Vous l’avez sans doute déjà repéré : sur la plateforme OpenEdition Books, une nouvelle interface vient d’être mise en ligne.
En cas d’anomalies au cours de votre navigation, vous pouvez nous les signaler par mail à l’adresse feedback[at]openedition[point]org.

Précédent Suivant

Annexe 3. Le recours au réseau d’originaires de Tunisie pour trouver un emploi

Résultats de la régression logistique multiniveaux

p. 233-237


Texte intégral

1Les méthodes de régression, appelées aussi « analyses toutes choses égales par ailleurs » ou « ceteris paribus », visent à décomposer les phénomènes observés pour mesurer les effets « purs » de telle ou telle caractéristique – ou variable –, une fois contrôlé l’effet des autres variables. Dans le cas présent, la méthode de régression étudie la façon dont la probabilité de recourir au réseau « tunisien » varie en fonction des caractéristiques de l’individu, du poste qu’il occupe, de l’entreprise qui l’emploie et de la conjoncture macroéconomique globale. Une fois pris en compte l’effet du secteur d’activité et du poste occupé, la nationalité – ou le genre – a-t-il encore un effet « pur » sur la probabilité qu’il y ait déjà un natif de Tunisie dans l’entreprise et, si oui, dans quel sens ?

2Pour conclure à un effet pur d’une variable, il faut tout d’abord que le coefficient estimé soit significatif1. Si tel est le cas, il s’agit alors de déterminer dans quel sens il joue. Un coefficient positif indique que, par rapport à la situation de référence (le fait d’être une femme par exemple), la modalité examinée (le fait d’être un homme) va de pair avec une augmentation de la probabilité de recourir au réseau ; un coefficient négatif indique un effet inverse. La valeur des coefficients permet quant à elle de mesurer l’ampleur des variations induites par le fait de posséder telle ou telle caractéristique. Les coefficients estimés n’ont ainsi de valeur que comparés les uns aux autres : la question n’est pas de savoir si les femmes recourent au réseau, dans l’absolu, mais de savoir si elles y recourent plus, ou moins, que les hommes en raison de leur genre. Cette démarche se fonde donc sur un raisonnement essentiellement comparatif, très différent de celui mis en œuvre par l’analyse descriptive, dont l’objet n’est pas la comparaison, mais plutôt la mise au jour des configurations brutes, dans toute leur épaisseur.

3Le recours aux méthodes de régression met ainsi en jeu des considérations épistémologiques. Le débat soulève notamment une question essentielle : peut-on appliquer la démarche empirique, empruntée aux sciences naturelles, au raisonnement historique et sociologique ? Pour les partisans de l’analyse descriptive, en raisonnant toutes choses égales par ailleurs, le chercheur tendrait à oublier que, dans les « configurations historiques singulières2 », certaines situations ne se rencontrent jamais et sont autant d’« improbabilités sociales3 ». Menée à son terme, la logique de décompo­sition des effets purs conduirait à une forme de raisonnement par l’absurde, formulé dans le célèbre paradoxe de Simiand : l’application stricte des exigences expérimentales reviendrait en effet « à se demander comment vivrait un chameau, si, restant chameau, il était transporté dans les régions polaires, et comment vivrait un renne, si, restant renne, il était transporté dans le Sahara4 ».

4Cependant, cette critique formulée à l’encontre du raisonnement toutes choses égales par ailleurs repose sur une profonde incompréhension. Le « toutes choses égales » ne vise pas à s’abstraire de la réalité pour observer le comportement des chameaux au pôle Nord. On serait ainsi bien en peine de mettre en œuvre un modèle économétrique qui mesurerait l’effet des fortes chaleurs sur les chameaux du Sahara et les rennes du pôle Nord : la stricte équivalence – on parle alors de colinéarité – entre le grand froid et la présence de rennes empêcherait le modèle de fonctionner – ou, en d’autres termes, de converger – ou aboutirait à des résultats qui alerteraient immédiatement le chercheur5. Le raisonnement toutes choses égales par ailleurs vise simplement à mettre en œuvre une méthode de décomposition des facteurs qui permet d’analyser la nature des corrélations.

