Version classiqueVersion mobile

Les marchés urbains du travail en Afrique subsaharienne

 | 
Philippe De Vreyer
, 
François Roubaud

Partie 2. Inégalités sur le marché du travail

Chapitre 6. Segmentation des marchés du travail

Une approche par les distributions

Muriel Barlet

Texte intégral

Introduction

1L’existence d’une économie informelle importante est une caractéristique des économies en développement. Selon une étude de Schneider (2004), la richesse créée par le secteur informel représente 39,1 % du PIB dans les pays en développement, 40,1 % dans les pays en transition et 16,3 % dans les pays de l’OCDE. Étudier ce secteur est donc indispensable pour mieux comprendre l’économie de ces pays. Ce chapitre s’intéresse au secteur informel sous l’angle du marché du travail, dans les sept capitales francophones de l’Union économique et monétaire ouest-africaine (UEMOA). L’objectif est d’étudier la nature de la segmentation entre les secteurs formels et informels.

2Le secteur informel est abordé de deux manières opposées par la littérature (Fields, 2005). Il est considéré soit comme un secteur sans coût d’entrée et de dernier recours pour les individus qui ne trouvent pas d’emploi stable (Tokman, 2007), soit comme un secteur désirable présentant des avantages (évasion fiscale, travail indépendant). La première thèse est soutenue par la précarité et les faibles salaires du secteur informel considérés comme une preuve que les individus n’y travaillent que par nécessité. La seconde thèse est largement soutenue par des auteurs comme Maloney (1999 et 2004) et de Soto (Bromley, 1990) qui affirment que les protections sociales du secteur formel ne compensent pas les opportunités permises par la flexibilité du secteur informel. Cette opposition met en avant l’hétérogénéité du secteur informel. Il regroupe d’un côté des travailleurs embauchés dans des micro-entreprises sans protection et pour des salaires faibles voire nuls (aides familiaux ou apprentis) et, d’un autre côté, des entrepreneurs qui profitent de la flexibilité offerte par ce secteur. Un des principaux apports de cette étude est de proposer une subdivision du secteur informel entre ces deux catégories. Nous tentons de savoir, pour chacune de ces catégories, si travailler dans le secteur informel est un choix ou résulte d’une contrainte du marché. On parle alors, dans ce dernier cas, de segmentation du marché du travail. Nos résultats suggèrent que tous les marchés du travail étudiés sont segmentés.

  • 1 Ce rationnement peut être dû aux réglementations du secteur formel qui imposent des salaires minim (...)

3Reconnaître l’hétérogénéité du secteur informel permet une compréhension plus fine de ses mécanismes. En effet, si l’on part du postulat d’homogénéité, la prédiction des gains moyens pour les actifs du secteur informel étant plutôt faible, on peut conclure à la faible attractivité du secteur informel dans son ensemble comparé au secteur formel. L’importance prépondérante du secteur informel ne peut alors s’expliquer que par le rationnement des emplois dans le secteur formel1. Si, au contraire, on distingue au sein du secteur informel les entrepreneurs, d’une part, et les travailleurs salariés ou indépendants, d’autre part, les gains prédits pour la partie « supérieure » du secteur informel sont relativement élevés. Deux secteurs apparaissent alors attractifs : le secteur formel et celui des entrepreneurs du secteur informel. Le nombre élevé de travailleurs du secteur informel peut alors être expliqué par un accès difficile au statut d’entrepreneur et pas seulement par un rationnement des emplois du secteur formel. Ainsi, reconnaître cette hétérogénéité ne change pas le diagnostic de fond (la segmentation du marché du travail entre secteurs formels et informels), mais a des implications en termes de politiques publiques de l’emploi, notamment en suggérant que favoriser l’accès au statut d’entrepreneur du secteur informel pourrait avoir des effets bénéfiques.

  • 2 Ainsi, un employeur et un employé d’une même unité de production informelle (UPI) n’appartiendront (...)

4Si l’idée de découper le marché du travail en trois secteurs n’est pas nouvelle dans la littérature, notre apport est de caractériser précisément les deux segments du secteur informel. Le segment « supérieur » regroupe tous les entrepreneurs et travailleurs indépendants qui emploient au moins une personne. Le segment « inférieur » regroupe les travailleurs salariés et les indépendants sans employé2. Günther et Launov (2006) prouvent l’existence de deux segments à l’intérieur du secteur informel mais n’en donnent pas les contours. Par ailleurs, notre division est plus pertinente que celle proposée par Alderman et Kozel (1989) ou Azevedo (2005), laquelle consiste à séparer les salariés du secteur informel des entrepreneurs ou travailleurs indépendants, quel que soit le nombre de leurs employés. Notre choix est justifié par deux articles récents (De Mel et al., 2008 ; Parga et mondragn-Vlez, 2008), qui montrent que les travailleurs indépendants sans employé sont plus proches des salariés que des entrepreneurs. Ce choix est également justifié à postériori par un de nos tests de robustesse des résultats.

5La méthode économétrique employée dans ce chapitre pour caractériser la segmentation est assez simple. En résumé, il s’agit de simuler une structure du marché du travail dans laquelle chaque individu est alloué au secteur dans lequel sa rémunération est la plus élevée. On obtient alors la taille prédite de chaque secteur sous l’hypothèse que le marché du travail est concurrentiel, et l’on compare aux tailles effectives. Afin de déterminer les revenus potentiels de chaque individu dans chaque secteur, une série d’équations de gains doit être estimée. Cette estimation est délicate parce qu’un processus d’auto-sélection des individus dans chaque secteur, semblable à celui décrit par Roy (1951), peut conduire à biaiser les coefficients estimés. L’enjeu principal est donc de tenir compte de ces biais de sélection. La stratégie adoptée dans ce chapitre repose sur la méthode proposée par Lee (1983). Nous testons la robustesse des résultats en appliquant également la méthode de Dubin et McFadden (1984). Une attention particulière est portée aux questions d’identification : plusieurs variables identifiantes (expliquant le choix de secteur, mais pas le niveau des revenus, conditionné à ce choix) sont proposées et testées.

6Le chapitre apporte un éclairage sur la segmentation des marchés du travail dans des pays où encore peu de résultats existent. La plupart des études disponibles concernent l’Inde (Banerjee, 1983), l’Amérique latine (Pratap et Quintin, 2006 ; Pages et Stampini, 2007) ou l’Afrique du Sud (Badaoui et al., 2008), probablement en raison d’un manque de données suffisamment précises sur l’emploi et la rémunération dans le secteur informel. L’exploitation des données du projet Parstat permet de combler cette lacune. Nous montrons que, pour tous les pays étudiés, la taille du segment inférieur du secteur informel est plus importante que la taille prédite lorsque l’on suppose que le marché du travail est concurrentiel. Au contraire, le secteur formel et le segment supérieur du secteur informel sont tous deux plus petits. Nous concluons donc à l’existence d’une segmentation des marchés du travail. Cette conclusion est robuste à des variations dans le choix de la méthode d’analyse économétrique et à des modifications dans la distribution des caractéristiques non observées des individus. Pour finir, nous mettons en avant le rôle des réseaux familiaux pour faciliter l’accès au secteur formel.

