexes et les processus métaboliques. Un exemple remarquable de ce genre d'étude peut être trouvé dans Sachs et al. (2005).
L'élaboration d'un DAG est une tâche complexe, pour deux raisons. Tout d'abord, l'espace des possibles est très grand; le nombre de DAGs possible augmente super-exponentiellement lorsque le nombre de noeuds augmente. Nous allons nous limiter à deux catégories de critères statistiques utilisés par les algorithmes pour évaluer un DAG : les tests de l'indépendance conditionnelle et les scores de réseau. Il y a plusieurs algorithmes qui savent rechercher le DAG qui maximise le score d'un réseau donné. Un des plus simples est le hill-climbing: à partir d'un DAG sans arcs, il ajoute, supprime et renverse un arc à la fois, ainsi de suite jusqu'à trouver le DAG qui maximise le score d'un réseau, à partir de données fournies. Le Bayesian Information Criteria (BIC) est le score par défaut. Pour plus de détails sur les tests d'indépendance bayésiens requis, voir l'ouvrage récent de Marco Scutari et Jean-Baptiste Denis (2015). Un utilitaire sur R adapté est le package bnlearn (Bayesian network learning).
63
Tableau E.1 - Variables retenues pour la modélisation bayésienne
Variables et libellés
sex Une variable dichotomique indiquant le sexe
de l'individu
b14 Une variable catégorielle indiquant la situa-
tion financière du ménage de l'individu (facile, plutôt facile, dans la moyenne nationale, plutôt difficile, difficile)
c01 Une variable dichotomique indiquant si l'in-
dividu a reçu une éducation formelle
urbrurf Une variable dichotomique indiquant le mi-
lieu de résidence (rural ou urbain)
FEGlobal Une variable catégorielle indiquant le niveau
d'instruction le plus élevé atteint par le père (aucun, primaire, secondaire, universitaire, post-universitaire)
MEGlobal Une variable catégorielle indiquant le niveau
d'instruction le plus élevé atteint par la mère (aucun, primaire, secondaire, universitaire, post-universitaire)
informal Une variable dichotomique donnant le type
d'activité (formel ou non) de l'individu
sex
informal
c01
b14
64
Graphique E.1 - Graphe bayésien
I
Source : Auteur
urbrurf
sex
c01
informal
b14
65
Graphique E.2 - Graphe bayésien
II
Source : Auteur
urbrurf
sex FEGlobal
c01
b14
MEGlobal
informal
66
Graphique E.3 - Graphe bayésien
III
Source : Auteur
67
Annexe
|
F |
|
Spécification et vraisemblance du modèle
Dorénavant, rappelons qu'il n'est pas nécessaire d'intégrer les pondérations des individus dans le modèle : un document récent addresse la question, il s'agit de celui de Gary Solon, Steven Haider, and Jeffrey Wooldridge (Février 2013). Nous restons dans le cadre de la spécification amorcée à la section présentant le modèle Tobit généralisé (5.3).
Dans le modèle, on suppose que les deux erreurs ez et uz sont reliées par la distribution suivante :
D(ez, uz) ti N(0, E)
où E est une matrice symétrique définie positive. On peut donc lui appliquer une factorisation de Cholesky 1. Autrement dit, il existe une matrice D0, triangulaire supérieure, telle que E = D0D'0, avec :
? ?
a1 a2
D0 = ?
0 a3
On peut écrire
6 = a1e1 + a2e2 u = a3e3
où e1 et e2 sont des variables suivant des lois normales centrées réduites, indépendantes. Ce qui implique pour les variables latentes :
|
{ |
y* = /3'x + a1e1 + a2e2 r* = á'w + a3e3 |
Puisque nous nous intéressons seulement au signe de r*, sans perte de généralités, nous fixons a3 = 1. La matrice E donne :
E
|
(a21+ a22 a2a3 = ? a2a3 a23 |
? (a21 + a22 a2 a2 1 |
1. Toute matrice A symétrique définie positive possède une factorisation du type A = TT', où 0 est une matrice triangulaire supérieure. Le théorème principal est dû à André-Louis Cholesky (1875-1918). Les algorithmes de détermination de T les plus connus sont : l'algorithme de Cholesky (original), l'algorithme de Cholesky-Banachiewicz et l'algorithme de Cholesky-Crout.
Il s'ensuit donc que cov(åi, ui) = a2. Pour des raisons de simplifications, nous posons a2 = ñ. Étant donné que ñ peut être nul, nous imposons a1 soit strictement positif pour conserver la qforme générale du modèle. Pour la suite, on pose : óå = a2 1 + a22. Le modèle se présente donc comme suit :
(ui ?åi
avec
ñ ó
)N(()(1 ñå
E[yz |xi, wi, r = 1] = â'xi + E[åi|ui = á'iwi]
= â'xi + (ñóå)[?(áwi)/ (áwi)] = â'xi + (ñóå)ë(áwi)
et ë(·) = ?(·)/0(·) (l'inverse du ratio de Mills qui sera estimé dans le modèle), où 0 est la fonction de répartition d'une loi normale univariée, et ? sa densité. Si ñ est positif, on parle d'une sélection positive, dans le sens où l'espérance yz est augmentée. Un estimateur de ó2å peut être obtenu à partir de :
Si
n0 n0
~2 =
àç'àç
P
i
+
(b.ë)2
|
si = âi( |
àëi+â'xi) |
où çà est le vecteur des résidus obtenu par moindres carrés ordinaires de l'équation yz = â'xi + (ñóå)ë(â'xi) + çi
, n0 est le nombre d'observations retenues pour la régression de cette équation,
68
et ri'ë l'estimateur du coefficient ñó. Un estimateur de la corrélation entre åi et ui est :
ñà= :6ë/a.
Pour une estimation par les moindres carrées, ñà peut être en dehors de l'intervalle [-1, 1], car sa valeur est basée sur une estimation de ë(·) 2 (Heckman, 1979, p.157). Ce qui n'est pas pertinent toutefois. Un estimateur convergent de la matrice de variance-covariance est donnée par :
V[AR[àâ, â] = 6-2[X'ëXë]-1[X'ë(I - P2 Ô)Xë + Q][X'ëXë]
où
Q = àñ2(X'ë ÔXs)V[AR[â](X'sà0Xë)
avec Xs, la matrice de toutes les observations wi, Xë est la matrice des observations xi et ),i, I
2. Ceci est valable pour la matrice de variance-covariance
la matrice identité, Äà une matrice diagonale avec comme éléments les àäi, et V[AR[àá] la matrice de variance-covariance du modèle probit de sélection (Greene 1981, 2002).
