Ouala Samira (Analyse Statistique Des Durées de Chomage)

Ecole Nationale Supérieure de la Statistique et de l’Economie Appliquée
(Ex INPS)
Mémoire en vue d’obtention de diplôme de Magister en Economie et Statistique

Appliquée
Option : Statistique Appliquée
Thème :
Analyse Statistique des Durées de

Chômage
Cas: Agence Locale de l’Emploi d’Ain El Benian
(janvier 2011-juillet 2013)
Réalisé par: Mlle. OUALA Samira
Devant un jury composé de :
M. HOUCINI Abdelkrim Maitre de conférences A Président
Mlle. SAIDI Ghania Maitre de conférences A Rapporteur
M. BENAMIROUCHE Rachid Maitre de conférences A Examinateur
M. BENLAIB Boubekeur Maitre de conférences A Examinateur
Années universitaire : 2012-2013

Sommaire
Remerciements
Dédicace
Liste des tableaux
Liste des figures
Introduction générale……………………………………………….……..…1
Chapitre 1 : concepts fondamentaux et les diverses méthodes

d’estimation des données de durée……………………………………….…5
Introduction ……………………………………………………………………………….…6
1. fondamentaux sur les données de durée………………………………………......7
1.1. Définition d’un modèle de durée ou de survie ……………………………...7
1.2. Concepts fondamentaux de l’analyse de survie …………………………......7
1.3. Relation d’indépendance temporelle des survies ……………………...…..11
1.4. Censures et les troncatures …………………………………...………………11
2. Méthodes d’estimation des données de durée ………………………………….16
2.1. Estimation non paramétrique …………………………….……..……….…..16
2.2. Estimation paramétrique……………………………………………………...25
2.3. Estimation semi-paramétrique……………………………………….…….…32
Conclusion ………………………………………………………………………………......38
Chapitre 2 : Approche économique du chômage …………….…....39
Introduction……………………………………………………………………………....…40
1. Concepts de base du phénomène du chômage …………………………..…..41

1.1. Définition statistique du chômage ……..………………………………....41
1.2. Les types du chômage ……………………………………………….…….41
1.3. Causes et conséquences du chômage……………………………….…….44
2. Les diverses théories du chômage …………………………………………….46
2.1. L’approche classique ……………………………………………………….46
2.2. L’approche keynésienne ……………………………………………...........47
2.3. L’approche de Karl marks …………………………………………………49
2.4. L’approche néoclassique ………………………………………………......50
2.5. Les nouvelles théories ………………………………………….…………..52
3. Les politiques de lutte contre le chômage ………………………………….....56
3.1. Les politiques passives ……………………………………………….....…56
3.2. Les politiques actives ……………………………………………………....58
Conclusion ……………………………………………………………………………...…...60
Chapitre 3 : Etude et analyse des durées de chômage de l’agence

locale de l’emploi……………………………………………………………..61
Introduction ………………………………………………………………………….....…..62
1. Description et présentation des données statistiques …………………..…..63

1.1. L’agence nationale de l’emploi (l’ANEM) ………………………………63
1.2. Présentation des données …………………………………………………64
1.3. Présentation des variables exogènes ………………………………….…65
2. Analyse des durées de chômage …………………………………………...…66
2.1. Estimation de la fonction de durée de chômage (survie) globale …….67
2.2. Analyse de la durée de chômage par sous-groupes de variables
exogènes ………………………………………………………………...….68
3. Conception d’un modèle statistique de durée du chômage des inscrits à
l’Agence Locale de l’Emploi d’Ain el Benian………………………………...76
Conclusion …………………………………………………………………………………..82
Conclusion générale ………………………………………………………...83
Bibliographie
Annexes
Annexe (1) : Annexe du chapitre 1
Remerciements
Je tiens tout d’abord à remercier madame SAIDI Ghania pour m’avoir encadré
pendant ces années, je la remercie pour tous ses conseils et orientations lors de la rédaction de
ce mémoire. Son expérience m’a été tout à fait profitable.
J’adresse un remerciement particulier à monsieur BELDJILLALI Hicham pour ces
suggestions et ces conseils.
Je tiens à exprimer ma reconnaissance aux membres du jury de m’avoir fait l’honneur
de participer à ma soutenance.
Je dis un grand merci du fond du cœur à tous mes amis pour leur soutien moral. Je ne
manquerai de remercier tous le personnel de la bibliothèque de l’ENSSEA.
Je me permets également de remercier mes parents, ma sœur et mes frères pour leur
soutien moral et leur encouragement tout au long de mes études.
Je tiens enfin à remercier toutes les personnes non citées qui auraient contribué d’une
manière ou d’une autre à la réalisation de ce travail.
Je dédie ce travail à :
Mes très chers parents
Ma sœur Souhila
Mes frères Nourdine, et Said
A toute ma famille
A tous mes amis
A tous ceux que j’estime
Samira
Liste des tableaux :
N° du Titre du tableau Page

tableau
3-1 Les variables explicatives des modèles 65
3-2 Test de Log-Rank pour la variable sexe 70
3-3 Estimation du modèle de Cox pour la variable sexe 71

3-4 Test de Log-Rank pour la variable diplôme 72
3-5 Estimation du modèle de Cox pour la variable 73
diplôme
3-6 Test de Log-Rank pour la variable diplôme 74
3-7 Estimation du modèle de Cox pour la variable 75

diplôme (DES et DFP regroupés)
3-8 Estimation du modèle de Cox pour la variable âge 76
3-9 Test d’hypothèse de proportionnalité des risques du 78
modèle de Cox pour la variable diplôme (DES et
DFP regroupés)
3-10 Choix du modèle 79

3-11 Estimation du modèle AFT log-logistique 80
Liste des figures :
N° de la Titre de la figure Pages

figure
1-1 Représentation graphique des courbes de 34
log(-log survie )
3-2 Fonction de survie de Kaplan-Meier pour la 68
durée de chômage globale
durée de chômage par sexe
durée de chômage par diplôme
durée de chômage par diplôme (DES et DFP
regroupés)
3-6 77
Courbe de log(-log survie) de la variable diplôme
3-7 Estimation de la fonction de hasard du modèle 81
AFT log –logistique
Introduction générale .
Introduction générale :
Le premier champ d’application de l’analyse des données de durée était les

sciences biomédicales ou elle sert soit par un essai thérapeutique ou bien pour des
études épidémiologiques. Ensuite, ces données ont été largement utilisées dans les
sciences sociales dans le but d’analyser le temps pour des événements tels que les
changements d’emploi, le mariage, la naissance d’enfants, etc.Ces données
constituent aussi un outil utilisé dans de nombreux domaines savoir les assurances
(la durée qui sépare deux sinistres de même nature), la fiabilité (le temps qui sépare
les pannes successives), la démographie (la durées de vie humaine), l’économie (la
durée de de l’arrêt de travail, la durée de grève, la durée de vie d’une entreprise), la
finance ( l’analyse des risques de crédit, la durée séparant deux transactions sur le
même titre).
Cependant, les données de durée présentent certaines particularités comme la

censure et la non-normalité, qui engendrent des difficultés à analyser ces données à
l’aide des modèles statistiques classiques telle que la régression linaire multiple.
L'aspect positif des données viole l'hypothèse de normalité du modèle

statistique le plus couramment utilisé. Etant donné que ces types de données sont
rarement parfaitement observés, donc une observation censurée est définie comme
une observation avec des informations incomplètes. Il existe différents types de
censure ou de troncature, mais celui qui est le plus fréquent est la censure à droite
comme c’est le cas dans notre étude. Lorsque l'observation est censurée à droite, cela
signifie que l'information est incomplète parce que le sujet n'a pas eu d'événement
pendant le temps de suivi de l'étude.
Le point essentiel de l'analyse de survie est de suivre les individus au fil du

temps, et d’observer à quel moment ils éprouvent l'événement d'intérêt. Il arrive
souvent que l'étude ne couvre pas assez de temps pour observer l'événement pour
tous les sujets de l'étude. Cela pourrait être dû à un certain nombre de raisons. Peut-
être des sujets abandonnent l'étude pour des raisons non liées à l'étude (par exemple
1
un chômeur déménage dans une autre région sans laisser d'adresse ou de numéro de
téléphone). La caractéristique commune de toutes les censures à droite, c'est que si
l’individu avait pu rester dans l'étude alors qu'il aurait été possible d'observer le
moment de survenance de l’évènement d’intérêt, alors sa durée sera supérieure ou
égale à la dernière date d’observation.
Etant donné les particularités de ces données, l’estimation habituelle par les
moindres carrées ordinaires ne peut pas être effectuée. Pour cela, on utilise les
différents méthodes d’estimation usuelles de la statistique à savoir l’estimations non
paramétrique en cas d’absence d’informations à priori sur la loi caractérisant les
données statistique, généralement l’estimateur le plus utilisé est celui de Kaplan-
Meier ; l’estimations paramétrique en cas de connaissance de lois sous-jacentes ou
dans le but de connaitre l’effet des caractéristiques sur la durée en introduisant des
variables exogènes ; et l’estimations semi paramétrique dans laquelle on cherche à
estimer la fonction de survie ou celle du hasard de la variable de durée sans faire
aucune hypothèse à priori sur la forme de la distribution en introduisant des
variables exogènes, généralement le modèle le plus utilisé est celui de Cox (le modèle
à hasard proportionnel ou le modèle à hasard proportionnel stratifié.)
Dans ce mémoire, on s’intéresse à l’application de ces modèles dans le

domaine de l’économie plus particulièrement au chômage. Le travail joue un rôle
important dans la vie de l’individu et la société, il est la source principale de richesse
d’un pays puisque c’est le seul moyen pour réaliser le développement et la prospérité
d’une économie. Lutter contre le chômage est l’une des principales politiques de
chaque pays développé ou en développement du fait des répercussions énormes
provoquées par le chômage dans toutes les sociétés.
Ce qui nous a incité à faire cette étude est que, généralement la plupart des
études économiques portant sur le chômage ont eu pour objectif d’examiner le
fonctionnement du marché de l’emploi en analysant les variations du taux de
chômage dans le temps. Bien que cette approche révèle d’intéressants détails sur la
structure et l’évolution du chômage et bien qu’elle permette d’entreprendre des
2
comparaisons internationales, elle ne nous fournit pas de conclusions détaillées sur
les déterminants de la durée du chômage des chômeurs qu’est un indicateur très
important pour l’analyse de ce phénomène.
En Algérie, l’application de ces modèles peut révéler les caractéristiques
individuelles de l’allongement des durées de chômage ainsi que d’évaluer les
dispositifs mise en place par l’Etat Algérien pour lutter contre ce fléau. Parmi les
organismes qui prennent en charge le phénomène du chômageest l’Agence Nationale
de l’Emploi.
De nombreuses études ont été faites concernant l’analyse des données de durée
de chômage. Parmi ces analyse on trouve en 2010,l’étude concerne une analyse des
facteurs explicatifs de l’insertion professionnelle des diplômés de l’enseignement
supérieur sur le marché du travail en mettant en œuvre les modèles de durées à risque
proportionnels d’une enquête portant sur les diplômés de l’enseignement supérieur
(promotion 1990, 1993)1. Ainsi qu’une application des modèles de durée sur les
déterminants microéconomiques des durées de chômage en Algérie sur un échantillon
effectué dans les différentes régions de l’Algérie entre 01/01/2005 au 31/1/2007; et en
2011, une autre application des modèles sur les durées de chômage en Algérie sur un
échantillon tiré des différents région de l’Algérie entre 01/01/2005 et 31/12/2008 ont été
établies2.
Afin d’analyser les déterminants micro-économiques de la durée du chômage,

on a adopté une approche qui consiste à déterminer le profil des chômeurs inscrits à
l’Agence National de l’Emploi et les caractéristiques individuelles qui influencent
leurs durées de chômage. Pour des raisons de disponibilités des données statistiques,
ce travail va être appliqué aux données de l’Agence Locale d’Ain El Benian.
1
HOUCINI.A, (2009-2010), « « Insertion professionnelle des diplômés de l’enseignement
supérieur : étude économétrique », thèse pour l’obtention du diplôme de Docteur d’Etat en
économie et statistiques appliquées, ENSSEA.
2
BENLAIB.B, (2011), « Durée de chômage et recherche d’emploi en Algérie : application
des modèles à sortie accéléré », revue d’économie et de statistique appliquée, N°15.
3
Dans notre étude, on essaie essentiellement de focaliser l’attention sur
l’application des méthodes d’estimation aux durées de chômage des inscrits à
l’Agence Locale d’Emploi d’Ain El Benian, dans le but de déterminer les
caractéristiques individuelles qui influent sur l’insertion rapide ou pas de ces
chômeurs.
Au cours de notre étude, on va vérifier les hypothèses suivantes :

-Il existe une relation proportionnelle entre les individus de notre étude ;
-Il existe une ou plusieurs caractéristiques spécifiques pour l’insertion rapide
des chômeurs de cette agence ;
- Avoir un diplôme réduit la durée de chômage ;
La présente étude sur les déterminants de la durée du chômage en Algérie
n’inclut pas tous les inscrits à l’Agence Nationale de l’Emploi mais elle se base sur un
échantillon de 1064 individus de l’agence d’Ain el Benian pour la période allant du
01/01/2011 au 15/07/2013. A l'aide des outils statistiques, on va essayer d’inclure
leurs caractéristiques individuelles qui pourraient être la source de leurs situations
de chômage. Pour la modélisation de la durée de chômage et du taux de sortie du
chômage (taux du hasard), on utilise des outils de probabilité nécessaire pour ces
modèles.
Le mémoire est subdivisé en trois chapitres. Tout d’abord, Les deux premiers
chapitres traitent l’aspect théorique des données de durée et du phénomène de
chômage. Quant au troisième chapitre il est consacré à une analyse empirique d’un
échantillon de durée de chômage de l’agence locale de l’emploi d’Ain El Benian, et
pour toutes les estimations sont faites en utilisant le logiciel stata 12.0. Pour conclure,
une conclusion générale synthétise les principaux résultats obtenus au cours de cette
étude et quelques perspectives possibles de recherches ultérieures.
4
Chapitre1 .
Concepts fondamentaux et les

diverses méthodes d’estimation des
données de durée
Chapitre 1
Concepts fondamentaux et diverses méthodes d’estimations des données de durée
Introduction :
Les modèles de durée sont des modèles statistiques dans lesquels la variable à
expliquer est une variable qui représente une durée passée dans un état. Ces modèles
sont applicables dans de nombreux domaines tels que la démographie, la fiabilité, la
médecine, les finances, l’économie, etc.
L’analyse des modèles de durée pose des problèmes particuliers due à ce que
ces observations sont le plus souvent censurées et/ou tronquées, c’est à dire privées
d’une partie de l’information qu’elles devraient contenir. Les modèles de durée
prennent pour leurs modélisations l’effet des variables explicatives, et pour
modéliser ce type de données, plusieurs méthodes d’estimation sont utilisées à
savoir l’estimation paramétrique, l’estimation non paramétrique et l’estimation semi-
paramétrique).
Ce chapitre est composé d’une partie consacrée à une brève présentation des
divers concepts de base de ces modèles. Quant à la deuxième partie, elle fera l’objet
de la présentation des différentes méthodes d’estimation des données de durée.
6
Chapitre 1
1. Concepts fondamentaux sur les données de durée :

1.1. Définition d’un modèle de durée ou de survie :
Un modèle de survie est un modèle statistique utilisé pour modéliser et

estimer le temps qui s’écoule entre deux événements (le temps passé dans un état
avant la transition vers un autre état)1 en absence ou présence de variables exogènes
ou covariables. On peut donc déduire qu’un modèle de durée s’intéresse à modéliser
et estimer la réalisation d’un événement d’intérêt tel que cet événement symbolise la
transition d’un état à un autre, et généralement en plus de l’observation d’une durée
de survie on s’intéresse aussi à l’influence des variables supplémentaires suspectées
qui peuvent être différents pour chaque individu (groupe sanguin, sexe, domaine
professionnelle, âge, etc.). Parmi les objectifs d’analyse des données de survie, on
retrouve l’évaluation de l’influence des covariables et la prédiction d’une durée de
survie. Cependant, le temps de survie peut être calculé par le nombre d’heures, jours,
semaines, mois, ou années. Cette durée est calculée à partir du début de suivi d’un
individu jusqu'à l’apparition de l’événement défini préalablement. Par exemple, la
durée de chômage représente le temps pour qu’une personne en chômage trouve un
emploi, la durée de célibat qui correspond à l’âge au premier mariage, le temps qui
s’écoule entre deux achats pour un même produit, la durée de grève, etc.
1.2. Concepts fondamentaux de l’analyse de survie :
Soit T une variable aléatoire positive définie sur un espace probabilisé , A, P
qui décrive le temps qui s’écoule entre deux événements2. Par la suite, cette durée T
sera appelée durée de survie (ou de vie). La loi de probabilité de cette variable peut
être définie par l’une des cinq fonctions équivalentes suivantes3 :
1BOUKHETALA.K, MARION. J.M, OULIDI.A,( 2009), « Apport des méthodes de durée de vie au
domaine de l’assurance : application aux contrats d’assurances automobiles », Bordeaux, publication
dans la 41émes journées de statistique.
2 MADANI.F, (1995), « Méthodes statistiques pour étudier la durée de vie : modèle gamma »,
mémoire pour l’obtention du diplôme de Magister En Economie et Statistiques Appliquées, ENSSEA.

pp.9
3 Ces fonctions sont équivalentes et depuis chacune d’elles on peut déduire une autre.
7
Chapitre 1
a) Fonction de densité :
Pour t fixé, la densité de probabilité de la variable T , notée f , peut être
interprétée comme étant la probabilité instantanée d’une sortie d’un état, Par
exemple une mort ou une sortie de chômage.
b) Fonction de répartition 4:
La fonction de répartition de la variable T , notée F , est définie par :
t
F (t )  P(T  t )   f (u )du , t  0
0
Pour t fixé, cette fonction peut être interprétée comme étant la mesure de la
probabilité de sortir d’un état au plus tard en t (avant l’instant t), par exemple une
sortie du chômage avant l’instant t.
 Cette fonction possède les propriétés suivantes:

F (t )  0,1 ;
 F est continue à droite ;
 F est monotone et strictement croissante ;

lim F (t )  1 et lim F(t)  0
 t   t  - .
c) Fonction de survie5 :
La fonction de survie de la variable T , notée T , est définie par :

S (t )  1  F (t )  P(T  t )   f (u )du , t  0 .
t
4FLORENS.J, FOUGERE.D, MOUCHART.M,(2007), « Duration Models and Point Processes »,

Discussion paper series, IZA DP No. 2971.
5 DETAIS. A, (2008), « Maximum de vraisemblance et moindres carrés pénalisés dans des modèles
de durées de vie censurées », thèse de doctorat, Montpellier III, France, pp.5-6
8
Chapitre 1
Pour t fixé, cette fonction peut être interprétée comme étant la probabilité de
survivre au moins jusqu'à la date t (survivre au-delà de l’instant t), par exemple la
probabilité que la durée de chômage d’un individu soit au-delà de l’instant t.
 Les différentes propriétés de cette fonction sont :
 S est continue à gauche ;

 S est monotone et décroissante ;
 S (0)  1 ;
lim S (t )  0 ;

t  
 f (t )  S ' (t ) .
La moyenne et la variance de la durée de survie sont données par les formules

suivantes :
 
E (T)   tdF (t )   S (t )dt
0 0

V (T)  2  tS (t )dt  E (T) 2
0
 Fonction de survie conditionnelle :
La fonction de survie conditionnelle S u (t ) est calculée en utilisant la formule

suivante
Su (t )  P(T  u  t T  u) ; t  0 et u  0
Ainsi, à partir de la définition de la probabilité conditionnelle on peut écrire :
S (u  t )
S u t  
S (u )
Cette fonction indique la survie d’un élément après un instant t sachant qu’il a
déjà survécu jusqu’en t.
d) Fonction de hasard6 :
La fonction de hasard de la variable T , notée h , est définie par :
6MADANI.F, (1995), « Méthodes statistiques pour étudier la durée de vie : modèle gamma »,
mémoire pour l’obtention du diplôme de Magister En Economie et Statistiques Appliquées, ENSSEA.
pp.16
9
Chapitre 1
 P(t  T  t  t T  t )
lim si S (t )  0
t
f (t ) S (t ) d 
h(t )     ln S (t )  t  0
s(t ) S (t ) dt   sinon .