7La suite de cette étude est organisée en trois parties. La première fournit une description de la méthode utilisée. La deuxième partie présente les statistiques descriptives pertinentes pour ce chapitre. La troisième partie regroupe les résultats pour un modèle sans subdivision du secteur informel et un modèle avec subdivision, ainsi que des tests de robustesse.

Méthode d’analyse économétrique

  • 3 À l’inverse, si la taille de tous les secteurs simulée est comprise dans les intervalles de confia (...)

8Le principe est de comparer les parts observées de chaque secteur/segment dans la population active avec celles prédites par un modèle de fonctionnement concurrentiel du marché du travail. Pour simuler ces parts, chaque individu est alloué au segment pour lequel sa rémunération prédite est la plus élevée, compte tenu de ses caractéristiques (éducation, âge, sexe, etc.). Si au moins une des parts observées pour les segments supérieurs est en dehors de l’intervalle de confiance prédit par le modèle concurrentiel, on conclut à la segmentation du marché du travail3. Le principal défi est alors de tenir compte des biais de sélection. En effet, les individus vont à priori chercher à travailler dans le secteur le plus intéressant pour eux, et leur répartition entre les secteurs n’est donc pas aléatoire. En outre, la décision d’être ou non actif influence également la mesure des salaires dans les différents secteurs. Il est donc nécessaire de tenir compte de ce processus de sélection. Nous employons pour cela les méthodes proposées par Lee (1983) et Dubin et McFadden (1984).

Étape 1 : modélisation du choix de secteur

9Dans un premier temps, nous estimons une équation de choix de secteur afin de pouvoir tenir compte d’éventuels biais de sélection. Le modèle économétrique est un logit multinomial. Chaque individu a le choix entre quatre possibilités : ne pas travailler, travailler dans le secteur formel, travailler dans le secteur informel avec un statut d’entrepreneur, travailler dans le secteur informel en qualité de salarié ou d’indépendant. L’équation de sélection s’écrit :

10Si = .Zi +

11avec Si le secteur de l’individu i, Zi un ensemble de variables expliquant le secteur de l’individu i et μi un terme résiduel. Les variables explicatives de cette première étape sont l’âge, l’éducation, la capacité à lire et à écrire le français, la capacité à lire et à écrire une autre langue, le secteur d’emploi du père quand l’individu avait 15 ans, le nombre d’années d’éducation du père, le statut migratoire, l’appartenance à la religion dominante du pays, l’appartenance au groupe ethnique dominant, le revenu du ménage hors travail, le nombre d’enfants dans le ménage (pour les femmes uniquement), le nombre de femmes du ménage âgées de 13 ans ou plus (pour les femmes uniquement).

12Ces variables sont spécifiques au genre de l’individu, mais pas au pays. L’âge et l’éducation (mesurée par le nombre d’années de scolarisation) sont les déterminants habituels du choix de secteur. L’information sur l’éducation est complétée par les deux variables indiquant la capacité à lire et écrire le français ou une autre langue. Le nombre d’années de scolarisation peut en effet être un mauvais indicateur du niveau d’éducation réel (voir chapitre 5). Par exemple, parmi ceux qui n’ont passé que quelques années à l’école primaire, certains peuvent être en mesure de lire et d’écrire proprement le français et d’autres non. Les données permettent également de tenir compte d’autres dimensions susceptibles d’avoir un impact sur le choix de secteur, telle l’étendue des réseaux social et familial. Les variables portant sur le père de l’individu, le statut migratoire (migrant/non-migrant), le groupe ethnique, l’appartenance religieuse sont des proxies du réseau social et familial de l’individu. La prise en compte de cette dimension est ici particulièrement importante, puisque ces réseaux peuvent faciliter l’accès aux segments supérieurs du marché du travail. Le montant des revenus du ménage hors travail est inclus comme déterminant du choix de secteur, car les ménages les plus riches sont mieux en mesure d’accéder au statut d’entrepreneur, compte tenu de l’imperfection des marchés financiers. C’est également un des déterminants de l’inactivité. Enfin, pour les femmes uniquement, nous savons qu’il existe un arbitrage entre le travail rémunéré et l’investissement dans les tâches domestiques (voir chapitres 7 et 12). Le nombre d’enfants peut accroître la lourdeur des tâches à accomplir, alors que le nombre de femmes adultes peut au contraire la réduire. Les estimations sont réalisées séparément pour chaque pays et chaque sexe, sur un échantillon constitué de tous les individus âgés de 15 à 64 ans.

13Le modèle logit multinomial repose sur l’hypothèse d’indépendance des alternatives non pertinentes. Cette hypothèse peut ne pas être respectée notamment si les individus effectuent leur choix de façon séquentielle, d’abord en décidant de leur participation au marché du travail puis, pour les actifs, en décidant de leur secteur d’emploi. Cependant Bourguignon et al. (2007) montrent, à l’aide de simulations de Monte Carlo, que les résultats de la deuxième étape de l’estimation sont robustes à la violation de cette hypothèse.

Étape 2 : estimation des équations de gains

14La deuxième étape consiste à estimer une équation de gains pour chaque secteur d’emploi, en employant la méthode de Lee (1983) pour corriger les biais liés à l’auto-sélection. L’équation suivante exprime le logarithme du salaire d’un individu i, appartenant au secteur s, en fonction d’un ensemble de variables, Xi, expliquant le salaire et mi le terme de sélection estimé par l’équation de choix de secteur :

15ln wis = s . Xi + s . m i + i

  • 4 Le résultat de cette procédure dépend de l’ordre des variables testées. Néanmoins, comme il n’exis (...)

16où εi est un terme aléatoire suivant une loi normale de moyenne nulle et de variance σs. La liste des variables explicatives de cette équation est sujette à modifications selon le pays et le genre. Les variables explicatives communes à toutes les spécifications sont l’expérience potentielle (âge duquel on retire le nombre d’années de scolarisation augmenté de 7) et son carré, l’éducation (mesurée par le nombre d’années de scolarisation), la capacité à lire et écrire le français ou une autre langue. Pour chaque pays et chaque sexe, nous testons si les autres variables explicatives de la première étape (secteur et éducation du père, revenu du ménage hors travail, nombre d’enfants et de femmes du ménage, etc.) ont des coefficients significativement différents de zéro. Chaque variable est testée séparément. Lorsque le test conduit au rejet de l’hypothèse que le coefficient est nul, nous ajoutons la variable à la liste des variables explicatives de la deuxième étape et recommençons le test pour toutes les autres variables. Cette procédure est conduite jusqu’à ce que toutes les exogènes exclues aient un coefficient nul dans l’équation de gains4. Le modèle est identifié non paramétriquement si cette liste n’est pas vide.