Pour obtenir la vraisemblance, la probabilité que yi ne soit observé est donnée par :
P[ri = 1|xi, wi] = P[rz < 0|xi, wi]
= P[ui < á'wi] = 1 - Ö(á'wi)
où Ö est la fonction de répartition d'une loi normale centrée réduite. La distribution conditionnelle de y sachant r = 1 est :
H(yi|ri = 1, xi, wi) = (P[yi < 0|ri = 1, xi, wi])1-yi x (P[yi > 0|ri = 1, xi, wi])yi
= (P[åi < â'xi|ri = 1, xi, wi])1-yi x (P[åi > â'xi|ri = 1, xi, wi])yi
|
P[åi < â'xi, ri = 1|xi, wi] = P[ri = 1|xi, wi] |
y-yi P[åi > â'xi,ri= 1|xi,wi]!yi x P[ri = 1|xi, wi] |
P[åi < â'xi, ui > á'wi|xi, wi]
= Ö(á'wi)
)1-yi P [åi
> â'xi, ui > á'wi|xi, wi] !yi
x Ö(á'wi)
69
Ce calcul invoque les intégrales pour plus de finesse. On vient donc de retrouver la probabilité conjointe suivante :
P[ri = 1, yi] = Ö(á'wi) x H(yi|ri = 1, xi, wi)
Puisque si r = 0, on a nécessairement y = 0, on en déduit :
P[ri = 0, yi = 0|xi, wi] = P[ri = 0|xi, wi] = 1 - Ö(á'wi)
La log-vraisemblance est donc donnée par :
lnr(è) = Xn (1 - ri)ln(1 - Ö(á'wi)) + Xn riln(Ö(á'wi)) + Xn rilnH(yi|ri = 1, xi, wi)
i=1 i=1 i=1
70
Annexe
|
G |
|
Copula distributions
Usually, D(åi, ui) is considered to be Gaussian. The classic bivariate probit model with non-random sample selection (which relies on bivariate normality and on linear or pre-specified non-linear covariate-response relationships) mainly consists of two equations, describing the underlying unobserved binary outcomes, which are linked through a standard bivariate Gaussian distribution where the correlation coefficient captures the presence of unobservables influencing the two decision-makers 1. But, data can possibly require another distribution approach. To account for non-Gaussian dependence between treatment (ri) and outcome (yi), Winkelmann (2011) discussed the use of copula. Radice, Marra, and Wojtys (2015) proposed an approach to make it possible to deal simultaneously with unobserved confounding, non-linear covariate effects and non-Gaussian dependence between treatment and outcome 2. It is possible in fact to run a selection model for binary data which allows for Gaussian and nonGaussian dependencies through copulae and for the mean and association parameters to be heterogeneous by employing several types of smooth functions of covariates ; this work extended the scope of the approaches presented in Marra and Radice (2013) and McGovern, Barnighausen, Marra, and Radice (2015).
The probability of event (y1i = a, y2i = b), for a, b E {0, 1}, can be defined as 3 :
|
pabi = P(y1i = a, y2i = b) = |
{ |
CD(P(y1i = a),P(y2i = b); è) if a = b CD+90°(P(y1i = a), P(y2i = b); è) if a =6 b |
where D E {0°, 90°, 180°, 270°}, P(yvi = 1) = 0(çvi for v = 1, 2. 0 is the cumulative distribution function (cdf)of the standard univariate Gaussian distribution. çvi E 118 is a linear regressor, C00 is a two-place copula function (Sklar 1959, 1973), èi is an association parameter measuring the dependence between P(y1i = a) and P(y2i = a), and :
C900(ui, vi) = vi - C00(1 - ui, vi; èi) C1800(ui, vi) = ui + vi - 1 + C00(1 - ui, 1 - vi; èi)
C2700(ui, vi) = vi - C00(ui, 1 - vi; èi)
1. It can be fitted in in R using sampleSelection (Toomet and Henningsen 2008).
2. These developments are incorporated in an R package SemiParBIVProbit.
3. A 2-dimensional copula is a distribution function on [0,1] x [0,1], with standard uniform marginal distributions.
71
avec ui = P(y1i = a) and vi = P(y2i = b)
The marginal cdfs are conditioned on covariates (through r71i and 172i), but for notational convenience we have suppressed this when expressing them. Since the strength and direction of the association between the two marginals may, for instance, vary across groups of observations, the dependence parameter is specified as a function of a linear predictor : ei = m(ri3i), where m is a one-to-one transformation which ensure that ei lies in its range. Phi2 is the cdf of a standard bivariate normal distribution with correlation coefficient e. Quantity e is set to the machine smallest positive floating-point number multiplied by 106, and is used in some cases to ensure that the dependence parameters lie in their respective ranges.
Tableau G.1 - Definition of copulae with corresponding ranges of association parameter Oi
|
Copulae |
C0°(u, v; ei) (u-è + v-è - 1)- 1 è |
Range of e |
m(.) exp(.) + e |
||
|
Frank |
-e-1log[1 + (e-èu - 1)(e-èv - 1)/(e-è - 1)] |
e E 118 {0} |
|
||
|
Gaussian |
02(0-1(u), 0-1(v); e) |
e E [-1, 1] |
tanh(.) |
||
|
Gumbel |
e E [1, +oo[ |
exp(.) + 1 |
|||
|
exp{-[(-logu)è + (-logv)è]é } |
|||||
|
Joe |
1 - [(1 - u)è + (1 - v)è - (1 - u)è(1 - v)è]é |
e E]1, +oo[ |
exp(.) + 1 + e |
||
72
Annexe
|
H |
|
Les fonctions d'influence du Modèle estimé en deux
étapes
Nous restons avec les hypothèses énoncées au paragraphe de la robustesse de Zhelonkin. La fonction d'influence de l'estimateur en deux étapes du modèle de sélection est donnée par :
(IF(z; T, F) = M-1 Ø2(z(2); h(z(1); S(F)), T(F)
+ f ? Ø2(z(2); è, T(F)) ?ç
? h((z(1); ç)dF(z).IF(z; S, F))
avec M = - f 4Ø2(z(2); è, î)dF(z),
Ø2(z(2); h(z(1); S(F)),T(F)) = ?logf2
?â
avec f2 la vraisemblance du modèle à l'étape 2, S une fonctionnelle de la distribution des observations z, de telle sorte que S(F) = á, S(FN) = àá, h(z(1); S(F)) étant l'inverse du ratio de Mills.
La log-vraisemblance de la première étape (première régression) étant donnée par :
N
E [ylog{Ö(á0w)} + (1 - y)log{1 - Ö(á'w)}]
i=1
et donc on a : IF(z; S, F) = M(Ø1, F)-1Ø1(z(1); S(F)), avec :
Ø1(z(1); S(F )) = ?logf1
?á
y - Ö(á0w)
= ,
Ö(á'w){1 -
Ö(á'w)}ö(á
w)w,
et
M(Ø1, F) = [(á'w){1
(á'w)2f - Ö(á w)}J
Ce calcul peut être fait pour la deuxième étape également en remplaçant dans la log-vraisemblance le terme /3'x par /3'x + /3Ah(z(1); S(F)).
La variance asymptotique a pour formule :
fV (T, F ) = IF(z; T, F)IF(z; T, F)TdF(z)
et la fonction de changement de variance1 qui mesure l'influence de la moindre contamination sur la variance de l'estimateur (et donc par conséquent l'influence sur l'amplitude de l'intervalle de confiance de l'estimateur) est donnée par :
[CV F (z; T, F ) = (a/aå)V (T, FE)]E=0
Pour borner la fonction d'influence, Zhelonkin et al. (2013) ont modifié la fonction score, dont les détails sont précisés dans leur thèse.