La fonction de survie est liée au taux de hasard par la relation suivante :
t
S (t )  exp(   h( s)ds) (1.8)
0
Cette fonction est appelée encore fonction de risque instantanée, taux de

hasard, taux de panne, taux de défaillance, taux d’incidence ou taux de décès7.
Pour t fixé, la fonction de hasard peut être interprétée comme étant la
probabilité de survenance de l’événement d’intérêt, par exemple la probabilité de
sortir du chômage et de trouver un emploi dans un petit intervalle t, t  t sachant
que cet événement n’était pas encore réalisé en t. Autrement dit, la fonction de
hasard indique la probabilité instantanée de sortir d’un état (le chômage) sachant que
l’individu est dans cet état à l’instant t.
e) Fonction de risque cumulé:
La fonction de hasard cumulé ou la fonction de log-survie de la variable T ,
notée H , est définie par:
H (t )   hu du   lnS t  , t  0

t
Cette fonction est appelée encore fonction de hasard intégré. Elle possède la
propriété suivante :
H(0)  0 et H(1)  
Pour t fixé, Cette fonction peut être interprétée comme étant la mesure du
nombre d’événement qui va subir un individu tout au long de la période
d’observation s’il était constamment soumis au risque de connaitre l’événement
7La fonction de hasard est toujours positive et sa représentation graphique n’est pas forcément
monotone.
10
Chapitre 1
d’intérêt au cours du temps, Par exemple le nombre de durée de chômage qu’un

individu connait le long de la période d’observation.
f) La durée de vie moyenne restante ou résiduelle :
La fonction de durée de vie moyenne restante ou résiduelle, notée r , est définie par :
r (t )  E(T  t T  t ) t  0.
Pour t fixé, la fonction de durée de vie résiduelle peut être interprétée comme
étant l’espérance de la durée restante sachant que l’individu a déjà atteint t. Par
exemple, si T est la date de sortie de chômage d’un individu qu’est encore en
chômage à l’instant t, alors T-t désigne la durée de vie restante pour trouver un
emploi.
1.3. Relation d’indépendance temporelle des survies :

La variable aléatoire de survie T vérifie la propriété d’indépendance
temporelle, si et seulement si sa fonction de hasard est constante c’est à dire :
h(t )   , t  0
Avec  une constante positive.
La loi exponentielle est une loi qui a un taux de hasard constant. Pour cela, on
peut conclure qu’il y a indépendance temporelle si est seulement si la loi de la durée
de survie T suit la loi exponentielle.
1.4. Censures et Troncatures :

1.4.1. Censures :
L’une des particularités des données de survie ou des durées de survie est
l’observation toujours incomplète de tous les individus (la durée de survie n’est pas
exactement connue par le statisticien)8, car pour certains individus, l'événement de
début et/ou de fin n'est pas observé. Dans ce cas, les données de survie sont dite
censurées.
8 FLORENS.J.P, MARIMOUTOU.V, (2004), « Econométrie, modélisation et inférence », paris :

Armand colin, pp248.
11
Chapitre 1
Par exemple, un individu censuré signifie qu’il ne fait plus partie des individus
exposés aux risques de changement d’état (de sortir de l’état), soit :
 Cet individu est sorti déjà de l’état avant la période d’observation,
l’événement étudié n’est pas survenu avant la période de l’étude ;
 Cet individu n’est jamais sorti de l’état même après la fin de la période
d’observation, l’événement étudié n’est pas survenu durant la période de
l’étude.
1.4.2. Divers types de censures :
Dans l’analyse de durée de vie, il existe divers types de censures. Quoique

dans la pratique la censure la plus observée est la censure à droite, les autres
censures sont rarement observées.
On considère les notations suivantes :
Ti : la durée de survie d’un individu i ;
Ci :le temps censurée de l’individu i ;
X i : la durée réellement observée.
a) Censure à droite9 :
La durée de vie est dite censurée à droite si et seulement si au lieu d’observer la
durée Ti , on observe une autre variable positive C i appelée censure telle que Ti  Ci .
Dans ce cas, on connaît exactement la date d’entrée dans l’étude pour chacun des
individus censurés mais la date éventuelle de leurs sorties de l’état (par exemple,
trouvé un emploi) est approximative à un seuil C i . Parmi les censures à droite on cite:
 Censure de type I : censure et fixe
9PLANCHET.F, THEROND.P, (2006), « Modèles de durée : applications actuarielles », paris :

Economica, pp27-28.
12
Chapitre 1
Soit (T1 ,............., Tn ) un échantillon de durées de survie pour n individus. On

suppose que la durée exacte pour le i eme individu peut être observée si est seulement
si Ti  C tel que C’est une date fixée qui indique la fin de l’observation. Dans ce cas,
au lieu d’observer (T1 ,............., Tn ) on observe  X 1 , D1 ,...........,  X n , Dn  avec :
1 si Ti  C ,
X i  min(Ti , C ) et Di  
0 si Ti  C.
Toute sortie de l’état après la date C sera considérée comme étant une censure à
droite.
 Censure de type II : « arrêt au r  iéme décès »
Soit (T1 ,............., Tn ) un échantillon de durées de survie pour n individus, r est un

entier positif fixé au début de l’étude. On est en présence d’une censure de type II si
et seulement si au lieu d’observer l’échantillon initial on observe les paires
X1 , D1 ,..........., X n , Dn  tel que :
1 Ti  X i ,
X i  min Ti , Tr  
si
et Di  
0 si Ti  X i .
Avec T r  représente la r ème statistique d’ordre de l’échantillon (T1 ,......... , Tn ) .
Dans ce cas, on observe les durées de vie de n individus jusqu'à ce que r

individus aient vu l'événement d'intérêt se produire. Ainsi, le reste des individus qui
n’aient pas vu l’événement d’intérêt seront considérés comme étant des censures.
 Censure de type III : censure aléatoire
Soient (T1 ,............., Tn ) un échantillon de durée de survie, et un autre
échantillon indépendant composé de variables aléatoires positives (C1 ,.............., Cn ) .

On dit qu’il y a censure de type III pour cet échantillon si au lieu d’observer
(T1 ,............., Tn ) , on observe  X 1 , D1 ,...........,  X n , Dn  avec :

1 si Ti  Ci
X i  min Ti , Ci  et Di  
0 si Ti  Ci
13
Chapitre 1
b) Censure à gauche10 :
Une durée de vie est dite censurée à gauche si est seulement si au lieu
d’observer la durée Ti , on observe une autre variable positive C i tel que Ti  Ci . Dans
ce cas, on ne connaît pas exactement la date d’entrée dans l’étude pour chacun des
individus censurés car l’événement attendu est déjà réalisé avant le début de
l’observation. Il y a deux types de censure à gauche à savoir :
 Censure de type I :
Dans ce type de censure à gauche, au lieu d’observer les durées de survie pour
n individus (T1 ,............., Tn ) , on observe X1 , D1 ,..........., X n , Dn  tels que :

1 si Ti  C ,
X i  max Ti , C  et Di  
0 si Ti  C .
Tous les individus qui ont réalisés l’événement attendus avant la date C fixée
avant le début de l’étude seront considérés comme une censure gauche.
 Censure de type III : censure aléatoire
Soit (T1 ,........., Tn ) un échantillon de durées de survie pour n individus, et un

autre échantillon indépendant composaient de variables aléatoires positifs
(C1 ,........., Cn ) . Il existe une censure aléatoire si est seulement si au lieu d’observer
(T1 ,........., Tn ) on observe  X 1 , D1 ,...........,  X n , Dn  tels que :
1 si Ti  Ci
X i  max Ti , Ci  et Di  
0 si Ti  Ci
c) Censure par intervalle :

Une durée de survie est dite censurée par intervalle si est seulement si
certains individus sont censurés à gauche et à droite, C’est-à-dire, que pour certains
individus, on n’observe pas avec certitude le temps de réalisation de l’événement
souhaité mais la seule information disponible est que l’événement a eu lieu entre
10KLEIN.J, MOESCHBERGER.M, (2003), « Survival Analysis: Techniques for Censored and

Truncated Data », 2 eme édition, spring, pp70-76.
14
Chapitre 1
deux dates connues. Plus précisément, pour certains individus, on n'observe pas la
date d'origine et/ou la date de l’événement final (censure à gauche et à droite), mais
on observe que le temps écoulé entre deux dates connues.
1.4.3. La troncature11 :
Une autre particularité des modèles de durée est la troncature. Un échantillon

est dit tronqué si le statisticien connait à l’avance que les observations peuvent venir
seulement d'une partie restreinte de la distribution de la population sous-jacente.
Autrement dit, on observe T uniquement si T  A , tel que A est un ensemble
éventuellement aléatoire de R . Les troncatures concernent l’échantillonnage lui-
même et en présence de troncature une partie des individus ne sont pas observables.
De ce fait, l’étude sera sur un sous échantillon.
Comme dans le cas de censures, on distingue trois types de troncatures à savoir :
 Troncature à gauche (respectivement à droite) :

Soit Z une variable aléatoire indépendante de T . On dit qu’il y a troncature à gauche
(respectivement à droite) si et seulement si la variable de durée T n’est observable
que si T  Z (respectivement T  Z ). Dans ce cas, on observe le couple (T, Z) avec
T  Z (respectivement T  Z ).
 La troncature par intervalle :

Quand une durée est tronquée à droite et à gauche, on dit qu'elle est tronquée par
intervalle.
Remarques :
1) On parle de troncature à gauche ou à droite si on n’a aucune information sur
la variable d’intérêt, Ce qu’est différent de la censure car il existe une
information mais non précise.
11DROESBEKE.J, FICHET. B, TASSI.P, (1989), « Analyse statistique des durées de vie: Modélisation
des données censurées», paris :Economica.
15
Chapitre 1
2) En cas de troncature, la variable de durée T n’est observable que sur une sous-
partie de R . Pour la censure, il existe un seuil observable.
2. Méthodes d’estimation des données de durée :

2.1. Estimation non paramétrique :
Les méthodes d’estimation non paramétrique ont pris une place considérable en
économétrie. Une des raisons de la popularisation de ces méthodes est l’utilisation
des fichiers administratifs et des données des enquêtes. Pour ce type de modèles, ces
méthodes sont utilisées pour estimer l’une des caractéristiques de la variable de
durée T sans faire aucun hypothèse a priori sur la loi de cette durée.
2.1.1. Estimation empirique12 :
L’estimation empirique de la fonction de répartition est utilisée dans le cas

d’absence de censure dans l’échantillon.
Soit Ti i 1,...n un échantillon indépendant et identiquement distribué (iid) de
durées non censurées. L’estimateur de la fonction de répartition de la variable T est

donné par :
1 n n
Fˆ (t )  1Ti t   t
N i 1 N
Avec :
nt : nombre de durée inférieure à t ;
N : nombre d’observations totales.
De l’estimateur (1.17), on peut déduire l’estimation empirique de la fonction
de survie :
12DROESBEKE.J, FICHET. B, TASSI.P, (1989), « Analyse statistique des durées de vie: Modélisation
des données censurées », Paris : Economica.
16
Chapitre 1
N  nt
Sˆ t  
N
Cet estimateur vérifie un certain nombre de « bonnes propriétés » bien

connues : il est sans biais, convergence et asymptotiquement gaussien. Dans le cas
des données censurées, la variable d'intérêt n'est plus la variable observée. Ainsi,
estimer la survie S par la survie empirique des données observées fournit une
estimation biaisée de S parce que les censures qui ne sont pas des sorties sont
considérées comme des sorties, et c’est pour cela il y a une sous-estimation de la
survie. Il en est de même dans le cas d’un échantillon tronqué.
2.1.2. Estimateur de Kaplan-Meier13 :
En 1958, Kaplan et Meier ont introduit l’estimateur de la fonction de survie

nommé estimateur de Kaplan-Meier. Cet estimateur, qu’est une généralisation de la
notion de fonction de répartition empirique14, tient en compte la présence d’une
censure à droite15. Il sert de base théorique pour toute étude de survie car ce type
d’estimateur permet l’estimation d’une des lois caractérisant la variable de durée
sans poser d’hypothèse a priori sur celle-ci. Cependant, il peut guider le choix d’une
forme paramétrique particulière, mais il faut signaler qu’il est applicable sauf dans le
cas de population homogène.
La méthode d’estimation consiste à estimer la probabilité de survie sur un
intervalle de temps. Il s’agit alors de calculer le nombre d’individus présentant
l’événement sur cet intervalle divisé par le nombre d’individus exposés au risque de
réaliser l’événement pendant cet intervalle. Les deux hypothèses faites sont les
suivantes :
13 QI.L, JEFFRERY.S, (2007), « Non paramétric economitrics », university press and Oxford, pp338-
342.
14 Si aucune donnée n'est censurée, l'estimateur de Kaplan-Meier est l'estimateur empirique usuel de la
fonction de survie.
15 Cet estimateur peut prendre en compte le cas des données tronquées. Mais, il n’est pas utilisable en
cas de données censurées par intervalles puisque les temps de sortie de l’état ne sont pas connus.
17
Chapitre 1
 La présence de censure non informative16 ;

 Une probabilité de survenue d’événements constante au cours
du temps car le suivi des sujets peut être plus ou moins long en
fonction des sujets, et plus long chez les sujets inclus il y a très
longtemps.
Cet estimateur s’appuie sur le calcul des taux de survie à partir des
probabilités conditionnelles tel que :
S (ti )  PT  ti T  t i1 PT  ti 1   PT  ti T  t i 1 S (ti1 ), ti1  ti .
Cette expression indique que les individus qui ne changent pas d’état au-delà
de l’instant t sont ceux qui n’ont pas été avant cette date ni sorties, ni censurés, donc
ils sont restés dans un même état au-delà de t avec la probabilité conditionnelle
S t  S t i  qui pondère chacun d’eux.
Soit T 
i i 1,...n un échantillon indépendant et identiquement distribué (iid) de
durée. On note pi la probabilité de ne pas sortir de l’état sur l’intervalle t i 1 , t i 
sachant qu’on était toujours dans cet état à l’instant t i 1 tel que :
 
pi  P T  ti  T  t i1 et qi  1  pi (1.1)
On choisit comme instants de conditionnement les instants où s’est produit

l’évènement (sortie ou censure). Dans ce cas, on aura seulement à estimer des
probabilités de la forme de l’expression (1.1).
Un estimateur naturel de qi est :

di di
qˆ i  
ri n  i  1
Où :
di : le nombre de sorties de l’état à l’instant Ti  ;
ri : le nombre de sujets sous risque juste avant l’instant Ti  .
16Censure indépendante de l’événement étudié.
18
Chapitre 1
L’estimateur de Kaplan-Meier peut s’écrire de deux manières différentes selon

qu’on est en absence d’exo aequo ou en présence d’exo aequo comme suit :
 Cas d’absence d’ex aequo :
L’estimateur à la forme suivante :
D(i )
 1 
Sˆ t    1  
T ( i ) t  n  i 1
1 événement réalisé,
Avec Di   
0 sujet censuré.
 Cas de présence d’ex aequo 17:
Sous l’hypothèse que les observations non censurées précédent celles censurées, on
obtient l’expression suivante de l’estimateur :
 d 
Sˆ t    1  i . (1.2)
Ti  t  ri 
Remarque :
1) Dans le cas où il y a des arrivées en cours de la période, l’expression (1.2) reste
valable en tenant compte de celles-ci dans le calcul de ri  .
2) L’estimateur de Kaplan-Meier est convergent, cohérent et asymptotiquement

gaussien. De plus, il est biaisé positivement.
 Variance de l’estimateur de Kaplan- Meier :
L'estimateur de Greenwood de la variance de l'estimateur de Kaplan-Meier de
la fonction de survie est obtenu heuristiquement en faisant deux approximations. La
première est :
 
ln Sˆ t    ln 1  i    ln 1  qˆ i    ln pˆ i
d
T i   t
 ri  T i  t T i   t
ˆ i suit une binomiale de paramètres ri , pˆ i  .

Avec ri p
Quant à la seconde, en appliquant la méthode delta18 , on a:
17 Dans ce cas il y a plusieurs sorties au même temps t i  .

18 La méthode delta est : V  f x    f E x 2V x 
19
Chapitre 1
2
d  qˆ i
V ln pˆ i   V  pˆ i  ln  pˆ i  
 dp  ri 1  qˆ i 
Cela conduit à proposer comme estimateur de la variance de ln Ŝ t  :
 
Vˆ ln Sˆ t   
qˆ i
T   t ri 1  q
 
di
ˆ i  Ti  t ri ri  d i 
i
En appliquant la méthode delta, à la fonction logarithme on obtient :
 
V Sˆ t   Sˆ t  
2 di
T   t ri ri  d i 
i
Cet estimateur, nommé estimateur de Greenwood, est asymptotiquement

gaussien.
2.1.3. Estimateur de Breslow19 :

On cherche à estimer la fonction de hasard cumulée H défini par l’expression
(1.9). En utilisant la relation H t    ln S t  , et en remplaçant S par l’estimateur de
Kaplan-Meier, on obtient l'estimateur de Breslow de la fonction de hasard suivant :

 
Hˆ Br t    ln Sˆ KM t     ln 1  i
d

Ti  t
 ri 
La variance de cet estimateur est :
  
V Hˆ Br t   V  ln Sˆ t     di
ri ri  di 
ti t
2.1.4. Estimateur de Nelson-Aalen20 :
Soit t1  t2  ....  tn les différentes dates observées des sorties (par exemple les
instants successifs de mort, de chômage, de défaillances,..) et N t  le nombre
d’individus soumis au risque juste avant l’instant t. L’estimateur de Nelson-Aalen de
19XIAN.L, 2012, « Survival Analysis: Models and Applications », higer education press, pp164-165.
20COCOZZA-THIVENT. C, (1997), « Processus stochastique et fiabilité des systèmes », springer,
pp.114-122
20
Chapitre 1
la fonction de risque ou de hasard cumulée à l’instant t est donnée par la relation

suivante :
n
Hˆ t   
1
i 1 N t i 
En se basant sur la théorie de comptage, on pose N t  comme étant une
variable aléatoire qui suit la loi de poisson de paramètre nH t  . En présence d’ex-
aequo, l’estimateur de Nelson-Aalen est un bon estimateur de H t  et il est donnée par
la relation suivante :
N t  1
 
n i:ti  t  n
Pour l’explication, on prend l’exemple suivant :
On observe n1 chômeurs avant l’instant t1 , et n 2 chômeurs avant l’instant t 2 ou

(entre l’instant t1 et t 2 avec t1  t 2 ). Les estimateurs de H t1  et H t 2  sont :
N t1 
Hˆ t1  
1
 
n1 i:t t n1
i 1
N t 2 
Hˆ t 2  
1
 
n2 i:ti t 2 n 2
D’où, l’estimateur de H t  est donné par :
Hˆ t   Hˆ t1   Hˆ t 2   
1 1
 
i:ti t n1 i:ti t n2
1 2
D’une manière générale, l’estimateur de la fonction de hasard cumulée s’écrit :
Hˆ t   
1
i:t t N t i 
i
Où N ti  représente le nombre de chômeurs observés à l’instant ti .