17D’autres procédures auraient pu être envisagées pour corriger le biais de sélection (Dahl, 2002 ; Dubin et McFadden, 1984). Cependant Bourguignon et al. (2007) montrent que la méthode de Lee est préférable lorsque l’on travaille avec de petits échantillons, ce qui est notamment le cas pour les échantillons de femmes (environ 200 observations pour le secteur formel et celui des entrepreneurs informels). Ils concluent, plus précisément, que la méthode de Lee est plus efficace lorsque l’on travaille avec des échantillons de 50 observations. La méthode de Dubin et McFadden doit en revanche lui être préférée lorsque l’échantillon est de 500 observations ou au-delà. Comme les échantillons employés dans cette étude ont une taille comprise entre ces deux bornes, il peut être judicieux d’employer les deux méthodes à des fins de comparaison. Ainsi, nous choisissons la méthode de Lee pour produire l’essentiel des résultats de l’étude, mais nous confrontons les résultats obtenus avec celle de Dubin et McFadden afin d’en évaluer la robustesse.

Étape 3 : prédiction de la part de chaque secteur

18La dernière étape consiste à simuler pour chaque individu le salaire potentiel dans chaque secteur d’emploi : w*is. À ce revenu prédit moyen, nous ajoutons le résultat d’un tirage aléatoire, ȗis, réalisé dans la loi normale de moyenne nulle et de variance ⁀2s. Chaque individu est alors alloué au secteur d’emploi qui lui fournit le revenu le plus élevé :

19S*i = arg msax {w*is + ȗis}.

20On calcule ensuite la part de chaque secteur dans l’ensemble des choix simulés. De façon à obtenir un intervalle de confiance, nous calculons ces parts avec une série de 20 tirages différents du terme aléatoire ȗis. Par ailleurs, pour tenir compte du fait que l’estimation des parts est réalisée en trois étapes, les écarts types des estimateurs sont obtenus par une méthode de bootstrap avec 200 réplications. Il ne reste plus ensuite qu’à comparer les parts observées avec les intervalles de confiance simulés. Lorsque la valeur observée est en dehors de l’intervalle de confiance, on peut conclure que le marché est segmenté.

21Pour terminer avec cette présentation de la méthode, une dernière remarque doit être faite. La simulation du choix de secteur effectuée au cours de l’étape 3 repose sur l’hypothèse que seul le niveau de revenu détermine le choix de secteur effectué par l’individu. C’est évidemment une hypothèse restrictive, mais elle est habituelle dans cette littérature, car les données ne permettent pas en général de prendre en compte séparément les déterminants non monétaires des préférences individuelles. Par ailleurs, à la différence de l’étape 3 où l’on suppose que l’individu, s’il n’était pas contraint, choisirait de travailler dans le secteur le plus rémunérateur, l’étape 1 analyse les choix de ce même individu sous contraintes, notamment celles qui résultent de la segmentation du marché du travail.

Statistiques descriptives et hétérogénéité du secteur informel

22Les données sont celles de la phase 1 des sept enquêtes 1-2-3 réalisées dans les capitales francophones de l’UEMOA. Les variables de la phase 1 permettent d’identifier aussi précisément que possible le secteur d’emploi des personnes interrogées. Pour celles travaillant dans le secteur informel, elles permettent également de distinguer entre les salariés, les travailleurs indépendants (sans employé) et les entrepreneurs dirigeants (chef d’UPI avec au moins un employé). Nous expliquons ci-dessous les critères d’identification du secteur informel, puis présentons les principales statistiques descriptives.

Identification du secteur informel

23Distinguer, au sein du secteur informel, ceux qui appartiennent aux segments supérieur et inférieur n’est pas totalement trivial. L’idée sous-jacente à ce travail est que certains de ceux qui exercent leur activité dans le secteur informel tirent bénéfice de l’informalité et donc appartiennent au segment supérieur. Nous supposons que les entrepreneurs qui emploient au moins une personne (et que nous appelons entrepreneurs dirigeants) appartiennent à ce segment, et ce même si la personne employée n’est pas rémunérée. Il est en effet raisonnable de penser qu’ils tirent bénéfice de l’informalité : ils sont exempts de charges sociales, n’ont pas à établir de contrats formels, ne sont pas tenus de respecter le salaire minimum et peuvent embaucher ou licencier leurs employés comme ils l’entendent.

24On peut imaginer au moins deux autres façons de définir le segment supérieur du secteur informel. La première est de considérer que seuls ceux qui ont au moins un employé rémunéré appartiennent à ce segment. Il est en vérité fort probable que leurs firmes sont les plus importantes et les plus solidement établies sur le marché. Cependant, cette solution pose un problème pour l’estimation des différentes équations, car le nombre de ces entrepreneurs est très faible (moins de 10 % de la population). À l’opposé, la seconde solution est de considérer que tous les entrepreneurs informels, qu’ils aient ou non un employé, appartiennent au segment supérieur. Cette solution est à priori moins convaincante, car les avantages de l’informalité sont réduits pour ceux qui n’emploient personne. De plus, deux études récentes (De Mel et al., 2008 ; Parga et Mondragn-Vlez, 2008) sur les entrepreneurs du secteur informel apportent des éléments qui justifient d’exclure les entrepreneurs individuels du segment supérieur. Sur des données colombiennes, Parga et Mondragn-Vlez (2008) trouvent que les entrepreneurs dirigeants diffèrent significativement des entrepreneurs individuels. Leurs revenus sont significativement plus élevés que ceux des salariés, ce qui n’est pas le cas des entrepreneurs individuels. Par ailleurs, leurs résultats suggèrent que les entrepreneurs individuels n’ont pas plus de chance de devenir entrepreneurs dirigeants que les salariés. Ces résultats sont confirmés par De Mel et al. (2008) à partir d’une classification sur données sri-lankaises, qui montre que les entrepreneurs individuels sont plus proches des salariés que des entrepreneurs dirigeants. Enfin, un des tests de robustesse que nous avons réalisés a été de modifier la définition du segment supérieur en y ajoutant les entrepreneurs individuels. Les résultats ont changé de façon importante, ce qui indique que les entrepreneurs dirigeants et individuels sont trop différents pour être réunis dans un même segment.

25Au final, notre classification peut être résumée de la façon suivante :

  • secteur formel : fonctionnaires et employés des firmes enregistrées ;
  • secteur informel : travailleurs au service d’une entreprise non enregistrée ou d’une association :
    • segment supérieur (entrepreneurs dirigeants) : entrepreneurs du secteur informel employant au moins une personne, rémunérée ou non ;
    • segment inférieur : entrepreneurs individuels et salariés ;
  • inactifs : personnes sans emploi ou en dehors du marché du travail.

