Machine Translated by Google

Développement mondial 119 (2019) 81–99

Liste des contenus disponible sur ScienceDirect

Développement mondial

page d'accueil du journal : www.elsevier.com/locate/worlddev

Dynamique de l’emploi non agricole en Afrique subsaharienne : une

perspective de genre
Goedele Van den Broeck a, , Talip Kilic b
aDivision de Bioéconomie, Département des Sciences de la Terre et de l'Environnement, KU Leuven, Louvain, Belgique
b
Étude sur la mesure des niveaux de vie (LSMS), Unité d'enquête, Development Data Group, Banque mondiale, Rome, Italie

informations sur l'article abstrait

Historique des articles : Les revenus non agricoles constituent une part substantielle des portefeuilles de moyens de subsistance des ménages en
Accepté le 22 mars 2019 Afrique subsaharienne. Pourtant, les déterminants et la dynamique de la participation des individus à des activités d'emploi
non agricoles n'ont pas reçu une attention adéquate en raison des faiblesses de la collecte de données au niveau individuel
et du manque d'études longitudinales. Cet article utilise les données d’enquêtes nationales auprès des ménages d’Éthiopie,
Codes JEL : du Malawi, du Nigeria, de Tanzanie et d’Ouganda ; fournit des preuves empiriques sur les taux de participation à l'emploi non
J16
agricole (salaire et indépendant) au niveau individuel ; analyse l'ampleur et les facteurs d'entrée dans un emploi non agricole
J21
O12
et de maintien de l'emploi ; et effectue l’analyse par sexe et par emplacement rural/urbain.
Une part non négligeable de la population rurale et urbaine en âge de travailler participe à un emploi non agricole, allant au
Mots clés: niveau national de 34 pour cent en Éthiopie à 58 pour cent au Malawi.
Emploi hors ferme Les hommes participent dans une bien plus grande mesure à l'emploi salarié et indépendant que les femmes au fil du temps
Emploi salarié ainsi qu'à l'intérieur et entre les pays, la participation des femmes dans des entreprises non agricoles étant plus courante au
Travail indépendant non agricole Nigeria et en Tanzanie. La différence entre les sexes, pondérée selon la population, en matière d’emploi non agricole s’élève
Mobilité du travail à 9 points de pourcentage, mais elle a diminué au fil du temps dans la plupart des pays. On estime qu’une part importante de
Genre
la population, soit environ 39 millions d’individus dans les cinq pays, a accédé à un emploi ou l’a quitté entre 2010 et 2016, ce
Afrique sub­saharienne
qui souligne la nature dynamique de l’emploi non agricole. Les facteurs d’entrée dans un emploi non agricole et de maintien
de l’emploi sont spécifiques au pays et au sexe, les facteurs démographiques, la survenue de chocs et les caractéristiques
de l’emploi apparaissant comme les déterminants les plus importants.

2019 Elsevier Ltd. Tous droits réservés.

1. Introduction l'accès à un emploi de qualité est souvent limité aux ménages relativement
aisés (Alobo Loison, 2015), et au sein des ménages, il existe une
Les revenus provenant d’un emploi non agricole1 constituent une part hétérogénéité considérable, les femmes et les jeunes étant désavantagés
substantielle des portefeuilles de moyens de subsistance des ménages en dans l'accès à l'emploi (Hertz et al., 2008 ; Fox et al., 2016 ; Yeboah et
Afrique subsaharienne (ASS) (Davis et al., 2017). Elle contribue à la Jayne, 2018). Les implications qui en découlent pour le développement
croissance économique, à la réduction de la pauvreté et au lissage des économique dépendent de la perspective d’accéder à un emploi non
revenus (van den Berg et Kumbi, 2006 ; Bezu et al., 2012 ; Fox et Sohnesen, agricole ainsi que de la capacité à conserver son emploi (Bezu et Barrett,
2016) et peut permettre des investissements dans l'exploitation agricole 2012).
(Adjognon et al., 2017 ; Ayenew et al., 2017 ; Dedehouanou et al., 2018). Il Même si l’emploi non agricole a fait l’objet d’une attention considérable dans
est en outre encouragé à autonomiser économiquement les femmes en la littérature existante, il existe d’importantes lacunes en matière de recherche et
augmentant leur part dans le revenu total du ménage (Buvinic´ et Furst­Nichols, 2014). Cependant,
d’insuffisance méthodologique. Premièrement, la plupart des études examinent la
participation à l’emploi non agricole au niveau des ménages, et non au niveau
individuel. Étant donné que les femmes et les jeunes sont supposés être
Auteur correspondant.
disproportionnellement désavantagés en termes de quantité et de qualité de
Adresses e­mail : goedele.vandenbroeck@kuleuven.be (G. Van den Broeck), tkilic@worldbank.org
(T. Kilic).
l'emploi, des données ventilées par âge et par sexe sont indispensables pour
1
L'emploi non agricole est défini comme toutes les activités économiques qui se déroulent en étudier le caractère inclusif de l'emploi non agricole. Deuxièmement, la plupart
dehors du ménage agricole, excluant donc les activités d'emploi indépendant dans l'exploitation des études se concentrent sur des contextes dans lesquels les possibilités
agricole, mais incluant les emplois salariés et occasionnels hors ferme, ainsi que le travail d’emploi non agricole ont soudainement augmenté. Tirer des conclusions générales de ces é
indépendant hors ferme.