73
1. The change-of-variance function (CVF) (en anglais).
|
Annexe |
I |
Tableaux générés pour l'analyse économétrique
Dans cette partie, les abréviations TE et OE, signifiant Treatment Equation et Outcome Equation, désignent respectivement dans les régressions l'équation de sélection et l'équation de régression sur l'auto-emploi.
Tableau I.1 - Modèle de sélection I avec dépendance gaussienne
Variables
Equation de Sélection Régression sur l'auto-emploi
|
Coefficients (Ecart-type) |
Z-statistique Coefficients (Ecart-type) |
Z-statistique |
Situation financière du Ménage Modalité de référence : Situation facile
Plutôt aisée -0.8852***
(0.3359)
-1.0878***
(0.3252)
Dans la moyenne nationale
Plutôt difficile -1.1835***
(0.3247)
-2.636 0.2282***
5.0050
5.2410
4.9570
(0.0456)
-3.3450 0.2173***
(0.0415)
-3.3460 0.2064***
(0.0416)
|
Difficile -0.4845 (0.3270) |
-1.4820 0.2251*** (0.0421) |
5.3540 |
Niveau d'instruction Modalité de référence : Aucune éducation formelle
|
Primaire 0.5941*** |
11.882 -0.1799*** |
-9.5050 |
(0.0500) (0.0182)
|
Secondaire 0.2982*** (0.0522) Post-secondaire 1.4051*** (0.0900) |
24.8740 -0.4007*** (0.0204) 15.6160 -0.2596*** (0.0259) |
-19.6770 -10.0300 |
|||
|
Constante 0.6509*** |
5.0870 0.2351*** |
5.271 |
|||
(0.3246) (0.0446)
Age Modalité de référence : 15-20 ans
20-25 -0.7804*** -15.5150 - - - - - -
(0.0503)
25-29 -0.8498** -14.4310 - - - - - -
(0.0589)
sigma(ó) 0.3670*** 87.2760 ; rho(ñ) 0.1928*** 3.0560
(0.0042) (0.0631)
74
Nombre d'itérations = 10000
|
Algorithme de maximisation : SANN Log-Likelihood : -4801.2600 (dl=20) |
*** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) * ( signif. au seuil de 10%)
75
Tableau I.2 - Modèle de sélection II avec dépendance gaussienne
Variables
Equation de Sélection Régression sur l'auto-emploi
|
Coefficients (Ecart-type) |
Z-statistique Coefficients (Ecart-type) |
Z-statistique |
Situation financière du Ménage Modalité de référence : Situation facile
|
Plutôt aisée -0.6292** |
2.1340 0.3439*** |
6.9130 |
(0.2949) (0.0497)
|
Dans la moyenne nationale |
-0.1177 -0.4290 0.2132*** (0.2743) (0.0445) |
4.7880 |
Niveau d'instruction Modalité de référence : Aucune éducation formelle
|
Primaire 0.2499*** |
4.9820 -0.1443*** |
-7.1390 |
(0.0502) (0.0202)
|
Secondaire 0.4388*** (0.0587) Post-secondaire 1.9125*** (0.1623) |
7.4710 -0.2997*** (0.0212) 11.7850 -0.1804*** (0.0327) |
-14.1580 -5.5100 |
Sexe Modalité de référence : Homme
Femme 0.3722*** 9.7090 0.0522*** 4.5090
(0.0383) (0.0116)
|
Constante 0.1709*** (0.2785) |
4.2050 0.0834 (0.0513) |
1.6250 |
Age Modalité de référence : 15-20 ans
20-25 -0.5331*** -9.8620 - - - - - -
(0.0541)
25-29 -1.0791** -19.6800 - - - - - -
(0.0548)
sigma(ó) 0.3980*** 47.08 ; rho(ñ) 0.6620*** 11.64
4.8720
Plutôt difficile -0.6239**
(0.2761)
-2.260 0.2173***
(0.0446)
4.7650
Difficile -0.1267
(0.2771)
-0.4570 0.2167***
(0.0455)
(0.0085) (0.0569)
|
Nombre d'itérations = 10000 |
Algorithme de maximisation : SANN Log-Likelihood : -4870.9980 (dl=22) |
*** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) * ( signif. au seuil de 10%)
76
Tableau I.3 - Modèle de sélection III avec dépendance gaussienne
Variables
Equation de Sélection Régression sur l'auto-emploi
|
Coefficients (Ecart-type) |
Z-statistique Coefficients (Ecart-type) |
Z-statistique |
Situation financière du Ménage Modalité de référence : Situation facile
|
Plutôt aisée -0.4266 |
0.7530 0.1744*** |
3.1400 |
(0.5668) (0.0555)
Niveau d'instruction Modalité de référence : Aucune éducation formelle
Primaire 0.5178***
(0.0435)
Secondaire 0.8079***
(0.0460)
Post-secondaire 1.0058***
(0.0819)
11.9140 0.1192***
(0.0180)
17.5640 0.0842***
(0.0158)
12.2760 0.1568***
(0.0261)
6.6420
5.3210
6.0100
0.7150
Plutôt difficile -0.7010
(0.5445)
-1.2870 0.0360
(0.0503)
3.8190
Difficile -0.3405
(0.5449)
-0.6250 0.1956***
(0.0512)
Dans la moyenne nationale
-0.6985 -1.2820 0.0918*
(0.5446) (0.0503)
1.826
Migrant Modalité de référence : Non
|
Oui -0.1434 |
-6.665 -0.3358*** |
-4.2030 |
(0.2157) (0.0799)
|
Constante 0.9413* |
1.7300 -0.0717 |
-1.3980 |
(0.5442) (0.0513)
Age Modalité de référence : 15-20 ans
|
20-25 -0.0393 (0.0345) 25-29 -0.2869*** (0.0363) |
-1.1390 - - - - - - -10.9110 - - - - - - |
||
|
sigma(ó) 0.4490*** (0.0056) |
80.45 ; rho(ñ) 0.9585 - ----- |
||
|
Nombre d'itérations = 10000 |
Algorithme de maximisation : SANN Log-Likelihood : -4898.495 |
||
*** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) * ( signif. au seuil de 10%)
77
Tableau I.4 - Modèle de sélection IV avec dépendance gaussienne
Variables
Equation de Sélection Régression sur l'auto-emploi
|
Coefficients (Ecart-type) |
Z-statistique Coefficients (Ecart-type) |
Z-statistique |
Situation financière du Ménage Modalité de référence : Situation facile
|
Plutôt aisée -0.3022 |
-1.0430 0.0366 |
0.8460 |
(0.2896) (0.0432)
|
Difficile -0.2388 (0.2765) |
-0.8610 -0.0480*** (0.0398) |
-1.207 |
Niveau d'instruction Modalité de référence : Aucune éducation formelle
|
Primaire 0.3992*** (0.0523) Secondaire 1.2566*** (0.0546) Post-secondaire 0.8661*** (0.0977) |
7.6250 0.0365** (0.0176) 23.009 -0.0132 (0.0208) 8.8670 -0.0143 (0.0258) |
2.0670 -0.6340 -0.5560 |
Sexe Modalité de référence : Homme