Tableau 1. Répartition entre les secteurs – Hommes (%)

Tableau 1. Répartition entre les secteurs – Hommes (%)

Sources : enquêtes 1-2-3, phases 1, 2001-2003, INS, Afristat, Dial ; calculs de l’auteur. Individus âgés de 15 à 65 ans

Tableau 2. Répartition entre les secteurs – Femmes (%)

Tableau 2. Répartition entre les secteurs – Femmes (%)

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans

26Nous obtenons la répartition présentée dans les tableaux 1 et 2 pour les différents pays.

27Quels que soient le pays et le sexe, le secteur informel (travailleurs et dirigeants) est largement le premier employeur. Moins de 10 % des femmes et environ 20 % des hommes travaillent dans le secteur formel. Les dirigeants informels sont moins nombreux que les travailleurs informels, cependant ils représentent un groupe non négligeable, de taille comparable à celui du secteur formel pour les femmes et représentant environ 12 % des individus pour les hommes.

Le secteur des dirigeants informels : un secteur intermédiaire

  • 5 Certaines illustrations ne sont présentées que pour le Bénin. Les résultats pour les autres pays s (...)

28L’examen des statistiques descriptives révèle que le secteur des dirigeants informels est intermédiaire entre le secteur formel et celui des salariés et entrepreneurs individuels du secteur informel5. La première base de comparaison est naturellement celle des revenus. Le fait le plus marquant dans les marchés du travail urbain des pays de l’UEMOA est l’écart entre les salaires moyens des secteurs formels et informels, particulièrement pour les femmes. À titre illustratif, les densités des salaires pour les femmes et les hommes sont présentés dans la figure 1 pour le Bénin. La distribution des revenus horaires des dirigeants informels est clairement située entre celle du secteur formel et celle du segment inférieur du secteur informel. Cette constatation peut être faite pour tous les pays étudiés.

29Le tableau 3 présente les principales caractéristiques des individus d’âge actif au Bénin. Les statistiques sont produites séparément pour les hommes et les femmes et pour chaque secteur. Sans surprise, on constate qu’une large part de l’écart de salaire peut être expliquée par les caractéristiques des individus. Les travailleurs du secteur formel sont en particulier plus âgés, nettement plus éduqués que leurs homologues du secteur informel et, au sein du secteur informel, les entrepreneurs sont légèrement plus éduqués que les travailleurs. On note également une plus forte proportion d’individus pratiquant la religion dominante, ayant un père éduqué ou exerçant lui-même dans le secteur formel parmi les actifs du secteur formel. Ces écarts sont constatés pour les deux sexes mais ont une amplitude plus importante pour les femmes, ce qui résulte probablement de leur moindre participation au marché du travail et de la plus forte sélection de celles qui intègrent le secteur formel. On note enfin que les femmes du secteur formel ont, dans leur ménage, un nombre plus faible d’enfants âgés de moins de 9 ans. Des résultats similaires sont constatés pour les autres capitales. Nous choisissons de ne pas les reproduire ici afin de ne pas surcharger inutilement l’exposé (voir note 5).

Tableau 3. Statistiques descriptives – Bénin

Tableau 3. Statistiques descriptives – Bénin

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans

Figure 1. Densité des salaires horaires (logarithme), Bénin.
Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans

Résultats économétriques

30Nous appliquons tout d’abord notre méthodologie en répartissant les individus entre trois secteurs (formel, informel et inactifs). Nous présentons simplement le résultat final, c’est-à-dire la proportion d’individus prédits dans le secteur formel parmi les individus effectivement actifs. Les différentes étapes de l’estimation (estimation d’une équation de choix de secteur, estimation d’équations de salaire) sont développées uniquement pour le modèle à quatre secteurs puisque, d’une certaine façon, celui-ci englobe le modèle à trois secteurs.

Le modèle à trois secteurs

  • 6 Ces chiffres sont différents de ceux donnés dans les tableaux 1 et 2, car c’est la moyenne sur la (...)

31Les individus sont affectés au secteur dans lequel leur salaire prédit est le plus élevé ; on calcule ensuite la proportion d’individus qui se trouvent dans le secteur formel. Nous résumons dans le tableau 4 les proportions trouvées dans les différentes simulations pour les hommes et les femmes. On calcule la moyenne, la médiane, le 2,5e et le 97,5e percentile. Nous obtenons ainsi un intervalle de confiance à 95 % de la proportion estimée. Nous vérifions si la proportion observée6 est incluse dans cet intervalle de confiance.

Tableau 4. Proportions observées et prédites de l’emploi dans chaque secteur – Modèle à trois secteurs

Tableau 4. Proportions observées et prédites de l’emploi dans chaque secteur – Modèle à trois secteurs

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : les valeurs entre parenthèses sont les bornes de l’intervalle de confiance à 95 % des valeurs prédites par le modèle

32Pour les femmes, les résultats sont clairs et similaires pour tous les pays. Si les femmes actives travaillaient avec le salaire horaire le plus élevé qu’elles puissent obtenir, elles seraient beaucoup plus nombreuses dans le secteur formel. La proportion observée est toujours inférieure au 2,5e percentile de la proportion prédite par notre modèle. Des résultats identiques sont trouvés pour les hommes. On peut noter que les intervalles de confiance pour les femmes sont toujours nettement plus larges que pour les hommes, témoignant de la plus grande difficulté à identifier les déterminants de l’allocation entre les secteurs et ceux du salaire pour les femmes que pour les hommes. Les estimations pour les hommes sont de ce fait plus précises. Quoi qu’il en soit, ces premiers résultats indiquent une segmentation du marché du travail dans chacun des pays étudiés, l’accès au secteur formel apparaissant rationné.

Le modèle à quatre secteurs

33Pourquoi subdiviser le secteur informel ? Comme nous l’avons souligné précédemment, certains auteurs pensent que le secteur informel recoupe deux réalités différentes : des travailleurs défavorisés et d’autres qui profitent de la flexibilité liée à l’absence de législation. Si cette vision est juste, mélanger ces deux segments dans un même secteur, comme précédemment, conduit à des conclusions fausses puisque l’on modélise de manière identique les deux segments. Si le segment des dirigeants informels est effectivement un segment attractif en termes de revenu, le modèle à trois secteurs prédira une proportion plus faible d’individus dans le secteur formel, et la conclusion sur la segmentation sera moins directe. Dans les paragraphes qui suivent, nous donnons le détail des résultats obtenus au cours de chacune des trois étapes de la simulation pour le modèle à quatre secteurs. Nous présentons tout d’abord les résultats de l’estimation du modèle de choix de secteur, puis ceux des équations de gains, enfin les simulations d’allocation entre les secteurs sous l’hypothèse d’un fonctionnement concurrentiel du marché du travail.