Dans le cas d’absence d’ex-æquo, l’estimateur de Nelson-Aalen de la fonction
de hasard cumulé se présente comme suit :
d t i  d
Hˆ t      i
i:ti t r t i  i:ti t ri
Avec
21
Chapitre 1
d ti  : le nombre de sorties en ti ;

r ti  : le nombre d’effectif sous risque avant ti .
Cet estimateur vérifie certaines propriétés qui sont :
1) Cet estimateurs est baisé et sous-estime en moyenne la fonction de
hasard cumulé. En cas d’absence d’ex-æquo, la variance de cet
estimateur est :
d t i 
 
V Hˆ t   
i:ti t r t 
2
  i2
d
i:ti t r 
i i
Dans le cas contraire, la variance est :
 
V Hˆ t   
i:t t
1
N ti 2
i
2) L'estimateur de Nelson-Aalen est un estimateur consistant, et

asymptotiquement gaussien de la fonction de hasard cumulé.
2.1.5. L’estimateur actuariel 21:

En 1912, Böhmer a introduit l’estimateur actuariel qu’est utilisé habituellement
dans le cas d’un échantillon de taille supérieure à 30 ou lorsque le nombre de sorties
de l’état est généralement important. Pour cet estimateur les intervalles22 de temps
ne sont plus définis par les dates de survenance de l’événement, mais ils sont fixés a
priori et on prend souvent des intervalles de tailles égaux.
 
Pour un intervalle ti 1, ti , on note :
ri : Le nombre d’individus à risque dans cet intervalle ;
d i : Le nombre d’individus sortis de l’état dans cet intervalle ;
21PLANCHET.F, THEROND.P, (2006), « Modèles de durée : applications actuarielles », Paris :

Economica, pp.252-253.
22 Ces intervalles sont généralement de longueurs égales à un mois, un trimestre, une année, etc.
22
Chapitre 1
Ci : Le nombre d’individus censurés dans cet intervalle ;
n i 1 : Le nombre d’individus qui ne sort pas de l’état au temps ti 1 .
Pour simplifier les calculs, on pose l’hypothèse qu’il existe une indépendance
et une répartition uniforme des troncatures et des censures sur chaque intervalle. On
peut déduire que ces sujets sont en moyenne exposés au risque de décéder sur un
ci
demi-intervalle. Dans ce cas, on obtient ri  ni 1 
2
Sous l’hypothèse de la distribution uniforme des exclusions et des sorties dans
chaque intervalle, on calcule la fonction de survie au temps t i comme suit :
 La probabilité de sortir de l’état dans un intervalle t i1 , t i  sachant que l’on
di
était dans cet état en t i 1 est estimé par : pi 
ri
 l’estimateur de la fonction de survie est :
 di 
Sˆ t    1  
t  ri 
i:T
i 
La formule de Greenwood permet d’obtenir une estimation de la variance du
taux de survie actuelle qu’est donnée par :
   
V Sˆ t   Sˆ t  
2 di
i:T  t ri ri  d i 
i
2.1.6. Comparaison de deux ou plusieurs courbes de survie :
Pour faire une comparaison de deux ou plusieurs courbes de survie, une

approche non paramétrique est conçue dans le cas d’absence d’information sur la
forme de la fonction de survie. Pour cela, plusieurs tests sont adaptés .Comme dans
toute démarche statistique, on va tester une hypothèse nulle H 0 . L’hypothèse que
l’on test est l’égalité des taux de survie dans les différents échantillons indépendants.
En absence de censure, on dispose des tests classiques de rang (test de Wilcoxon, test
23
Chapitre 1
de savage, etc.). Dans le cas contraire, ces tests sont adaptés en introduisant les
observations censurées.
On se place dans une situation où l’on souhaite comparer les durées de vie de
deux échantillons indépendants censurées, et on veut tester l’hypothèse nulle
d’égalité de leurs deux fonctions de survie. Soit t1  t2  ....  tn les différentes dates
observées des sorties (non censurées). On désigne pour chaque instant t i un nombre
de sortie d ij et un nombre d’effectifs sous risque23 rij dans le groupe j . Avec, rij  d ij
représente le nombre d’effectifs qui ne sont pas sorties de l’état après t i . En notant
( wi ) les pondérations retenues pour le test sous l’hypothèse nulle d’égalité des
distributions de survie on utilise la statistique suivante 24:
2
N  nij 
 wi  d ij  
i 1  ni 
Qj  
N n  d i ni1ni 2
 wi d i i
2
i 1 ni  1 ni2
Qui suit asymptotiquement une  2 (1) .
Le choix de la pondération conduit à des tests différents25 :

 Si wi  1 alors il s’agit du test le plus couramment utilisée, le test de Log-Rank.
Ce test attribue pour chaque sortie le même poids quel que soit l’instant de
sortie (ou de survenance de l’évènement)
 Si wi  ni alors il s’agit du test de Gehan (ou test de Wilcoxon, test de
Breslow).
 Si wi  ni1 2 alors il s’agit du test de Tarone-Ware
 Si wi  Sˆ t i  alors il s’agit du test de Peto-Prentice.
23 L’effectif sous risque est calculé avant les sortie en t i .

24 PLANCHET.F, THEROND.P, (2006), « modèles de durée : applications actuarielles », Paris :
Economica, pp.75- 78.
25 KRAMAR.A, MATHOULIN-PELISSIER.S, 2011, « Méthodes biostatistiques appliquées à la
recherche clinique en cancérologie », Paris : John Libbey Eurotext, pp. 141.
24
Chapitre 1
2.2. Estimation paramétrique :
Les méthodes d’estimation paramétrique supposent que la loi de probabilité

de la durée T appartient à une classe de distributions de type connue a priori. Dans
ce cas, l’estimation des paramètres de durée se fait généralement par les méthodes
usuelles basées sur la vraisemblance.
2.2.1. Modèle exponentiel 26 :
Une des spécificités de ce modèle est que la fonction de hasard à un taux de

sortie conditionnelle indépendant de la durée. Autrement dit, la probabilité de sortie
est constante27 quelque soit la durée, on parle ainsi de la propriété d’absence de
mémoire de la loi exponentielle.
Soit T une variable aléatoire de durée qui suit une distribution exponentielle de
paramètre  . Les quantités associées à cette loi sont :
 La fonction de hasard : ht    avec   0
 La fonction de survie : S t   e t
H t   t
 La fonction de Hasard cumulée où intégré :
f t   e t
 La fonction de densité :
Les caractéristiques de cette loi sont les suivantes :
1) Les fonctions de survies conditionnelles Su : u  0sont exponentielles
de même paramètre   0 . Cela signifie le comportement de la variable

aléatoire T après l’instant u ne dépend pas de ce qui est survenu
jusqu’en u .
26GERMAN.R, (2010), « Parametric survival models », spring.

27 Dans certaines applications, on peut découper le temps en plusieurs intervalles et considérer un i
différent pour chacun des intervalles (risque est constant sur chaque période mais varie d'une période
à une autre).
25
Chapitre 1
2) la fonction de survie est multiplicative au sens où S u  t   S u S t  .

E T   et V T   2
1 1
3)  
2.2.2. Modèle de Weibull:
La loi de Weibull est une généralisation simple de la loi exponentielle. Elle est
l’une des distributions les plus utilisées dans le modèle de durée de vie.
La variable aléatoire T suit une distribution de Weibull W ( ,  ) avec   0
est un paramètre d’échelle et   0 un paramètre de forme, si est seulement si sa
 1  t
fonction de densité est : f t   . .t e , t  0
 
La fonction de survie : S t   exp  t

, t  0
 La fonction de hasard est : ht   t  1, t  0
 La fonction de hasard cumulé : H t   t  , t  0
Selon la valeur du paramètre de forme   0 , il est possible d’obtenir des

formes très variées de la densité .
Propriétés :
1) Pour  1 la fonction de hasard est constante et on retrouve la loi

exponentielle.
2) Pour   1 la fonction de hasard est croissante (il y a usure) et pour   1
la fonction de hasard est décroissante (il y a rodage).
1
3) Lorsque   2 et   ce modèle porte le nom de « modèle de Rayleigh » ; il
2
est utilisé en physique pour modéliser certains particules où le bruit en sortie
de certain récepteurs de transmissions.
4) Si la variable T est distribuée selon une loi exponentielle de paramètre   0 ,
est distribuée selon une loi w ,   .


alors T
26
Chapitre 1
2.2.3. Modèle Gamma :
C’est une autre généralisation du modèle exponentiel. Supposons que T est la durée
d’attente de la réalisation d’un service dans une file d’attente est la durée d’attente et
que la file est composée de r serveurs indépendants et identiques qui traitent chacun
une partie de service. On fait l’hypothèse que la durée de réalisation du traitement de
chacun des serveurs est distribuée selon    avec   0 .
La durée globale du service est la somme de r variables exponentielles de même

paramètre. Or on déduit que la durée de service est distribuée selon Gamma r ,  
telle que :

r x r 1
Sr t    r  1! e
 x
dx
t
Propriétés :
1) Lorsque r  n 2 et   1 2 , on obtient la loi du khi-deux à n degré de liberté.
2) Lorsque r est un entier naturel, cette loi s’appelle loi d’Erlang.
t r 1e t
h(t )  
x
r 1  x
e dx
3) La fonction de hasard : t
ht  est croissante si r  1 et décroissante si r  1 .
4) lim ht    , ce qui signifie qu’asymptotiquement on retrouve le modèle

t  
exponentiel.
2.2.4. Modèle log-normal :
T Suit une loi log-normale de paramètre  et  si :
 ln t   
 
  
Fonction de hasard : ht  
1

t  ln t   
1   
  
27
Chapitre 1
 ln t   
 Fonction de survie : S t   1   
  
1  ln t   
 Fonction de densité : f t    
t   
 
ln T  N  ,  2 ;
Où  et  sont les fonctions de densité et de répartition respectivement de la loi
N 0,1 .
Propriétés :

1) E t   exp   
2 
    
 et Var T   exp  2  1 exp 2   2 . 
 2 
2) lim h(t )  0 et lim h(t )  0 .

t 0 t 
3) La fonction de hasard est croissante puis décroissante, donc unimodale.

2.2.5. Modèle log-logistique :
T suit une loi log- logistique de paramètre   0 et   0 si :
 ln T  logistique  ,   ;
 t  1
 Fonction de hasard : ht  
1  t 

Fonction de survie : S t  
1

1  t 

 Fonction de densité : f t    t 

 1
1  t  
 2
Propriétés :
28
Chapitre 1
1) Pour   1 , la fonction de hasard est monotone décroissante et lim t 0 ht   

.
2) Pour   1 , la fonction de hasard est monotone croissante et lim t 0 ht    .
3) Pour   1 , la fonction de hasard est monotone unimodale (croissante puis

décroissante) avec lim t 0 ht   0 et lim t  ht   0 . Le maximum est atteint pour
t    1
1
.
2.2.6. Modèle de Gompertz-Makeham :
Ce modèle est conçu pour la construction des tables de mortalité et de table de

maintien en arrêt de travail. La fonction de hasard de ce modèle est définie par:
ht   a  bc t
Cette équation peut être interprétée comme suit :
a : représente un taux instantané de décès accidentel (indépendant de l’âge) ;
bc t : représente un vieillissement exponentiel ( si c  1 ).
Si b  0 on retrouve le modèle exponentiel. Dans ce cas, le décès accidentel est

modélisé par une loi exponentielle  a  auquel on ajoute le décès associé au
vieillissement qu’est modélisé par une loi de Gompertz h t    bct . De ce fait, T suit une
loi de Makeham.

La fonction de survie : S T   exp  at 
b
ln c 
 
c t  1  (1.57)
 
Avec les valeurs" standards " des paramètres utilisés en mortalité humaines sont :
a  8.8110 6 , b  3.83 10 5 , c  1.076207 .
2.2.7. Prise en compte de covariables 28:
28 XIAN.L,(2012), « Survival Analysis: Models and Applications », higer education press, pp. 94-103.
29
Chapitre 1
a) modèles à hasards proportionnels :

Dans l'approche paramétrique, les fonctions d'intérêts peuvent dépendre des
covariables susceptibles d'influencer la survie. En plus d'ajuster les fonctions de
survie à différents facteurs, ceci permettra de comparer les durées de survie où
l'hypothèse nulle sera l'égalité des distributions de survie.
Notons que ces covariables peuvent dépendre du temps. Cependant, il est nécessaire
de supposer que la valeur des covariables ne change pas entre deux mesures. Afin de
simplifier les écritures, on supposera que :
 les covariables sont fixées au cours du temps ;
 les covariables vont modifier les fonctions à risque en suivant un modèle à
risques proportionnels29, c'est-à-dire :
ht Z ,    exp  Z h0 t  (1.58)
Avec Z le vecteur des covariables,  est le vecteur des coefficients de
régression et h0 t  représente la fonction de hasard de base qui suit une loi

paramétrique usuel.
La fonction de survie du modèle est de la forme :
S t Z ,    exp  exp  Z .H 0 t 
Avec H 0 la fonction de hasard cumulée de base.
La fonction de survie du modèle peut s’écrire en fonction de la fonction de survie de

base comme suit :
S (t Z ,  )  S0 t 
exp  Z 
Les paramètres du modèle s'obtiennent on utilisant la méthode du maximum de

vraisemblances.
29D’autre modèle à hasard proportionnel seront présentés dans la méthode d’estimation semi-
paramétrique.
30
Chapitre 1
b) Modèles avec accélération du temps : (AFT : Accelerated Failure

Time model)
Parmi les modèles de régression, les modèles avec accélération du temps sont
souvent considérés pour les données de survie comme une approche qui se base sur
le modèle de régression linéaire classique. Dans ce modèle, l’introduction des
variables exogènes est aussi possible soit en accroissant (accélérant) ou en contractant
(décélérant) le temps d’un facteur exp  Z  tel que,  représente un vecteur des
paramètres des variables exogènes. Ce modèle se base sur la modélisation du

logarithme népérien de la durée de vie T de la manière suivante :
Y  ln T   Z  
Où  représente une variable aléatoire qui indique le terme d’erreur.

Pour le choix de la loi de la variable  , plusieurs lois sont possibles. Par
exemple : si le choix de la distribution de la variable  comprend la loi normale, cela

conduit à déduire que la variable de durée T suit une loi log-normale.
La représentation des modèles de vie accélérée est donnée par la fonction de survie
accélérée comme suit :
 
S t Z   S 0 te  Z
Où Z est un vecteur de covariables,  le vecteur des coefficients de régression. Le
terme e  Z est un facteur d’accélération car un changement dans les variables

exogènes change l’échelle de temps. On peut obtenir une expression de la fonction de
risque30 :

ht x   e  Z  h0 te  Z 
30On peut remarquer que dans le cas des modèles de vie accélérée, pour une covariable z  0 ; un
coefficient de régression  négatif entraîne un temps de survie plus petit est donc une survie plus
faible. Alors que dans le modèle à hasard proportionnel un coefficient de régression  négatif
entraîne un risque d'événement plus faible et donc une survie plus grande.
31
Chapitre 1
L'estimation d'un tel modèle demande une spécification de la distribution de

base, et l’utilisation de la méthode classique du maximum de vraisemblance pour
son estimation.
Tous les modèles paramétriques peuvent être estimés en maximisant la fonction

de vraisemblance appropriée (Pour la démarche de l’estimation voir annexe (1)).
2.3. Méthodes d’estimation semi-paramétrique :
Les méthodes d’estimation semi-paramétrique consistent à estimer la fonction

de survie ou de hasard en tenant compte de l'influence des facteurs exogènes et sans
faire aucune hypothèse a priori sur la forme de la distribution de base. Parmi les
modèles les plus utilisés, on retrouve le modèle à hasard proportionnel.
2.3.1. Modèles à hasard proportionnels :
La classe des modèles à hasard proportionnels est l’une des classes des
modèles largement utilisés dans les modèles de survie. Ce type de modèle tient en
compte l’effet simultané des variables exogènes sur la durée étudiée. Ces modèles
sont composés d’une fonction de hasard de base31 h0 t  et d’une fonction Q , Z  qui
regroupe les variables exogènes et leurs paramètres. Dans ce cas, le risque instantané
s'écrit :
ht z,    h0 t  Q z 
  
le risquede basele risquerelative
Avec  représente le vecteur des coefficients des variables exogènes tel que chaque
coefficient présente la probabilité du changement prévu dans la fonction de hasard

lorsqu’il y a un changement dans les variables exogènes.
Ce type de modèle est considéré comme étant un modèle semi-paramétrique si

est seulement si la fonction de hasard de base n’a pas de forme paramétrique
spécifique, autrement dit, elle est de forme inconnue.
31 La fonction de hasard de base ou la fonction de risque de la réalisation de l’événement attendu

lorsque toutes les variables explicatives sont nulles.
32
Chapitre 1
2.3.2. Modèle de Cox32 :
En 1972, Cox a proposé un cas particulier des modèles à hasards

proportionnels appelé modèle de Cox. Il est semblable à un modèle de régression
multiple33, dont la variable dépendante est une fonction de hasard. La spécification
de ce modèle est :
ht Z   h0 t  exp 1 zi ,1  ....   p zi , p   h0 t e  Z (1.3)
zi
Où est le vecteur des covariables de l’individu i.
a) Hypothèses de base du modèle de Cox :

 L’existence d’une relation log-linéaire entre la fonction de risque
instantané et les variables exogènes:
 h t  
ln  i    zi
 h0 t 
 Le logarithme de la fonction ht Z i  est une fonction linéaire :
ln ht Z i   ln h0 t    Z i
 Le rapport des fonctions de risque des deux individus ne dépend pas

du temps :
hi t , zi  exp  zi 

h j t , z j  exp  z j 
 
 exp  zi  z j   k (Hasard ratio)
Le risque proportionnel désigne une relation constante qui existe entre la

variable dépendante de durée et les variables explicatives. Ceci signifie que la
fonction de hasard pour deux individus dans un instant quelconque est
proportionnelle. Par exemple, si un individu à deux fois le risque de sortir de l’état à
SHENYANG.G, (2010), « Survival Analysis », New york: Oxford University Press, pp.74
32
33L’introduction de logarithme transforme l’écriture de la fonction en :

lnht x   lnh0 t   x  L’estimation de cette expression avec la méthode des moindre carrés
~
ordinaire a n’est pas souhaitable, car elle a d’énorme faiblesses.
33
Chapitre 1
un instant initial t qu’un autre individu, ce risque est ultérieurement deux fois plus
haut.
Pour vérifier cette hypothèse de proportionnalité des risques du modèle de

Cox, il existe différents tests graphiques et numérique comme :
1) Pour chaque variable exogène34 on trace le graphique  ln(ln Sˆ (t )) en fonction
de ln(t ) de chaque modalité de cette variable. Si les graphes sont
approximativement parallèle les uns des autres alors l’hypothèse de

proportionnalité est respectée.
Figure (1) : Représentation graphique des courbes de log(-log survie )
Hypothése de proportionalité vérifiée. Hypothése de proportionalité non vérifiée.
Source : Conception personnel

2) Pour chaque variable exogène estimé du modèle de Cox, on effectue un test
numérique basé sur une régression linéaire les coefficients du modèle de Cox
en fonction du temps. C’est-à-dire, on cherche à s’assurer que le coefficient
associé à chaque variable explicative est stable au cours du temps. Sachant que
le modèle de Cox s’écrit comme l’expression (1.3) et sous l’hypothèse de
proportionnalité des risques, on considère que t,  t    pour chacune des
variables exogènes j  1,...., p . Pour vérifier cette hypothèse on va effecteur un
test sur le coefficient de la régression suivante :
t ,  j t    j   j  g (t )
34 Les variables doivent être catégorielles (nominales où ordinale).
34
Chapitre 1
( g une fonction dépendante du temps).

