Licence 3 : Economie, Entreprise, Environnement

Projet : Atelier de méthode

Encadré par : Réalisé par :

- Moataz mostafa
- Kamal dorhmi
- Achraf ait faska

Année universitaire : 2021-2022

 PLAN :

Introduction

Chapitre 1 : Définition du modèle économétrique

1. Questionnaire
2. Construction de la base de données
3. Présentation des données et description des variables
4. Définition de la problématique
5. Explication du choix des variables

Chapitre 2 : Présentation du test économétrique sous R Studio

1. Exploitation du modèle sur R

2. Recommandations

Conclusion
Références
Annexes

-2-
 Introduction

Dans le cadre de notre projet, nous avons choisi comme sujet d’étude les facteurs qui
impactent le salaire perçu par la femme. En effet ce sujet nous a semblé très pertinent dans
le sens où étant nous-mêmes des futurs salariés sommes directement concernés par ce
phénomène même si on est des hommes.

Depuis la nuit des temps, nous assistons à de fortes inégalités salariales entre les Hommes et
les Femmes qui se définissent par un écart de revenu entre les deux sexes. Cet écart fait débat
au sein de la communauté des scientifiques, des économistes et des sociologues qui cherchent
à comprendre d’où proviennent ces inégalités. A titre d’exemple, les femmes peuvent parfois
être moins bien rémunérées qu'un homme dans une situation professionnelle identique en
termes d'âge, de compétence, d'expérience ou de positionnement hiérarchique.
Grace à notre projet, nous avons pu mettre en relation différentes données qui peuvent
influencer de façon directe ou indirecte le salaire de la femme afin de connaitre les raisons
concrètes des différences des salaires perçus par chacun.

Notre rapport se présente comme suit : la première partie sera consacrée à la présentation des
données comment on a eu notre base de donné, notre questionnaire distribué ainsi qu’une
description des variables et à l’explication des choix des variables qui nous ont permis de
délimiter le sujet et définir la problématique et La deuxième partie présentera les résultats du
modèle obtenus grâce à RStudio et leurs interprétations puis suggestions.

-3-
 Chapitre 1 :

1. Questionnaire

Pour construire une base de données il a été indispensable qu’on fait un questionnaire relatif a notre
sujet et autrement ce dernier se considère comme l’une des meilleures méthodes quantitatives pour
avoir une enquête concrète.

Nous avons fait ça avec la distribution du notre questionnaire aux différents réseaux sociaux pour en
savoir les gens en général leurs avis et prendre différentes opinions comme résultats.

Notre questionnaire s’est constitué de 12 questions profondes et on a essayé de laisser d’une part la
priorité au sexe féminin aux réponses car ces dernières constituent le vif du notre sujet.

Donc d’ici on va vous présenter notre questionnaire avec les réponses du notre échantillon :

1ère question :

Comme on vient de l’annoncer la majorité du notre échantillon sont des femmes vu que notre sujet les
vise.

-4-
2eme question :

L’âge obtenu a été la plupart des jeunes et c’est bien pour notre enquête

3eme question :

Comme vous voyez que la moitie considère ce sujet comme un sujet complexe donc c’est pour cela
on a le choisi.

-5-
 4eme question :

Pour cette question on dirait qu’on a voulu tester est les gens s’intéresse par ce fameux dilemme ou
non, et comme vous voyez on a trouvé que presque 70% ont dit non pas du tout et ca ce n’est pas
bien.

5eme question :

Ici on remarque que presque 61% on dit oui et le reste dit le contraire, donc on constate que pas mal
des gens disent que les femmes n’occupent pas des postes a responsabilité comme les hommes du coup
on constate que y’a une discrimination parfois.
-6-
6eme question :

Le harcèlement sexuel c’est aussi un sujet qui est relative à l’inégalité et on observe que plus de 80%
on dit oui ce dernier existe encore dans les entreprises.

7eme question :

Nous voyons que 34,8% ont dit non c.-à-d. que les hommes reçoivent des promotions plus que les
femmes.

-7-
8eme question :

Ici on dirait que la majorité écrasante ont dit oui ce qui nous reflète que il est nécessaire de discuter
ce sujet dans les rassemblements généraux des entreprises.