Choix de secteur

34Les équations de choix de secteur sont données dans les tableaux 5 a pour les hommes et 5 b pour les femmes (voir annexe 1). Le secteur de référence est le secteur des travailleurs informels. Sans rentrer dans les détails, nous donnons ici les principales conclusions. Pour ce qui concerne l’âge et l’éducation, nos résultats rejoignent ceux habituellement trouvés dans la littérature. Plus un individu est âgé, plus sa probabilité d’être dans le secteur formel ou dans le secteur des dirigeants informels est grande. Les jeunes ont une probabilité plus forte d’être inactifs, ce qui peut résulter de la forte proportion d’étudiants et de jeunes actifs en recherche de leur premier emploi. Une fois entrés sur le marché du travail, les jeunes ont une plus forte probabilité de travailler dans le segment inférieur du secteur informel que dans le segment supérieur ou que dans le secteur formel. Le nombre d’années d’éducation augmente la probabilité de se trouver dans le secteur formel ou d’être inactif. En revanche, cela ne semble pas influencer la probabilité d’être dirigeant informel (plutôt que travailleur informel). Ceci peut s’expliquer de la façon suivante : les individus éduqués trouvent un emploi dans le secteur formel ou bien préfèrent rester inactifs, plutôt que de rejoindre le secteur informel. Lire et écrire le français ou une autre langue peut renforcer l’effet de l’éducation, mais ce n’est pas un effet commun à tous les pays. Pour les hommes, on peut noter que soit l’éducation (Bénin et Togo), soit la capacité de lire et écrire le français (Burkina Faso et Mali), soit celle de lire et écrire une autre langue (Côte d’Ivoire, Niger, Sénégal) accroissent la probabilité d’être un entrepreneur dirigeant plutôt qu’un salarié ou un travailleur indépendant du secteur informel. L’éducation au sens large semble donc avoir un impact pour l’accès au segment supérieur du secteur informel, mais pas de façon aussi tranchée que pour l’accès au secteur formel.

35Les autres variables explicatives de l’allocation entre les secteurs sont le revenu du ménage hors travail (proxy de la richesse du ménage), la composition du ménage (uniquement pour les femmes), ainsi que l’éducation et le secteur d’emploi du père, l’appartenance religieuse et ethnique et le statut migratoire (proxies du réseau social de l’individu). Ces variables peuvent influencer le secteur d’appartenance de l’individu sans déterminer directement son revenu. De telles variables permettent ainsi de mettre en évidence l’existence de la segmentation. En effet, supposons par exemple que l’éducation du père modifie significativement la probabilité d’accéder au secteur formel sans influencer le revenu potentiel. Alors, même s’il a financièrement intérêt à travailler dans le secteur formel, un individu avec un père peu éduqué ne pourra pas sortir du secteur informel. Ces variables permettent également de mieux comprendre les mécanismes de rationnement. En outre, elles sont nécessaires pour l’identification non paramétrique du modèle.

36Notons que, contrairement à ce qui se fait dans d’autres études, nous n’imposons pas de condition d’exclusion sur la liste des variables. Pour chaque pays et chaque genre, nous testons si les variables potentiellement exclues ont un coefficient non nul dans l’équation de gains. Si c’est le cas, la variable est retirée de la liste des variables exclues et employée comme explicative. Afin de faciliter la lecture des résultats, dans les tableaux 5 a et 5 b, les coefficients des variables potentiellement exclues qui n’impactent pas directement les gains apparaissent en caractères gras et en italiques.

Un aperçu du processus de segmentation

37Les résultats indiquent que les hommes avec un père employé dans le secteur formel ont plus de probabilités d’y accéder (relativement à celles d’accéder au segment inférieur du secteur informel) dans quatre pays sur sept, sans avoir d’impact significatif sur les revenus dans ce secteur (voir également les résultats au bas du tableau 6 a en annexe). De plus, l’éducation du père a également un effet positif sur l’accès au secteur formel dans trois pays sur sept. La même remarque peut-être faite pour les hommes appartenant à la communauté religieuse dominante. Cependant, cette variable n’est pas très discriminante puisque, dans la plupart des pays, ce groupe représente plus de 90 % de la population. L’effet du statut migratoire est intéressant puisqu’il impacte positivement la probabilité d’accéder au secteur formel, mais négativement celle d’accéder au segment supérieur du secteur informel. Ceci peut recouvrir deux phénomènes différents. D’une part, les migrants internes peuvent avoir été mutés dans la capitale, ce qui est plus probablement le cas s’ils sont employés d’une entreprise du secteur formel ou d’une administration, ou alors ils peuvent être venus pour étudier et ensuite avoir trouvé un emploi dans le secteur formel. D’autre part, certains migrants peuvent avoir été empêchés d’accéder au segment supérieur du secteur informel en raison d’une faiblesse relative de leur réseau social. Ils se retrouvent alors cantonnés au secteur des travailleurs informels. Enfin, le revenu du ménage hors travail a un effet positif sur la probabilité d’être inactif, mais pas sur celle d’être un entrepreneur dirigeant, sauf au Sénégal où l’effet est marginal.

38Pour les femmes, les résultats sont moins nets. L’appartenance au groupe ethnique ou religieux dominant semble favoriser l’accès au secteur formel dans certains pays, alors que le nombre d’enfants dans le ménage accroît plutôt la probabilité de rester dans le segment inférieur du secteur informel. Le revenu du ménage hors travail tend plutôt à augmenter celle d’être inactive, mais moins fortement que pour les hommes.

Identification

39Notre modèle est toujours identifié, du fait de la non-linéarité du terme correctif de Lee. Cependant, ce type d’identification repose sur une hypothèse relative à la forme supposée de la distribution des termes stochastiques dans le modèle. Une identification non paramétrique reposant sur l’exclusion d’au moins une variable identifiante de l’équation de gains, mais explicative de l’allocation entre les secteurs, est cependant plus convaincante. Pour les hommes, une telle variable existe toujours, quel que soit le secteur. Pour les femmes, l’identification est plus fragile. Cela peut résulter de la taille restreinte des échantillons, la participation des femmes étant faible dans certains pays et leur présence dans le secteur formel parfois anecdotique. Cependant, nous pensons qu’il est pertinent de séparer les hommes et les femmes dans nos estimations, le choix de secteur et la formation des revenus ne répondant pas forcément aux mêmes déterminants selon le sexe considéré.

Équations de gains

40Les estimations des équations de salaire par la méthode de Lee sont présentées dans les tableaux 6 a et 6 b (voir annexe). Au bas de chaque tableau, on trouve les résultats des tests réalisés pour déterminer la liste des variables identifiantes, c’est-à-dire exclues de l’équation de gains, mais incluses dans l’équation de choix de secteur. La probabilité de rejet sous l’hypothèse nulle est également reportée (p-value). Lorsque cette probabilité est trouvée plus grande que 0,05, la variable est incluse dans la liste des déterminants du revenu horaire. Une telle procédure est appliquée pour chaque couple (pays, genre) de sorte que la liste des variables explicatives est spécifique à ce couple.