https://doi.org/10.1016/j.worlddev.2019.03.008 0305­750X/
2019 Elsevier Ltd. Tous droits réservés.
Machine Translated by Google
82 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99
conduire à une surestimation de l’importance de l’emploi non agricole dans les zones
les plus reculées. De plus, les études de cas spécifiques ne permettent pas d’analyser
les liens et les facteurs d’influence dans une perspective plus large. Troisièmement,
les preuves disponibles s’appuient principalement sur des données transversales. De
telles données ne peuvent pas être utilisées pour étudier la dynamique au fil du temps
(par exemple l'entrée ou la sortie d'un emploi non agricole) et sont susceptibles d'être
sujettes à des problèmes d'estimation causale.
Quatrièmement, bien que l’entrepreneuriat non agricole en ASS ait fait l’objet d’études
approfondies, les preuves concernant l’emploi salarié et les marchés du travail ruraux
font cruellement défaut.
Cet article vise à étudier les décisions d'emploi non agricole des hommes et des
femmes en ASS. Nous contribuons à la littérature de trois manières principales.
Premièrement, en utilisant les données d’enquête longitudinale auprès des ménages,
représentatives au niveau national, générées dans le cadre de l’initiative de la Banque
mondiale sur la mesure des niveaux de vie – Enquêtes intégrées sur l’agriculture
(LSMS­ISA), nous fournissons des preuves empiriques récentes sur les taux de
participation à l’emploi non agricole qui sont représentatifs. pour cinq pays d’ASS, à
savoir l’Éthiopie, le Malawi, le Nigéria, la Tanzanie et l’Ouganda. Les données des
enregistrements unitaires se situent au niveau individuel et consistent en plusieurs
séries de panels, au cours desquelles les individus ont été suivis au fil du temps.
Deuxièmement, nous nous concentrons à la fois sur les salaires non agricoles et sur le
travail indépendant, et fournissons des données indispensables sur les marchés du
travail. Troisièmement, nous analysons les facteurs d’entrée et de maintien dans l’emploi.
Cela nous permet de démêler la dynamique qui sous­tend l’emploi non agricole et de
comprendre pourquoi les gens entrent ou sortent d’un emploi non agricole, en tenant
compte des différences entre les sexes.
Le reste du document est structuré comme suit. Tout d’abord, nous passons en
revue la littérature sur l’emploi non agricole en ASS, suivi d’une explication de la
collecte de données et de la construction des variables.
Nous rapportons ensuite les taux de participation à l’emploi hors ferme et les
caractéristiques des emplois, suivis d’une analyse de l’entrée et de la sortie d’un emploi
hors ferme. Nous terminons en résumant les principales conclusions et en décrivant
les implications en matière de recherche et de politiques.
2. Arrière plan
L'emploi non agricole comprend à la fois le fait d'être salarié en dehors du ménage
agricole (c'est­à­dire l'emploi salarié hors ferme) et la gestion d'une entreprise non
agricole (ENF) (c'est­à­dire le travail indépendant hors ferme). Nous considérons
spécifiquement les activités non agricoles et ne l’appelons pas économie non agricole,
puisque l’emploi salarié hors ferme peut toujours avoir lieu dans le secteur agricole.
Par exemple, une part croissante des travailleurs en ASS sont employés dans des
plantations à grande échelle (Van den Broeck et Maertens, 2016). La principale
différence entre les activités hors ferme et les activités à la ferme est que les travailleurs
sont tenus de quitter la ferme familiale. Nous nous concentrons sur les activités non
agricoles car les femmes sont confrontées à plus d’obstacles à la mobilité que les
hommes en ASS. D'une part, les possibilités de transport des femmes sont plus limitées
car leurs contraintes de temps et financières sont plus grandes (Porter, 2002). D’un
autre côté, les femmes qui travaillent à l’extérieur sont mal vues en raison des normes
sociales dans certains pays africains (Fox, 2016 ; Slavchevska et al., 2016). Nous
prenons en compte à la fois le travail salarié et le travail indépendant, car leurs
différences fondamentales en termes d’investissements de démarrage, de sécurité
d’emploi et de flexibilité aideront à mieux expliquer les facteurs qui poussent à l’entrée
dans un emploi non agricole et au maintien de l’emploi non agricole.
Les taux de participation à l’emploi non agricole en ASS varient non seulement
considérablement d’un pays à l’autre, mais également à l’intérieur des pays.
Des données récentes sont fournies par Davis et al. (2017) , mais leur analyse se situe
au niveau des ménages et des zones rurales. Selon leurs estimations, en moyenne,
18 pour cent exercent un emploi salarié agricole, 15 pour cent un emploi salarié non
agricole et 34 pour cent un emploi indépendant non agricole. McCullough (2017)
rapporte les taux de participation individuelle au travail salarié et indépendant
dans différents secteurs pour les zones rurales et urbaines. L'auteur constate que dans
les zones rurales, la majeure partie du travail salarié est concentrée dans le secteur
agricole, tandis que le secteur des services est le secteur le plus important dans les
zones urbaines. L'emploi salarié hors ferme est moins courant que l'emploi indépendant
dans les zones rurales pour tous les secteurs, tandis que dans les zones urbaines,
cela dépend du type de secteur et du pays. En général, les hommes ont tendance à
participer davantage à des activités non agricoles (en particulier dans des emplois
salariés), car les possibilités d’emploi hors ferme sont plus limitées pour les femmes
(Nix et al., 2015). Cependant, d’autres études portant sur l’Afrique de l’Ouest ont
montré que l’entrepreneuriat rural non agricole est plus courant chez les femmes que
chez les hommes (Rijkers et Costa, 2012 ; Ackah, 2013). En raison de la transformation
structurelle en cours en ASS provoquée par la mondialisation, la croissance des
revenus, l’augmentation de la population et l’urbanisation, les opportunités d’emploi
non agricole devraient évoluer rapidement (Reardon et al., 2007). Cela a été démontré
par Yeboah et Jayne (2018), qui montrent que la part de la main­d’œuvre engagée
dans l’agriculture a connu une forte baisse depuis 2000 en ASS et que l’emploi non
agricole se développe rapidement.
Les hommes et les femmes accèdent à un emploi non agricole soit par nécessité
(facteurs d’incitation) soit par opportunité (facteurs d’attraction) (Haggblade et al.,
2010). La littérature a défini les facteurs d'incitation comme des facteurs négatifs qui
obligent les ménages et les individus à rechercher des sources de revenus
supplémentaires en dehors de l'exploitation agricole, tandis que les facteurs d'attraction
sont définis comme des facteurs positifs qui attirent les gens vers un emploi hors ferme
pour améliorer leur bien­être (Alobo Loison, 2015). . Étant donné que le travail
indépendant dans l’agriculture est une activité saisonnière à haut risque avec un taux
de sous­emploi élevé et que les marchés du travail ruraux sont sous­développés
(McCullough, 2017), il est souvent avancé que les facteurs d’incitation jouent un rôle
plus important que les facteurs d’attraction en ASS. .
Les facteurs de poussée impliquent différentes formes de chocs, le manque d’actifs
productifs agricoles et des facteurs sociaux. Tant les chocs idiosyncratiques (par
exemple le décès ou la maladie d'un membre du ménage) que les chocs covariables
(par exemple les événements météorologiques extrêmes, les augmentations
soudaines des prix) peuvent pousser les gens vers un emploi non agricole pour
atténuer les pertes de revenus agricoles (Kijima et al., 2006). Les ménages qui sont
limités en termes de propriété foncière et de bétail peuvent abandonner l'agriculture
pour pouvoir gagner un revenu. C'est particulièrement le cas des jeunes, qui sont
souvent sous­employés dans leur propre exploitation agricole (Bezu et Holden, 2014).
Les facteurs d’attraction sont caractérisés par les marchés et opportunités
disponibles, les infrastructures et les institutions de soutien (Ali et Peerlings, 2012). Le
capital humain (en particulier le niveau d’éducation) détermine dans une large mesure
la capacité à accéder à un emploi non agricole hautement qualifié (Essers, 2017). La
possession initiale d’actifs non productifs, l’accès au crédit et à l’épargne ainsi qu’un
réseau social plus étendu pourraient inciter les gens à opérer la transition vers un
emploi non agricole (à haut rendement) (Bezu et Barrett, 2012). La migration rurale­
urbaine en cours en ASS a attiré une grande partie de la population rurale vers la
recherche d’emploi dans les grandes villes (de Brauw et al., 2014).
Une fois que les hommes et les femmes entrent sur le marché du travail non
agricole, les caractéristiques de l’emploi et les facteurs démographiques déterminent
s’ils conserveront leur emploi. Les emplois précaires et instables dans le secteur
informel sont particulièrement préoccupants pour les femmes et les jeunes (Fox et al.,