9eme question :

Au niveau de la 9eme question on a essayé de poser une question relative au salaire horaire pour eux
qui doit être donne aux femmes et on a conclu que y’en a plus de 50% qui ont choisi 12 euros et y’a
qui ont dit 15 euros et qui ont dit ça dépend donc pour eux la femme mérite un salaire horaire en
fonction de sa personnalité et ses compétences.

-8-
10eme question :

Ici une question relative à l’expérience et on distingue que plus de 60% ont dit que la maitrise se
prends un an de travail.

11ème question :

On a essayé de se poser la question qu’elle la capacité ou bien la norme que la femme peut travailler
durant l’année par heure, car on ne doit pas oublier que les performances d’une femme ne sont pas les
même d’un homme que ce soit la tâche, et on a eu des différentes réponses mais presque 41% on
coché pour 1568 heures, d’ailleurs c’est logique car la norme est déjà 1610 heures par an pour les
femmes.

-9-
12ème question :

D’une autre part on s’est dit est-ce-que sont les femmes qui sont plus demandeuses de formation et
oui, on a eu un pourcentage de 45,5% qui ont le mentionné et l’autre moitié ont dit pareil aux
hommes.

➢ Donc d’ici et d’après notre questionnaire lancé on a collecté nos infos et on a essayé de voir
quels sont les variables explicatives par lesquelles on va expliquer notre variable endogène et
c’est ce qu’on va voir dans la suite.

Définition du modèle économétrique :

Pour mener à bien notre étude, nous avons choisi de nous focaliser sur les facteurs qui peuvent
influencer le salaire horaire de la femme (notre variable a expliqué). Cette partie présentera de
façon détaillée les variables retenues pour le modèle.

Présentation des données et description des variables :

D’après nos analyses on a pu d’en sortir comme variables explicatives et variables a expliquées. Aussi
on a ajouté d’autre variable explicatives telles que le nombre d’enfants dont l’âge est inferieur a 6 ans
et aussi le nombre des enfants compris entre 6 ans et 18 ans ainsi que les villes.
➔ Variables expliquées :
- Salaire horaire de la femme (WW)
➔ Variables explicatives du salaire de la femme :
- Nombre d’heures travaillées par la femme (WHRS).
- Age de la femme (WA)
- 10 -
 - Niveau d’éducation de la femme (WE).
- Nombre d’enfants dont l’âge est inférieur à 6 ans (KL6)
- Nombre d’enfants dont l’âge est compris entre 6 ans et 18 ans (K618)
- Ville (CIT).
- Expérience (AX).
Nous avons réduit le tableau de données de 23 individus a 20 individus et on a obtenu la base
de données suivante.

- 11 -
La problématique :
L’objectif de cette analyse économétrique est de chercher à comprendre s’il existe des liens
entre le salaire de la femme et l’ensemble des variables explicatives proposées mais aussi de
connaitre le degré d’influence de chaque variable sur le salaire de la femme.

Nous supposons que le salaire de la femme peut être influencé par son expérience, en effet,
l’expérience professionnelle enrichit le capital humain et favorise l’augmentation du salaire. Le
nombre d’enfant a également une incidence directe sur le salaire. A notre avis, avoir un enfant
en bas âge nécessite beaucoup d’attention raison pour laquelle les salariées-mères sont dans
l’obligation parfois de réduire leurs heures de travail ou de les modifier au détriment de la
rémunération. Le lieu du travail joue aussi un rôle important car une femme qui travaille dans
une grande ville perçoit naturellement un salaire supérieur à celui d’une femme travaillant dans
une petite ville. Comme nous l’avons cité dans l’introduction, il existe de fortes inégalités
Homme/Femme au niveau des rémunérations. Pour mieux comprendre ce phénomène, nous
avons comparé le salaire moyen de l’homme avec celui de la femme puis nous avons tenté
d’expliquer les raisons qui expliquent les écarts entre les rémunérations des deux sexes.

Explication du choix des variables :

Nous avons choisi la variable salaire des femmes (WW) comme variable dépendante car le
modèle choisi sera plus pertinent et intéressant à étudier, d’ailleurs le salaire peut être expliqué
par d’autres variables indépendantes.