41Pour ce qui concerne les variables habituellement incluses dans les équations de gains de Mincer (éducation et expérience), leurs rendements ne sont pas identiques d’un pays à l’autre. Cependant, le sens général des résultats est partout le même et conforme aux résultats de la littérature. Le rendement de l’expérience est positif et décroissant dans le secteur formel et dans le segment inférieur du secteur informel. Pour ce qui concerne les entrepreneurs dirigeants, le rendement est le plus souvent non significatif. Les rendements de l’éducation sont presque toujours trouvés positifs et significatifs. Notons que les rendements sont presque toujours plus élevés dans le secteur formel que dans le secteur informel et souvent plus faibles dans le secteur des dirigeants informels que dans celui des salariés ou des travailleurs indépendants. De plus, ils diffèrent entre les hommes et les femmes, avec un avantage en faveur des hommes dans le secteur informel. Enfin, lorsque le coefficient est significatif, la migration a un impact négatif sur les revenus du secteur informel.

Les marchés du travail sont-ils segmentés ?

42Nous sommes maintenant en mesure de simuler l’allocation de chaque individu entre les secteurs, sous l’hypothèse d’un fonctionnement concurrentiel du marché du travail et en supposant que seules les différences de revenus déterminent les choix. Le revenu potentiel de chaque individu dans chaque secteur d’emploi est déterminé à partir d’une valeur prédite du revenu moyen, issue de l’estimation des équations de gains, à laquelle on ajoute un terme aléatoire tiré dans la loi normale. Chaque individu est ensuite alloué au secteur où ses gains sont les plus élevés. Cette procédure est répétée 4 000 fois pour tenir compte du fait que l’estimation est réalisée en plusieurs étapes et pour ne pas rendre le résultat contingent à un tirage aléatoire particulier. Pour chaque exécution de la procédure, la part de chaque secteur est calculée. On obtient alors la part prédite et un intervalle de confiance à 95 %. Pour finir, nous examinons si l’intervalle de confiance recouvre la valeur observée. Lorsque cela n’est pas le cas, l’hypothèse d’un fonctionnement compétitif du marché est rejetée.

43Pour les hommes (tableau 7), les résultats sont assez nets : les marchés du travail sont segmentés. Le secteur formel et celui des dirigeants informels apparaissent comme des secteurs supérieurs, alors que le secteur des travailleurs indépendants et des salariés informels semble choisi en dernier ressort. À l’exception du Bénin, les parts observées de l’emploi dans le secteur formel et dans celui des dirigeants informels sont toujours plus petites que celles prédites par le modèle et en dehors de l’intervalle de confiance. Au contraire, la part du segment inférieur du secteur informel est environ deux fois plus élevée que celle prédite et strictement supérieure à la borne supérieure de l’intervalle de confiance. En d’autres termes, si les individus étaient libres de choisir le secteur qui leur rapporte le revenu le plus élevé, la taille du secteur des travailleurs indépendants et des salariés du secteur informel serait plus petite.

Tableau 7. Résultats de la simulation – Modèle à quatre secteurs

Tableau 7. Résultats de la simulation – Modèle à quatre secteurs

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : Dans chaque case sont indiqués la part observée de chaque secteur, ainsi que l’intervalle de confiance à 95 % de la part prédite par le modèle concurrentiel (entre parenthèses). Les résultats apparaissent en caractères gras lorsque la part observée est comprise dans l’intervalle de confiance

44Pour les femmes (tableau 7), la part observée de l’emploi dans le segment inférieur du secteur informel est toujours plus grande que celle prédite et en dehors de l’intervalle de confiance. De plus, la part observée de l’emploi formel est plus faible que celle prédite par le modèle. Contrairement aux hommes, la taille observée du secteur des entrepreneurs dirigeants est à l’intérieur de l’intervalle de confiance de la prédiction du modèle dans trois pays sur sept. Il faut noter que les intervalles de confiance sont très grands pour les femmes. Ceci résulte du manque de précision des estimations des équations de gains, basées sur de petits échantillons. Une solution à ce problème pourrait être de réunir hommes et femmes dans un seul échantillon, cependant les écarts constatés dans les rendements de l’éducation et de l’expérience invalident cette solution.

45Pour résumer, tous les marchés du travail étudiés dans cette étude apparaissent segmentés. Le secteur des travailleurs indépendants et des salariés de l’informel apparaît comme un secteur inférieur, dont la taille est plus élevée que celle qu’il aurait si le marché fonctionnait de façon compétitive. Ceci est dû au rationnement des emplois à la fois dans le secteur formel et dans celui des dirigeants informels. Pour les femmes, dans certains pays (Côte d’Ivoire, Sénégal, Togo), seuls les emplois du secteur formel semblent rationnés.

Tests de robustesse

46Nous avons confronté nos résultats à ceux obtenus à la suite de trois modifications de la stratégie d’estimation : emploi d’une méthode différente pour corriger la sélection endogène des individus dans les secteurs ; modification d’une hypothèse sur la distribution des termes d’hétérogénéité non observée dans les équations de gains ; modification de la définition du segment supérieur du secteur informel.

Changer la façon de corriger les biais de sélection

47Plutôt que d’employer la méthode de Lee (1983) pour corriger les biais de sélection, nous pouvons employer celle proposée par Dubin et McFadden (1984). Selon Bourguignon et al. (2007), la méthode de Lee est préférable pour de petits échantillons, alors que celle de Dubin et McFadden est préférable pour des échantillons de taille 500 à 5 000. Comme beaucoup des échantillons utilisés dans cette étude ont une taille comprise entre 50 et 500, et que certains ont une taille nettement supérieure (cas du segment inférieur du secteur informel), nous avons reproduit nos résultats en employant la méthode de Dubin et McFadden. Les résultats sont reproduits dans le tableau 8.

Tableau 8. Résultats de la simulation – Méthode de Dubin et McFadden

Tableau 8. Résultats de la simulation – Méthode de Dubin et McFadden

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : voir note tableau 7

48Concernant les hommes, le schéma de la segmentation reste globalement identique. Pour chaque pays, la part observée du secteur des travailleurs indépendants et des salariés informels est au-dessus de la borne supérieure de l’intervalle de confiance, alors que celle des entrepreneurs dirigeants est en dessous de la borne inférieure pour ce secteur. Toutefois, le secteur formel semble relativement moins attractif que l’image obtenue avec la méthode de Lee. Pour quatre pays sur sept, la valeur observée est compatible avec celle prédite par le modèle. La comparaison avec les résultats du modèle à trois secteurs est instructive : le fait de prendre en compte correctement la dualité du secteur informel réduit l’attractivité du secteur formel. Ce secteur est en effet toujours clairement plus petit que ce qu’il devrait être avec un marché compétitif, mais la conclusion diffère dans le modèle à quatre secteurs. Le secteur formel n’apparaît plus aussi attractif et le secteur des dirigeants informels semble le plus rationné.

49Pour les femmes, les résultats restent identiques aux précédents et sont robustes à cette modification de méthode.