2016). Les emplois salariés occasionnels sont généralement des activités saisonnières
à court terme, qui ne conduisent probablement pas à un emploi continu (Oya, 2013).
Les ENF sont plus stables et plus susceptibles de fonctionner de manière continue
tout au long de l’année, en particulier dans les zones urbaines (Nagler et Naudé, 2017).
Cependant, la faible rentabilité, le manque de financement, les chocs idiosyncrasiques
sur le marché du travail et le manque de fiabilité des approvisionnements poussent les
ENF à cesser leurs activités. Pour les femmes, il a été largement démontré que l’état
matrimonial et la fécondité réduisent la probabilité de conserver un emploi (de Jong et
al., 2017).
Machine Translated by Google
G. Van den Broeck, T. Kilic / Développement mondial 119 (2019) 81–99
3. Données
3.1. Collecte de données
Nous utilisons le ménage national, longitudinal et multi­thème
données d'enquête en Éthiopie, au Malawi, au Nigeria, en Tanzanie et en Ouganda,
généré dans le cadre de l’initiative d’étude sur la mesure des niveaux de vie de la Banque
mondiale (LSMS­ISA).2 L’analyse s’appuie sur deux enquêtes
cycles du Malawi (2010 et 2013), du Nigéria (2013 et 2016) et
Tanzanie (2011 et 2013) ; trois séries d'enquêtes en Éthiopie (2012,
2014 et 2016); et quatre séries d'enquêtes en Ouganda (2010, 2011,
2012 et 2014).3 Au départ, chaque enquête soutenue par LSMS­ISA est
conçu pour être au minimum représentatif au niveau national,
niveaux urbain/rural et régional – dont les détails sont fournis
dans le document d’information de base de chaque enquête. Selon le scénario de référence,
la dynamique de l'attrition présente une hétérogénéité entre les pays,
qui est pris en compte dans notre analyse, comme discuté dans la section 3.2. De plus,
même si la durée du travail sur le terrain est
pas identique dans toutes les enquêtes soutenues par LSMS­ISA, l'objectif est de
interrogez un nombre égal de ménages chaque mois de travail sur le terrain. Cependant,
cette vision ne se réalise pas toujours en raison du suivi
charge de travail dans ces enquêtes longitudinales, qui ne peut naturellement pas être
prévue avant le début du travail de terrain. En même temps,
la période de référence pour les questions d’enquête qui sous­tendent l’enquête sur le travail
les résultats d'intérêt sont de 12 mois, ce qui atténue toute saisonnalité
effets pouvant être provoqués par une durée moindre du travail sur le terrain
supérieure à 12 mois et/ou l'inégalité potentielle dans la répartition
d’entretiens au fil des mois de travail sur le terrain.
Des efforts importants ont été consacrés à rendre les enquêtes soutenues par LSMS­
ISA comparables entre les pays, mais certaines questions sont adaptées au contexte local
spécifique. Il est particulièrement important pour notre analyse que les données soient
collectées au niveau individuel ; que les ménages et les individus échantillonnés soient
suivis
au fil du temps, et que les instruments du questionnaire multi­thèmes
inclure des modules approfondis sur le travail salarié hors ferme
ainsi que les ENF des ménages. Le paquet de questionnaires comprend également
un questionnaire communautaire administré dans la zone de dénombrement
(EA), collectant des données sur les services, les infrastructures et les institutions auprès
d'un groupe de discussion composé de dirigeants communautaires.
3.2. Échantillon
Nous utilisons deux échantillons différents pour notre analyse. Dans la première partie
nous nous concentrons sur les taux transversaux de participation à l’emploi non agricole.
Pour chaque cycle d'enquête, l'échantillon est constitué de ménages
membres4 âgés de 15 à 64 ans, ce qui est conforme au modèle conventionnel
tranche d’âge actif. Nous excluons les personnes actuellement inscrites
à l'école. Dans la deuxième partie, nous nous concentrons sur la nature dynamique de
l’emploi hors ferme et construire des ensembles de données de panel composés de
2
L’initiative LSMS­ISA de la Banque mondiale fournit un soutien financier et technique
bureaux nationaux de statistique dans la conception, la mise en œuvre, l'analyse et la diffusion
d’enquêtes nationales, longitudinales et multi­thèmes auprès des ménages, avec un fort accent sur
agriculture. Notre étude utilise les données de l'Enquête socioéconomique en Éthiopie (ESS),
l'enquête intégrée par panel auprès des ménages du Malawi (IHPS), l'enquête générale sur les ménages du Nigeria
Panel d’enquête (Panel GHS), l’Enquête par panel national de Tanzanie (TZNPS) et le
Enquête nationale par panel en Ouganda (UNPS). Les données anonymisées des enregistrements unitaires du
Les enquêtes soutenues par LSMS­ISA sont documentées et rendues publiques dans les 12
mois après l'achèvement du travail sur le terrain et peut être consulté via la Banque mondiale
Bibliothèque de microdonnées. Pour plus d'informations sur le LSMS­ISA, veuillez visiter :
http://surveys.worldbank.org/lsms/programs/integrated­surveys­agriculture­ISA.
3
Le cycle d'enquête de 2010 au Nigéria et les cycles d'enquête au Niger n'ont pas été
considérée parce que la distinction entre travail salarié et travail indépendant ne peut être
fait. Dans le cas de la Tanzanie, le cycle d'enquête de 2008 n'a pas été pris en compte car le
La définition de l'emploi salarié n'était pas comparable à la définition utilisée dans les versions ultérieures.
Les manches.
4
L'appartenance à un ménage est définie comme ayant passé au moins six mois (trois mois sur
cas de la Tanzanie) dans le ménage au cours des 12 derniers mois.
83
membres du ménage âgés de 15 à 64 ans tout au long des panels. Nous
retenir les individus pour lesquels on dispose d’au moins deux observations sur
il est temps de pouvoir étudier la dynamique. Bien que les ménages et
les individus sont suivis au fil du temps, toutes les personnes interrogées n'ont pas pu
être récupérés pour une enquête de suivi. Les taux d'attrition pour les pays sont de 0,39
pour l'Éthiopie, 0,10 pour le Malawi, 0,24 pour le Nigeria, 0,09 pour le Nigeria.
Tanzanie et 0,23 pour l’Ouganda. Pour corriger le biais d'attrition potentiel,
nous exécutons un modèle logit avec une variable dépendante binaire prenant le
valeur de un si l'individu apparaît dans l'échantillon au moins deux fois
(Tableau A2 en annexe). Nous contrôlons les variables au niveau individuel
(âge, sexe, niveau d'éducation, scolarisation actuelle, état civil, lien avec le chef de famille
et situation professionnelle) et au
niveau du ménage (taille du ménage, taux de dépendance, indice de richesse (un
indice basé sur une analyse factorielle des attributs du logement du ménage et
propriété d’actifs durables) et participation aux activités agricoles). Les effets fixes des
zones de dénombrement de base sont également inclus dans les spécifications. Nous
prédisons la probabilité de non­attrition pour chaque individu
et calculez le poids d’attrition comme l’inverse de cette probabilité.
Pour garantir que l'échantillon d'individus en âge de travailler dans chaque pays est
représentatif au niveau national, nous utilisons les poids d'échantillonnage
facilement fournis dans les ensembles de données à grande diffusion (et documentés dans
le document d'information de base de chaque enquête) et multipliez­les
avec la variable de poids d’attrition. Enfin, nous winsorisons le
poids d'échantillonnage corrigés de l'attrition au niveau du 1 pour cent supérieur pour
minimiser les effets des valeurs aberrantes potentielles.
3.3. Construction de variables
La principale variable d’intérêt dans cet article est la participation à
l’emploi hors ferme, y compris le travail salarié et indépendant. Nous
définir l'emploi salarié hors ferme comme tout travail effectué par une personne
au cours des 12 derniers mois en échange d'une rémunération (soit
en espèces ou en nature) payés par quelqu'un d'autre que le ménage.
L'emploi salarié non agricole peut avoir lieu dans le secteur agricole (par exemple
embauché pour travailler dans une ferme qui n'appartient pas au ménage) ou dans le
secteur industriel ou des services.5 Nous distinguons
entre deux types d'emploi salarié : 1) un emploi principal ou secondaire
un emploi salarié, et 2) un emploi salarié qui est plutôt utilisé comme source de revenu de
dernier recours, comme le travail occasionnel et l'emploi dans un
programme national de filet de sécurité sociale, où les pauvres échangent
leur travail contre de l'argent ou d'autres intrants.6 La formulation exacte de la question
diffère quelque peu selon les pays ; certains pays (par exemple l'Éthiopie
et Malawi) accordent une attention particulière au travail occasionnel tandis que d’autres le font
not.7 Un aperçu de la formulation exacte des questions pour les différents pays est fourni
dans le tableau A1 en annexe.
Nous définissons le travail indépendant hors ferme comme le fait d'être propriétaire
ou responsable d'une ENF d'un ménage ou en tant que travailleur dans cette entreprise
