Résumé

1. Introduction
2. Hypothèses
3. Analyse économétrique
3.1 Stratégie économétrique
3.2. Résultats.
3.3. Bleu vs blanc
3.4. Syndicats
5. Conclusion

Partie 2 :
1. Introduction
2. Recherche autres pays échantillon UE Belgique (France) Espagne UK
3. Données qualitatives + quantitatives
4. Autres papiers
5. Résultats
6. Critique de l’article précédent
7. Conclusion

PARTIE 1 : Résumé de l’article

1. Introduction
« The extent of rent sharing along the wage distribution » est un document de travail
s’intéressant au degré du partage des rentes tout au long de la distribution des salaires
en Italie. Les auteurs, Alessia Matano et Paolo Naticchioni, ont effectué cette étude afin
de mieux comprendre les mécanismes se trouvant derrière la relation entre les profits et
les salaires. Blabla
Ces derniers sont déterminés par les options extérieures des travailleurs, la quasi-rente
et le pouvoir relatif de négociation des parties.
But : évaluer le degré de partage des rentes en fonction de la distribution des salaires.
Comment : Régression quantile pour régler le problème d’hétérogénéité. -> utilisation
des percentiles car associés à la productivité des travailleurs au sein du marché du
 travail. + discuter des raisons pq le partage des rentes n’est pas uniforme dans la
distribution des salaires. C’est assez ambigu.
Utilisation des données du panel 1996/2003 de INPS + AIDA employeurs/employés
Pour estimer l’impact des quasi rentes sur les salaires, les auteurs ont procédé à
plusieurs étapes/procédés économétriques afin de calculer + savoir contrôler
l’hétérogénéité observé et inobservé, l’endogénéité. + Etablir un lien causal grâce à
l’instrument IV.
Un split a été fait entre les travailleurs : bleus et blancs.
+ Investigation des rôles du syndicat

2. Etablissement de l’échantillon
Les auteurs ont mis en avant le système de négociation de salaires se déroulant à deux
niveaux en Italie.
1er niveau -> négociation nationale collective pour la préservation du pouvoir d’achat
(incorporation de l’inflation dans les salaires). Les salaires minimums fixés différents en
fct des industries et profession du travailleur. -> Donc bleus, blancs et managers ont des
salaires minimums différents.
2ème niveau -> décentralisé + encouragement du partage des rentes en fct des
performances au niveau de la région/firme. Pas obligatoire contrairement au 1 er niveau.
Data utilisées = données du panel de INPS et élaborés par ISFOL/1985 à 2003 selon les
critères du tableau suivant :

Employé Firme
Age Emplacement de l’usine (province)
Genre Nombre d’employés
Niveau de profession/Occupation Secteur
Lieu de travail
Date de début et de fin (s’il y a) du
contrat actuel
Type de contrat national
Salaire minimum
Cotisations sociales
Statut du travailleur (mi-temps ou
temps plein)
Salaire brut réel annuel
Nombre de semaines travaillées
On a retenu que ceux correspondant à ces critères là (séléction) : Focus sur travailleurs
mâles et femelles entre 15 et 64 ans travaillant dans les secteurs d’industrie et
de services, faisant mi-temps (converti en plein temps) et plein temps et
travaillant par contrat standard du marché du travail. On prend les bleus et les
blancs SAUF manageurs et apprentis. Calcul du panel : une observation par an
pour chaque travailleur. S’il y a plus d’une observation pour un travailleur, on
prend en considération l’observation avec le contrat de travail ayant le plus de
semaines travaillées.
Ensuite, assemblage de 2 bases données IFP + AIDA (on y trouve dans ce dernier les
valeurs ajoutées, profits, ventes, production et coûts de production ; AIDA est
une base de données sur les sociétés italiennes de capitaux). dans laquelle on a
retenue la période 1996/2003.
En fusionnant les 2 bases de données, on utilise comme variable clé le numéro de
l’entreprise ( ?). . Elimination des observations si la différence dans la taille de la
firme reportée par AIDA et INPS dépasse 100 -> afin que la corrélation entre la
taille de la firme reportée par AIDA et la taille de la firme reportée par IPS soit
de 0.99. WHAT ???????
Elimination des observations si la différence dans la taille de la firme reportée
par AIDA et INPS dépasse 100 -> afin que la corrélation entre la taille de la
firme reportée par AIDA et la taille de la firme reportée par IPS soit de 0.99.
Exclusion des firmes ayant moins de 15 employés (car en général dispensées de
règlements de travail), ils ont exclu les secteurs de la construction et des mines.
Elimination des observations extrêmes en-dessous (au-dessus) du 1 er (99ème)
percentile du salaire, profits par employé et totaux des coûts variables
personnels ; tout ça utilisés pour bâtir la quasi-rente. Elimination des
travailleurs si pas d’info quant à leur salaire minimum.
L’analyse faite dans le Papier est représentative des sociétés de capitaux (?
propres ?) avec un chiffre d’affaire> 500 000 euros.
Au final : panel data des relations employeurs/employés avec 38 810
travailleurs pour 157 600 observations pour la période 1996-2003.
3. Analyse économétrique :

3.1. Stratégie économétrique

Stratégie empirique : Etude sur l’impact des rentes sur les salaires. Focus :
relation entre les rentes et les salaires tout au long de la distribution des
salaires. Modèle utilisé : régression quantile (standard).