Modification des hypothèses sur la distribution de l’hétérogénéité non observée

50La deuxième hypothèse que nous voulons mettre à l’épreuve est celle de l’indépendance entre les termes aléatoires lorsque l’on prédit les revenus à l’issue de la deuxième étape. Ces termes aléatoires, entre autres choses, représentent les aptitudes non observées des individus pour chaque secteur d’emploi. Nous avons jusqu’à présent fait l’hypothèse que ces termes sont indépendants entre les secteurs. Cela semble une hypothèse forte, puisque les aptitudes requises peuvent être, au moins en partie, identiques d’un secteur à l’autre. Pour tester la sensibilité de nos résultats à cette hypothèse, nous supposons maintenant qu’il existe une corrélation parfaite entre ces termes aléatoires : si une aptitude accroît les revenus potentiels dans un secteur, elle devrait avoir le même impact dans les autres secteurs. Les résultats sont présentés dans le tableau 9. Ils n’apparaissent pas modifiés en profondeur. Pour les hommes, la taille du secteur formel reste significativement plus faible que celle prédite par le modèle, tandis que le secteur des employés et des travailleurs indépendants de l’informel est plus grand. Le secteur des dirigeants informels est plus petit que celui prédit dans trois pays sur sept. Pour les quatre autres, la taille observée appartient à l’intervalle de confiance. En conséquence, le schéma général de segmentation est confirmé, mais le rationnement de l’accès au segment des dirigeants informels est remis en question pour quatre pays (Burkina Faso, Côte d’Ivoire, Mali, Niger). Toutefois, l’hypothèse d’une corrélation parfaite est extrême, et le fait que les résultats sont maintenus pour certains pays est remarquable.

Tableau 9. Résultats de la simulation – Modèle à quatre secteurs – Corrélation parfaite entre le terme d’erreur des équations de gains

Tableau 9. Résultats de la simulation – Modèle à quatre secteurs – Corrélation parfaite entre le terme d’erreur des équations de gains

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : voir note tableau 7

51Pour les femmes et pour tous les pays, le segment inférieur du secteur informel demeure surdimensionné. De plus, la taille du secteur formel demeure plus petite que celle prédite par le modèle. Cependant, pour tous les pays, la taille observée du secteur des dirigeants informels est à l’intérieur de l’intervalle de confiance.

52Le problème de précision des résultats est aggravé. L’intervalle de confiance le plus large est [13,97] pour le secteur formel au Mali. Cela souligne de nouveau le fait que les résultats obtenus pour les femmes sont moins robustes.

53En résumé, pour les femmes, tous nos tests conduisent à conclure que le marché du travail est segmenté. La part du segment inférieur du secteur informel est plus grande que celle que l’on devrait observer si le marché était compétitif et celle du secteur formel plus petite. Toutefois, la fiabilité des résultats peut être mise en doute du fait de la faiblesse de certains échantillons. Pour les hommes, tous les marchés étudiés sont également segmentés. La taille surdimensionnée du secteur des travailleurs indépendants et des salariés informels est robuste à toutes les spécifications. Toutefois, à l’exception du Sénégal et du Togo, tous nos tests ne conduisent pas aux mêmes conclusions, et il n’est pas toujours vrai qu’à la fois le secteur formel et celui des entrepreneurs dirigeants soient trop petits. Néanmoins, pour les hommes, du fait de la taille des échantillons et suivant Bourguignon et al. (2007), nos résultats préférés sont ceux obtenus avec la méthode de Dubin et McFadden, sous l’hypothèse d’absence de corrélation entre les termes d’erreur. Ils conduisent à la conclusion que le secteur des dirigeants informels est plus petit que ce qu’il devrait être dans un marché compétitif, mais rejette l’hypothèse que l’accès au secteur formel est rationné dans certains pays.

Tableau 10. Résultats de la simulation – Définition alternative du secteur des entrepreneurs informels

Tableau 10. Résultats de la simulation – Définition alternative du secteur des entrepreneurs informels

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : voir note tableau 7

Modifier la définition du secteur des entrepreneurs dirigeants

54Notre dernier test consiste à modifier la définition du secteur des entrepreneurs dirigeants informels. Nous avons précédemment défendu le point de vue selon lequel les entrepreneurs individuels sans employé devraient être exclus de ce secteur, puisqu’ils bénéficient moins que les autres de l’informalité. Cependant, cette exclusion peut être mieux justifiée. Nous proposons de modifier la définition du secteur des dirigeants informels en y ajoutant les entrepreneurs individuels. Ils sont donc retirés du segment inférieur du secteur informel. Les résultats apparaissent dans le tableau 10. Les résultats sont frappants. Pour tous les couples (pays, genre), à l’exception des hommes au Togo, la taille observée du nouveau secteur des dirigeants informels est supérieure à la borne supérieure de l’intervalle de confiance. Le secteur des dirigeants informels apparaît donc comme nettement moins attractif qu’avec la définition précédente. Il est intéressant de noter que les travailleurs indépendants représentent la majorité des travailleurs employés dans ce secteur. Ainsi, les résultats confirment que les entrepreneurs indépendants sans employé devraient être réunis avec les travailleurs salariés. Si le statut d’entrepreneur indépendant sans salarié était aussi attractif que celui d’entrepreneur dirigeant, le fait de changer de définition n’aurait pas affecté les résultats.

Conclusion

55Nous proposons ici un test de segmentation du marché du travail qui repose sur l’idée que le secteur informel devrait être divisé en deux sous-secteurs. Une telle division n’a pratiquement jamais été tentée dans un test de segmentation, alors qu’elle est susceptible d’en modifier les résultats de façon importante. Le segment inférieur du secteur informel regroupe ici les salariés et les entrepreneurs individuels sans employé. Les entrepreneurs du secteur informel avec au moins un employé appartiennent au segment supérieur. L’application du test pour chacun des sept pays francophones de l’UEMOA, séparément pour les hommes et les femmes, conduit à la conclusion que le marché du travail est segmenté pour chacun des 14 couples (pays, genre) étudiés. Le segment inférieur du secteur informel est toujours trouvé plus grand que ce qu’il devrait être si le marché du travail était compétitif. Cette conclusion est remarquablement robuste à des modifications de spécification.

56Pour les pays d’Afrique de l’Ouest, les études sur le marché du travail sont plutôt rares, et ce travail contribue à en améliorer la connaissance. C’est particulièrement important en ce qu’elles diffèrent des économies d’Amérique latine et d’Asie, sur lesquelles de nombreuses études ont été réalisées. Notre seconde contribution est de prouver que notre division du secteur informel est porteuse d’enseignements. Il est en effet pertinent de réunir les entrepreneurs individuels sans employé avec les salariés plutôt qu’avec les entrepreneurs dirigeants ayant au moins un employé. Seul ce dernier statut semble offrir une situation relativement profitable. En d’autres termes, les politiques de lutte contre la pauvreté devraient cibler à la fois les salariés et les indépendants du secteur informel, mais pas les entrepreneurs dirigeants.