Pour que l’hypothèse de proportionnalité soit vérifiée il faut accepter
H 0 :  j  0

l’hypothèse nulle du test : 
H1 :  j  0

Exemple d’un modèle de Cox avec une covariable binaire :
0 si l' individu appartient au groupe 1,

Soit le modèle ht Z   h0 t e  Z avec Z  
1 si l' individu appartient au groupe 2.
Dans ce cas, le rapport des hasards (HR : Hazard Ratio) est calculé comme suit :
ht Z  1
HR   e
ht Z  0
 HR  1 si   0 , et on conclut que les deux groupes ont le même risque ;
 HR  1 si   0 , et on conclut que le groupe 2 a le risque le plus élevé ;
 HR  1 si   0 , et on conclut que le groupe 2 a le risque le plus faible.
b) Démarches à suivre pour l’estimation d’un modèle de Cox :
Pour l’estimation de ce type de modèle, il est conçu de suivre les étapes suivantes :
 Etape 1 : l’estimation du vecteur des variables exogènes  par la
maximisation de la vraisemblance partielle développée par Cox.
L'idée de Cox est qu'aucune information ne peut être donnée sur  par les
intervalles pendant lesquels aucun événement n'a eu lieu, car on peut concevoir que
h0 soit nulle dans ces intervalles (On suppose que les moments où se produisent les
censures n'apportent peu ou pas d'information sur  ). On travaille alors
conditionnellement à l'ensemble des instants où une sortie de l’état a lieu.
Soit t1 ,, tn les valeurs des n durées ordonnées pour différentes observations. Soit
r ti  l’ensemble à risque en ti . La probabilité qu’un individu j de r ti  sort en ti est

calculée par :
35
Chapitre 1
h0 ti  exp  z j  exp  z j 


 h0 ti  exp  z k   exp  z k 
kr ti  kr ti 
Le point le plus important est que cette probabilité dépend uniquement du

paramètre  .
Comme il y a contributions à la vraisemblance à chaque temps de sortie à risque, la

vraisemblance partielle 35de Cox est définie comme le produit des probabilités pour
l’ensemble des sorties à risque :
exp  z ji 
LCox    
n
i 1  exp  z k 
kr ti 
La vraisemblance partielle ne dépend pas de la fonction de hasard de base h0 t  .
L’obtention de l’estimateur semi paramétrique de  est le résultat de la maximisation

du log de cette vraisemblance partielle par rapport à  au moyen d’une méthode
itérative. Cette expression est généralisée au cas de covariables fixes ou dépendantes

du temps.
L’estimateur de  vérifie les propriétés importantes connues à savoir c’est un

estimateur convergent presque sûrement et il est asymptotiquement gaussien36.
 Etape 2 : l’estimation de la fonction de hasard de base h0 t  par un

estimateur non paramétrique en remplaçant ˆ estimé dans la première
étape.
Par exemple, on peut estimer le hasard cumulé de base par l’estimateur de

Breslow qui est une extension de l’estimateur de Nelson-Aalen:
Hˆ 0 t   
n di
i 1  exp ˆ z j
jr ti 
 
Avec d i le nombre de sortie de l’état à l’instant t i .
35 En absence de censure, cette vraisemblance s’interprété comme la vraisemblance de la statistique de

rang associée aux durées.
36 A noter que l’application des tests asymptotique est possible étant donné les propriétés de
convergence presque sûrement et de normalité asymptotique.
36
Chapitre 1
 Tests :
Les tests qui peuvent être utilisés pour les coefficients estimés du modèle de Cox
sont :
1) Un test sur la nullité globale du vecteur des paramètres  , c’est-à-dire,
 
tester l’hypothèse H 0 :   1 ,....,  p  0,........,0 ce test peut se faire à
l’aide d’un des trois tests à savoir le test de rapport de vraisemblance,

test de score et le test de Wald.
2) Test des nullités de chaque paramètre, c’est-à-dire, tester l’hypothèse
H 0 :  i  0 , avec i  1,........., p . Ce test se fait au moyen du test de Wald.
37
Chapitre 1
Conclusion :
Dans ce chapitre, on a essayé de synthétiser les concepts de base des données de

durée, ainsi que les différentes méthodes d’estimation paramétrique, non
paramétrique et semi paramétrique.
On a présenté d’une part les différentes fonctions représentatives d’une

distribution de survie telles que la fonction de survie, la fonction de hasard, la
fonction de survie conditionnelle, etc. ainsi que les différents types de censure et de
troncatures possibles qui peuvent être présentes dans l’étude des survies.
D’autre part, la particularité des données de durée (données incomplètes) rend

l’estimation de ce type de données différent des habituelles telle que les moindre
carrées ordinaires (MCO). De ce fait, des méthodes et des estimateurs différents sont
conçus pour les survies. On trouve des estimateurs non paramétriques tels que
l’estimateur de Kaplan-Meier dans le cas d’absence d’information a priori sur la loi
de survie ; des estimateurs paramétriques en utilisant la méthode du maximum de
vraisemblance dans le cas de présence d’information a priori sur la loi de survie.
Cependant, dans le cas d’absence d’information a priori sur la loi de survie, on peut
introduire des variables exogènes pour pouvoir déduire l’effet de ces variables sur la
variable de durée ; le modèle de Cox ainsi que le modèle de Cox stratifié sont
généralement conçus pour ce genre de problèmes et les estimateurs obtenus sont des
estimateurs semi paramétriques.
38
Chapitre 2 .
Approche économique du
chômage
Chapitre 2
Approche économique du chômage
Introduction :
Le phénomène du chômage a des conséquences très graves sur l’économie

d’un pays. Pour cela, tous les programmes économiques visent essentiellement la
réduction du chômage .cependant, la résolution de ce phénomène coute très chère
à une nation étant données que le chômage est sélective tels que certaines
économies, régions ou personnes sont plus touchées que d’autres. Etant données
que dans une économie en perpétuel mouvement, les individus intègrent ou
réintègrent la population active pour se mettre à la recherche d’un emploi. Ils
mettent fin à une période de chômage, s’ils sont embauchés, réembauchés où se
retirent de la population active. La transition d’une situation vers une autre, c’est-
à-dire, de la phase de recherche d’emploi à la phase d’intégration du marché de
l’emploi est importante pour l’individu et la société, ce qui rend la durée de cette
transition un champ d’étude pertinent ou diverses recherches peuvent être
effectuées.
De ce fait, ce chapitre va se consacrer à l’étude théorique du chômage. En

premier lieu, on va s’intéresser à la présentation de ce phénomène d’une manière
générale. En deuxième lieu, on va expliquer les différentes théories et politiques
de lutte contre le chômage.
40
Chapitre 2
1. Concepts de base du phénomène du chômage :

1.1. Définition statistique du chômage :
Selon le bureau international du travail, le chômage se définit

statistiquement comme la situation d'une personne sans travail rémunéré,
disponible pour occuper un emploi et effectuant une démarche de recherche
d'emploi1. Autrement dit, c’est toutes personnes de plus de quinze ans sans
emploi pendant une semaine de référence, retenue par l’enquête de l’Office
National des Statistiques (ONS) en Algérie. Par exemple, ces personnes doivent
être disponibles pour occuper un poste dans les quinze jours, et conduisant
activement des recherches d’emplois. Ceux qu’ont travaillés, ne serait-ce qu’une
heure, durant la semaine de référence sont exclus de cette catégorie. De même
pour les stagiaires et les victimes d’une diminution saisonnière de l’activité ou du
mauvais temps (il existe un lien entre eux et l’entreprise).
1.2. Les types du chômage :
La science économique distingue plusieurs formes et types de chômages :
1.2.1. Le chômage frictionnel ou transitoire2 :
Le chômage frictionnel est causé le résultat de la divergence entre

l’évolution de la structure de la demande et celle de la production, ce type de
chômage peut être illustré par un exemple comme suit :
Supposant qu’un même produit est fabriqué par deux entreprises différentes X
et Y, et le consommateur a tendance à préférer le produit de l’entreprise X à celle
de l’entreprise Y, ce qui pousse la firme X à augmenter sa demande d’emploi, au
moment où la firme Y verra sa demande à la baisse, et des plan de redressement
du personnel seront mis en place ( licenciement des employés). Les travailleurs
1Une telle définition sous-évalue le chômage effectif par exemple les travailleurs découragés non-
recensés et le halo du chômage.
2MANKIW.G, Taylor.M, (2010), « Principes de l’économie, adaptation européenne » , Belgique :1ére
édition De Boeck.
41
Chapitre 2
ainsi licenciées doivent chercher un nouvel emploi et la firme qui produit la

marque X doit décider quels travailleurs employer pour les différents emplois
proposés. Cette situation résulte une transition obligatoire qui enfaite une période
de chômage. De manière similaire, comme les différentes régions d’un pays
produisent des biens différents, l’emploi peut augmenter dans une région alors
qu’il diminue ailleurs. Le chômage frictionnel est donc inévitable simplement
parce que l’économie change sans cesse. C’est un chômage lié au délai nécessaire
pour trouver un autre emploi. De ce fait il mesure l'imperfection du marché du
travail (absence de transparence ou mauvaise information).Etil est surtout un
indicateur de mobilité professionnelle et de dynamisme économique.
1.2.2. Le chômage démographique :
Le chômage démographique est dû à une insuffisance de la croissance de la

capacité de production par rapport à la croissance de la population active. Lorsque
la croissance de la demande de travail, déterminée par le réinvestissement
productif des profits est inférieure à la croissance de l`offre de travail, déterminée
par la croissance de la population active, le chômage développé se qualifie de
démographique. Ce type de chômage peut être expliqué d’une autre manière par
exemple, la concurrence entre les entrepreneurs pour les travailleurs et entre les
travailleurs pour les emplois assure le maintien du salaire réel a une valeur
d’équilibre, l’offre de travail croit plus vite que la demande. Le développement du
chômage provoque la baisse du salaire, qui ramène le taux d’accumulation à
égalité avec le taux de croissance démographique. Quand le salaire tombe en
dessous de la valeur d’équilibre, la demande de travail croit plus vite que l’offre.
Après résorption du chômage, la concurrence entre les entrepreneurs provoque
une hausse du salaire, qui ramène la croissance de la demande de travail à égalité
avec la croissance de l’offre. Le salaire courant fluctue donc autour d’une valeur
d’équilibre déterminée par les conditions techniques de production et le taux de
croissance démographique. Cette analyse est faite sur court terme du salaire
courtant. Tandis que pour le longue terme, la croissance de l’emploi se traduit par
une baisse continue du taux d`accumulation associé à un salaire donné. Le
42
Chapitre 2
maintien de l’égalité entre croissance de l’offre et de la demande de travail ne peut

alors être assuré que par une baisse continue du salaire d’équilibre qui accélère
l’accumulation et freine la croissance démographique. L’accumulation s’arrête et
«l’état stationnaire» est atteint, lorsque le salaire d’équilibre est tombé au niveau
de subsistance qui assure une reproduction à l’identique de la force de travail3.
1.2.3. Le chômage structurel4 :
Le chômage structurel apparait quand le progrès technologique ou la

concurrence internationale modifient les compétences requises pour occuper un
emploi ou la localisation des emplois. Comme ce type de chômage oblige les
travailleurs à se recycler et possiblement à déménager pour trouver un nouvel
emploi, ses épisodes sont habituellement plus longs que ceux de chômage
frictionnel. Et pour les travailleurs âgés c’est une douloureuses épreuve, puisque
ils n’ont souvent d’autre issue que de prendre une retraite précoce ou d’accepter
un emploi en deçà de leurs compétences et moins bien rémunéré. Ce type est
parfois qualifié de chômage technologique pour souligner qu’il nait de la
confrontation entre les mutations de l’appareil productif et les rigidités de
l’environnement économique, sociale et politique. Mais il convient de rappeler que
le progrès technique n’est pas en lui-même la cause du sous-emploi ; il lui procure
seulement l’occasion de se manifester.
1.2.4. Autres types de chômage :
Il existe d’autres types type de chômage cités ci-après :
 Le chômage cyclique est dû au fluctue des cycles économiques, il augmente

au creux du cycle et diminuant au sommet. Par exemple un travailleur qu’on met
3VAN DE VELDE.F, (2005), « Monnaie, chômage et capitalisme », France : Presses universitaire du

Septentrion, pp. 52- 53
4PARKIN.M, BADE.R, CARMICHAEL.B, (2010), « Introduction à la macroéconomie moderne »,

Canada : 4éme édition, Pearson, pp.143.
43
Chapitre 2
à pied pendant une récession et qu’on réembauche quelque mois plus tard, quand
la reprise s’amorce, se trouve en chômage cyclique.
 Le chômage conjoncturel est dû à l'évolution négative de l'économie, au
ralentissement de l'activité économique.
 La variation d’activité économique au cours de l’année pour certains
secteurs économiques tell que le tourisme provoque un chômage qualifié de
saisonnier5.
 Le chômage chronique ou chômage durable c’est le fait que certaines
activités ou certaines catégories de personnes peuvent être confrontées de façon
plus durable à une situation de chômage.
 Le chômage partiel correspond à une réduction de temps de travail
entrainant une réduction de rémunération.
 Le chômage technique correspond à des arrêts de travail pour des motifs
techniques par exemple les difficultés d'approvisionnement, indisponibilité des
équipements, Occupation des locaux, intempéries, etc.
1.3. Causes et conséquences du chômage6:
Il excite plusieurs sources qui peuvent engendrer ou persister le phénomène du

chômage dans le monde. Ces causes se résument comme la situation de
l’environnement international, les mutations du système productif, les
transformations du rapport salarial, et d’autres phénomènes liés au changement
des méthodes de production, etc.
Cependant, les conséquences du chômage diffèrent selon chaque grandeur

économique, et son ampleur sur le chômeur est à la fois économique et sociales.
5 CASSEN.R, WOLFSON.M, (1978), « Prévision et satisfaction des besoins des populations en

expansion », Paris : centre de développement de l’organisation de coopération et de développement
économiques, pp. 210.
6JALLADEAU.J, (1998), « Introduction à la macroéconomie modélisations de base et redéploiements
théoriques contemporains », Paris : 2eme édition, De Boeck, pp. 429
44
Chapitre 2
Le chômeur, va rencontrer des difficultés matérielles comme le

surendettement ; la diminution de son revenu ; et l’augmentation de ses frais
(déplacement, téléphone, journaux, timbres…) ; en plus des difficultés morales
comme la régression de l’image de soi, dignité, perte de repères et d’expérience ;
ces conséquence peuvent même devenir un facteur d’exclusion sociale qui affaiblit
les liens sociaux (divorce, repli, suicide, etc.).
Si les conséquences du chômage sont négatives sur l’individu, elles ne sont pas
de même pour les entreprises, où l’augmentation du chômage favorise d’un côté
les employeurs qui vont avoir la possibilité de choisir la main d’œuvre moins
chère. Mais, ceci aura un aspect négatif où les cotisations vont augmenter, car il
faudra indemniser les chômeurs. Dans le cas contraire, la consommation se verra à
la baisse en raison de la baisse de la demande, donc, un effet néfaste sur la
production qui va diminuer par la suite.
Pour le salarié, l’augmentation du chômage augmente ses cotisations et

augmente avec elle la crainte d’être licencié ce qui multiplie les emplois précaires
et ralentie l’augmentation des salaires par rapport aux périodes précédentes.
Au même titre que la société comme en titre économique, le phénomène du

chômage pèse lourd sur le gouvernement et l’Etat, qui se trouvera dans
l’obligation d’augmenter les allocations chômages ce qui conduit à l’augmentation
des dépenses publiques, en raison de la mise en place de plans d’emploi couteux
et développement du travail en noir.
45
Chapitre 2
2. Les diverses théories du chômage :

2.1. L’approche classique :
Les libéraux privilégient l’approche microéconomique en prenant comme point

de départ le comportement supposé rationnel des agents, pour les classiques, prix
et salaires sont flexibles et les offres et demandes résultent de la maximisation du
profit des entreprises et de l’utilité du consommateur. C’est-à-dire, l’entrepreneur
maximise son profit en employant un individu supplémentaire tant qu’il lui
rapporte plus qu’il ne lui coute; tandis que le travailleur (consommateur)
maximise ses satisfactions en arbitrant au mieux entre loisir (sans revenu) et
labeur (non-loisir). La demande de consommation des ménages dépend du revenu
disponible réel de l’encaisse monétaire réelle. C’est donc une fonction décroissante
des prix par l’effet d’encaisse réelle et il en est de même de la demande globale
(consommation et dépenses publiques)7.
Pour cela, la demande d’emploi est supérieure à l’offre d’emploi alors il y aura
une baisse des salaires. Ce déséquilibre du marché du travail provoque une baisse
des salaires qui va déclencher des comportements rationnels des agents
économiques. D’un côté, les offreurs d’emplois augmenteront leurs demandes
puisque le travailleur sera moins cher; d’un autre côté, certains demandeurs
d’emplois8, se retireront du marché du travail faisant baisser l'offre de travail.
Cette dernière baisse pendant que la demande augmente provoquant le
rééquilibrage du marché ce qui mit en égalité la demande d’emploi et l’offre
d’emploi. Pour le reste des chômeurs sont des chômeurs volontaires qui ont refusé
de travailler pour un salaire qu'ils jugeraient très faible.
Le salaire le plus élevé qu'un entrepreneur peut proposer à un salarié doit

correspondre au salaire marginal (productivité marginale). Donc si l’entrepreneur
embauche un salarié supplémentaire, il lui offre un salaire (salaire marginal). Un
7ARTUS.P, MUET.P, (1997), « Théories du chômage », Paris : Economica, pp6-15.

8Lesjeunes chômeurs qui peuvent continuer leurs études et certaines femmes qui préféreront rester au
foyer plutôt que de gagner un salaire aussi faible.
46
Chapitre 2
maximum qu’il puisse lui donner doit correspondre à sa productivité (marginale

puisque c'est celle du salarié supplémentaire). C’est-à-dire, le salaire
supplémentaire est un coût. Celui-ci ne peut dépasser ce que lui rapporte le
supplément de production de ce salarié (productivité marginale).
Selon les classique, puisque l'autorégulation du marché permet de mettre fin au

chômage il ne faut surtout pas que l'Etat intervient. Il s'agit seulement de
supprimer toutes les rigidités qui empêchent le marché de fonctionner
correctement, on cite par exemple :
 Le SMIG qui empêche les salaires de baisser autant qu'il serait nécessaire
 Les dispositions des législations du travail qui freinent les licenciements.
D’autant plus, l'entrepreneur aura du mal à recruter de nouveaux employer car il
lui serai difficile de licencier les anciens.
 La diminution de la puissance des syndicats qui réclament sans cesse des
augmentations de salaires et luttent contre les licenciements
 La baisse au maximum des allocations chômage provoque une «
désincitation au travail ». l’individu préféré le chômage à un emploi peu
rémunéré, notamment, lorsque le montant des allocations chômage est supérieur
au salaire proposé.
Enfin, Pour les classiques, si l’Etat respecte ces préceptes, le marché

s'autorégulera et le chômage disparaîtra.
2.2. L’approche keynésienne :
L’approche keynésienne reprend le cadre classique de la concurrence parfaite.