au cours des 12 derniers mois. Nous considérons également les travailleurs comme des
travailleurs indépendants car ils sont payés par ou partagent leurs revenus avec
d'autres membres du ménage, et non par quelqu'un extérieur au
ménage. Les ENF appartiennent au secteur industriel ou aux services. C'est
possible qu'ils ne fonctionnent pas toute l'année mais que
ils ne sont opérationnels que depuis quelques mois. Semblable au salaire
l’emploi, la formulation des questions diffère selon les pays.
Les différences portent notamment sur la définition de la propriété et
gestion et au nombre de travailleurs. Tableau A1 dans le
5
L'agriculture comprend la production agricole primaire, l'élevage, la pêche et la foresterie ; l'industrie comprend la
fabrication, l'exploitation minière, la construction et les services publics ; et
les services comprennent le commerce de gros et de détail, les transports et les communications, la finance
et les services aux entreprises, ainsi que les services communautaires, sociaux, personnels et gouvernementaux.
6
L'emploi dans les programmes de filet de sécurité sociale est supposé avoir lieu dans l'industrie car
cela implique souvent des travaux publics. Le plus grand programme de protection sociale en ASS est le
Programme de filet de sécurité productif en Éthiopie (Gilligan et al., 2009).
7
Sur la base de notre expérience de terrain, nous supposons que les ganyu travaillent au Malawi et
le travail temporaire en Éthiopie a lieu dans l'agriculture pour les hommes et les femmes
zones rurales, dans l'industrie pour les hommes urbains et dans les services pour les femmes urbaines.
Machine Translated by Google
84 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99
Une nationale
100% 100%
75% 75%
50% 50%
25% 25%
0% 0%
'12'14'16 '10'13 '13'16 '11'13 '10'11'12'14
Éthiopie Malawi Nigéria Tanzanie Ouganda
Fig. 1. Taux de participation à l'emploi non agricole selon le sexe, les pays et la période : a) niveau national, b) zones rurales, c) zones urbaines. Les statistiques démographiques sont corrigées avec des
poids d'échantillonnage.
L'annexe fournit également un aperçu des questions de l'enquête pour le travail
indépendant.
De plus, nous considérons l’intensité de l’emploi non agricole.
Les gens ne sont pas toujours employés toute l’année, en raison du manque
d’emplois à temps plein, mais aussi parce que l’emploi hors ferme pourrait
constituer une stratégie de complément de revenu à côté du travail indépendant
à la ferme. À la suite de Quiñones et al. (2009) , nous définissons une personne
comme étant employée toute l'année si elle travaille au moins 10 mois au cours
des 12 derniers mois et comme étant employée à temps plein si elle travaille au
moins 35 heures par semaine pendant une période moyenne. Semaine de
travail. Il en résulte quatre classes : 1) employé toute l'année/à temps plein, 2)
employé toute l'année/à temps partiel, 3) employé toute l'année/à temps plein
(appelé emploi saisonnier) et 4) employé partiel. ­année/travail à temps partiel
(emploi dit occasionnel). Les questionnaires du panel GHS du Nigéria, du NPS
de Tanzanie et du NPS de l'Ouganda ne posent pas de questions sur les heures
travaillées dans les ENF. Pour ces pays, nous distinguons donc uniquement
l'emploi sur une année entière et sur une partie de l'année.
Enfin, nous construisons une variable qui rend compte de la nature
dynamique du statut d’emploi hors ferme au fil du temps. Sur la base de la
situation professionnelle lors de chaque cycle de collecte de données, nous
considérons que les personnes n'ont jamais travaillé, ont abandonné leur emploi,
ont commencé à travailler ou ont continué à travailler. Dans le cas de l’Éthiopie
et de l’Ouganda, où nous disposons de plus de deux cycles d’enquête par panel,
nous calculons cette variable sur la base des deux derniers cycles d’enquête.
4. Emploi hors ferme : qui participe à quels emplois ?8
4.1. Taux de participation
La figure 1 et le tableau 1 présentent les taux de participation à l'emploi non
agricole selon le sexe et l'espace pour l'Éthiopie, le Malawi, le Nigeria, la
Tanzanie et l'Ouganda. La part de la population en âge de travailler qui occupe
un emploi non agricole est assez élevée et ne peut être considérée comme
négligeable. Dans la dernière enquête, ce chiffre s'élève à 34 pour cent en
Éthiopie, 40 pour cent en Ouganda, 47 pour cent au Nigéria, 52 pour cent en
Tanzanie et 58 pour cent au Malawi, ce qui correspond à une part globale
pondérée de 44 pour cent à l'échelle nationale.
Ces parts impliquent qu’environ 68 millions de personnes ont un emploi non
agricole dans ces cinq pays (Fig. 2). Les taux d'emploi non agricole sont
systématiquement plus élevés dans les zones urbaines (allant de 53 pour cent
en Ouganda à 73 pour cent au Malawi) que dans les zones rurales.
8
Sauf indication contraire, les différences spécifiques aux pays dans les estimations présentées
dans cette section par sexe, catégorie d'âge, zone rurale/urbaine et période sont statistiquement
significatives au moins au niveau de 10 pour cent, comme indiqué dans les tableaux 1 à 3 .
Les différences ont été testées à l’aide de régressions bivariées contrôlant les poids d’échantillonnage.
B) Rural C) Urbain
100%
75%
50%
25%
0%
'12'14'16 '10'13 '13'16 '11'13 '10'11'12'14 '12'14'16 '10'13 '13'16 '11'13 '10'11'12'14
Éthiopie Malawi Nigéria Tanzanie Ouganda Éthiopie Malawi Nigéria Tanzanie Ouganda
(allant de 24 pour cent en Éthiopie à 54 pour cent au Malawi), ce qui n’est pas
surprenant étant donné que l’emploi indépendant dans l’agriculture reste l’activité
dominante dans les zones rurales. Pourtant, environ 36 pour cent, soit 38 millions
de personnes vivant dans les zones rurales de ces cinq pays, ont un emploi non
agricole.
Même sur l’horizon temporel (court) actuellement informé par les données
longitudinales LSMS­ISA, nous trouvons des preuves de la transformation
structurelle en cours en Afrique et de la création d’emplois qui en résulte dans
les activités d’emploi non agricoles (Reardon et al., 2007). ). Nous observons
des augmentations significatives des taux d’emploi non agricole dans certains
pays ; plus particulièrement en Éthiopie (de 26 pour cent en 2012 à 34 pour cent
en 2016)9 , au Malawi (de 51 pour cent en 2010 à 58 pour cent en 2013) et en
Tanzanie (de 49 pour cent en 2011 à 52 pour cent en 2013). Dans d'autres pays,
les taux d'emploi ont diminué au fil du temps ; de 50 pour cent en 2013 à 47 pour
cent en 2016 au Nigéria, et de 55 pour cent en 2010 à 40 pour cent en 2014 en
Ouganda.10 La tendance à la baisse au Nigéria a déjà été documentée et est
due à une combinaison de nouveaux investissements dans le secteur secteur
agricole et une économie en déclin tirée par le secteur pétrolier (Yeboah et
Jayne, 2018).
Les tendances nationales sont similaires dans les zones rurales et urbaines,
même si le fait que le rythme de variation des taux d’emploi soit plus rapide
dans les zones rurales (Tanzanie et Ouganda) ou dans les zones urbaines
(Éthiopie, Malawi et Nigéria) reste spécifique à chaque pays.
Nous constatons que les femmes sont moins susceptibles de participer à un
emploi non agricole, et cette différence se maintient au fil du temps, d’un pays à
l’autre et au sein d’un même pays. La différence entre les sexes en matière
d'emploi non agricole lors de la dernière enquête s'élève à 4 points de
pourcentage (pp) au Nigéria, 12 pp en Éthiopie, 14 pp en Tanzanie, 18 pp au
Malawi et 19 pp en Ouganda, ce qui correspond à un écart pondéré entre les
sexes de 9 points de pourcentage entre les pays. Si les femmes avaient la même
probabilité que les hommes de participer à un emploi non agricole, environ 7,8
millions de femmes seraient employées en plus des 33 femmes actuellement
employées. Le nombre de « femmes manquantes » dans l'emploi non agricole
est donc important dans ces cinq pays.
L'écart entre les sexes est significativement plus élevé dans les zones urbaines
(allant de 8 pp au Nigeria à 26 pp au Malawi) que dans les zones rurales (allant
de 1 pp au Nigeria à 16 pp au Malawi). Cela pourrait être dû à un écart de
revenus plus élevé entre les sexes dans les zones urbaines que dans les zones rurales,
9
En 2012, l'ESS n'était représentative que pour les zones rurales et les petites villes, tandis qu'en 2014 et 2016, une strate
urbaine a été intégrée dans la conception de l'enquête, garantissant ainsi que l'enquête est représentative au niveau national.
L’augmentation des taux d’emploi non agricole entre 2012 et 2016 pourrait donc être en partie due à l’élargissement de la couverture
spatiale de l’échantillon de l’ESS, puisque le taux d’emploi non agricole en 2014 était de 35 pour cent, alors qu’il a stagné entre
2014 et 2016.10
Le déclin observé en Ouganda est spécifiquement dû au déclin du travail indépendant non
agricole. Par ailleurs, il n’y a aucun changement dans la conception de l’enquête UNPS, y compris
l’instrument du questionnaire auprès des ménages.
Machine Translated by Google