Femme -0.0136 -0.3170 0.0225** 2.3140
(0.0428) (0.0097)
Etat civil actuel Modalité de référence : Célibataire/jamais marié (e)
2.4570
-0.7170***
(0.2752)
Dans la moyenne nationale
-2.6050 0.0964**
(0.0392)
2.6660
Plutôt difficile -0.5521**
(0.2749)
-2.0080 0.1046***
(0.0392)
|
Fiancé (e) (concubinage) |
-0.4336*** (0.0926) |
-4.6830 -0.1061*** (0.0267) |
-3.9730 |
|
|
Marié (e) (civil, religieux, coutumier) |
-0.6369*** (0.0676) |
-9.4180 0.4727*** (0.0146) |
32.4150 |
|
Séparé(e)/divorcé(e) -0.0560 0.276 0.1046 2.6660
(0.2030) (0.0392)
Veuf(ve) 0.1271 0.2930 0.5821 5.0130
(0.4335) (0.1161)
|
Constante 0.0851*** |
3.9110 -0.0556 |
-1.2820 |
(0.2775) (0.0434)
Age Modalité de référence : 15-20 ans
20-25 0.1172** 2.0390 - - - - - -
(0.0575)
25-29 0.0460 0.6820 - - - - - -
(0.0675)
sigma(ó) 0.3491*** 54.0660 ; rho(ñ) 0.3085*** 4.2280
(0.0065) (0.0730)
|
Nombre d'itérations = 10000 |
Algorithme de maximisation : SANN Log-Likelihood : -4416.1060 (dl=30) |
*** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) * ( signif. au seuil de 10%)
78
Tableau I.5 - Modèle de sélection V avec dépendance gaussienne
Variables
Equation de Sélection Régression sur l'auto-emploi
|
Coefficients (Ecart-type) |
Z-statistique Coefficients (Ecart-type) |
Z-statistique |
Situation financière du Ménage Modalité de référence : Situation facile
|
Plutôt aisée -0.3556 |
-1.1080 0.0827 |
2.1220 |
(0.3211) (0.0390)
|
Dans la moyenne nationale |
-0.6877** (0.3087) |
-2.228 0.0750** (0.0355) |
2.1120 |
|||||||
2.3370
Plutôt difficile -0.7194**
(0.3081)
-2.3350 0.0847**
(0.0356)
0.6410
Difficile -0.3146
(0.3097)
-1.0160 0.0231
(0.0360)
-13.5550
Primaire 0.3843***
6.9540 -0.1917***
Niveau d'instruction Modalité de référence : Aucune éducation formelle
(0.0553) (0.0141)
|
Secondaire 1.1272*** (0.0597) Post-secondaire 1.3423*** (0.1317) |
18.8880 -0.3248 (0.0131) 10.1890 -0.4153 (0.0203) |
-24.7270 -20.5080 |
Sexe Modalité de référence : Homme
Femme 0.2688*** 5.9820 0.0335*** 3.8510
(0.0449) (0.0087)
Etat civil actuel Modalité de référence : Célibataire/jamais marié (e)
|
Fiancé (e) (concubinage) |
-0.5225*** (0.0924) |
-5.6540 0.1957*** (0.0222) |
8.8230 |
38.2370
-0.5375***
(0.0594)
Marié (e) (civil, religieux, coutumier)
-9.0430 0.4494 ***
(0.0118)
Séparé(e)/divorcé(e) -0.3640*
(0.1922)
-1.8940 0.5845***
(0.0493)
11.868
Veuf(ve) -0.0186
(0.4097)
-0.0450 0.5773***
(0.1020)
5.6580
Atacora 0.1992**
2.1610 -0.0262
-1.0350
Département Modalité de référence : Alibori
(0.0922) (0.0253)
|
Atlantique 0.4174*** (0.0910) Borgou -0.3043*** (0.0882) |
4.5880 0.0186 (0.0235) -3.4490 -0.0129 (0.0251) |
0.7910 -0.5130 |
||
|
Collines 1.5026*** (0.1297) Couffo 1.5273*** (0.1177) Donga 0.0998 (0.1028) |
12.502 -0.0723** (0.0254) 12.9820 -0.0044 (0.0252) 0.9710 -0.1737*** (0.0274) |
-2.8500 -0.1740 -6.3390 |
||
0.3170
-0.5800
-0.7610
Littoral 0.4415***
(0.1004)
Mono 1.2475***
(0.1167)
Ouémé 0.6504***
(0.0962)
4.3990 0.0078
(0.0245)
10.6860 -0.0152
(0.0261)
6.8240 -0.0185
(0.0244)
Plateau 0.8676***
(0.0986)
8.7960 0.0279(0.0256)1.0870
Zou 0.7437***
(0.1043)
7.1320 -0.0686***
(0.0243)
-2.8210
7.3300
Constante 0.7133**
(0.3113)
2.2910 0.2932
(0.0400)
20-25 -1616***
-2.7210 - - - - - -
Age Modalité de référence : 15-20 ans
(0.0593)
25-29 -0.1216* -1.8610 - - - - - -
(0.0653)
sigma(ó) 0.3154*** 96.2000 ; rho(ñ) -0.6731*** -45.8100
(0.0033) (0.0147)
|
Nombre d'itéra- |
Algorithme de maximisation : SANN Log-Likelihood : -3812.6510 (dl=52) |
tions = 10000
*** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) * ( signif. au seuil de 10%)
79
- 4.6999e05 (0.0001)
1.6068e04
(0.0002)
-
0.0968***
(0.0134)
-
0.0366***
(0.0156)
-0.0189 (0.0654)
0.1160 (0.0991)
2.4632e04
(0.0003)
Post-secondaire
-0.1975
(0.1465) 0.0872*** 0.1338 (0.1980)
(0.0293)
Femme 0.0553***
(0.0414)
4.4066e-
04**
(0.0002)
-
0.0247**
(0.0096)
0.2665*** (0.0437)
Tableau I.6 - Modèle de sélection VI
Variables
TE :Co-
OE :Co-
OE :Co-
efficients (Ecart-type)
efficients (Ecart-type)
efficients (Ecart-type)
TE :Coefficients (Ecart-type)
Régression simple Régression robuste
Situation financière du Ménage Modalité de référence Situation facile
-0.0096
(0.2894) 0.1978*** -0.4045 (0.3727)
(0.0433)
-0.4985*
(0.2720) 0.1898*** -0.7570** (0.3577)
(0.0393)
-0.8597** (0.3571)
-0.1485
(0.2739) 0.1553*** -0.3620 (0.3589)
(0.0401)
Difficile
Niveau d'instruction Modalité de référence Aucune éducation formelle
Niveau d'instruction du pere Modalité de référence Aucune éducation formelle
-0.0301
(0.0810)
-
1.4696e04
(0.0002)
Primaire
-
0.0419***
(0.0159)
-0.0867 (0.0831)
Niveau d'instruction de la mere Modalité de référence Aucune éducation formelle
-
Post-secondaire 0.7937***
(0.2404)
-0.0406 -0.5902 (0.3164)
(0.0567)
0.2084
Secondaire (0.1462) 0.1695*** 0.1107 (0.1655)
(0.0232)
1.7022e04
(0.0002)
- 9.2809e04 (0.0008)
Sexe Modalité de référence Homme
Age Modalité de référence 15-20 ans
0.0762***
-
0.5094***
(0.0530)
(0.0123)
0.4513***
-
0.4365***
(0.0518)
(0.0132)
9.9350e-
01***
(0.0035)
Constante 1.0095***
(0.2731)
0.0230 1.0267*** (0.3572)
(0.0424)
0.2301 (0.2735)
0.3888*
Oui (0.2332)
73.2260 (T-stat.);
sigma(ó) 0.3485***
(0.0048)
5.1260
rho(ñ) 0.2749*** (0.0536) (T-stat.)