Pour les entrepreneurs, le prix du marché est imposé, leurs profits sont anticipés
au moment de leurs décisions de production, la totalité sera distribué aux
ménages comme revenus financiers susceptibles, comme les salaires, qui vont être
consommés et épargnés. Les actions de l’entrepreneur keynésien s’inscrit dans un
«temps historique» caractérisé par le fait que le passé est irréversible, que le futur
est en partie foncièrement incertain et que la production prend du temps.
47
Chapitre 2
Selon Keynes, l’emploi et le salaire sont déterminés par le fonctionnement de

deux marchés (le marché du travail et celui des produits), tout autant sur le
marché du produit que sur celui du travail. D’un côté, quand la demande du
travail est inférieure à l’offre du travail, il y aura des travailleurs sans emploi
désireux de travailler pour le salaire réel en vigueur. La concurrence entre les
travailleurs pour les emplois en nombre insuffisant se traduit alors par une baisse
du salaire qui augmente la demande et diminue l’offre de travail, contribuant ainsi
au rétablissement de l’équilibre du marché du travail par les deux côtés. D’un
autre côté, si le salaire réel est inférieur à sa valeur d’équilibre, la demande
potentielle est supérieure à l’offre et c’est cette dernière qui détermine l’emploi
effectif. La concurrence entre les producteurs pour les travailleurs en nombre
insuffisant provoque alors une hausse du salaire qui va augmenter l’offre en
réduisant la demande, qui va rétablir l’équilibre sur le marché du travail.
De ce fait, une situation de chômage keynésien se caractérise par la coexistence

d’un équilibre sur le marché des biens, les entrepreneurs ont toujours les moyens
de faire advenir, et d’un excès d’offre sur le marché du travail, que les salariés
n’ont pas les moyens d’éliminer. Donc au sens de Keynes, le chômage apparaitra
lorsque l’équilibre du marché des biens coexiste avec un excès d’offre sur le
marché du travail. Il existe alors des salariés sans emploi disposés à travailler pour
le salaire réel en vigueur, ce qu’il est convenu d’appeler «chômage involontaire».
Puisque les entrepreneurs réalisent leur programme, les salariés ne parviennent
pas à réaliser le leur.
Le chômage n’est pas dû pour autant à l’excès du salaire réel, mais a

l’insuffisance de l’investissement jugé rentable par les entrepreneurs par rapport à
l’épargne associée au revenu de plein emploi. Et si le retour au plein emploi peut
s’accompagner d’une baissé du salaire réel, il ne peut être déterminé que par un
48
Chapitre 2
renforcement de l’incitation à investir des entrepreneurs ou par un affaiblissement

de la propension à épargner des ménages.9
Pour Keynes, une diminution des salaires va entrainer une baisse de la

demande de biens et de services qui va provoquer une baisse de production, ce
qui résulte des licenciements donc une augmentation du chômage. Quand ce
cercle vicieux apparaît, nous sommes en présence, pour les keynésiens, d'un
équilibre de sous-emploi qui s'aggrave si on laisse le marché agir seul. Il faut donc
que l'Etat intervient car le chômage, contrairement à ce que prétendent les
libéraux, n'est pas un chômage volontaire mais bien au contraire un chômage
involontaire (il n'a pas de travail parce que la production anticipée par
l'entrepreneur ne nécessite pas d'embauche). Le problème est en effet dû à une
sous consommation. Dans ce cas, l’intervention de l'Etat est nécessaire pour
réguler la demande effective (demande de biens de consommation et la demande
de biens de production) et provoquer son augmentation pour produire un cercle
vertueux tel que :
Une augmentation de la demande conduit à une augmentation de la production

donc une augmentation de l’embauchement, et diminution du chômage. Les
moyens d’intervention de l’Etat sont multiples, ils consistent à augmenter les
allocations chômage, augmenter le SMIG, baisser les impôts des redevables car
leur propension marginale à consommer est proche, voire supérieure à un. Tout le
surplus du revenu qui leur sera donné sera consommé augmentant ainsi la
production et donc la baisser le chômage.
2.3. L’approche de Karl marks :
D’après Karl Marx, le chômage est dû au fonctionnement instable du système

capitaliste, le chômage de masse étant une constante des périodes régulières de
9VAN DE VELDE.F, (2005), « Monnaie, chômage et capitalisme », France : Presses universitaire du

Septentrion, pp.115-116
49
Chapitre 2
crise du capitalisme. La population est alors divisée entre les salariés et les
chômeurs. Ces derniers constituent une réserve qui permet aux capitalistes
d’exercer une pression pour baisser les salaires. Le chômage serait ainsi un
phénomène qui disparaitrait avec la fin du mode de production capitaliste10.
Pour les capitalistes, le chômage est donc favorable en ce qu'il permet d'avoir
toujours de la main d'œuvre à disposition, tout en maintenant les salaires à un
niveau faible. De ce fait le chômage n’est donc rentable pour le capitalisme que
lorsqu’il permet de baisser les salaires d’un pourcentage plus important que le
taux de chômage.
Dans la perspective de Marx, le chômage présente une nature ambivalente.

Pour compenser la baisse tendancielle des taux de profit, les patrons exercent une
pression à la baisse sur les salaires, et le seul moyen de supprimer définitivement
le chômage serait d’abolir le capitalisme et le système du salariat, en passant à une
société socialiste ou communiste.
2.4. L’approche néoclassique :
Les néoclassique affirment que le chômage résulte d'institutions, telles que les
syndicats et la législation sur le salaire minimum qui entraînent la flexibilité des
salaires à la baisse. Pour eux le chômage est un phénomène accidentel, dû à
l'existence d'institutions qui font obstacle au libre jeu du marché. Le cadre du
raisonnement des néoclassique est une situation de concurrence pure et parfaite,
mais l'information est imparfaite sur le marché du travail. Puisque on ignore la
totalité des postes disponibles, le demandeur d'emploi reste volontairement au
chômage un certain temps afin de développer une activité de prospection et
l'indemnisation du chômage tend à allonger la durée de ce chômage volontaire.
Autrement dit, le chômage du modèle néoclassique d’une économie
concurrentielle est décrit comme « volontaire » ou frictionnel. Il est volontaire
10MUSETTE. M, (1998), « Les théories économiques à l’épreuve du chômage », les cahiers du Cread,
n°45, pp.110-113
50
Chapitre 2
lorsqu’un individu refuse un emploi qu’il juge insuffisamment payé alors que le
surplus de production apporte à l’entreprise ne peut permettre de lui accorder une
rémunération supérieure. Dans cette optique, le chômeur fait alors un arbitrage
entre les avantages du travail (le salaire, la sociabilité) et les désavantages (le coût
des transports, les frais de garde des enfants, le renoncement au loisir, la perte
d'éventuels revenus d'inactivité) et décide alors volontairement de rester sans
emploi.
Le jeu de la concurrence est censé faire varier les salaires à la hausse ou à la

baisse de sorte que tout individu offrant du travail (demandant un emploi) doit
finir par trouver une entreprise pour l’embaucher à une juste rémunération, c’est-
à-dire selon la richesse qu’il produit.
Les néoclassiques ont renforcé leurs positions en posant le chômage de masse

constaté comme la preuve de leurs théories, durant la crise de 1929. Leurs
économistes ont tenté de montrer que le chômage découlait essentiellement des
entraves à la concurrence imposées par certaines institutions monopoleuses
comme les syndicats, et parfois comme l’État. C’est-à-dire que pour des raisons
exogènes, lorsque le volume de l’emploi est fixe à un seuil et il est de même pour
les salaires réel, la demande de travail des entreprise diminue, en contrepartie
l’offre du travail reste constante. Cette évolution induit un nouveau point
d’équilibre entre l’offre et la demande, et donc nécessairement un nouveau salaire.
Le passage à un nouveau salaire provoque une hausse du chômage volontaire,
puisque certains demandeurs d’emplois, prêt à travailler pour la première
rémunération, préfèrent rester oisifs si le salaire à diminuer. Dans ce cas le volume
de l’emploi correspond au taux de chômage naturel de l’économie.
Toutefois, il est possible que, pour des raisons diverses (réglementations, salaire
minimum, pression des syndicats), le salaire ne soit pas flexible à la baisse et
demeure, malgré la baisse de la demande de travail, à son premier niveau. Le
volume de l’emploi est alors défini par le nombre de travailleurs que les
entreprises veulent embaucher à ce salaire. Dans cette situation, le taux de
51
Chapitre 2
chômage est supérieur au taux naturel, du fait du manque de flexibilité. Ainsi, les
syndicats ou les réglementations étatiques, en empêchant les prix et les salaires de
jouer leur rôle de variable d’ajustement, participent à l’augmentation massive du
chômage. Puisque en immobilisant les salaires, on peut maintenir aux employés
qui travaillent une rémunération quelque peu supérieure à celle qu’ils recevraient
en régime de libre concurrence ; mais on en condamne d’autres au chômage et on
expose ceux-ci à des maux que l’assurance chômage n’atténue que bien
faiblement11.
2.5. Les nouvelles théories :
La prise en compte de l'incertitude (de l’imperfection des informations)

provoque l'apparition de comportements stratégiques générateurs de chômage car
provoquant la rigidité des salaires réels. Quatre analyses peuvent alors être
distinguées :
 La théorie de recherche d’emploi12 : cette théorie est due à l’imperfection de

l’information sur le marché du travail soit du côté de l’offreur que du côté
de demandeur du travail.
Du côté de l’offre de travail, pour tous chômeurs il existe un cout (frais d’achats
de journaux et déplacement, etc.).Donc, pour évaluer les propositions d’embauche
qui peuvent être faite aux chômeurs, le candidat à l’emploi doit calculer les couts
et les avantages entre poursuivre son effort de recherche d’emploi ou accepter le
travail proposé. Selon cette théorie, l’individu a intérêt à accepter la première
proposition associée au salaire13 optimal de réservation (niveau minimum
acceptable par le chercheur d’emploi). Ce salaire, dit encore d’acceptation, sera
11 BERTRAND FEUMETIO.E, BONGO ONDIMBA.A,(2009), « Un Certain chemin de vie, méditation

sur l’action, la condition et la nature humaine », Paris : Publibook, pp.142.
12 Dares, (2003), « Les politiques de l’emploi et du marché du travail », Paris : la découverte, pp.22-23.
13 Le niveau de ce salaire dépend de trois variables:
- la capacité de l'individu à collecter des informations sur l'état du marché du travail.

- la qualification professionnelle.
- l'existence ou non de prestations de chômage.
52
Chapitre 2
celui pour lequel les gains supplémentaires associés à un niveau de salaire

légèrement plus important sont équivalents au cout de la continuation de la
recherche qui devient plus aléatoire. L’accroissement des prétentions se paie en
couts de recherche accrus alors qu’un faible niveau de salaire de réservation
permet de trouver relativement plus aisément une proposition acceptable.
Du point de vue des demandeurs de travail, les entreprises ne connaissent pas

les capacités effectives des candidats à l’emploi ; elles étayeront leurs attentions
sur l’expérience ou l’éducation. Ces indicateurs sont signe de la productivité ou
des potentialités intrinsèques des candidats qui permettent de repérer les qualités
des travailleurs.
 La théorie du capital humain14 : cette théorie insiste sur la relation entre la

formation de l’individu, sa compétence et sa productivité. Elle peut se résumer
comme suit, les ménages dépensent pour l’éducation à fin d’obtenir un gain
ultérieur. Ensuite, cette éducation augmente le revenu puisque elle augmente
la productivité. Cette capacité de production est le résultat de la valeur du
travail fournie par les individus, dans le processus de production, et
déterminer par la nature et la durée des études. Donc, la productivité des
mieux formés est la plus forte et qu’ils risquent moins que les autres de se
retrouver au chômage.
Chaque travailleur a un capital propre, qui est constitué de ses dons, et de sa

formation. Son stock de capital immatériel augmente lorsqu’il investit, et comme tout
investissement, celui en capital humain15, peut faire l’objet d’un calcul d’un taux de
rendement marginal, associe à une dépense ou une année d’études supplémentaire.
L’individu fait donc un arbitrage entre travailler et suivre une formation qui lui
permet de percevoir des revenus futurs plus élevés par rapport à son revenu actuels.
14 BOUSNINA.A, (2013), « Le chômage des diplômés en Tunisie », Paris : L’Harmattan, pp.37-39.
15 Le capital humain est l’ensemble des capacités productives qu’un individu acquiert par
accumulation de connaissances générales ou spécifiques, de savoir-faire… .
53
Chapitre 2
En général, l’investissement en capital humain est rentable lorsqu’il permet d’obtenir

un salaire plus élevé qui permet de rembourser les frais d’investissement de départ.
Plusieurs etudes empiriques affichent l’existance, d’une part, d’une

corrélation entre le niveau de qualification de la population active et le niveau des
salaires, où le salaire tend à etre proportionelelement plus élevé lorsque l’employé est
qualifié, et d’autre part, l’existance d’une corrélation négative entre le taux de
chomage et le niveau d’éducation de la population active. Cette observation conforte
l’importance économique du capital humain, notament en matiére d’education et de
formation professionnelle.
 la théorie des contrats implicites, prend en compte la rigidité des salaires

réels en posant qu'en situation d'incertitude, les salariés ont une grande
répugnance pour le risque que les entrepreneurs. Les entreprises vont alors
rassurer les salariés en stabilisant le niveau des salaires, quelle que soit la
conjoncture. En période d'expansion, par exemple, les salariés toucheront
un salaire inférieur à celui qu'ils auraient obtenu sur un marché du travail
fonctionnant selon le modèle de la concurrence pure et parfaite, et en
période de récession, ils bénéficieront d'un salaire supérieur à celui
qu'aurait déterminé un marché du travail concurrentiel. Dans ce dernier
cas, les entreprises ajusteront leur coût du travail en licenciant une partie
du personnel, et le chômage de certains salariés apparaît comme le prix de
la stabilisation du revenu d'autres.
 la théorie insiders et/ou outsiders16, pour les concepteurs de cette théorie,
l’analyse du chômage ne peut être prise qu’au niveau des transformations
de structure économique et social.
Pour cette théorie, les insiders représentent les employés les plus stables
dont une entreprise peut difficilement se priver après qu’elle les a recrutés et
formés. Au contraire, les outsiders sont les chômeurs candidat à l’embauche
16MUSETTE. M, (1998), « Les théories économiques à l’épreuve du chômage », les cahiers du Cread,
n°45, pp.114-115
54
Chapitre 2
et/ou les travailleurs les moins rémunérés, les plus instables, voire à temps
partiel ou à durée déterminer.
Dans cette optique, les insiders bénéficient d’une rente de substitution.

Cependant, les outsiders sont difficilement substituables, cela s’explique par
les couts de rotation du personnel (recrutement, apprentissage, licenciement)
qui sont la source d’une forme de rigidité salariale. Du fait des couts, les
insiders ont un salaire plus élevé et le coût élevé que provoquerait pour
l'employeur leur licenciement, disposent d'un pouvoir dans l'entreprise. Elles
peuvent donc se soustraire à la détermination concurrentielle de leurs salaires,
au détriment des outsiders plus faciles à licencier car non qualifiés. De plus, les
chômeurs voient leur adaptabilité à l’emploi se réduire progressivement avec
l’accroissement de la durée du chômage.
Cette analyse offre l'intérêt de rompre avec le postulat d'unicité du marché du

travail permettant ainsi d'expliquer les discriminations du chômage en montrant
la présence de plusieurs marchés du travail17.
 la théorie du salaire d'efficience18, en soutenant que la productivité du

travail est une fonction croissante du salaire réel, montre qu'en cas de
récession l'entrepreneur a intérêt à licencier une partie de son personnel et
non à réduire les salaires, ce qui conduirait à une chute de la productivité.
Cette analyse inverse la causalité du premier postulat de la théorie
classique pour qui le salaire s'ajuste au niveau de la productivité marginale
du travail. Cette inversion trouve son fondement dans la théorie des
incitations qui appréhende non seulement l'incertitude entachant les
relations entre un employeur et son futur employé, mais également
l'asymétrie des informations détenues par chacun.
17DARES, (2003), « Les politiques de l’emploi et du marché du travail », Paris : la découverte,
18 MAUKIN.G, (2003), « Macroéconomie », 3émé edition, Paris : 3eme Edition, DE Boeck, pp.196
55
Chapitre 2
D’une part lors de l'embauche, l'employeur, ne connaissant pas les

aptitudes réelles de son futur employé, cherchera à les faire révéler en lui
versant un salaire incitatif, appelé salaire d'efficience. De même l'employé aura
tout intérêt à révéler ses aptitudes réelles puisque son salaire en dépend.
D’autre part, employeurs et employés se trouvent ici dans une situation dite
de sélection adverse, responsable de l'apparition d'un chômage involontaire. En
effet, si tous les employeurs adoptent cette stratégie de détermination des salaires,
cela provoquera une hausse trop forte des salaires et l'apparition d'un chômage
involontaire. De plus, les salariés ne peuvent pas proposés des salaires plus faibles
car cela serait interprété par les employeurs comme révélation d'aptitude
inférieure à celles qu'ils attendent de leur future main-d'œuvre.
Le chômage involontaire peut reposer sur une autre forme d'asymétrie

informationnelle, celle caractérisant une situation de risque moral. L'employeur
est alors dans l'impossibilité d'évaluer l'effort consenti par le salarié dans la
réalisation de sa tâche. Il devra donc verser des salaires incitant ses salariés à
fournir le niveau requis d'effort. En cas de récession, l'employeur a intérêt à
licencier une partie de son personnel et non à réduire les salaires, ce qui
provoquerait une diminution de l'effort productif.
3. Les politiques de lutte contre le chômage :
Il est nécessaire de lutter contre le chômage pour divers raison. En premier lieu, le
chômage représente un cout élevé pour la société et freine la consommation donc la
croissance. En seconde lieu, il est un facteur d’exclusion et accentue la fracture sociale
donc l’insécurité. Plusieurs politiques peuvent être utilisées pour atténuer l’ampleur
de ce phénomène 19:
3.1. Les politiques passives :
19 FRYSSINET.J, (1998), « Le chômage », Paris : la découverte, coll. Repères.
56
Chapitre 2
Les politiques passives ont pour but d’atténuer les conséquences sociales du
chômage et d’agir sur le volume de l’offre de travail20. Ces politiques sont utilisées
comme mesures qui n’ont pas d’action directe sur le jeu des forces du marché du
travail. L’essentiel de ces mesures consiste à agir sur l’offre du travail, pour limiter
les conséquences sociales du chômage. Cependant, elles a des obstacles qui les rend
limites, en particulier sur le plan financier ou le budget consacrés à leur mises en
œuvre sont excessivement couteux car le montant global des indemnités à verser
s’accroît avec le chômage.
 L’indemnisation des chômeurs :
Les systèmes d’indemnisation sont conçus dans une logique de croissance
rapide. Des dispositifs d’aide sont mise en place de manière à rendre la situation des
chômeurs moins pénible. L’indemnisation des chômeurs se verse sous deux aspects.
En premier, celui de l’assurance qui indique que les travailleurs sont indemnisés en
contrepartie d’une cotisation préalable versée par eux-mêmes et par leurs
employeurs, sous condition d’une période de cotisation minimale. En deuxième,
celui de l’assistance est pour ce cas les chômeurs sont indemnisés sur la base d’un
niveau de ressources déterminée en fonction des caractéristiques socio-économiques
des individus concernés, sans que ceux-ci aient obligatoirement cotisé à une caisse
allocation chômage. Cependant, L’accumulation du nombre de chômeurs, et
l’allongement des durées de chômage mettent en cause la cohérence des règles
d’indemnisation. Pour cela il faut attirer l’attention sur la logique et le niveau de
l’indemnisation.
 La réduction de la population active :
Mesures de freinage voire de blocage de l’immigration, la proposition des
activités momentanées aux chômeurs (formation, stage, contrats,…) qui doivent leur
permettre d’acquérir une expérience professionnelle et de faire face au risque lié à
l’inactivité. Ce type de mesures ne garantis pas une insertion durable et stable, elles
permettent seulement d’améliorer les statistiques du chômage. Les cessations
anticipées d’activités telles que l’abaissement de l’âge de la retraire, retraite
anticipées et d’autres moyens sont possible pour réduire la population active comme
20 DAGUT.J, (2006), « 500 notions économiques indispensables », Paris : STUDYRAMA, pp.155
57
Chapitre 2
l’allongement de la scolarité. Plusieurs objectifs sont associés à cette mesure comme,

transférer les chômeurs âgés qui éprouvent le plus de difficultés à retrouver un
emploi de la population active vers la population inactive, libérer des emplois en
faveur des jeunes actifs, de manière à rajeunir la main-d’œuvre et à faire baisser le
chômage des jeunes.
3.2. Les politiques actives :