D
B
V
d1(r
Ki
G.
T.
Tableau 1
Aperçu de la participation à l’emploi non agricole selon le sexe, l’âge, les pays, l’espace et le temps.

National Rural Urbain

Total Femmes Hommes Total Femmes Hommes Total Femmes Hommes Total Femmes Hommes Total Femmes Hommes Total Femmes Hommes

Éthiopie 2014 (N = 10 281) 2016 (N = 10 092) 2014 (N = 6 790) 2016 (N = 6 843) 2014 (N = 3 491) 2016 (N = 3 249)
*** *** *** *** ***
Emploi hors ferme 0,35 15­24 0,27 0,42 0,34 0,28 0,40 0,34 0,27 0,42 0,24 0,19 0,30 0,61 0,57 0,66 0,64 0,56 0,73
** ***
ans 0,24 25­34 ans 0,42 35­64 0,21 0,28 0,25 0,26 0,40 0,25 0,24 0,21 0,42 0,28 0,18 0,18 0,18 0,42 0,43 0,69 0,39 0,47 0,44 0,68 0,52
*** *** *** *** ***
ans 0,36 Malawi Emploi hors 0,35 0,52 0,32 0,35 0,27 0,50 0,34 0,35 0,25 0,52 0,28 0,21 0,38 0,65 0,67 0,59 0,75 0,60 0,70 0,61 0,78
*** *** *** *** ** ***
ferme 0,51 15­24 ans 0,43 0,25 0,46 0,43 0,46 0,25 0,18 0,32 0,74 0,79
25­34 2010 (N = 6 336) 2013 (N = 8 347) 2010 (N = 4 534) 2013 (N = 6 057) 2010 (N = 1 802) 2013 (N = 2 290)
*** *** *** *** *** ***
ans 35­64 ans Nigeria Emploi 0,41 0,64 0,37 0,53 0,58 0,49 0,67 0,45 0,41 0,51 0,49 0,39 0,60 0,43 0,36 0,52 0,54 0,47 0,63 0,43 0,40 0,48 0,65 0,47 0,83 0,47 0,39 0,59 0,73 0,60 0,86 0,45 0,73
*** *** *** *** ** ***
hors ferme 0,50 15­24 ans 0,58
*** *** *** *** *** ***
0,24 25­34 0,58 0,45 0,72 0,64 0,55 0,76 0,54 0,43 0,67 0,61 0,53 0,72 0,70 0,53 0,89 0,74 0,62 0,89
*** *** *** *** *** ***
ans 0,49 0,52 0,40 0,64 2013 (N 0,60 0,50 0,70 2016 (N = 11 0,49 0,39 0,59 2013 (N = 7 0,56 0,47 0,66 2016 (N 0,72 0,45 0,91 2013 (N 0,81 0,69 0,91 2016 (N
35­64 = 10 982) 0,48 0,54 917) 0,47 0,45 0,49 955) 0,41 0,39 0,45 = 8 422) 0,39 0,38 = 3 027) 0,66 0,63 = 3 495)
*** *** *** ** ***
ans 0,62 Tanzanie Employés 0,27 0,19 0,47 0,53 0,20 0,19 0,21 0,47 0,48 0,44 0,19 0,23 0,16 0,42 0,42 0,43 0,39 0,17 0,19 0,16 0,40 0,43 0,69 0,32 0,38 0,27 0,60 0,56 0,60 0,57 0,65 0,20 0,30
*** *** ** ***
hors ferme 0,49 15­24 ans 0,56 0,68 2011 (N 0,61 0,56 0,67 2013 (N = 11 0,51 0,45 0,58 2011 (N = 6 0,34 0,49 0,45 0,55 2013 (N 0,67 0,80 0,75 0,85 2011 (N 0,25 0,55 0,59
** *** **
0,33 25­34 ans 0,57 35­64 = 9 298) 0,40 0,59 975) 0,52 0,45 0,59 0,38 0,33 335) 0,42 0,34 0,52 0 0,30 = 7 894) 0,45 0,40 0,52 0,35 = 2 963) 0,64 0,54 0,77 0,41 0,57
*** *** *** *** *** ***
ans 0,54 Ouganda Employés 0,26 0,41 0,45 0,71 0,44 0,60 0,51 0,69 0,57 0,49 0,22 0,38 0,49 0,37 0,62 0,47 0 0,29 0,40 0,52 0,45 0,60 0 0,35 0,49 0,73 0,59 0,89 0,79 0,73 0,84 2013 (N
hors ferme 0,46 0,63 2012 (N = 0,65 2014 (N = 6 166) 0,40 0,55 2012 (N = 0,50 0,44 0,57 2014 0,75 0,65 0,86 2012 = 4 081)
*** *** *** *** *** ***
0,51 15­24 ans 0,40 25­34 ans 5 705) 0,42 0,62 0,31 0,50 4 496) 0,47 0,37 0,58 (N = 4 567) 0,27 0,46 (N = 1 209) 0,69 0,63 0,77 0,66 0,56 0,78 0,48 0,41 0,56
*** *** *** *** *** ***
35­64 années 0,73 0,62 0,87 0,74 0,64 0,85
*** *** *** *** *** ***
2014 (N = 1 599)
*** *** *** *** *** ***