5Plus encore, critiquer de façon radicale la démarche empirique et le recours aux statistiques conduit à enfermer l’analyse dans une simple description des configurations singulières. En effet, la complexité des configurations historiques rend impossible une interprétation immédiate de la réalité. Face aux résultats de l’analyse descriptive ou au récit des événements singuliers, le chercheur se trouve dans la situation de Monsieur Tout-le-Monde6 : il observe que des choses ont l’air, fréquemment, d’aller ensemble ; à partir de ces observations, il établit des recoupements et propose spontanément une interprétation historique et sociologique. De la corrélation, réelle ou supposée, à la causalité, il n’y a alors souvent qu’un pas. La constitution de l’histoire en discipline se fonde justement sur la mise en œuvre d’une méthode critique, qui vise à expliciter et à contrôler ce schéma d’interprétation7. Dans cette entreprise de comparaison et d’interprétation du réel, la démarche statistique est une méthode parmi d’autres, qui présente l’avantage d’inciter le chercheur à expliciter les hypothèses qui sous-tendent son modèle interprétatif et à justifier son entreprise de catégorisation. La corrélation n’étant pas la causalité, l’interprétation des résultats ne dispense pas le chercheur de construire et d’expliciter le schéma causal qui peut rendre compte des corrélations observées. Le raisonnement statistique permet ainsi d’éviter l’écueil de l’interprétation incontrôlée mais aussi d’échapper au relativisme absolu. Les relations observées à partir de configurations historiques singulières n’ont certes pas « de valeur universelle8 » et valent seulement dans le cadre de l’échantillon et de la configuration historique analysée. Mais toute connaissance de la réalité repose sur une représentation et sur une interprétation de la « réalité » et l’exigence de contextualisation et de comparaison n’est pas propre au raisonnement statistique. Le parti pris adopté est donc celui de jouer le jeu de la méthode toutes choses égales par ailleurs, conçue comme une aide à l’interprétation et à la compréhension des phénomènes observés se nourrissant d’un mouvement de va-et-vient entre approche statistique et « réalité9 ».

6Résultats de la régression logistique multiniveaux :

Linear mixed-effects model fit by maximum likelihood

Data : tunpresentsur

AIC BIC logLik

3135.043 3379.287 -1507.521

Random effects :

Formula : 1 | numerosecu

(Intercept) Residual

StdDev : 2.064029 0.6867149

Variance function :

Structure : fixed weights

Standardized Within-Group Residuals :

Min Q1 Med Q3 Max

-9.9049042 -0.1512519 0.1057824 0.3808244 3.4513463

Number of Observations : 433

Number of Groups : 126

Tableau 4. Le recours aux réseaux d’originaires de Tunisie par les individus de l’échantillon Cnav : résultats de la régression logistique multiniveaux

Variable

Coefficient

Écart type

Significativité

Constante

– 1,826

2,480

Homme

2,048

0,891

*

Femme

Réf.

Réf.

Français

– 0,833

1,002

Français par acquisition

– 0,363

1,225

Étranger

Réf.

Réf.

Célibataire

– 0,635

1,984

Autre (veuf, divorcé, etc.)

– 0,918

1,572

Situation matrimoniale inconnue

– 1,147

7,209

Marié

Réf.

Réf.

Sans enfants

– 1,722

1,566

1 ou 2 enfants, dont au moins 1 en bas âge

– 0,725

1,102

3 ou 4 enfants, dont au moins 1 en bas âge

Réf.

Réf.

5 enfants et plus, dont au moins 1 en bas âge

– 1,082

0,953

1 ou 2 enfants de 6 ans et plus

– 2,139

1,018

*

3 ou 4 enfants de 6 ans et plus

– 2,246

0,961

*

5 enfants et plus, de 6 ans et plus

– 1,048

1,249

Configuration familiale inconnue

1,142

7,240

Enfants de plus de 18 ans

– 2,769

1,133

*

Autre secteur

4,763

1,599

*

Bâtiment

2,013

1,167

Banque, assurances, immobilier

2,452

1,431

Commerce

3,393

1,053

*

Construction mécanique et électrique

3,488

1,336

*

Hygiène, ménage

3,336

1,336

*

Intérim

27,608

55 357,707

Restauration

4,461

1,469

*

Santé

0,743

1,547

Secteur inconnu

4,907

1,698

*

Services publics

2,302

1,675

Textile-cuir-habillement

2,392

1,163

*

Transports

Réf.