57Pour conclure, nous avons mis en avant trois cas différents de rationnement des emplois. Dans le schéma habituel de dualité, où le secteur informel n’est pas divisé, le marché du travail est segmenté si l’accès au secteur formel est rationné. Dans ce chapitre, la segmentation intervient lorsque l’accès au secteur formel est rationné, mais également lorsque l’accès au secteur des dirigeants informels l’est, ou les deux. De toute évidence, la situation qui prévaut devrait conduire à des politiques différentes. Si les emplois du secteur formel sont rationnés, une politique de réduction du coût du travail sera probablement efficace. Mais si l’accès au secteur des dirigeants informels est rationné, fournir un accès facilité au capital sera plus approprié.

Annexes

Annexe 1

Tableau 5 a. Équation de choix de secteur – Hommes

Tableau 5 a. Équation de choix de secteur – Hommes

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans
Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %

Tableau 5 a (suite)

Tableau 5 a (suite)

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %

Tableau 5 b. Équation de choix de secteur – Femmes

Tableau 5 b. Équation de choix de secteur – Femmes

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans
Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %

Tableau 5 b (suite)

Tableau 5 b (suite)

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans
Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %

Tableau 5 b (suite)

Tableau 5 b (suite)

Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %

Tableau 6 a. Équations de gains – Hommes

Tableau 6 a. Équations de gains – Hommes

Légende des colonnes : F = Secteur formel ; TI = Travailleurs informels ; DI = Dirigeants informels

Tableau 6 b. Équations de gains – Femmes

Tableau 6 b. Équations de gains – Femmes

Légende des colonnes : F = Secteur formel ; TI = Travailleurs informels ; DI = Dirigeants informels
Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.
Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %

Notes

1 Ce rationnement peut être dû aux réglementations du secteur formel qui imposent des salaires minimums et des taxes élevées. Une autre explication est que les employeurs formels sont contraints de verser des salaires élevés s’ils ne veulent pas que leurs employés démissionnent (Krebs et Maloney, 1999, théorie du salaire d’efficience).

2 Ainsi, un employeur et un employé d’une même unité de production informelle (UPI) n’appartiendront pas au même secteur. Dans l’un des tests de robustesse, la frontière entre les deux segments du secteur informel est déplacée. Par conséquent, le terme de « secteur » utilisé pour qualifier ces « segments » est un peu abusif, mais il permet de simplifier la rédaction. La définition du secteur informel dans ce chapitre est comparable à celle utilisée dans les autres chapitres de cet ouvrage.

3 À l’inverse, si la taille de tous les secteurs simulée est comprise dans les intervalles de confiance, notre test ne permet pas de conclure. En effet, notre modèle peut reproduire le poids de chaque secteur sans nécessairement allouer les individus à leur véritable secteur. Toutefois, cette situation ne se produit pas dans nos résultats.

4 Le résultat de cette procédure dépend de l’ordre des variables testées. Néanmoins, comme il n’existe pas d’ordre naturel entre nos variables explicatives, nous ne voyons pas quelle procédure alternative pourrait être utilisée.

5 Certaines illustrations ne sont présentées que pour le Bénin. Les résultats pour les autres pays sont relativement similaires mais non présentés dans un but de concision. Ils peuvent cependant être trouvés dans la version longue de ce chapitre à l’adresse : http://www.dial.ird.fr/publications.

6 Ces chiffres sont différents de ceux donnés dans les tableaux 1 et 2, car c’est la moyenne sur la population active et non la moyenne sur toute la population comme précédemment.

Table des illustrations

Titre Tableau 1. Répartition entre les secteurs – Hommes (%)
Légende Sources : enquêtes 1-2-3, phases 1, 2001-2003, INS, Afristat, Dial ; calculs de l’auteur. Individus âgés de 15 à 65 ans
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-1.jpg
Fichier image/jpeg, 65k
Titre Tableau 2. Répartition entre les secteurs – Femmes (%)
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-2.jpg
Fichier image/jpeg, 61k
Titre Tableau 3. Statistiques descriptives – Bénin
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-3.jpg
Fichier image/jpeg, 315k
Légende Figure 1. Densité des salaires horaires (logarithme), Bénin.Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-4.jpg
Fichier image/jpeg, 138k
Titre Tableau 4. Proportions observées et prédites de l’emploi dans chaque secteur – Modèle à trois secteurs
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : les valeurs entre parenthèses sont les bornes de l’intervalle de confiance à 95 % des valeurs prédites par le modèle
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-5.jpg
Fichier image/jpeg, 112k
Titre Tableau 7. Résultats de la simulation – Modèle à quatre secteurs
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : Dans chaque case sont indiqués la part observée de chaque secteur, ainsi que l’intervalle de confiance à 95 % de la part prédite par le modèle concurrentiel (entre parenthèses). Les résultats apparaissent en caractères gras lorsque la part observée est comprise dans l’intervalle de confiance
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-6.jpg
Fichier image/jpeg, 161k
Titre Tableau 8. Résultats de la simulation – Méthode de Dubin et McFadden
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : voir note tableau 7
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-7.jpg
Fichier image/jpeg, 224k
Titre Tableau 9. Résultats de la simulation – Modèle à quatre secteurs – Corrélation parfaite entre le terme d’erreur des équations de gains
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : voir note tableau 7
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-8.jpg
Fichier image/jpeg, 159k
Titre Tableau 10. Résultats de la simulation – Définition alternative du secteur des entrepreneurs informels
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : voir note tableau 7
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-9.jpg
Fichier image/jpeg, 161k
Titre Tableau 5 a. Équation de choix de secteur – Hommes
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ansNote : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-10.jpg
Fichier image/jpeg, 242k
Titre Tableau 5 a (suite)
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-11.jpg
Fichier image/jpeg, 470k
Titre Tableau 5 b. Équation de choix de secteur – Femmes
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ansNote : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-12.jpg
Fichier image/jpeg, 290k
Titre Tableau 5 b (suite)
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ansNote : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-13.jpg
Fichier image/jpeg, 287k
Titre Tableau 5 b (suite)
Légende Sources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-14.jpg
Fichier image/jpeg, 284k
Titre Tableau 6 a. Équations de gains – Hommes
Légende Légende des colonnes : F = Secteur formel ; TI = Travailleurs informels ; DI = Dirigeants informels
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-15.jpg
Fichier image/jpeg, 395k
Titre Tableau 6 b. Équations de gains – Femmes
Légende Légende des colonnes : F = Secteur formel ; TI = Travailleurs informels ; DI = Dirigeants informelsSources : enquêtes 1-2-3, phases 1 (voir tableau 1) ; calculs de l’auteur. Individus âgés de 15 à 65 ans.Note : ***significatif à 1 % ; **significatif à 5 % ; *significatif à 10 %
URL http://books.openedition.org/irdeditions/docannexe/image/9667/img-16.jpg
Fichier image/jpeg, 452k

Auteur

Économiste, administrateur, Insee, chercheure associée à Dial, Paris.
muriel.barlet@sante.gouv.fr

Le texte et les autres éléments (illustrations, fichiers annexes importés) sont sous Licence OpenEdition Books, sauf mention contraire.

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search