Nombre d'itérations = 10000
Algorithme de maximisation SANN Robust IMR 7.4506e-03 ** (0.0033) Log-Likelihood -4433.6600 (dl=37)
-0.2844*** (0.0551)
-0.2439*** (0.0533)
- 3.4499e04** (0.0002)
7.0565e04
(0.0012)
Bénificaire de transferts d'argent Modalité de référence Non
20-25
25-29
*** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) * ( signif. au seuil de 10%)
0.1251***
Plutôt difficile
(0.0394)
-
0.5867**
(0.2715)
- 9.9403e01*** (0.0032)
1.4124*** (0.1391)
0.4590*** (0.0547)
1.1979*** (0.0607)
- 9.9545e01*** (0.0026)
- 9.9397e01*** (0.0032)
-
0.0743***
(0.0171)
Primaire 0.5628***
(0.0536)
-
0.1714***
(0.0177)
Secondaire 1.3818***
(0.0587)
-
0.3071***
(0.0245)
Post-secondaire 1.1332***
(0.1061)
Primaire 0.2184***
(0.0648)
0.2345**
Secondaire (0.0925)
Plutôt aisée
Dans la moyenne nationale
-
1.3999e04
(0.0002)
- 6.7968e04** (0.0003)
- 8.8371e04** (0.0004)
- 8.8371e04** (0.0004)
80
Tableau I.7 - Modèle de sélection VII avec dépendance gaussienne
Variables
Equation de Sélection Régression sur l'auto-emploi
|
Coefficients (Ecart-type) |
Z-statistique |
Coefficients (Ecart-type) |
Z-statistique |
|
|
Situation financière du Ménage |
Modalité de référence : Situation facile |
|||
|
Plutôt aisée |
0.1430 |
0.5760 |
-0.2672*** |
-6.2230 |
|
(0.2483) |
(0.0429) |
|||
|
Dans la moyenne |
-0.3163 |
-1.3300 |
-0.4282*** |
-10.7560 |
|
nationale |
(0.2379) |
(0.0398) |
||
|
Plutôt difficile |
-0.6862*** |
-2.8580 |
-0.4141*** |
-10.1610 |
|
(0.2401) |
(0.0407) |
|||
|
Difficile |
-0.5238** |
-2.2220 |
-0.3377 |
-8.3540 |
|
(0.2357) |
(0.0404) |
|||
Avoir reçu une formation professionnelle Modalité de référence : Non
|
Oui 0.8157*** |
4.2230 -0.3819*** |
-10.8870 |
(0.1932) (0.0351)
|
Le père a reçu une formation professionnelle |
Modalité de référence : Non |
||
|
Oui |
-0.4060** (0.1708) |
-2.3770 |
-0.2076*** -5.0530 (0.0411) |
|
La mère a reçu une formation professionnelle |
Modalité de référence : Non |
||
|
Oui |
0.0624 (0.2471) |
0.2520 |
-0.3540*** -6.9160 (0.0512) |
|
Sexe |
Modalité de référence : Homme |
||
|
Femme |
0.2453*** (0.0367) |
6.6840 |
-0.2672*** -6.2230 (0.0429) |
|
Constante |
1.5882*** (0.2379) |
12.441 |
0.4889*** 12.4410 (0.0393) |
|
Age |
Modalité de référence : 15-20 ans |
||
|
20-25 25-29 |
0.04169*** (0.0129) 0.4561*** (0.0124) |
3.2290 36.685 |
0.0417*** 3.2290 (0.0129) 0.4561*** 36.6850 |
|
Bénéficaire de transferts d'argent |
Oui |
||
|
Oui |
1.1296*** (0.2614) |
4.3210 |
|
|
sigma(ó) |
0.3409*** (0.0036) |
94.3370 ; rho(ñ) |
0.07292*** 0.8090 (0.0901) |
|
Nombre d'itéraAlgorithme de maximisation : SANN tions = 10000 *** ( signif. au seuil de 1%) ** ( signif. au seuil de 5%) |
Log-Likelihood : -5129.707 (dl=25) * ( signif. au seuil de 10%) |
||
81
Ouvrages
[1] AMEMIYA T (1985) Advanced Econometrics. Harvard University Press. Cambridge, Massachusetts.
[2] BECKER G (2003) Human Capital : a theoretical and empirical analysis, with special reference to education. 2nd edition. NewYork. National Bureau of Economic Research, Columbia University Press.
[3] CAMERON A, TRIvEDI P (2005) Microeconometrics : Methods and Applications, Cambridge University Press. New York.
[4] GREENACRE M, BLASIUS J (2006) Multiple Correspondence Analysis and related methods. Statistics in the Social and Behavioral Sciences Series. Chapman and Hall.
[5] GREENE W (2002) Econometric Analysis. 5th edition. Prentice Hall.
[6] GREENE W (2009) Econometric Analysis. 6th Edition. Englewood Cliffs, Prentice Hall.
[7] JEAN-BAPTISTE D, SCUTARI M (2015) Bayesian Networks With Examples in R, Edition Chapman et Hall.
[8] JOHNSTON J, DINARDO J (1997) Econometric Methods. 4th edition. McGraw-Hill.
[9] JON D, BREUSERS M, FREDERIKS E (1997) Dynamique paysanne sur le plateau Adja du Bénin. Editions KARTHALA, 351 p.
[10] NELSON R (1996) Guidelines for re-orienting vocational training to self-employment dans Training for self-employment through vocational training institutions, pp.46-59.
[11] TATANGANG H (2011) Education-formation-emploi : la clef du développement de l'Afrique à l'ère de la mondialisation, une publication consacrée à la mission ADES.
[12] VERBEEK M (2000) A Guide to Modern Econometrics. John Wiley and Sons.
[13] WOLFF E (1998) Recent Trends in the Size Distribution of Household Wealth., Journal of Economic Perspectives. pp. 131-150.