Les politiques actives ont pour but d’instaurer un cadre favorable au maintien
ou à la création d’emploi21. Ces politiques visent à agir sur la demande de travail.
Elles partent de l’hypothèse selon laquelle le marché du travail fonctionne de
manière imparfaitement concurrentielle, du fait d’importantes rigidités qui
empêchent la résorption des déséquilibres. D’où la nécessité de jouer sur le prix du
travail comme variable d’ajustement par des mesures visant à favoriser la flexibilité
des salaires et conséquemment à inciter les entreprises à embaucher. La finalité de
ces politiques est la création de nouveaux emplois.
Parmi les objectifs de ces politiques, l’aide à la création d’emplois22 par la

socialisation d’une partie des coûts du travail et par l’abaissement corrélatif du coût
salarial pour l’employeur, favorisation de la création d’entreprises par l’incitation des
chômeurs à la création de leur propre emploi ; éviter les suppressions d’emploi ou
inciter à l’embauche par la réduction du temps de travail pour crée d’autres emploi.
La diversification des subventions tient également à la forme qu’elles peuvent
prendre : Aides directs ou allégement fiscaux ou parafiscaux.
Favoriser la flexibilité quantitative externe du travail est aussi une mesure
entrant dans ce cadre puisqu’elle consiste en une modification des conditions
contractuelles d’emploi. Cette dernière peut donner une plus grande liberté aux
employeurs de proposer des contrats à durée déterminée, d’avoir recours à des
21 BELOEÏL-BENOIST.Y, MONTOUSSE.M, DEUBEL.P ,(2007), « Cent fiches pour connaître

l'économie et la société françaises », Bréal, pp.31
22Affilé.B, Gentil.C, (2010),« Les grandes questions de l'économie contemporaine », Paris : L’Etudiant,
pp.24
58
Chapitre 2
heures supplémentaires ou encore d’offrir la possibilité de recourir massivement à

des emplois à temps partiel.
Dans ce contexte, la diminution de la durée légale du travail est également

possible afin de partager le volume d’emplois disponible entre un plus grand
nombre de travailleurs.
59
Chapitre 2
Conclusion :
Dans ce chapitre, on a étudié la notion du chômage, notamment, dans son
aspect typologie, cette démarche a nécessité la présentation des principales
approches théoriques développées pour faire face à ce fléau.
Le chômage constitue un enjeu économique et social de première importance.

Envisagé du point de vue des ressources productives, il constitue un gaspillage
considérable en excluant de la production ceux qui veulent y participer. Saisir le
chômage n’est cependant pas chose facile, tant le phénomène apparaît hétérogène, et
même si son développement est désormais bien repéré dans le temps, ses
explications en sont toutefois très diverses. On ne saurait cependant préciser les
caractéristiques du chômage sans revenir sur divers concepts.
Les efforts de l’Etat pour lutter contre ce fléau sont importants. Cependant, le
bilan réel de son action est difficile à réaliser dans des économies de plus en plus
ouverts. C’est la raison pour laquelle plusieurs étude statistiques ont été développée
pour pouvoir illustrer, expliquer et analyser ce phénomène, afin de mieux cerner ces
déterminants et de consolider les efforts des différents acteurs afin de le résoudre.
60
Chapitre 3 .
Etude et analyse des durées de

chômage d’une agence locale de
l’emploi
Chapitre 3
Etude et analyse des durées de chômage d’une Agence Locale de L’emploi
Introduction :
Les économistes étudient le chômage dans le but d’une part d’identifier les
causes et d’autre part contribuer à améliorer les politiques publiques du marché
du travail. L’un des dispositifs d’emploi en Algérie est l’Agence Nationale de
l’Emploi (ANEM). L’analyse des durées de chômage dans cette agence va nous
permettre de déduire les caractéristiques individuelles relatives au placement des
chômeurs de cette agence.
Ce chapitre a pour objectif d’analyser les déterminants de la durée du

chômage en Algérie, plus précisément ceux des inscrits à l’Agence Locale de
l’Emploi (ALEM) d’Ain El Benian. On travaille sur un échantillon de 1064
individus en chômage observées entre 01/01/2011 et 15/07/2013. L’exploitation
statistique de ces données se fait en trois étapes : la première porte sur une
analyse préliminaire faisant objet d’une modélisation non paramétrique en
observant les courbes de Kaplan-Meier et en appliquant le test de log-rank pour
chaque variables exogènes ; et la seconde étape fait l’objet d’ une modélisation
semi-paramétrique dans laquelle il n’est pas nécessaire de spécifier la forme de la
fonction de hasard de base ( le modèle à hasard proportionnel de Cox).
L’estimation, faite dans la deuxième étape, aura pour objectif la détection des
effets de chaque variable sur le risque de sortir du chômage ( la durée de
chômage) et la détermination des caractéristiques individuelles susceptibles
d’augmenter ainsi que de déterminer les caractéristique individuelles susceptible
d’augmenter le risque de sortie de chômage. La dernière étape sera pour la
conception d’un modèle statistique semi paramétrique (Cox à hasard
proportionnel) ou paramétrique (modèle de survie à temps accélérée) pour les
durées de chômage de cette agence.
62
Chapitre 3
1. Description et présentation des données statistiques :
Face à l’aggravation du phénomène chômage, des programmes de lutte

contre le chômage ont été mis en œuvre. Nous pouvons classer les solutions
préconisées par les pouvoirs publics en deux catégories : des solutions passives ou
des traitements sociaux du chômage et des solutions actives1 ou la création réelle
d’emploi.
1.1. L’Agence Nationale de l’Emploi (l’ANEM)2 :
L’Agence Nationale de l’Emploi est le passage obligé pour tout primo demandeur
d’emploi (toute personne n’ayant jamais travaillé) et toute personne qui est au
chômage et à la recherche d’un emploi. C’est la première étape pour un étudiant qui
vient d’obtenir son diplôme ou un stagiaire qui a effectué une formation. Il faut
obligatoirement être inscrit à l’ANEM pour bénéficier des dispositifs d’insertion.
Cette agence impose désormais aux entreprises publiques et privées de passer par
ses services pour tout recrutement et de déclarer tout nouvel employé.
Depuis 2008, le Dispositif d’Aide à l’Insertion Professionnelle (DAIP) a été

entièrement revu et modifié. L’ancien système de pré-emploi n’a pas donné les
résultats attendus. Il a débouché dans la majorité des cas à la création d’emplois
précaires qui aboutissent rarement à un recrutement définitif.
Le dispositif a été simplifié et vise à encourager la formation et le recrutement

en fin de contrat d’insertion. Il est mis en place progressivement suivant les régions.
Trois nouveaux contrats sont créés à savoir le Contrat d’Insertion des Diplômés
(CID), le Contrat d’Insertion Professionnelle (CIP) et le Contrat de Formation
Insertion (CFI). Ils remplacent respectivement les Contrats Pré-Emploi (CPE), les
Contrats Emploi Salarié d’Initiative Locale (ESIL) et les emplois saisonniers. Des
1La politique active cherche à agir sur le chômage en facilitant l’insertion des sans-emploi sur le
marché du travail, ou mieux encore, en créant directement des emplois. Ses composantes vont de
l’amélioration de l’employabilité des chômeurs, à la promotion et aide à l’auto emploi en passant par
la création d’emplois d’utilité collective, l’incitation à l’embauche dans le secteur marchand.
2 http://www.anem.dz/?module=site&crud=historique, le 8 ‎juin ‎2013, ‫‏‬‎18h12m31s.
63
Chapitre 3
améliorations ont été apportées au dispositif « Contrat d’insertion des diplômés »,

qui remplace le contrat pré-emploi, il peut être reconduit sur trois années au lieu de
deux ans.
Les entreprises publiques et privées, les administrations et institutions, tous

les organismes sont encouragés à recruter dans le cadre de ces contrats, avec des
avantages intéressants : prise en charge du salaire et de la couverture sociale, mais
aussi des frais de formation (à hauteur de 60%) durant la durée du contrat. Si, au
terme du parcours, l’employé est recruté avec un Contrat à Durée Indéterminée
(CID), l’Etat continuera à soutenir l’employeur dans le cadre d’un Contrat de Travail
Aidé (CAT) avec des avantages intéressants: contribution au salaire sur trois ans (45,
40 et 30%) pour les CID, sur deux ans pour les CIP et une année pour les CFI avec
une prise en charge de la couverture sociale et une baisse de l’Impôt Global sur le
Revenu (IRG).
Compte tenu de la nouveauté de ces dispositifs, dans la mesure où toutefois le

passage par l’Agence Nationale de l’Emploi pour tout recrutement est rendu
obligatoire, on peut s’attendre à une nette amélioration du taux de placement par cet
organisme, ce qui devrait permettre une meilleure visibilité de la politique publique
dans ce domaine.
 Agence Locale de l’Emploi : (ALEM)
L’agence locale est Considérée comme des annexes de wilayas caractérisées par
une grande concentration de la population et des activités. Les ALEM constituent le
dernier palier de l'organisation, implémentées au niveau communal, elles peuvent se
spécialiser dans la prospection des offres. Cependant, elles sont tenues d'orienter
leurs activités à destination des populations résidentes.
1.2. Présentation des données :
Les données dont on dispose sont relatives à un échantillon filtré de 1064

chômeurs inscrit à l’agence locale de l’emploi d’Ain El Benian, sur la période allant
du 01 janvier 2011 au 15 juillet 2013. En distinguant ceux qui ont trouvés un emploi,
le placement des chômeurs pendant cette période donne lieu à 875 observations
64
Chapitre 3
censurées à droite. Dans ce cas, la variable i représente l’indication que le i eme

chômeur a accédé à un emploi après sa période journalière de chômage t i . De plus,
on dispose, d’un ensemble d’informations concernant les caractéristiques

individuelles de ces chômeurs. Pour tenir compte de l’hétérogénéité observée dans
l’échantillon, il était nécessaire de stratifier l’échantillon selon ses caractéristiques.
Toute l’analyse statistique a été exécutée en utilisant le logiciel STATA version 12.0.
1.3. Présentation des variables exogènes :
La probabilité instantanée de sortir du chômage dépend de la probabilité de
recevoir une offre d’emploi et la probabilité d’accepter cette offre 3. Ce sont donc les
caractéristiques individuelles susceptibles de faire varier ces deux probabilités qui
doivent être retenues comme déterminants potentiels de la durée du chômage. Les
variables choisies pour cette étude sont relatives aux disponibilités statistiques au
sein de l’Agence Locale de l’Emploi d’Ain El Benian. Le tableau suivant regroupe les
caractéristiques individuelles utilisées comme variables explicatives dans cette
étude :
Tableau (1): Les variables explicatives des modèles
Nom de la variable Modalités de la variable Description de la
variable
Homme 1=homme
Sexe Femme 0=femme
Age Quantitative
Aucun diplôme (AD) 1=oui
0=non
Diplôme Diplôme de la formation professionnelle 1=oui
(DFP) 0=non
Diplôme de l’enseignement supérieur 1=oui
(DES) 0=non

3BROSIUS. J, 2011, « À la recherche des déterminants de la durée du chômage au Luxembourg »,

Document PSELL n°126.
65
Chapitre 3
 Sexe :
En l’absence d’une stratégie discriminatoire lors du placement des chômeurs, la

probabilité de sortie du chômage ne devrait pas être influencée par le sexe.
 Age :
L’effet de l’âge sur la durée du chômage dépend de deux facteurs. D’une part,
l’employeur préfère investir dans une main-d’œuvre jeune pour pouvoir en tirer un
profit maximal, donc la probabilité de recevoir une offre diminue avec l’âge du
demandeur. D’autre part, les demandeurs d’emploi plus âgés se rendent compte de
leur situation, cela augmente la probabilité d’accepter une offre d’emploi avec l’âge.
L’effet de l’âge sur la durée du chômage dépend donc de la force relative des deux
influences.
 Niveau d’instruction ou diplôme :

Un niveau de formation ou d’instruction élevé est une caractéristique recherchée
par les employeurs et augmente, la probabilité de recevoir une offre. Pour les
demandeurs d’emploi.
2. Analyse des durées de chômage :
Un des outils les plus efficaces de l'analyse des durées de vie est certainement
l'estimateur de la fonction de survie ou de séjour. Pour le cas de cette étude, cette
fonction est relative à la durée de chômage. Généralement, l’estimateur le plus utilisé
pour cette estimation est celui de Kaplan-Meier, qui permet de tenir compte des
données censurées à droite. Cet estimateur calcule la probabilité de connaître
l’événement dans chaque intervalle de temps, et on obtient ainsi une courbe qui
s'interprète simplement comme la proportion de "survivants" pour chaque durée de
séjour dans un état donné. Autrement dit, les proportions des individus sortant du
chômage pour chaque durée de chômage.
La courbe décrit le comportement aléatoire d'un groupe qui aurait connu les
mêmes conditions de vie pour que l'événement étudié se réalise. Pour que cette
courbe corresponde activement au comportement d'un groupe, il faudrait pouvoir
66
Chapitre 3
suivre les individus jusqu'à leur sortie effective de la population soumise au risque,
et que ce groupe soit homogène selon toutes les caractéristiques dont pourrait
dépendre la réalisation de l'événement4.
Le but de l'analyse est de faire apparaître des groupes les plus homogènes
possibles, et surtout de mettre en évidence les variables les plus discriminantes, c’est-
à-dire, celles qui expliquent la plus grande part différence entre les groupes. Ensuite,
un certain nombre de tests non paramétriques tels que le test de log-rank sont
disponibles pour évaluer la significativité de la différence entre les différentes
courbes les sous-groupes.
Une telle description exhaustive de l'événement est nécessaire avant la
modélisation de chaque fonction de hasard en utilisant le modèle semi paramétrique
de Cox pour chaque variable exogènes. Ce modèle de régression calcule l'effet des
variables explicatives sur le risque journalier de connaître l'événement. A chaque
variable est associé un coefficient de régression qui mesure l'influence moyenne de
cette variable sur le risque journalier. Cependant, avant de valider les résultats de ce
modèle. Il faut vérifier l’hypothèse de proportionnalité. Dans le cas où cette
hypothèse est vérifiée, le modèle est valide et l’interprétation est correcte. Dans le cas
contraire, il existe divers solutions, parmi ses solutions l’estimation d’un modèle à
temps de survie accélérée.
2.1. Estimation de la fonction de durée de chômage (survie) globale :
La courbe de survie est la représentation graphique de la fonction de survie,

pour notre étude, elle représente la probabilité de rester en chômage en fonction du
temps.
4
Dans notre cas on suppose que la seule hétérogénéité est introduite par l'âge auquel chaque individu
connaît l'événement.
67
Chapitre 3
Figure (1): Fonction de survie de Kaplan-Meier pour la durée de chômage globale
Source : tableau de conception personnelle
D’après la figure (1), on remarque qu’au début de la courbe, 100% des

individus de l’échantillon sont en chômage. Après approximativement 2 mois
d’inscription à cette agence, 50% des individus étaient placés dans le marché du
travail. Mais, la sortie du chômage pour le reste des individus de l’échantillon s’étale
sur une longue durée, pour certain elle dépasse même une année.
D’une manière générale, d’après la courbe de durée de chômage, on déduit

que la probabilité de sortir du chômage pour les inscrits à l’Agence Locale de
l’Emploi d’Ain el Benian devient très faible pour un chômeur qui dépasse plus d’une
année de chômage.
2.2. Analyse de la durée de chômage par sous-groupes de variables exogènes :

Dans cette partie, on va effectuer une analyse par sous-groupe pour la
fonction de survie déjà estimée pour l’ensemble de l’échantillon. En premier lieu, on
va faire une estimation de la fonction de durée de chômage pour divers sous-groupes
de chaque variable exogènes, suivie d’un test de log-Rank. Les critères qu’on peut
retenir pour faire la partition de l’échantillon sont : le sexe, le diplôme, et l’âge. En
seconde lieu, on va estimer la fonction de hasard proportionnel ( de risque de sortir
68
Chapitre 3
du chômage) pour les différentes variables dans le but de construire un modèle final
qui contient les variables qui explique le risque de sortir du chômage pour un inscrit
à l’agence locale de l’emploi d’Ain el Benian.
2.2.1. Variable sexe :
a) Estimation de la durée de chômage par la variable sexe :
L’examen de la figure (2) indique que la durée de chômage selon le sexe pour
les individus de l’échantillon est presque la même dans les deux groupes, surtout
pour les individus qui ont une durée de chômage courte, ensuite plus la durée
s’allonge on remarque une légère différence entre les deux graphes avec une sortie
plus rapide des femmes que des hommes. Cette légère différence est due,
probablement, selon cet échantillon, à ce que le nombre des femmes inscrites est
moins élevé que celui des hommes ; Sinon parce que les femmes restent plus en
contact avec le service de l’agence que les hommes. Autrement dit, les hommes
cherchent un emploi ailleurs des services de l’ALEM plus que les femmes. De plus,
les femmes acceptent plus facilement les différents emplois proposés par l’agence
que les hommes.
Figure (2) : Fonction de survie de Kaplan-Meier pour la durée de chômage par sexe
69
Chapitre 3
b) Test de Log-Rank pour la variable sexe :
Pour comparer les courbe de survie des deux groupes ou plus, il est possible
de procéder au test de Log-Rank, basé sur la comparaison tout au long du suivie des
risques d’événements dans chaque groupe par rapport au taux que l’on devrait avoir
s’il n’y avait pas de différence entre les groupes, avec l’hypothèse nulle de l’égalité
des courbes de survie pour les sous-groupes.
Tableau (2) : Test de Log-Rank pour la variable sexe
Variable Sexe
La statistique de Khi-deux 1,80
Degré de liberté 1
P-value 0,1792
D’après le résultat du test de Log-Rank pour la variable sexe donné dans le

tableau (2), la P-value de la statistique de Khi-deux est égale à 0,1792 qui est
supérieure à 0,05, on accepte donc l’hypothèse nulle de ce test qui indique la
ressemblance des fonctions de survie des deux groupes. Delà, on peut déduire que
dans l’échantillon étudié le placement des inscrits dans cette agence n’est pas
influencé par la variable sexe, il n’y a donc pas une discrimination lors du placement
des chômeurs dans le marché du travail.
c) Estimation de la fonction de hasard proportionel de Cox pour la

variable sexe :
Comme on l’a déjà mentionné, l’approche semi-paramétrique et plus

particulièrement le modèle de Cox permet d’éviter la spécification arbitraire de la
fonction de hasard. Dans notre modèle, la variable dépendante est la probabilité
instantanée de sortir du chômage. Les variables explicatives sont introduites sous
l’hypothèse que, pour chaque durée de chômage, le rapport de risques (Harzad-Ratio
70
Chapitre 3
ou HR) entre deux modalités d’une même variable reste constant5. C’est le rapport de
risques qui nous permet de déterminer si une variable indépendante a un effet positif
(si HR < 1) ou négatif (si HR > 1) sur la probabilité de sortie du chômage6.
Tableau (3) : Estimation du modèle de Cox pour la variable sexe
Coefficient ratio de Ecart khi-deux p-value

de la risque type de Wald du
Variable et modalités
régression modèle
(HR)
globale
Sexe Homme -0,0932 0 ,9109 0,0636 1,77 0,1838
Femme (réf.)
A partir des résultats de l’estimation de la fonction de risque proportionnel de