Dans notre cas, nous avons choisi comme variables explicatives du salaire de la femme les
variables suivantes :
- Le nombre d’heures travaillées par la femme (WHRS) nous est utile car il permet
de déterminer avec certitude le salaire obtenu. En effet, le WHRS est
proportionnel au salaire. De la sorte, plus le nombre d’heures travaillées est
important, mieux on est rémunérée.
- L’âge de la femme (WA) peut expliquer le salaire car généralement celui-ci
augmente avec l’âge (l’ancienneté)
- Le niveau d’éducation de la femme (WE) a été également retenu car l’obtention
de diplômes favorise l’évolution positive du salaire et peut expliquer le salaire.
- Le nombre d’enfants explique le salaire dans la mesure où ça peut impacter le
nombre d’heures travaillées et par conséquent le salaire.
- La ville (CIT) explique le salaire dans la mesure où les emplois au sein d’une
grande ville sont très différents de ceux dans une petite ville. Ce positionnement
- 12 -
 géographique peut influencer le salaire perçu.
- L’expérience (AX) professionnelle joue un rôle important dans la détermination
du salaire.

Chapitre 2 : Présentation du test économétrique sous RStudio

Après avoir déterminé les variables explicatives qui intéressent le plus notre étude, nous
avons importé les données sur Rstudio

- 13 -
Chapitre 2 : Présentation du test économétrique sur Rstudio

Exploitation du modèle sur Rstudio

Le modèle est le suivant : WW = (WHR) +(KL6) + (K618) + (WA) + (WE) + (WW) + (CIT)
+ (AX)

Statistiques descriptives :

Nous avons commencé par calculer tout d’abord la moyenne, la médiane, les quartiles, le
minimum et le maximum de chaque variable, on obtient le tableau suivant :

Le tableau présente l’ensemble des variables quantitatives, on constate que le salaire moyen
perçu par une femme est de 2375 E dont l’âge moyen se situe dans les 42ans. Le nombre
d’heures travaillées est en moyenne de 740h. Les femmes ont généralement un niveau
d’éducation de 12ans qui correspond à la durée d’étude pour obtenir le baccalauréat. Le
nombre d’années d’expérience est de 10 ans en moyenne quoique 75% des femmes ont 15ans
d’expérience mais d’autres aussi peuvent atteindre 45ans. Les femmes ont en moyenne 2
enfants entre 6 et 18 ans et un enfant voire aucun au-dessous de 6 ans.

Il s’agit ici du calcul du nombre d’effectif correspondant au paramètre de la variable

qualitative CIT ou ville. On voit bien que 269 des femmes habitent une petite ville et 484
habitent une grande ville.

Passons maintenant au calcul de la variance et de la corrélation.

La variance permet de combiner toutes les valeurs à l'intérieur d'un ensemble de données afin

- 14 -
 d'obtenir la mesure de dispersion. La variance et l'écart-type (la racine carrée de la variance)
sont les mesures de dispersion les plus couramment utilisées.

La corrélation est une méthode alternative de mesure de la dépendance entre la variable dépendante et
la variable indépendante. La corrélation est comprise entre -1 et 1.

Si, nous allons nous intéresser à la colonne 6 qui correspond au salaire horaire de la femme en
fonction des autres variables. D’après ces résultats, on peut en déduire que le salaire croit avec
l’augmentation de l’expérience, le niveau d’éducation et du nombre d’heures travaillées. Mais
cette dernière baisse lorsque la femme a plus d’enfant ou encore avec l’âge.

- 15 -
 La Régression linéaire multiple :

Estimate = coefficient estimé T value = T de Student

Stdr error = écart-type des estimateurs Pr (> I t I) = probabilités critiques

La probabilité critique de K618 soit le nombre d’enfant compris entre 6 et 18ans est de 6.5%et
est donc supérieur à 5% qui est la marge d’erreur. Le risque de se tromper en rejetant H0 est
grave, on ne rejette pas H0. De la sorte, le modèle n’est pas bon. La variable K618 n’est pas
significative. Il convient d’éliminer la variable puis de ré estimer le modèle.