[14] WOOLDRIDGE J (2003) Introductory Econometrics : A Modern Approach. 2nd edition. Thomson South-Western.
82
Articles
[15] ADEYEMO S, A. O. OGUNLEYE, C. O. Oke and S. O. Adenle, (October 2010),A survey of factors determining the employability of science and technology graduates of polytechnics and universities in the Nigerian labour market, Department of Science and Technology Education, University of Lagos, Akoka-Yaba, Lagos, Lagos State, Nigeria, Journal of Science and Technology Education Research Vol. 1(5), pp. 99 - 106, Available online http :// www.academicjournals.org/JSTER.
[16] AJZEN I, (1991) Theory of planned behavior., Organizational Behavior and Human Decision Processes 50 :179‫211.
[17] JIMéNEZ A (2008) The impact of educational levels on formal and informal entrepreneurship. Business Research Quarterly 18, 204--212.
[18] KIRCHBERGER A (2008) TVET Developments in Europe, Africa and Asia,World Bank Institute archives.
[19] CARNEVALE A et al. (2012) Hard Times, College Majors, Unemployment and
Earnings Not All College Degrees Are Created Equal, published by George-
town University's Center on Education and the Workforce, http :// knowledgecen-ter.completionbydesign.org/resource/489 .[20] HENNINGSEN A, TOOMET O (2008) Sample Selection Models in R Package sampleSelec-tion, Volume 27, Journal of statistical software (Impact Factor : 3.8).
[21] HELMS B, REILLE X (2004) Interest Rate Ceilings and Micro-finance the story so far, CGAP Occasional Paper No.9 .
[22] MIRIAM B, KARLAN D, SCHOAR A (2010) What capital is missing in developing countries? American Economic Review Papers and Proceedings, vol. 100, No 2, p. 629-33.
[23] GRIFFIN C, HAMMIS D, (2011) Discovering Personal Genuis Self-employment for Transition-Age Youth, Griffin-Hammis Associates, LLC, Wehmeyer, M. & Parent, W. (eds). Research to Practice in Self-Determination & Employment. Lawrence, KS; University of Kansas.
[24] DAWSON C, HENLEY A, LATREILLE P (2009) Why Do Individuals Choose Self-Employment ?,IZA, Discussion Paper No. 3974.
[25] BéLISLE C (1992) Convergence Theorems for a Class of Simulated Annealing Algorithms on Rd, Journal of Applied Probability, Vol. 29, No. 4 pp. 885-895.
[26] HEILBRON D (1994) Zero-Altered and Other Regression Models for Count Data with Added Zeros Biometrical Journal, Vol. 36, pp. 531-547.
[27] LAMBERT D (1992) Zero-inflated Poisson Regression With An Application To Defects In Manufacturing, Technometrics, Vol. 34, No 1, pp. 1-14.
[28]
83
PETER D, MAKEPEACE G (2001) Self Employment Among Graduates, Bulletin of Economic Research Vol. 42 No 1.
[29] FAIRLIE R,MEYER B (1996) Ethnic and Racial Self-Employment Differences and Possible Explanations, The Journal of Human Resources, Vol. 31, No. 4, pp. 757-793.
[30] LIsANILER G, BHATTI F, (2001) Determinants of Female Labor Force Participation A Study of North Cyprus, Review of Social, Economic & Business Studies, Vol.5/6, pp. 209 - 226
[31] GENIus M, STRAZZERA E (2003) The copula approach of sampling selection modelling an application to the recreational value of forests, Working paper 2003 :08, Centre For North South Economic Research.
[32] SIBYLLE G (2008) Travail indépendant et transmissions patrimoniales le poids des inégalités au sein des fratries, Économie et statistique, pp.417-418.
[33] GREENE W (1981), Sample Selection Bias as a Specification Error A Comment, Econo-metrica, Vol. 49, No. 3, pp. 795‫798.
[34] GREG H (2006) Family Background and the Propensity for Self-Employment, Industrial Relations : A Journal of Economy and Society, Vol. 45, No. 3, pp. 377‫392
[35] HECKMAN J (1979) Sample Selection Bias as a Specification Error, Econometrica, Vol. 47, No. 1, pp. 153-161.
[36] HECKMAN J et al. (2006) The Effects Of Cognitive and Noncognitive Abilities On Labor Market Outcomes and Social Behavior, Journal of Labor Economics, Vol. 24 No. 3, pp. 411-482.
[37] HAMPEL F (1971) A General Qualitative Definition of Robustness, Annals of Mathematical Statistics, Vol. 42, pp. 1887-1896.
[38] HAMPEL F (1974) The Influence Curve and Its Role in Robust Estimation, Journal of the American Statistical Association, Vol. 69, pp. 383‫393.
[39] HAMPEL F, et al. (1986) Robust Statistics The Approach Based on Influence Functions, New York: John Wiley and Sons.
[40] HouT M, HARVEY R (2000) Self-Employment, Family Background, And Race, Journal of Human Resources, Vol. 35 No. 4, pp. 670-692.
[41] MEEL J, et al. (2012) A parameter-free, solid-angle based, nearest-neighbor algorithm , The Journal of chemical physics, Vol. 136 No. 23.
[42] DILANI J, JoNEs O, MACPHERsoN A (2014) Entrepreneurial potential The role of human and cultural capitals, International Small Business Journal, Vol. 32, No. 8 918-943.
[43] MuLLAHY J (1997) Heterogeneity, Excess Zeros and the Structure of Count Data Models Journal of Applied Econometrics, Vol. 12, No. 3, pp. 337‫350.
[44]
84
85
PHILIP K et al. (2006) The impact of financial, human, and cultural capital on entrepreneurial entry in the United States, Small Business Economics Vol. 27, No. 1 pp. 5-22.
[45] KRUEGER N, REILLY M, CARSRUD A (2000) Competing models of entrepreneurial intentions, Journal of Business Venturing Vol. 15, pp. 411-432.
[46] LAFERRÈRE A (2001) Self-employment and Intergenerational Transfers : Liquidity Constraints and Family Environment, International Journal of Sociology, Vol. 31, No. 1, pp. 3-26.
[47] LEE L (1982) Some Approaches to the Correction of Selectivity Bias, Review of Economic Studies Vol. 49, No. 3, pp. 355-72
[48] ANDERSON L (1978) An Explanation of Movements in the Labor Force Participation Rate, 1957-76, FRB St. Louis Review.
[49] LEUNG S, YU S (2000) Collinearity and Two-Step Estimation of Sample Selection Models : Problems, Origins, and Remedies, Computational Economics, Vol. 15 pp.173-199.
[50] MADELRIEUX S et al. (2010) Lâ€TMexploitation agricole, la famille et le travail : nouvelles formes, nouvelles régulations ?, Journées d'étude INRA-Cirad : le travail en agriculture dans les sciences pour l'action, Parent, France. 12 p. <hal-00520733>.
[51] LOFSTROM M (2009) Does Self-Employment Increase the Economic Well-Being of Low-Skilled Workers ? Public Policy Institute of California and IZA, Discussion Paper No. 4539.
