4. MODELISATION DU SALAIRE
Dans ce qui suit, nous allons dans un premier temps
étudier l'impact d'une hausse du SMIG sur le taux de salaire moyen avant
de présenter dans une seconde étape les résultats
d'estimation de notre équation de salaire.
16 Dans cette étude, toutes les séries
différenciées seront précédées de la lettre
D.
4.1. EFFET DU SMIG
Le salaire minimum est un élément important du
marché du travail car il empêche de fixer les salaires en dessous
d'un certain seuil. À ce titre, il a un impact sur la formation des
salaires.
Les revalorisations du SMIG affectent la croissance des
salaires au moins par deux canaux. Tout d'abord, elles augmentent
mécaniquement le salaire de tous les salariés concernés
par le SMIG. Cet effet dit « comptable » est d'autant plus important
que les salariés rémunérés au SMIG sont nombreux.
De plus, les revalorisations du SMIG augmentent les salaires par un effet de
« diffusion », les hiérarchies et les grilles salariales
étant en général respectées après la hausse
du salaire minimum.
La présente section consiste à étudier
l'effet d'une revalorisation du SMIG sur les salaires moyens dans plusieurs
secteurs industriels de l'économie marocaine entre 1985 et 2006. En
effet, la méthode économétrique consiste à
étudier pour chaque secteur la relation entre le SMIG et le salaire
moyen par la méthode des moindres carrées ordinaires après
s'être assuré de la stationnarité de nos variables.
L'estimation17 fait apparaître, un impact
significatif du SMIG sur le salaire moyen nominal. Une hausse de 5% du SMIG
induit une hausse de 2,8 % du salaire moyen brut du secteur industriel,
toutes choses égales par ailleurs. Le SMIG exerce donc une
pression positive dans les secteurs structurés. Néanmoins,
l'indexation du salaire moyen sur le SMIG est imparfaite.
Nous avons tenté de modéliser l'effet du SMIG
sur le salaire à long terme notamment avec la méthode d'Engle et
Granger. Toutefois, cet effet ne ressort pas économétriquement.
De plus, les revalorisations du SMIG ont été fortes dans les
années quatre vingt mais plus faibles par la suite. Leur effet à
long terme est donc plus difficile à capter.
17 Voir annexe 2.
4.2. L'EQUATION DE SALAIRE
Nous allons présenter maintenant une estimation de
l'équation de salaire intégrant à la fois des ajustements
du court et du long terme. De ce fait, il convient d'examiner
l'éventuelle existence de relations de cointégration entre les
variables. La détermination de ces relations se fait dans le cadre d'un
modèle VECM multivarié selon la procédure de Johansen.
L'estimation d'un modèle VECM nécessite une
première étape essentielle qui est celle de la
détermination du nombre de retard « p » du
modèle (en niveau) selon les critères d'information. Ensuite,
nous nous intéresserons à la détermination du nombre de
relations de cointégration.
4.2.1. La détermination du nombre de retard
« p »
L'estimation de notre équation de salaire passe en
premier lieu, par la recherche d'un retard optimal entre les variables. Pour
cela, on va retenir les critères d'information LR18,
FPE19, AIC20, SC21 et HQ22 pour des
retards allant de 1 à 4 - nous avons choisi cette fourchette de retards
compte tenu du faible nombre d'observations -.
Nous avons obtenu pour chacun des critères la
structure des retards récapitulée en annexe 3.
Il ressort de ce tableau que les résultats de
l'analyse du nombre de retards maximum de la représentation VAR
permettent de retenir un retard optimal de 4 en se basant sur le minimum des
critères AIC, SC et HQ. Nous allons donc procéder au test de
Johansen sur un modèle VAR(3).
18 LR: sequential modified LR test statistic (each
test at 5% level)
19 FPE: Final prediction error
20 AIC: Akaike information criterion
21 SC: Schwarz information criterion
22 HQ: Hannan-Quinn information criterion.
| 
