Rendement de l'éducation sur le marché du travail au Cameroun

§ 3.2.4 CORRÉLATIONS ENTRES LES VARIABLES

§ La matrice de corrélation fait ressortir une forte corrélation (0,70) entre le nombre d'années d'études et l'âge de l'individu. Nous pouvons ainsi dire que le nombre d'années d'études effectué dépend fortement de l'âge de l'individu. Pour ce qui est du nombre d'années d'études et la taille du ménage, la corrélation est assez faible. La liaison entre l'âge et la taille du ménage est aussi faible (0,04).

§ De plus, la corrélation entre le revenu et le nombre d'années d'études est de 0,45. Tandis qu'elle est plutôt négative entre le revenu et respectivement l'expérience professionnelle et l'ancienneté malgré les valeurs relativement faibles. Cela pourrait s'expliquer par le fait que l'expérience professionnelle et/ou l'ancienneté dans l'emploi n'influence pas considérablement la discrimination salariale. Le même constat ressort entre le nombre d'années d'études et respectivement l'expérience professionnelle et l'ancienneté^16(*).

§ Toutes ces corrélations sont significatives au seuil de 1%.

§ Nous avons d'abord présenté dans ce chapitre les données de notre étude. Ensuite, nous avons effectué des analyses descriptives des variables où il ressort globalement une liaison entre le nombre d'années d'études et le revenu, un accroissement du revenu moyen mensuel en fonction du niveau d'instruction et suivant le type d'emploi, le secteur d'activité voire dans l'ensemble du marché. Dans le prochain chapitre, nous utiliserons le modèle de Mincer étendu pour l'analyse économétrique du rendement de l'éducation.

* 16 Confère tableaux A2 et A3 en annexe.