*** *** *** *** *** ***

0,40 0,36 0,53 0,44 0,63
*** *** *** *** ** ***
0,31 0,51 0,30 0,22 0,39 0,38 0,28 0,48 0,25 0,18 0,32 0,54 0,46 0,68 0,45 0,34 0,60
*** *** *** *** *** ***
0,58 0,46 0,73 0,44 0,35 0,43 0,57 0,55 0,42 0,47 0,71 0,40 0,29 0,39 0,54 0,71 0,62 0,82 0,54 0,47 0,63
*** *** *** *** ***
0,53 0,46 0,61 0,34 0,53 0,39 0,56 0,30 0,49 0,75 0,73 0,77 0,56 0,48 0,65

Les statistiques démographiques sont corrigées à l’aide de poids d’échantillonnage. Les différences significatives entre les sexes sont testées à l'aide de régressions bivariées avec des poids d'échantillonnage et sont indiquées par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01).
Machine Translated by Google
86 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99
40 000 000
35 000 000
30 000 000
25 000 000
Ouganda
20 000 000
Tanzanie
15 000 000
Nigeria
10 000 000
Malawi
50 00 000
Ethiopie
0
semmoH
semmoH
semmoH
semmeF
semmeF
semmeF
National Rural Urbain
Figure 2. Estimations totales du nombre total de personnes participant à un emploi non agricole selon
le sexe, le pays et la période. Les statistiques démographiques sont corrigées avec des poids
d'échantillonnage.
en raison d’une plus grande hétérogénéité de l’emploi dans les zones urbaines (Nordman
et al., 2016). Dans le cas de l’Ouganda, l’écart entre les sexes est similaire dans les
zones rurales et urbaines.
Conformément aux études sur la participation croissante des femmes au marché du
travail dans les pays en développement (Gaddis et Klasen, 2014), nous constatons que
l’écart entre les sexes en matière de participation à l’emploi non agricole a diminué au fil
du temps dans certains pays. La variation annuelle en pourcentage dans la réduction de
l'écart entre les sexes s'élève à 7,3 pour cent au Malawi, 11,1 pour cent au Nigéria et
13,2 pour cent en Tanzanie. Nous ne constatons pas de réduction au fil du temps de
l’écart entre les sexes en Éthiopie, et l’écart entre les sexes en Ouganda a augmenté de
1,4 pour cent par an. Dans les zones rurales, l'écart entre les sexes a été réduit dans
tous les pays, à l'exception de l'Ouganda (allant de 3,9 pour cent en Éthiopie à 27,8 pour
cent au Nigeria). Dans les zones urbaines, l’écart entre les sexes a été réduit au Malawi
(6,9 pour cent), en Tanzanie (1,1 pour cent) et en Ouganda (3,4 pour cent), et s’est accru
au fil du temps en Éthiopie (1,6 pour cent) et au Nigeria (8,3 pour cent).
Le tableau 1 présente également les taux de participation à l'emploi non agricole,
ventilés par âge, selon le sexe et l'espace pour les cinq pays. À la suite de Yeboah et
Jayne (2018), nous définissons les catégories d'âge suivantes : 1) les personnes âgées
de 15 à 24 ans (« jeunes »), 2) les personnes âgées de 25 à 34 ans (« jeunes adultes »)
– comme l'Union africaine utilise les 15 à 35 ans. ­intervalle d'années pour classer les
jeunes, et 3) les personnes âgées de 35 à 64 ans (« adultes »). Conformément à la
littérature sur le chômage des jeunes en ASS (Fox et al., 2016), nous constatons que les
taux de participation à la dernière série d'enquêtes sont les plus faibles pour les
adolescents (âgés de 15 à 24 ans) et varient de 20 pour cent au Nigeria à 45 pour cent
au Nigeria. Malawi. Cependant, nous constatons que les jeunes adultes (âgés de 25 à
34 ans) sont plus susceptibles d'avoir un emploi non agricole que les adultes (âgés de
35 à 64 ans) en Éthiopie (40 pour cent contre 35 pour cent) et au Malawi (64 pour cent
contre 60 pour cent). , Tanzanie (60 pour cent contre 57 pour cent) et Ouganda (44 pour
cent contre 42 pour cent). Au Nigeria seulement, les adultes sont plus susceptibles
d'avoir un emploi non agricole (61 pour cent) que les jeunes adultes (47 pour cent). Cela
concorde avec d’autres études qui soulignent l’importance de l’emploi non agricole pour
les jeunes d’ASS (Yeboah et Jayne, 2018). Toutefois, cette tendance est principalement
due aux taux d’emploi plus élevés parmi les jeunes adultes des zones rurales, car dans
les zones urbaines, les adultes sont systématiquement plus susceptibles d’avoir un
emploi non agricole. L’écart entre les sexes reste important dans toutes les catégories
d’âge, à l’exception des jeunes adultes du Nigeria (rural), où les femmes sont plus
susceptibles que les hommes d’avoir un emploi non agricole.
4.2. Caractéristiques de l'emploi hors ferme
Même si la création d’emplois dans le secteur non agricole est importante, elle ne
contribue pas au développement économique si les emplois sont de moindre qualité.
que le travail indépendant dans l'exploitation agricole, ou à l'autonomisation économique
des femmes si celles­ci se retrouvent dans des emplois plus instables et moins
rémunérateurs que les hommes. Pour avoir une vision plus nuancée de la « qualité »
de l'emploi, nous évaluons le type (salarié ou travail indépendant), le secteur (agriculture,
industrie ou services), la durée (année complète ou partie d'année) et la fréquence
(travail complet). (à temps ou à temps partiel) d'un emploi hors ferme.
Il existe de profondes différences dans la prévalence du travail salarié et indépendant
entre les pays et au sein de ceux­ci (tableau 2). Dans tous les pays, les femmes sont
systématiquement moins susceptibles que les hommes de participer à un emploi salarié
non agricole que les hommes. La différence entre les sexes s'élève à 6 pour cent pour
les femmes et 13 pour cent pour les hommes en Éthiopie, 6 pour cent pour les femmes
et 21 pour cent pour les hommes au Malawi, 8 pour cent pour les femmes et 17 pour
cent pour les hommes au Nigéria, 24 pour cent pour les femmes et 41 pour cent pour les
hommes. en Tanzanie, et 17 pour cent pour les femmes et 37 pour cent pour les hommes
en Ouganda. Étant donné que la transformation économique est souvent associée à une
part croissante de salariés dans la population active, la probabilité plus élevée pour les
hommes d’accéder à un emploi salarié pourrait non seulement indiquer un écart entre les
sexes en matière de participation, mais également un écart dans la qualité de l’emploi
(La Porta et Shleifer, 2014).
Cependant, nous observons que l’écart entre les sexes en matière de participation à
un emploi salarié non agricole a diminué au fil du temps dans la plupart des pays. La
variation annuelle en pourcentage dans la réduction de l’écart entre les sexes s’élève à
11,4 pour cent en Tanzanie, 7,0 pour cent au Malawi et 6,1 pour cent au Nigeria. En
revanche, l’écart entre les sexes a augmenté chaque année en Éthiopie de 20,0 pour
cent et en Ouganda de 2,6 pour cent. Dans les zones rurales, l’écart entre les sexes a
été réduit dans tous les pays (allant de 2,5 pour cent en Ouganda à 13,2 pour cent en
Tanzanie), tandis que dans les zones urbaines, l’écart entre les sexes s’est accru au fil
du temps en Ouganda (10,5 pour cent).
En plus d’avoir un emploi salarié principal ou secondaire, les femmes et les hommes
exercent également un travail salarié occasionnel ou un emploi dans le cadre d’un
programme de protection sociale. Le travail salarié occasionnel est explicitement
mentionné dans les questionnaires ESS de l’Éthiopie et de l’IHPS du Malawi, où il
constitue une source importante d’emplois non agricoles. Selon la dernière série
d'enquêtes, 4 pour cent des femmes et 11 pour cent des hommes en Éthiopie et 27 pour
cent des femmes et 33 pour cent des hommes au Malawi participent au travail
occasionnel. Cela implique que les habitants du Malawi participent davantage au travail
salarié occasionnel (c'est­à­dire au ganyu) qu'à l'emploi salarié principal, et que cette
différence est plus élevée pour les femmes (21 points de pourcentage) que pour les
hommes (12 points de pourcentage). Étant donné que le ganyu est utilisé comme source
de revenu de dernier recours plutôt que comme source de revenu régulière, l'écart entre
les sexes pourrait indiquer que l'entrée des femmes dans l'emploi est plutôt motivée par
des facteurs d'incitation que par des facteurs d'attraction, ce qui pourrait entraver leur
contribution à l'emploi. développement économique et autonomisation (Oya, 2013).
Le travail occasionnel est plus courant dans les zones rurales que dans les zones
urbaines du Malawi, mais il en va de même dans les zones rurales et urbaines d’Éthiopie.
L’emploi dans un programme de filet de sécurité sociale est en général négligeable dans
tous les pays. C'est assez courant dans les zones rurales d'Éthiopie, où participent 3
pour cent des femmes et 6 pour cent des hommes, et au Malawi, où participent 7 pour
cent des femmes et 5 pour cent des hommes. Si ces taux sont restés les mêmes au fil
du temps en Éthiopie, on constate une forte augmentation au Malawi, notamment pour
les femmes vivant en zone urbaine.
L’écart entre les sexes dans le travail indépendant est plus faible que dans le travail
salarié. Selon les pays, les femmes sont moins susceptibles de participer que les femmes
(18 pour cent contre 21 pour cent au Malawi), tout aussi susceptibles (18 pour cent en
Éthiopie, 26 pour cent en Tanzanie et 16 pour cent en Ouganda) ou plus susceptibles
(39 pour cent contre 35 pour cent). pour cent au Nigéria). La prévalence plus élevée de
la propriété des femmes dans les ENF au Nigeria est conforme à d'autres études menées
dans les zones rurales d'Afrique de l'Ouest (Ackah, 2013). Ces tendances sont similaires
au fil du temps et dans les zones rurales et urbaines. Pour les hommes, la participation
à un emploi salarié est plus courante qu’à un travail indépendant, sauf au Nigeria. Pour
Machine Translated by Google