[52] SNIDERMAN M (2004), A Casuality Approach to Labor Force Participation : Tests for Structural Change., Issue 7801 of Working paper, Federal Reserve Bank of Cleveland.
[53] NAWATA K, NAGASE N (1996) Estimation of Sample Selection Bias Models, Econometric Reviews, Vol. 15(No. 4 : pp. 387-400.
[54] GYBAAH N (2007) The Change to Competency-Based Education in order to Match Labour Market Needs, J. Polytech. Ghana. 2 :2.
[55] MAGIDU N, (2010), Socio-economic investigation into determinants of labour force participation in labour markets : Evidence from Uganda, Economic Policy Research Centre, located at Makerere University, Uganda.
[56] FILATRIAU O,REYNÈS F (2012) A new estimate of discouraged and additional worker effects on labor participation by sex and age in oecd countries, IVM Faculty of Earth and Life Sciences, VU University Amsterdam.
[57] PUHANI P (2000) The Heckman Correction for Sample Selection and its Critique, Journal of Economic Surveys, Vol. 14 No. 1, pp. 53-67.
[58] HEDLEY R, SHAH A (1986), An empirical analysis of self-employment in the U.K Journal of Applied Econometrics, Vol. 1, No. 1, pp. 95-108.
[59] DAVIES R (2013) Self-employment and social security Effects on innovation and economic growth , Library of the European Parliament.
[60] STANLEY K (1981) Determinants of female labor force participation and family size in Mexico city, University of Chicago.
[61] GOETZ S, FLEMING D, RUPASINGHA A (2012) The Economic Impacts of Self-Employment, Journal of Agricultural and Applied Economics, Vol. 44 No. 3 pp. 315-321, Southern Agricultural Economics Association.
[62] SPENCE M (1973) Job Market Signaling, The Quarterly Journal of Economics, Vol. 87, No. 3. pp. 355-374.
[63] STOLZENBERG R, RELLES D (1997) Tools for Intuition about Sample Selection Bias and Its Correction, American Sociological Review, Vol. 62,pp. 494-507.
[64] MANGAL S (2010) The Importance of a Graduation, Ezine Articles, article source : http :// EzineArticles.com/4225547 .
[65] HIROMI T (2002) Determinants of women's entry into self-employment, Social Science Quarterly Vol. 83, No. 3, pp. 875-894.
[66] AMEMIYA T (1984) Tobit Models : A Survey, Journal of Econometrics, Vol. 24, pp. 3-61.
[67] UDEME S, NAMKERE J, OFONMBUK I (2013) Achieving Sustainable Technological Development in Nigeria through Entrepreneurship and Technical Vocational Education and Training (TVET), Journal OF Assertiveness, Volume 6 No. 1.
[68] VELLA (1998), Estimating Models with Sample Selection Bias : A Survey , The Journal of Human Resources, Vol. 33, No. 1. pp. 127-169
[69] YANGBEN P, SENIwOLIBA A (2014) Career challenges in construction craft training in technical vocational education and training in Ghana, International Journal for Vocational and technical Education, Vol.6(3), pp. 13-29.
[70] DUPPY Y, LARRÉ F (1998) Entre salariat et travail indépendant : les formes hybrides de mobilisation du travail, Travail et Emploi No 77 - 04/1998.
[71] BOYES W, HOFFMAN D, LOw S (1989) An econometric analysis of the bank credit scoring problem, Journal of Econometrics, Volume 40, Issue 1, pp. 3-14.
[72] VAN DE VEN W, VAN PRAAG B (1981)The Demand for Deductibles in Private Health Insurance : A Probit Model with Sample Selection, Journal of Econometrics, Vol. 17, pp. 229-252.
[73] GONG Xiaodong (2010),The Added Worker Effect and the Discouraged Worker Effect for Married Women in Australia, IZA Discussion Paper No. 4816.
Mémoires, rapports et thèses
[74] FELICIEN D (2013) Knowing the Benin labor market to better conceive a youth employment project : What do we learn ? , Conference at the World Bank.
[75]
86
Human Right Watch (2014), World Report 2014 Nigeria.
[76] International Labour Organization (2012) The youth employment crisis A call for action, Resolution and conclusions of the 101st Session of the international Labor Conference, Geneva.
[77] International Labour Organization (2013) Transition de l'école vers la vie active des jeunes femmes et hommes au Bénin, publié Bureau International du Travail, Institut National de la Statistique et de l'Analyse Economique (INSAE), Work4Youth Série de publication No7 - Genève.
[78] International Labour Organization (1993), Fifteenth International Conference of Labor Statisticians, Report of the Conference, ICLS/15/D.6 (Rev. 1). International Labor Office, Geneva.
[79] IMF, (Jul. 2008), Benin Poverty Reduction Strategy Paper-Annual Progress Report, Country Report No. 08/233 .
[80] Janneke Pieters, (2013), Youth Employment in Developing Countries, Background paper prepared under Service Contract DCI-EDUC/2012/310-255, Development and Cooperation - EuropeAid, Institute for the Study of Labor.
[81] Kuratko, Donald F., (2004), Entrepreneurship Education Emerging Trends and Challenges For the 21st century, A Coleman Foundation White Paper USASBE National Conference.
[82] Zhelonkin, Mikhail, (2013),Robustness in sample selection models, Thèse de doctorat : Univ. Genève, no. SES 801.
[83] Mark N. Harris and Xueyan Zhao , (Aug. 2004), Modeling Tobacco Consumption with a Zero Inflated Ordered Probit Model, Working Paper 14/04, Department of Econometrics and Business Statistics, MONASH University, Australia.
[84] Michael Wachter, (Dec. 1976), The Demographic Impact on Unemployment Past Experience and the Outlook for the Future, Demographic Trends and Full Employment, National Commission on Manpower Policy, Special Report No. 12.
[85] NICHE, (July 2010), NICHE strategy on Technical and Vocational Education and Training (TVET).
[86] Nordman C., Pasquier-Doumer L., (2012), Vocational Education, On-the-Job Training and Labour Market Integration of Young Workers in Urban West Africa, Document de travail UMR DIAL. 42 p.
[87] OECD, (2007), Technical Skills Development in Africa, Summary Minutes, OECD Development Center/AfDB/AFD, Experts' Meeting, Paris, December 2007 - OECD Headquarters.
[88]
87
Pasquier-Doumer, (2011), Intergenerational transmission of selfemployed status in the informal sector: a constrained choice or better income prospects?, a research part of the project entitled Unlocking potential: Tackling economic, institutional and social constraints of informal entrepreneurship in Sub-Saharan Africa, funded by the Austrian, German, Norwegian, Korean and Swiss Government through the World Bankâ€TMs Multi Donor Trust Fund Project.
[89] Rolleston, Caine et Zoe James (2012), The role of schooling in skill development: evidence from Young Lives in Ethiopia, India, Peru and Vietnam, document de référence pour le Rapport mondial de suivi sur l'EPT 2012
[90] Sachs, K., Perez O., Pe'er D., Lauffenburger D.A., Nolan G.P.,(Aug., 2005),Causal protein-signaling networks derived from multiparameter single-cell data., Science, 308(5721) :523- 529.