Voici le modèle estimé à nouveau :

- 16 -
On obtient le modèle estimé suivant :

WW = 0.001 WHRS- 0.5367 KL6- 0.0248+ 0.3960WE+ 0.040AX- 2.654

On constate que les variables qui influence le plus le salaire sont le niveau d’éducation de la
femme et le nombre d’enfant qu’elle a. le niveau d’éducation fait augmenter le salaire tant dis
que le nombre d’enfants dont l’âge est inférieur à 6ans ne fait que le baisser. On peut
expliquer cela par le fait qu’un enfant en bas âge nécessite beaucoup d’attention, les mamans
sacrifient leur temps au travail et par conséquent leur salaire pour passer du temps avec leurs
enfants. Les autres variables influencent également le salaire mais faiblement.

WE (women experience) : si le niveau d’éducation augmente de 2ans, le salaire horaire

augmente de 0.792e
KL6 (kids less 6yo) : si le nombre d’enfants augmente d’un enfant, le salaire baisse de
0.5367e

On a obtenu R²=26%. Cela signifie que 26% de la variation du salaire de la femme s’explique
par le nombre d’heures travaillées, le nombre d’enfants dont l’âge est inférieur à 6ans, l’âge,le
niveau d’éducation et l’expérience professionnelle. Les autres facteurs non pris en compte dans
ce modèle représentent 74% (motivation de la salariée, son niveau d’implication dans le travail,
secteur/domaine d’activité, type d’entreprise…

Test de Durbin Watson :

DW = 1.6791=2, on a une absence d’autocorrélation des résidus.

- 17 -
Suggestions :

Parmi les différentes solutions retenues afin de réduire les inégalités :

- Appliquer enfin le principe à travail égal, salaire égal
- Fixer une obligation de transparence aux entreprises sur leurs résultats en matière d’égalité
salariale
- D’avantage de droits à formation pour les salariés à temps partiel, qui sont en majorité des
femmes
- Chaque branche devra rendre compte de son action en matière d’égalité professionnelle dans
le cadre de son bilan annuel, notamment sur les classifications, la promotion de la mixité et les
certificats de qualification professionnelle pour qu’ils soient au service des parcours
professionnels des femmes.
- Pour les sociétés cotées, rendre obligatoire l’information annuelle du conseil
d’administrationsur la mixité dans le top management de l’entreprise
- Lutter contre les stéréotypes, notamment à l’embauche, en diffusant des guides mis à la
disposition des entreprises, des branches, des commissions paritaires régionales
interprofessionnelles.

Conclusion :
Nous avons choisi de traiter le sujet des différences salariales entre les hommes et les femmes.

Le sujet des inégalités salariales entre les sexes est un sujet qui nous tient énormément à cœur.
Constatant que nous sommes déjà en 2022 et devons tout de même étant des étudiantes,
futures mamans et futures salariées nous battre pour un droit « naturel ».

Pour se faire, nous avons commencé par une étude approfondie sur les facteurs qui
influencent le salaire horaire de la femme. Les hypothèses que nous avons émises se sont
avérées correctes à la suite de la régression effectuée. Le salaire de la femme est impacté par
le nombre d’enfants mais également par son niveau d’éducation. Quoique le modèle que nous
avons choisi n’explique qu’à hauteur de 26% les variations du salaire horaire de la femme.

Par la suite, nous sommes passées à une comparaison entre le salaire horaire de l’homme et
celui de la femme avec bien évidemment les données à notre disposition. Nous avons
effectivement constaté le très grand écart qui existe.

- 18 -
 Bibliographie

https://fr.wikipedia.org/wiki/%C3%89conom%C3%A9trie

https://www.captaineconomics.fr/-l-econometrie-pour-les-nuls-introduction

https://www.inegalites.fr/Les-inegalites-de-salaires-entre-les-femmes-et-les-

hommes-etat-des- lieux?id_theme=15

https://fr.wikipedia.org/wiki/In%C3%A9galit%C3%A9s_de_revenus_salariaux_entre_homm
es_et_femmes

https://travail-emploi.gouv.fr/actualites/l-actualite-du-ministere/article/15-actions-pour-en-
finir-avec-les-inegalites-salariales-et-lutter-contre-les

http://www.sthda.com/french/wiki/test-de-student-non-apparie-avec-r-comparaison-de-
moyennes-de-deux-groupes-d-echantillons-independants

http://larmarange.github.io/analyse-R/graphiques-bivaries-ggplot2.html#matrice-de-nuages-
de-points-et-matrice-de-correlation

- 19 -
- 20 -
- 21 -