1(r
Ki
G.
T.
D
Tableau 2
Types et secteurs d’emploi non agricole selon le sexe, les pays, l’espace et le temps.

National Rural Urbain

B
Femme homme Femme homme Femmes Hommes Femme homme Femme homme Femme homme

V
Ethiopie 2014 (N = 10 281) 2016 (N = 10 092) 2014 (N = 6 790) 2016 (N = 6 843) 2014 (N = 3 491) 2016 (N = 3 249)
Travailleur indépendant 0,13 0,13 0,41 0,41 0,18 0,17 0,30 0,27 0,13 0,12 0,41 0,42 0,13 0,13 0,30 0,27 0,44 0,39 0,34 0,27 0,34 0,32
** ** **

d
Industrie 0,54 0,54 0,02 0,07 0,66 0,69 0,06 0,13 0,54 0,54 0,02 0,07 0,66 0,69 0,01 0,05 0,62 0,66 0,13 0,31 0,31 0,29
** *
Prestations de service 0,27 0,18 0,07 0,21 0,07 0,10 0,22 0,27 0,28 0,18 0,07 0,21 0,08 0,17 0,25 0,34 0,12 0,13 0,11 0,27 0,67 0,69
*** *** *** *** *** ***
Salaire employé 0,22 0,39 0,07 0,08
Agriculture
** ** **
Industrie 0,22 0,25
** ***
Prestations de service 0,66 0,61 0,71 0,62 0,65 0,61 0,66 0,49 0,77 0,60 0,72 0,67
*** *** *** *** ***
Salaire occasionnel employé 0,13 0,27 0,04 0,11 0,13 0,27 0,04 0,11 0,08 0,13 0,04 0,12
** *** ** *** **
Filet de sécurité utilisé 0,03 0,05 0,02 0,05 0,03 0,05 0,03 0,06 0,02 0,00 0,00 0,00

Malawi 2010 (N = 6 336) 0,15 2013 (N = 8 347) 0,21 2010 (N = 4 534) 0,13 2013 (N = 6 057) 0,19 2010 (N = 1 802) 0,26 2013 (N = 2 290)
*** *** *** *** **
Travailleur indépendant 0,12 0,18 0,10 0,15 0,22 0,34 0,30
** **
Industrie 0,32 0,32 0,32 0,29 0,40 0,41 0,39 0,35 0,12 0,14 0,14 0,15
** ***
Prestations de service 0,67 0,66 0,67 0,69 0,58 0,57 0,59 0,63 0,88 0,86 0,85 0,85
*** *** *** *** *** ***
Salaire employé 0,05 0,24 0,06 0,21 0,04 0,19 0,04 0,16 0,14 0,46 0,15 0,45
** ** ** **
Agriculture 0,10 0,21 0,12 0,18 0,16 0,31 0,18 0,28 0,01 0,02 0,03 0,03
** *** *** ** **
Industrie 0,13 0,22 0,08 0,18 0,15 0,21 0,06 0,15 0,11 0,24 0,11 0,23
*** *** *** *** ** *
Prestations de service 0,77 0,57 0,80 0,64 0,69 0,47 0,75 0,57 0,88 0,74 0,86 0,74
*** *** *** *** *** ***
Salaire occasionnel employé 0,26 0,32 0,27 0,33 0,28 0,34 0,30 0,35 0,14 0,22 0,15 0,26
*** * **
Filet de sécurité utilisé 0,01 0,01 0,07 0,05 0,01 0,02 0,07 0,06 0,00 0,00 0,08 0,01

Nigeria 2013 (N = 10 982) 2016 (N = 11 917) 2013 (N = 7 955) 0,35 2016 (N = 8 422) 0,31 2013 (N = 3 027) 0,47 2016 (N = 3 495)
*** ***
Travailleur indépendant 0,41 0,40 0,39 0,35 0,36 0,35 0,50 0,46 0,43
*** *** *** *** *** ***
Salaire employé 0,08 0,19 0,08 0,17 0,04 0,13 0,04 0,11 0,16 0,29 0,13 0,26
*
Agriculture 0,07 0,08 0,02 0,04 0,16 0,11 0,03 0,05 0,03 0,06 0,01 0,03
*** *** *** *** ** ***
Industrie 0,08 0,15 0,11 0,31 0,06 0,16 0,10 0,27 0,08 0,15 0,11 0,34
*** *** *** *** ***
Prestations de service 0,85 0,77 0,87 0,65 0,78 0,73 0,88 0,68 0,89 0,79 0,87 0,63
Filet de sécurité utilisé 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00 0,00