[91] Samuel Kwame Ansah and Kissi Ernest,(2013),Technical and Vocational Education and training in Ghana : A tool for Skill Acquisition and Industrial Development, Journal of Education and Practice, ISSN 2222-1735 (Paper), and ISSN 2222-288X, vol.4, No.16.
[92] Shapero A.,(1982),. Social Dimensions of Entrepreneurship, In C. Kent, D. Sexton and K. Vesper, eds.,The Encyclopedia of Entrepreneurship, Englewood Cliffs : Prentice-Hall, 72-90.
[93] Scherer P.A.,(Dec. 1978), The Perverse Additional Worker Effect in Australia, Australian Economic Papers, Volume 17, Issue 31, pages 261-275, December 1978.
[94] Solon, G., Steven J. Haider, Jeffrey Wooldridge,(Fev. 2013), What Are We Weighting For ?, Journal of Human Resources, University of Wisconsin Press, vol. 50(2), NBER Working Paper No. 18859, pages 301-316
[95] Steven F. Hipple, (Sept. 2010),Self-employment in the United States, Division of Labor Force Statistics, Office of Employment and Unemployment Statistics, Bureau of Labor Statistics, Monthly Labor Review.
[96] Touré, B., et MacWilliam, D. C., (2014),Le point de la situation économique du Bénin, Gestion macroéconomique et budjétaire, N°91655, Banque Mondiale.
[97] UNESCO, (2012),Jeunes et compétences : l'éducattion au travail, rapport mondial de suivi de l'EPT.
[98] Ulandssekretariatet,(2014),Benin Labor Market Profile, LO/FTF Council, Danish Trade Union Council for International Development Cooperation.
[99] UNDP, (2015), Bénin: de nouvelles opportunités pour les jeunes dipl'més, Benin History Page on www.undp.org
[100] UNESCO, (2015),Unleashing the Potential Transforming Technical and Vocational Education and Training, by P.T.M. Marope, B. Chakroun and K.P. Holmes, Education On The Move.
88
[101] UNESCO, (2012),Third International Congress on Technical and Vocational Education and Training On "Transforming TVET : Building skills for work and life" , General Report, Shanghai, Peopleâ€TMs Republic of China.
[102] UNFPA, (2014), Le Pouvoir de 1,8 milliard d'Adolescents et de Jeunes et la Transformation de l'Avenir , Etat de la population mondiale 2014.
[103] UNESCO, IIEP,(2014),Rapport dâ€TMétat du système éducatif béninois, pour une revitalisation de la politique éducative dans le cadre du programme décennal de développement du secteur de lâ€TMéducation.
[104] William E. Cullison, (April, 1979) The Determinant of labor force participation : an empirical analysis, Working Paper 79-3, Federal Reserve Bank of Richmond.
[105] World Bank, (2013), Rwanda : Fostering Prosperity by Promoting Entrepreneurship, Doing Business Report.
[106] World Bank, (2018), World Development Report 2006 : Equity and Development,. Washington, DC, World Bank.
[107] DAGSVIK J, KORNSTAD T, SKJERPEN T (2010), Labor force participation and the discouraged worker effect, Discussion Papers No. 642, Statistics Norway, Research Department.
[108] UNESCO, ILO, (2002), Technical Vocational Education and Training for the Twenty-First Centuty, UNESCO/ILO Publication.
Remerciements iv
Avant-propos v
Sommaire vii
Sigles et abbréviations viii
Liste des tableaux ix
Liste des graphiques x
Résumé xi
|
1 |
Faits stylisés et problématique de l'auto-emploi au Bénin 1.1 Importance économique de l'auto-emploi 1.2 Pourquoi parler d'auto-emploi au Bénin? 1.2.1 Un bref aperçu du marché du travail 1.2.2 La formation professionnelle et technique 1.2.3 L'auto-emploi : l'alternative fatale 1.3 Problématique, objectifs et hypothèses de recherche |
8 8 9 9 11 12 14 |
|
|
2 |
Revue de littérature sur l'auto-emploi et ses déterminants |
16 |
|
|
2.1 |
Qu'est-ce que l'auto-emploi? |
16 |
|
|
2.2 |
La place du capital humain à travers l'influence de l'éducation |
18 |
|
|
2.2.1 La garantie d'une réussite professionnelle pour le travailleur autonome le |
|||
|
plus diplômé |
18 |
||
|
2.2.2 L'éducation : corrélation positive avec l'auto-emploi à travers le sous-emploi 18 |
|||
|
2.2.3 L'éducation : corrélation positive avec l'auto-emploi à travers le chômage |
19 |
||
|
2.3 |
La formation professionnelle et l'intention entrepreneuriale |
19 |
|
|
2.4 |
L'auto-emploi : une réponse aux disparités du genre |
20 |
|
|
2.5 |
L'environnement familial et la contrainte de liquidité |
21 |
|
|
2.6 |
Personnes handicapées |
22 |
|
90
2.7 Autres facteurs démographiques 23
3 Méthodologie adoptée 24
3.1 Méthodologie retenue 24
3.2 Les variables retenues pour le modèle économétrique 24
3.3 Les données 25
4 Caractérisation socio-économique des jeunes travailleurs indépendants du
Bénin 27
4.1 Une vue d'ensemble
à l'aide d'une analyse des correspondances multiples . . . . 27 4.1.1 Le
Groupe I : l'auto-emploi pour une gestion individuelle du chômage et
des situations précaires 27
4.1.2 Le Groupe II :
l'auto-emploi pour une gestion individuelle du sous-emploi 28 4.1.3 Le Groupe
III : L'auto-emploi comme clé de la réussite professionnelle . .
29
4.2 Financement des activités et indépendance économique 29
4.3 Les produits de leurs activités 31
4.4 Le chiffre d'affaire mensuel 32
4.5 ...Tous vers l'informel: Pourquoi ? 33
4.5.1 Le niveau d'éducation 33
4.5.2 Le capital culturel 34
5 Spécification du modèle économétrique 36
5.1 L'auto-emploi comme une double décision 36
5.2 Sélection de l'échantillon pour l'étude économétrique 37
5.3 Modèle Tobit généralisé: la méthode de Wynand et van Praag 39
5.4 Robustesse du Modèle 40
5.4.1 Critique du modèle d'Heckman 40
5.4.2 Robustesse de Zhelonkin 42
6 Résultats du modèle économétrique et discussion 44
6.1 Mise en oeuvre du modèle économétrique 44
6.2 Discussion 45
A Importance de la formation professionnelle et technique 51
Annexes 51
B International Classification by Status in Employment (ICSE) : ICSE-1993 54
C Self-employment and Treatment Of Particular Cases 57
D Résultats de la classification 60
91
E Représentation des graphes 62
F Spécification et vraisemblance du modèle 67
G Copula distributions 70
H Les fonctions d'influences du Modèle estimé en deux étapes 72
I Tableaux générés pour l'analyse économétrique 74
Bibliographie 81