Réf.

Segment intermédiaire

Réf.

Réf.

Segment primaire

5,318

0,843

*

Segment secondaire

3,643

0,603

*

Segment inconnu

25,078

100 229,448

Moins de 5 % d’étrangers dans l’entreprise

– 2,200

1,075

*

De 5 à 15 % d’étrangers dans l’entreprise

– 0,484

1,068

De 15 à 30 % d’étrangers dans l’entreprise

Réf.

Réf.

De 30 à 50 % d’étrangers dans l’entreprise

– 1,061

1,171

De 50 à 70 % d’étrangers dans l’entreprise

0,730

1,474

Plus de 70 % d’étrangers dans l’entreprise

1,345

1,789

% d’étrangers dans l’entreprise inconnu

– 0,832

0,885

Moins de 5 ans sur le marché du travail

1,544

0,850

De 6 à 10 ans sur le marché du travail

2,030

0,728

*

De 11 à 15 ans sur le marché du travail

1,394

0,648

*

Plus de 15 ans sur le marché du travail

Réf.

Réf.

Moins de 40 ans

– 2,413

1,199

*

40-44 ans

– 1,601

1,080

45-49 ans

– 2,056

1,061

*

50-54 ans

– 1,172

0,750

Plus de 55 ans

Réf.

Réf.

Patron et gérant

– 0,075

1,266

Cadre supérieur

1,187

1,171

Cadre intermédiaire

1,272

0,956

Employé

1,984

0,984

*

Contremaître

0,599

1,426

Ouvrier qualifié

1,970

0,897

*

Ouvrier spécialisé

Réf.

Réf.

Manœuvre

0,113

0,789

Agent d’entretien et de surveillance

2,503

1,056

*

Catégorie socioprofessionnelle inconnue

2,138

0,862

*

Entrée dans l’entreprise avant 1970

0,106

0,837

Entrée dans l’entreprise entre 1971 et 1974

Réf.

Réf.

Entrée dans l’entreprise entre 1975 et 1979

– 0,424

0,529

Entrée dans l’entreprise entre 1980 et 1985

– 0,708

0,780

Entrée dans l’entreprise après 1986

– 0,032

1,216

Conjoint né en France

Réf.

Réf.

Conjoint né en Tunisie

– 0,499

1,118

Lieu de naissance du conjoint inconnu

– 0,780

1,438

* Significativité à 5 %.

Source : Dossiers Cnav, échantillon générationnel.

Notes de bas de page

1 Par convention, les effets sont jugés significatifs si on a moins de 5 % de chances de se tromper en affirmant que la variable a un effet « pur ».

2 Passeron, 2006, p. 222.

3 Passeron, 2006, p. 225.

4 François Simiand cité in Passeron, 2006.

5 La construction d’un modèle économétrique oblige à vérifier pas à pas ces risques de colinéarité et à construire des catégories pertinentes, quitte à perdre de l’information – les critiques adressées aux regroupements et aux classifications opérés pour les besoins du traitement statistique en sont la preuve.

6 Selon l’expression de Carl Becker (voir Prost, 1996, p. 304-306).

7 C’est justement le recours à la méthode critique qui fait la différence entre l’historien et Monsieur Tout-le-Monde (Prost, 1996).

8 Prost, 1996, p. 206.

9 Nous reprenons ici le point de vue développé par Félicité Des Nétumières (1997). Ce mouvement d’aller-retour entre recherches d’effets « purs » et approches plus descriptives guide l’analyse des écarts de salaires liés au genre mise en œuvre par Rachel Silvera (1996).

Précédent Suivant

Le texte seul est utilisable sous licence Licence OpenEdition Books. Les autres éléments (illustrations, fichiers annexes importés) sont « Tous droits réservés », sauf mention contraire.