Cox pour la variable sexe, donnés dans le tableau (3), On remarque que la P-value
égale à 0,1838 qui est nettement supérieure à 0,05. Or on déduit que la variable sexe
n’explique pas statistiquement le taux de sortir du chômage, d’où l’élimination de
cette variable du modèle final.
2.2.2. Variable diplôme :

a) Estimation de la durée de chômage par la variable diplôme :
L’analyse de la figure (3), nous mène à déduire d’une part l’existence d’une
grande différence entre les durées de chômage des diplômés et des non diplômé
(AD), ainsi que le placement des diplômés à cette agence est plus rapide que celui
des non diplômés. D’autre part, on remarque qu’il n’existe pas une grande différence
5Toutes choses égales par ailleurs, pour une durée de chômage de 1 mois, les femmes sortent deux
fois plus rapidement du chômage que les hommes, elles sont également supposées sortir deux fois
plus rapidement pour toutes les autres durées de chômage.
6 TIMSIT. J-F, ALBERTI. C , CHEVRET.S , 2005, « le modèle de Cox » revue mal Respir, SPLF.
71
Chapitre 3
entre la fonction de survie des diplômés de la formation professionnelle (DFP) et

ceux de l’enseignement supérieurs (DES).
Figure (3) : Fonction de survie de Kaplan-Meier pour la durée de chômage par la

variable diplôme
b) Test de log-Rank pour la variable diplôme :
Tableau (4): Test de Log-Rank pour la variable diplôme
Variable Diplôme
P-value 0,000
D’après les résultats du tableau (4), on constate l’existence d’une différence entre
les courbes de survie des trois sous-groupes de la variable diplôme, puisque la P-
value est égale à 0,00 qui est inférieure à 0,05(rejeter l’hypothèse nulle de
ressemblance des courbes de survie). On conclut que l’insertion des inscrits à
l’agence diffère d’un sous-groupe à un autre.
72
Chapitre 3
c) Estimation de la fonction de hasard proportionel de Cox pour la

variable diplôme :
Tableau (5): Estimation du modèle de Cox pour la variable diplôme
Coefficient ratio de Ecart p-value khi-deux p-value

de la risque type du de Wald du
régression coefficien modèle
(HR)
t globale
Sexe DES 2,594 13,392 3,47 0,000
DFP 2,544 12,741 3,64 0,000 228,87 0,000
AD (réf.) - - - -
A travers les résultats de l’estimation présentés dans le tableau ci-dessus, on

remarque que présente le modèle de Cox à hasard est statistiquement significative.
De plus, à partir des ratios de risque relative de chaque variables explicatives (
HR DES = 13,39 et HR DFP = 12,74 supérieurs tous les deux à 1), or on déduit que la
possession d’un diplômé de la formation professionnelle (DFP) ou de l’enseignement

supérieur (DES) augmente le risque de sortir du chômage pour les inscrits à cette
agence par rapport à ceux qui n’ont aucun diplôme, avec une légère différence
favorables aux diplômés de l’enseignement supérieur (DES).
Pour mieux percevoir s’il existe une différence entre le placement des
diplômés de l’enseignement supérieur et ceux de la formation professionnelle à
l’agence locale de l’emploi d’Ain el Benian, on a effectué par la suite un test de Log-
Rank sur les deux types de diplômes, mais après avoir retiré de notre échantillon les
individus n’ayant aucun diplôme. Les résultats du test sont reportés dans le tableau
suivant :
73
Chapitre 3
Tableau (6): Test de log rank pour la variable diplôme
Variable Diplôme
P-value 0,4550
Les résultats de l’estimation de ce test pour les diplômés, nous mène à

conclure qu’il n’existe pas une différence entre un diplômé de la formation
professionnelle et celui de l’enseignement supérieur lors du placement des inscrits à
l’agence. A partir de ce constat, on a décidé de regrouper ces sous-groupes en un seul
sous-groupe nommé diplôme (D). Dans ce qui suit, on donne une représentation
graphique de la fonction de survie (de durée de chômage) pour les deux groupes :
avoir un diplôme (D) et aucun diplôme (AD).
Figure (5) : Fonction de survie de Kaplan-Meier pour la durée de chômage par

diplôme (DES et DFP regroupés)
74
Chapitre 3
D’après la figure (5), on constate que pour cette agence les diplômés (D) sont
placés plus rapidement que les non diplômés(AD).
Tableau (7) : Estimation du modèle de Cox pour la variable diplôme (DES et DFP
regroupés)
Coefficient Ecart p-value ratio de khi-deux p-value

de la type du risque de Wald du
(HR)
t globale
Sexe D 2,57 0,2703 0,000 13,0669 228,34 0,000
AD (réf.)
L’estimation du modèle de Cox pour la variable diplôme, où les non diplômés

est la variable de référence de cette estimation, mène à conclure qu’un diplômé à plus
de chance d’être placés rapidement qu’un non diplômé du faite de son taux de risque
de sortir du chômage qui multiplie sa chance de sortir de chômage de 13,066 fois
qu’un non diplômé.
2.2.3. Variable âge :

a) Estimation de la fonction de hasard proportionelle de Cox pour la
variable age :
Pour les variables quantitatives telles que l’âge, il n’est pas possible de tracer
la courbe de survie de Kaplan-Meier car il y aurait une courbe pour chaque
indicateur de l’âge. Dans ce cas, on considère le modèle des risques proportionnels
de Cox avec une seul variable qualitative.
75
Chapitre 3
Tableau (8) : Estimation du modèle de Cox pour la variable âge
Coefficient Ecart p-value ratio de khi-deux p-value

de la type du risque de Wald du
Variable
(HR)
t globale
Age -0,008 0,0447 0,074 0,9919 3 ,32 0,0686

Le test du rapport de vraisemblance (LR)7 pour la variable âge donne une P-

value égale à 0,0686, donc par rapport au seuil de signification de 5% la variable âge
n’est pas statistiquement significatif. On en déduire que la variable âge n’apporte
aucune information sur le taux de sortie du chômage des inscrits à cette agence ;
donc cette variable ne sera pas prise en compte lors de la conception du modèle final.
3. Conception d’un modèle statistique de durée du chômage des

inscrits à l’Agence Locale d’Emploi d’Ain El Benian :
Sur la base des résultats de l’analyse de la durée de chômage sur les divers sous-
groupes des variables exogènes et en procédant par élimination en utilisant le
modèle de Cox proportionnel. On a pu déduire que seule la variable diplôme qui a
une influence sur le taux de sortie du chômage pour l’Agence Locale d’Emploi d’Ain
El Benian. D’après les résultats de l’estimation donnés dans le tableau (8), toute chose
égale par ailleurs, on conclut que, pour un inscrit à cette agence, avoir le diplôme
augmente la chance de son insertion par rapport à un non diplômé. Donc, selon les
résultats du modèle semi paramétrique, ni l’âge ni le sexe et ni le niveau
d’instruction n’influe sur l’allongement de la durée de chômage pour les inscrits à
7Les statistiques du khi-deux permettent d’évaluer si globalement l’ensemble des facteurs explicatifs
considérés améliore significativement l’ajustement du modèle qui ne tient compte d’aucun facteur
explicatif. En d’autres termes, pour un modèle avec p coefficients, ils permettent de tester l’hypothèse
nulle de nullité de tous les paramètres contre l’hypothèse qu’un au moins des coefficients est non nul.
Trois statistiques du khi-deux sont utilisables dans ce contexte, soit Score Test (Score), Wald (Wald),
ou le rapport de vraisemblance (LR).
76
Chapitre 3
l’agence locale d’Ain el Benian et seul la variable diplôme qui a un effet sur le taux de
sortie de chômage. Le modèle peut être représenté sur la forme suivante :
hˆ(t / diplome)  hˆ0 (t ) exp 2,57  diplome 
Avec :
hˆt / diplome  0  hˆ0 (t )



ht / diplome  1  13,066  h0 (t )
 ˆ ˆ
Il faut mentionner que cette interprétation du ratio de hasard ne peut se faire

que si le risque entre deux individus est constant au cours du temps ce qui n’est pas
toujours vérifié.
3.1. Validation du modèle du modèle de Cox:
Pour valider le modèle on va utiliser la méthode graphique de l’hypothèse de

proportionnalité à partir de log (-log) des courbes de survies. Ainsi que, une
méthode numérique qui est un test statistique effectués sur la pente de la droite
ajustées à la courbe de la variable diplôme.
3.1.1. La méthode graphique :
la figure suivante représente les courbes de log(-log) des fonction de survie de

la variable diplôme
Figure (5) : Courbes de log(-log survie ) de la variable diplôme
77
Chapitre 3
On constate d’après la figure (5) que l’écart entre les deux courbes n’est pas
constant pour les modalités de la variable diplôme. D’où on déduit que l’hypothèse
de proportionnalité des risques n’est pas respectée.
3.1.2. La méthode numérique :
Tableau (9) : Test de l’hypothèse de proportionnalité des risques du modèle de Cox

pour la variable diplôme (DES et DFP regroupés)
Variable Khi-deux Degré de liberté P-value

Diplômé 22,22 1 0,000
Compte tenu des données et de la variable introduite dans le modèle de Cox,

le test global de l’hypothèse de proportionnalité représenté dans tableau (9) montre
que l’hypothèse nulle est acceptée donc la probabilité instantanée de sortir du
chômage n’est pas proportionnelle pour les modalités de la variable diplôme pour
toute durée de chômage possible. Donc, l’estimation du test statistique l’hypothèse
de proportionnalité de Cox n’est pas respectée sur la durée de chômage.
Vu que les résultats des tests d'estimation ne varient pas beaucoup d'une
spécification à l'autre (cf. tableaux (9) et figure (5)) nous risquons d'introduire un
biais dans notre analyse en acceptant les résultats du modèle de Cox. Le modèle de
Cox est donc inadapté à notre étude, il faut alors employer un modèle qui permette
de s’affranchir de l’hypothèse de proportionnalité. Pour cela, on a choisie de faire
une estimation d’un modèle à temps de sortie accélérée (AFT).
3.2. Modèles à temps de sortie accélérée : (AFT)

On va effectuer une estimation de quatre modèles de temps accélérés (loi
exponentielle, loi de Weibull, loi log-normal, loi log-logistique)8 et pour choisir le
modèle approprié pour notre durée de chômage. Deux méthodes sont disponibles.
La première est la comparaison du maximum de vraisemblance des quatre modèles
paramétriques. La deuxième méthode pour déterminer la meilleure spécification du
8 Pour les résultats de différentes estimation de ce modèle voir annexe ().
78
Chapitre 3
modèle à temps de sortie accéléré consiste dans le calcul du critère d’information

d’Akaike pour chacune des quatre spécifications. Ce critère est défini comme :
AIC = -2 (log vraisemblance)+2(c+p+1)
où c : est le nombre de variables dépendantes du modèle et p est un paramètre
spécifique à la loi de distribution choisie. Le modèle le plus approprié est celui qui
donne le critère d’Akaike le plus faible et le minium du maximum de log
vraisemblance.
Tableau (10) : Choix du modèle paramétrique
Modèle Maximum Degré AIC

vraisemblance de
liberté
Modèle exponentiel -2120,6447 4 4249,289
Modèle wiebull -1919,5348 5 3918.182
Modèle log normal -1919,5348 5 3849,07
Modèle log logistique -1905,5435 5 3821,087
Selon les résultats du tableau (10) la meilleure spécification du modèle à temps

de sortie accéléré qui minimise la valeur du critère d’information d’Akaike et qui
maximise le log vraisemblance est celle du modèle log-logistique. Pour cela, le
modèle final choisie pour représenter la durée du chômage est le modèle AFT log-
logistique.
Le tableau suivant rapporte l’estimation du modèle à temps de sortie accéléré

avec une fonction de risque log-logistique. La variable dépendante est le logarithme
de la durée du chômage et les coefficients des variables dépendantes sont donnés
comme rapports de temps. Ainsi, toute chose égale par ailleurs, l’effet du passage de
la modalité 0 à la modalité 1 des variables dichotomiques ainsi que l’effet de
l’augmentation d’une année pour la variable âge revient à multiplier la durée du
chômage par le rapport de temps qu’est l’exponentiel des coefficients estimé.
79
Chapitre 3
Tableau (11) : Estimation du modèle AFT log-logistique
Le Ecart p-value du khi-deux p-value

rapport type chaque de Wald du
Variable
de temps rapport de modèle
temps globale
Constant 3854,93 1619,695 0,000
Sexe 0,9152 0,1062 0,445 242,92 0,000
Age 0,9859 0,0078 0,075
Diplôme 0,0175 0,005 0,000

D’après les résultats du tableau (11), on remarque que le modèle est

statistiquement significatif. En revanche, pour la significativité de chaque variable
exogènes, seul la constante et la variable diplôme qui sont statistiquement
significatives au seuil de 5%. De ce fait, on déduit que les variables âge, sexe
n’apportent pas d’information sur la durée du chômage. La variable diplôme a un
coefficient [voir annexe (2)] de -4,04 donc un rapport de temps de exp (-4,04)= 0,0176.
Cela conduit à déduire que les diplômés connaissent des périodes de chômage réduit
de 98,24% par rapport à celles des non diplômé. Autrement dit, la durée de chômage
d’un diplômé inscrit à l’agence locale d’Ain El Benian s’accélère de 98,24% par
rapport à un non diplômé. A travers les résultats de l’estimation de ce modèle
présentés dans l’annexe(2) on déduit la représentation mathématique suivante :
Tˆ  exp(8,257  0.0885  sexe  0.014  age  4.04  diplome)
80
Chapitre 3
 Estimation de la fonction de hasard :
Figure (6) : Estimation de la fonction de hasard du modèle AFT log-logistique
D’après, la figure (6) on constate que la probabilité de sortir du chômage

diminue progressivement. Cela, nous conduit à déduire qu’il y a une dépendance de
durée négative. Au départ, la probabilité de sortie du chômage est de 0,0175 pour les
demandeurs d’emploi qui connaissent de courtes durées de chômage. Ensuite, le
risque commence à diminuer graduellement jusqu’atteindre une probabilité de sortie
du chômage très faible inférieur à 0,0025 pour les chômeurs avec des durées
supérieurs à 200 jours.
81
Chapitre 3
Conclusion :
L’objectif visé dans ce chapitre est de détecter les déterminants de l’insertion

des chômeurs inscrits à l’agence locale de l’emploi d’Ain el Benian d’une part, et
d’autre part, d’examiner la nature de la relation (positive ou négative) existante entre
les variables exogènes susceptibles d’influencer leurs placements.
L’analyse effectuée à l’aide des estimations des fonctions de survie par la

méthode de Kaplan-Meier, et le test de Log-Rank, ainsi que l’estimation des modèles
semi-paramétrique de hasard proportionnel de Cox et des modèles paramétrique à
temps accélérée pour les variables exogènes susceptibles d’être une source de
placement des individus inscrits à l’Agence Locale d’Emploi montre que les
caractéristiques telles que le sexe, l’âge n’ont pas d’influence sur l’insertion des
chômeurs inscrits à cette agence, tandis que les variables où les déterminants qui
allongent où réduisent leurs durées de chômage c’est d’avoir ou non le diplôme.
En suivant la règle de "toutes chose égale par ailleurs" dans un échantillon

censuré à droite de 1064 individus inscrits à l’agence locale de l’emploi d’Ain el
Benian, on a conclu que avoir un diplôme réduit la durée de chômage d’un individu
donc augmentent le risque de sortie du chômage, par contre pour les non diplômés
ceci allongent leur durée de chômage donc diminue leur risque de sortie du
chômage.
82
Chapitre 3
Conclusion générale .
83
Conclusion générale :
Tous le long de notre étude, on s’est basé sur la modélisation de la durée de

chômage des inscrits à l’agence locale d’Ain El Benian dans le but de déterminer les
facteurs qui augmentent ou réduisent la sortie du chômage d’un inscrit à cette
agence. On a commencé par une estimation préliminaire de la fonction de durée de
chômage en utilisant l’estimateur non paramétrique de Kaplan-Meier pour les divers
sous-groupes des variables exogènes (le sexe, et le diplôme.), suivie d’un test de Log-
Rank pour confirmer la ressemblance ou la dissemblance des durées de chômage de
chaque sous-groupe. Ensuite, on a procédé à l’élimination des variables non
significatives en utilisant l’estimation du modèle semi-paramétrique « modèle à
hasard proportionnel de Cox »dans le but de déduire les variables qui influent sur la
chance de sortir du chômage rapidement ou pas pour pouvoir ainsi déduire le
modèle appropriée de la fonction de risque de sortir du chômage des inscrits de cette
agence.
Les résultats ont montré que qu’en suivant la règle de "toutes chose égale par
ailleurs" pour un échantillon de 1064 individus dont 875 censurés à droite, on a pu
conclure que, pour les résultats de l’estimation non paramétrique, il n’existe pas de
discrimination selon le sexe lors de l’insertion des chômeurs, tandis qu’avoir le
placement des diplômés diffèrent de celui des non diplômés et il n’existe pas de
différence entre les diplômés de l’enseignement supérieur et ceux de la formation
professionnelle. En ce qui concerne , l’estimation du modèle de Cox, on a pu déduire
d’un côté, que seule la variable diplôme a une influence sur le risque de sortir du
chômage à cette agence, et plus précisément avoir un diplôme ou un niveau
supérieur augmentent le risque de sortie du chômage donc réduisent la durée de
chômage d’un individu par rapport à un non diplômé. D’un autre côté, il n’existe pas
de proportionnalité entre le risque de sortir du chômage des diplômés et des non
diplômés, ce qui nous a conduits à faire une estimation d’un modèle
paramétrique "modèle à temps accélérés AFT". A partir des résultats de cette
dernière estimation, on a déduit que avoir un diplôme réduit la durée de chômage
d’un individu, par contre pour les non diplômés ceci allongent leur durée de
84
chômage donc diminue leur risque de sortie du chômage. Ainsi que, l’existence
d’une dépendance négative entre la durée de chômage et la probabilité de sortir du
chômage.
Pour affiner les résultats de la présente étude, certaines analyses

supplémentaires peuvent être recommandées. En premier lieu, Une piste intéressante
à ce propos consisterait à appliquer, les mêmes procédures d’estimation que celles
qu’on vient d’utiliser à une base de données de tous les chômeurs inscrits à l’Agence
Nationale de l’Emploi au niveau national pour pouvoir évaluer les politiques de cette
agence ainsi que détecter les différentes déterminants de l’insertion des chômeurs
par ce dispositif publique. En effet, cette source a l’avantage d’être non seulement
générale mais aussi de regrouper un nombre plus élevé d’observations. Par ailleurs,
cette approche permettrait de prendre en compte les changements détectés au niveau
de la structure du chômage suite à la mise en place de nouvelles mesures en faveur
de l’emploi.
En deuxième lieu, une autre recommandation consisterait à compléter la liste
des variables, soit par une spécification plus détaillée des variables traitées (par
exemple, prendre en compte le statut matrimonial, le type de diplôme, ...), soit par la
prise en compte de la variation des caractéristiques des demandeurs d’emploi et non
l’état de ces mêmes caractéristiques en début de la période d’observation (par
exemple la participation à une formation continue, le changement du statut
matrimonial).
Finalement, une étude plus détaillée de l’agence nationale de l’emploi devrait
pouvoir analyser la durée du chômage en fonction de toutes les dispositifs qu’elle
gère des différents demandeurs d’emploi à l’issue de leur période de chômage révèle
très intéressante.
85
Bibliographie .
BIBLIOGRAPHIE :
ABROUK D.S, HANNOUN D.D, (2007), « Les courbes de survie »,