Description des variables sous forme de tirets ou tableau :

La lettre i : les individus ; j(i,t) = firme où le travailleur i est employé au temps t
C(i,t) = contrat national auquel le travailleur est soumis
La variable dépendante = log du salaire brut réel par semaine en euro, elle
inclut toutes les compositions du salaire brut (salaire de base, paiement des
heures supplémentaires et bonus).
La variable indépendante principale -> quasi rente par travailleur défini comme
les rentes de travailleurs évaluées au coût d’opportunité du travail.
QuasiRentsj(i,t) = revenus totaux des travailleurs – coûts hors travail – salaire
alternatif. Les revenus totaux ont été approximés en utilisant les bénéfices
comptables par travailleurs + les coûts de personnel totaux par travailleur.
C’est +/- la valeur ajoutée par travailleur.
I_Chari,t) = un groupe de caractéristiques de l’individu (âge, âge^2, fonction en 3
catégories) & dummy d’occupation/catégorie (bleus et blancs).
MWc(i,t) le contrat de salaire minimum national
Firmsizei,t (en log) = valeur de remplacement/approximation ? pour
l’hétérogénéité de la frime.

ce sont des dummies, respectivement : industrie (17

secteurs), régional (20 régions), année.
Toutes les variables pertinentes sont en logarithmes -> On estime donc des
ELASTICITES !
Pour la 1ère spécification -> estimations transversales de quantiles (se
rapportant à moins d’un an ???). Pour le salaire alternatif, les auteurs ont
utilisé le salaire minimum. Utilisation du salaire minimum qui capture l’étendue
du 1er niveau (national) de négociation. Le salaire minimum représente une
mesure correcte pour contrôler le 1er niveau de négociation au niveau
national. En même temps, c’est une mesure appropriée en ce qui concerne le
coût d’opportunité du travail. Test de robustesse en utilisant le salaire
industriel moyen standard comme mesure du coût d’opportunité du travail.
Problème d’hétérogénéité non observé qui peut biaiser les estimations
transversales -> les auteurs ont donc utilisé des quantiles à effets fixes pour les
estimations. L’hétérogénéité inobservé du travailleur affecte grandement la
relation entre les rentes et les salaires car les travailleurs très qualifiés peuvent
travailler dans des firmes avec de grands profits. Cela peut également affecter
la rentabilité de l’entreprise et les politiques de partage de rentes. Donc, les
auteurs ont pris la stratégie : job-match fixed effects pour toutes les
estimations/prévisions faites dans l’analyse-> ce sont des effets fixes pour
chaque pair de travailleur/firme -> ainsi on contrôle l’hétérogénéité
inobservée pour les travailleurs et les firmes.
when QR model is combined with panel data model that controls for the unobserved
heterogeneity that is constant over the time via fixed effects, identification and estimation
become really complicated

Pour contrôler le problème d’endogénéité entre les profits et les salaires (dû
notamment par des déterminations simultanées et des erreurs de mesures
possibles) : les auteurs ont utilisé la IV stratégie. En cas d’exogénéité, le biais
peut être très grand pour les estimations. Ces dernières peuvent même être
aggravées par une stratégie fixed effects. -> C’est pour cela : utilisation d’une
stratégie de IV quantiles à effets fixes pour calculer les estimations qui permet
entre autres une inclusion des effets fixes. Aussi, utilisation d’une moyenne
pondérée des ventes de firmes par employé dans les autres provinces d’Italie
mais qui restent dans la même industrie 3 digit ( ???) de la firme considérée.
Ces poids sont l’inverse de la distance entre les villes principales de la province.
(L’idée est que les ventes de l’industrie qui représente le choc des demandes
de l’industrie, affecte la rentabilité des firmes alors qu’en même temps, ils ne
sont pas corrélés avec les conditions du marché du travail local car ils
concernent des firmes qui sont dans d’autres provinces en Italie.) Les auteurs
ont fait un test de robustesse en ce qui concerne l’exogénéité de l’instrument
(exogénéité = corrélation entre la variable indépendante et erreur = 0). Ils
disent que les chocs de demande dans les provinces au sein de la même
région de la province où la firme est localisée pourraient être spatialement
corrélés. Pour cette raison : c’est pour cela qu’ils retirent de leur
instrument/calcul les provinces appartenant à la même région où la firme est
localisée.
Les chocs de demande dans les provinces au sein de la même région de la
province où la firme est localisée peut être spatialement corrélés. C’est
pourquoi exclusion des provinces appartenant à la même région où la firme est
localisée.