Document de l’institut national de la santé publique, INSP.
AFFILE.B, GENTIL.C, (2010), « Les grandes questions de l'économie
contemporaine », Paris : L’Etudiant.
ARTUS.P, MUET.P, (1997), « Théories du chômage », Paris : Economica.
BASSINO.J-P, LEROUX.J-Y, MICHELENA.P, (1999), « Les politiques
économiques », Paris : Foucher.
BELOEÏL-BENOIST.Y, MONTOUSSE.M, DEUBEL.P ,(2007), « Cent fiches
pour connaître l'économie et la société françaises », Bréal.
BENLAIB.B, (2011), « Durée de chômage et recherche d’emploi en Algérie :
application des modèles à sortie accéléré », revue d’économie et de
statistique appliquée, N°15.
BENTAHAR. N, (2003), « Facteurs déterminant le succès des réformes
financières dans les pays en développement : Application d’un modèle de
durée », Centre d’Etudes et de Recherches sur le Développement International
(CERDI), France.
BERTRAND FEUMETIO.E, BONGO ONDIMBA.A,(2009), « Un Certain
chemin de vie, méditation sur l’action, la condition et la nature humaine »,
Paris : Publibook.
BLANCHON .M, (2006), « Evaluation des facteurs pronostiques de la survie
du cancer bronchique primitif à 2et 5 ans », revue mal Respir, N° 23 :165-71,
SPLF.
BOUANIKA. F, FLOCARD. E, (2009), « Les cancers urologiques : Étude de la
survie », Université Joseph Fourier.
BOUKHETALA.K, MARION. J.M, OULIDI.A,( 2009), « apport des méthodes
de durée de vie au domaine de l’assurance : application aux contrats
d’assurances automobiles », Bordeaux, publication dans la 41émes journées
de statistique.
BOUSNINA.A, (2013), « Le chômage des diplômés en Tunisie », Paris :
L’Harmattan .
BROSIUS. J, (2011), « À la recherche des déterminants de la durée du
chômage au Luxembourg », Document PSELL n°126.
BOX-STEFFENSMEIER.M.J, BRADFORD.S.J,( 2004), « Event History
Modeling: A Guide for Social Scientists », Cambridge University Press.
CASSEN.R, WOLFSON.M, (1978), « Prévision et satisfaction des besoins des
populations en expansion », Paris : centre de développement de
l’organisation de coopération et de développement économiques.
COCOZZA-THIVENT. C, (1997), « Processus stochastique et fiabilité des
systèmes », springer.
COURGEAU.D, LELIEVRE.E, (1989), « Analyse démographique des
biographies », Institut National D’études Démographiques.
DAGUT.J, (2006), « 500 notions économiques indispensables », Paris :
Studyrama.
DARES, (2003), « Les politiques de l’emploi et du marché du travail », Paris :
la découverte.
DETAIS. A, (2008), « Maximum de vraisemblance et moindres carrés
pénalisés dans des modèles de durées de vie censurées », thèse de doctorat,
Montpellier III, France.
DOLLO.C, (2001) « Quels déterminants pour l'évolution des savoirs
scolaires en ses ? (l'exemple du chômage) », thèse pour l’obtention du Pour
obtenir le grade de DOCTEUR DE L’ UNIVERSITE AIX-MARSEILLE I.
DROESBEKE.J, FICHET. B, TASSI.P, (1989), « Analyse statistique des durées
de vie: Modélisation des données censurées », Paris : Economica.
FEROUKHI.D, ZEMMAMOUCHE,(1989), « Econométrie des Données de
Durée Appliquée à l'Etude de la Fécondité », collection statistique, ONS.
FERROUKHI.D, FRIHAT. S H., (2001), « A la Quête du Premier Emploi

Jeunes Diplômés en Licence d'Enseignement et en D.E.S », Les Cahiers du
Cread, N°58/4ème Trimestre.
FETHALLAH. M, (2010), «Analyse du parcours universitaire d’une cohorte
de nouveaux bacheliers», mémoire pour l’obtention du diplôme de Magister
En Economie et Statistiques Appliquées, spécialité : Analyse Macro Economie
et Econométrie, ENSSEA.
FLORENS.J, FOUGERE.D, MOUCHART.M,(2007), « Duration Models and
Point Processes », Discussion paper series, IZA DP No. 2971.
FLORENS.J, MARIMOUTOU.V, (2004), « Econométrie, modélisation et
inférence », Paris : Armand colin.
FOURGEAUD.C , GOURIEROUX.C, PRADEL.J,(1990), « hétérogénéité et
hasard dans les modèles de durée », annales d’économie et de statistique,
N°18.
FRYSSINET.J, (1998), « Le chômage », Paris : la découverte, coll. Repères.
GERMAN.R, (2010), « Parametric survival models », Spring.
GREEN.W,(2005), « Econométrie », Paris :Pearson.
GRIVAUX.M, (2009), « Survie à cinq ans des cancers bronchiques primitifs
dans les centres hospitaliers généraux », revue mal Respir, N° 26 :37-44,
SPLF.
GUILLON .S, (2010), « le chômage des diplômés de l’enseignement
supérieur à la réunion. Méthodes plurielles, trajectoires hétérogènes». Paris :
l’Harmattan.
HEIJ. C , FRANSES. H P, (2004) « Econometric Methods with
Applications in Business andEconomics », Oxford University Press.
HOUCINI.A, (1997-1998), « Insertion Professionnelle et Principaux Facteurs

Associés : Etude Econométrique, cas des Diplômés de la Formation
Professionnelle », Mémoire de Magister, ENSSEA.
HOUCINI.A, (2009-2010), « « Insertion professionnelle des diplômés de

l’enseignement supérieur : étude économétrique », thèse pour l’obtention du
diplôme de Docteur d’Etat en économie et statistiques appliquées, ENSSEA.
HUBER. C, « Cours de Biostatistique et Modélisation», Université Paris V,

Paris : René Descartes.
JALLADEAU.J, (1998), « Introduction à la macroéconomie modélisations de
base et redéploiements théoriques contemporains », Paris : 2eme édition, De
Boeck.
KEMPF.H, (2006), « Macroéconomie », 2éme édition, DALLOZ.
KLEIN.J, MOESCHBERGER.M, (2003), « Survival Analysis: Techniques for
Censored and Truncated Data », 2 eme édition, Spring,
KRAMAR.A, MATHOULIN-PELISSIER.S, (2011), « Méthodes biostatistiques
appliquées à la recherche clinique en cancérologie », Paris : John Libbey
Eurotext.
KRIAA.F, (2008), « Modélisation Econométrique, exercices avec solutions »,

Tunis : Volume 1, Caractères.
LAPORTE. S,(2007), « Comment lire une courbe de survie », N°10.1684.

LEE.E.T, (2003), « Statistical Methods for Survival Data Analysis », USA :
3emeédition, John Wiley.
Liu. X , (2012), « Survival Analysis: Models and Applications », 1ere edition,
Higher Education Press .
MADANI.F, (1995), « méthodes statistiques pour étudier la durée de vie :
modèle gamma », mémoire pour l’obtention du diplôme de Magister En
Economie et Statistiques Appliquées, ENSSEA.
MANKIW.G, Taylor.M, (2010), « Principes de l’économie, adaptation

européenne » , Belgique :1ére édition De Boeck.
MATHLOUTHI. F, (2010), « Les déterminants de la survie des micro-
entreprises : Une application des méthodes statistiques de l’analyse des
durées », Paris : Maison des sciences économiques.
MAUKIN.G, (2003), « Macroéconomie », Paris : 3eme Edition, DE Boeck.
MERABET. A, (1999), « Estimation des temps de survie dans le cas de
données tronquées avec information supplémentaire », mémoire pour
l’obtention du diplôme de Magister En Economie et Statistiques Appliquées,
ENSSEA.
MONTMARQUETTE. C, MOURJI. F, GARNI. A, (1996), «L’insertion des
diplômés de la formation professionnels dans le marché du travail
marocain : application des modèles de durée», revue région et
développement N°3.
MORICE.E, (1966), « Quelques modèles mathématiques de durée de vie »,
Revue statistique appliquée, numdam, tome 14 N°1.
MUSETTE. M, (1998), « Les théories économiques à l’épreuve du chômage »,
les cahiers du Cread, n°45.
PARKIN.M, BADE.R, (2010), « Introduction à la macroéconomie moderne »,
Canada : 4éme édition, Pearson.
PLANCHET.F, THEROND.P, (2006), « Modèles de durée : applications
actuarielles », Paris : Economica.
OLLIVIER. SL , « Modèles univaries et modèles de durée », série des
documents de travail,CREST, , N°9702.
PLANCHET.F, THEROND.P, (2006), « Modèles de durée : applications
actuarielles », paris : Economica.
QI.L, JEFFRERY.S, (2007), « Non paramétric economitrics », university press
and Oxford.
SAIDI.G, (1999), « Lois non paramétriques de survie classification et
application », mémoire pour l’obtention du diplôme de Magister En
Economie et Statistiques Appliquées, ENSSEA.
SANDILLON.I, (1998), « L’interprétation du chômage dans la théorie
générale : enjeux et conséquences », Document de travail, Université de la
Méditerranée.
SHENYANG.G, (2010), « Survival Analysis », New york: Oxford University
Press.
SHESKIN.D.J,(2000), « Handbook of Parametric and Nonparametric
Statistical Procedures », USA : 2eme édition, Chapman & Hall/CRC.
THERNEAU.T.M, (2000), « Modeling Survival Data: Extending the Cox

Model », Springer.
THERNEAU,T.M., GRAMBSCH, P.M, (2001), « Modeling survival data»,
Springer.
TIMSIT. J-F, ALBERTI. C , CHEVRET.S, (2005), « Analyse de survie : le test
du logrank » , Revue mal Respir, N° 22 :829-32, SPLF.
TIMSIT. J-F, ALBERTI. C , CHEVRET.S , (2005), « Le modèle de Cox » Revue
mal Respir, SPLF.
VAN DE VELDE.F, (2005), « Monnaie, chômage et capitalisme », France :
Presses Universitaire du Septentrion.
XIAN.L, 2012, « Survival Analysis: Models and Applications », Higer
Education Press.
Annexes .
1. Quelques relations mathématiques des cinq fonctions précédentes 1:
Les cinq fonctions précédentes permettent de caractériser la loi de T et les unes sont
déductibles des autres. Cependant, l'interprétation de la fonction de hasard permet souvent de
guider le choix d'un modèle pour des données de survie. Il existe divers relations
mathématique qui relie les fonctions caractérisant des durées de survie qui sont cité ci-après :
t
H (t )   hT  x dx   ln S t 
0
t
S (t )  exp[  H (t )]  exp[   hT x dx]
0
t
F (t )  1  S (t )  1  exp[  H (t )]  1  exp[   hT  x dx]
0
t
f (t )  S (t )h(t )  h(t ) exp[  H (t )]  h(t ) exp[   hT  x dx]
0
2. Exemple de comparaison de deux groupes :

Considérons la situation où l'on souhaite comparer les durées de survie de deux groupes
A et B. On introduit la covariable suivante,
X  0 si l'individu appartient au groupe, A  h A t   h0 t 
X  1 si l'individu appartient au groupe, B  hB t   h0 t  exp  .
Pour comparer les deux groupes, on estime le coefficient de régression  et on teste
l'hypothèse nulle H 0 :   0 c'est-à-dire H1 :   0 : On peut, à cet effet, utiliser les tests du
rapport de vraisemblance, de Wald ou du score qui suivent asymptotiquement une loi de  21
sous H 0 .
1. Estimation par le maximum de vraisemblance 2:
Tous les modèles paramétriques peuvent être estimés en maximisant la fonction de

vraisemblance appropriée. Les données consistent les paires t i , d i  où :
1
DETAIS. A, (2008), « Maximum de vraisemblance et moindres carrés pénalisés dans des
modèles de durées de vie censurées », thèse de doctorat, Montpellier III, France.
2
GERMAN.R, (2010), « parametric survival models », spring.
 les t i représente les données de survie ou de censurer ;
 d i représente‎l’un‎indicateur‎de‎sortie‎de‎l’état,‎en‎prenant‎la‎valeur‎1‎pour‎la‎
sortie‎de‎l’état‎‎et‎0‎en‎cas‎de‎censurés ;
La fonction de vraisemblance sous la condition de la présence de censure non-informative

générale et sous‎l’hypothèse‎d’indépendance‎des‎n‎observations,‎la‎de‎vraisemblance‎aura‎la‎
forme suivante :
n di
L    fi ti  Si ti 

1 d i
i 1
Avec :
fi ti  : désigne la densité de la durée t i pour‎l’individu‎i.
1 durée observée pour l ' individu i

di  
0 censure non inf ormative
Si ti  : calcule La vraisemblance des données censurées.
Quoique‎ prendre‎ en‎ considération‎ l’effet‎ des‎ variables‎ explicatives‎ ‎ conduit‎ à‎ une‎
différence de densité pour deux individus ayant la même durée de survie du fait des

différences des variables exogènes. fi ti   f j t j .‎ Et‎ pour‎ l’estimation‎ on‎ utilise‎ la‎ méthode‎
du‎ maximum‎ de‎ vraisemblance‎ qu’est‎ effectuée‎ à‎ l’aide‎ de‎ l’algorithme‎ numérique‎ tel‎ que‎
newton-raphson.‎Et‎s’il‎n’existe‎pas‎des‎erreurs‎de‎spécification‎les‎estimateurs issus de cette
estimation seront efficients et asymptotiquement gaussien. Et pour tester la significativité des
coefficients estimés le test de wald sera approprié.
1. Estimation de Kaplan-Meier pour la durée de chômage globale :
Tableau (1) : Tableau de l’estimation de Kaplan-Meier pour la durée de chômage
globale
2. Les tableaux de l’estimation des différents modèles de Cox :
Tableau (2) : Estimation du modèle de Cox pour la variable sexe
Tableau (3): Estimation du modèle de Cox pour la variable diplôme
Tableau (4) : Estimation du modèle de Cox pour la variable diplôme

Tableau (5) : Estimation du modèle de Cox pour la variable âge
Tableau (6) : Test de proportionnalité du modèle de Cox pour la variable diplôme

(D)
3. Les différents tableaux des estimations des modèles à temps accélérée :
Le modèle exponentiel :
Le modèle Weibull :
Le modèle log-normal :
Le modèle log-logistique :
Résumé :
Ce mémoire présente l’analyse des déterminants de la durée de chômage en

Algérie, plus particulièrement ceux de l’agence locale d’Ain El Benian, durant la
période de 01/01/2013 au 15/07/2013. Cette analyse est effectuée en utilisant les
différentes méthodes d’estimation des modèles de durées. En premier lieu, on a
effectué une analyse préliminaire sur nous données statistiques en effectuant une
estimation non paramétrique de Kaplan-Meier et un test de log-rank pour chaque
variable du modèle. En seconde lieu, on a procédé par élimination en utilisant un
modèle semi paramétrique le modèle de Cox à hasard proportionnel pour pouvoir
choisir les variables les plus pertinentes qui influent sur le risque de sortir du
chômage dans cette agence. Enfin, on a procédé à des tests statistiques pour pouvoir
valider le modèle à hasard proportionnel de Cox et puisque ce modèle ne vérifie pas
l’hypothèse de proportionnalité, on a eu recoure à une estimation paramétrique qui
est le modèle à temps accélérée (AFT) et après avoir estimé les différents modèles, le
critère de choix du modèle approprié c’est étalé sur un modèle AFT Log-logistique. A
la fin on a pu déduire des différents résultats de toutes ces estimations que lors du
placement des chômeurs de cette agence il n’existe pas de discrimination de sexe ou
de l’âge, que pour un individu inscrit à cette agence avoir un diplôme réduit la durée
de chômage par rapport à un non diplômé et augmente sa chance de sortir du
chômage.
Mots clé : durée de vie, chômage, estimation de Kaplan-Meier, modèle semi-

paramétrique de Cox, les modèles AFT.

Ouala Samira (Analyse Statistique Des Durées de Chomage)

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Ouala Samira (Analyse Statistique Des Durées de Chomage)

Transféré par

Droits d'auteur :

Formats disponibles

Ecole Nationale Supérieure de la Statistique et de l’Economie Appliquée

Mémoire en vue d’obtention de diplôme de Magister en Economie et Statistique

Option : Statistique Appliquée

Analyse Statistique des Durées de

Réalisé par: Mlle. OUALA Samira

Devant un jury composé de :

M. HOUCINI Abdelkrim Maitre de conférences A Président

Mlle. SAIDI Ghania Maitre de conférences A Rapporteur

M. BENAMIROUCHE Rachid Maitre de conférences A Examinateur

M. BENLAIB Boubekeur Maitre de conférences A Examinateur

Années universitaire : 2012-2013

Liste des figures

Chapitre 1 : concepts fondamentaux et les diverses méthodes

Chapitre 2 : Approche économique du chômage …………….…....39

1. Concepts de base du phénomène du chômage …………………………..…..41

Chapitre 3 : Etude et analyse des durées de chômage de l’agence

1. Description et présentation des données statistiques …………………..…..63

Conclusion générale ………………………………………………………...83

Mes très chers parents

Mes frères Nourdine, et Said

A tous mes amis

A tous ceux que j’estime

N° du Titre du tableau Page

3-3 Estimation du modèle de Cox pour la variable sexe 71

3-7 Estimation du modèle de Cox pour la variable 75

3-10 Choix du modèle 79

N° de la Titre de la figure Pages

Le premier champ d’application de l’analyse des données de durée était les

Cependant, les données de durée présentent certaines particularités comme la

L'aspect positif des données viole l'hypothèse de normalité du modèle

Le point essentiel de l'analyse de survie est de suivre les individus au fil du

Dans ce mémoire, on s’intéresse à l’application de ces modèles dans le

Afin d’analyser les déterminants micro-économiques de la durée du chômage,

Au cours de notre étude, on va vérifier les hypothèses suivantes :

Concepts fondamentaux et les

1. Concepts fondamentaux sur les données de durée :

Un modèle de survie est un modèle statistique utilisé pour modéliser et

1.2. Concepts fondamentaux de l’analyse de survie :

mémoire pour l’obtention du diplôme de Magister En Economie et Statistiques Appliquées, ENSSEA.

Pour t fixé, la densité de probabilité de la variable T , notée f , peut être

La fonction de répartition de la variable T , notée F , est définie par :

 F est continue à droite ;

 F est monotone et strictement croissante ;

La fonction de survie de la variable T , notée T , est définie par :

4FLORENS.J, FOUGERE.D, MOUCHART.M,(2007), « Duration Models and Point Processes »,

de durées de vie censurées », thèse de doctorat, Montpellier III, France, pp.5-6

 Les différentes propriétés de cette fonction sont :

 S est continue à gauche ;

La moyenne et la variance de la durée de survie sont données par les formules

 Fonction de survie conditionnelle :

La fonction de survie conditionnelle S u (t ) est calculée en utilisant la formule

Cette fonction est appelée encore fonction de risque instantanée, taux de

notée H , est définie par:

H (t )   hu du   lnS t  , t  0

d’intérêt au cours du temps, Par exemple le nombre de durée de chômage qu’un

1.3. Relation d’indépendance temporelle des survies :

1.4. Censures et Troncatures :

8 FLORENS.J.P, MARIMOUTOU.V, (2004), « Econométrie, modélisation et inférence », paris :

1.4.2. Divers types de censures :

Dans l’analyse de durée de vie, il existe divers types de censures. Quoique

On considère les notations suivantes :

Ti : la durée de survie d’un individu i ;

Ci :le temps censurée de l’individu i ;