Tanzanie 2011 (N = 9 298) 2013 (N = 11 975) 2011 (N = 6 335) 2013 (N = 7 894) 2011 (N = 2 963) 2013 (N = 4 081)
Travailleur indépendant 0,24 0,24 0,26 0,25 0,11 0,13 0,19 0,21 0,21 0,20 0,35 0,34 0,36 0,35
*** *** *** **
Industrie 0,13 0,20 0,89 0,87 0,24 0,41 0,15 0,15 0,12 0,13 0,11 0,28 0,10 0,13
*** *** *** **
Prestations de service 0,87 0,78 0,59 0,38 0,85 0,82 0,87 0,86 0,89 0,70 0,90 0,87
*** *** *** *** *** ***
Salaire employé 0,19 0,41 0,18 0,37 0,24 0,38 0,23 0,53 0,25 0,51
*** *** *** *** **
Agriculture 0,48 0,38 0,69 0,56 0,79 0,54 0,08 0,07 0,14 0,09
*** *** *** *** *** ***
Industrie 0,07 0,14 0,06 0,24 0,04 0,10 0,04 0,22 0,12 0,22 0,08 0,28
*** *** ** ***
Prestations de service 0,45 0,47 0,36 0,37 0,27 0,34 0,17 0,24 0,79 0,71 0,77 0,62
*** ** *** **
Filet de sécurité utilisé 0,00 0,01 0,00 0,01 0,00 0,01 0,00 0,01 0,00 0,00 0,00 0,00

Ouganda 2012 (N = 5 705) 0,27 2014 (N = 6 166) 0,16 2012 (N = 4 496) 0,26 2014 (N = 4 567) 0,15 2012 (N = 1 209) 0,32 2014 (N = 1 599)
* **
Travailleur indépendant 0,25 0,16 0,23 0,14 0,36 0,23 0,19
*
Industrie 0,17 0,15 0,10 0,10 0,18 0,16 0,13 0,12 0,11 0,08 0,04 0,06
*
Prestations de service 0,81 0,82 0,89 0,90 0,80 0,80 0,87 0,88 0,89 0,92 0,95 0,94
*** *** *** *** *** ***
Salaire employé 0,20 0,39 0,17 0,37 0,17 0,37 0,14 0,33 0,30 0,49 0,24 0,47
*** *** *** *** ** ***
Agriculture 0,70 0,51 0,69 0,55 0,77 0,58 0,79 0,64 0,34 0,19 0,35 0,23
*** *** *** *** ***
Industrie 0,05 0,12 0,05 0,10 0,03 0,12 0,05 0,09 0,12 0,16 0,06 0,14
*** *** *** *** **
Prestations de service 0,25 0,37 0,26 0,35 0,20 0,31 0,16 0,27 0,54 0,65 0,59 0,62

Les statistiques démographiques sont corrigées à l’aide de poids d’échantillonnage. Les différences significatives entre les sexes sont testées à l'aide de régressions bivariées avec des poids d'échantillonnage et sont indiquées par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01). Secteur
d’emploi est conditionnel au fait d’être employé.
Machine Translated by Google

K1(
Tableau 3

G
T
Intensité de l’emploi non agricole selon le sexe, les pays, l’espace et le temps.

B
V
National Rural Urbain

Femme homme Femme homme Femme homme Femmes Hommes Femme homme Femme homme

d
Éthiopie 2014 (N = 10 281) 2016 (N = 10 092) 2014 (N = 6 790) 2016 (N = 6 843) 2014 (N = 3 491) 2016 (N = 3 249)
*** *** *** *** *** ***
# Emplois (Cond. sur empl.) 1,14 1,20 1,08 1,16 1.14 1,20 1.08 1,17 1.15 1,30 1.08 1.15
Travail indépendant
** ***
Année complète/Temps plein 0,24 0,26 0,32 0,38 0,24 0,25 0,15 0,18 0,38 0,48 0,51 0,62
**
Année complète/Temps 0,08 0,05 0,12 0,11 0,08 0,05 0,08 0,08 0,09 0,15 0,15 0,15
partiel Année partielle/Temps 0,04 0,06 0,05 0,06 0,04 0,06 0,05 0,07 0,07 0,08 0,05 0,04
** *** ***
plein Année partielle/Temps partiel 0,64 0,63 0,51 0,45 0,64 0,64 0,72 0,67 0,46 0,29 0,29 0,18
Emploi salarié
Année complète/temps plein 0,28 0,21 0,50 0,48 0,26 0,19 0,40 0,29 0,54 0,58 0,52 0,55
Année complète/temps partiel 0,21 0,17 0,07 0,07 0,21 0,18 0,13 0,10 0,17 0,16 0,06 0,05
** ** **
Année partielle/temps plein 0,20 0,36 0,28 0,32 0,21 0,37 0,25 0,39 0,15 0,17 0,28 0,29
Année partielle/temps partiel 0,31 0,26 0,15 0,14 0,32 0,27 0,22 0,22 0,14 0,09 0,14 0,11

Malawi 2010 (N = 6 336) 2013 (N = 8 347) 2010 (N = 4 534) 2013 (N = 6 057) 2010 (N = 1 802) 2013 (N = 2 290)
*** *** ***
# Emplois (Cond. sur empl.) 1.09 1,16 1,20 1,20 1,09 1,16 1,20 1,21 1,08 1,16 1.21 1.19
Travail indépendant
** ** *
Année complète/Temps plein 0,05 0,10 0,13 0,16 0,04 0,08 0,08 0,10 0,08 0,16 0,25 0,34
*** *** **
Année complète/Temps 0,20 0,19 0,09 0,17 0,19 0,15 0,08 0,17 0,22 0,29 0,10 0,18
partiel Année partielle/Temps 0,10 0,13 0,55 0,51 0,11 0,15 0,60 0,55 0,07 0,09 0,44 0,39
** *** ** ** ***
plein Année partielle/Temps partiel 0,66 0,58 0,23 0,15 0,66 0,63 0,24 0,18 0,63 0,47 0,21 0,09
Emploi salarié
* *** *** *
Année complète/temps plein 0,34 0,42 0,38 0,53 0,26 0,35 0,29 0,48 0,44 0,55 0,51 0,60
*
Année complète/temps partiel 0,12 0,19 0,08 0,08 0,16 0,22 0,09 0,09 0,07 0,14 0,07 0,05
Année partielle/temps plein 0,30 0,25 0,31 0,28 0,24 0,24 0,30 0,26 0,39 0,26 0,32 0,31
** ** *** **
Année partielle/temps partiel 0,24 0,14 0,22 0,11 0,34 0,19 0,31 0,16 0,10 0,06 0,10 0,04

Nigeria 2013 (N = 10 982) 2016 (N = 11 917) 2013 (N = 7 955) 2016 (N = 8 422) 2013 (N = 3 027) 2016 (N = 3 495)
*** *** *** *** *** **
# Emplois (Cond. sur empl.) 1,03 1,09 1,04 1,07 1.02 1,08 1.02 1,06 1.04 1,10 1.05 1.08
Travail indépendant
*** **
Année complète/Temps plein 0,53 0,52 0,02 0,04 0,57 0,50 0,02 0,02 0,48 0,55 0,03 0,05
Année complète/Temps 0,57 0,56 0,53 0,53 0,61 0,59
*** **
partiel Année partielle/Temps 0,47 0,48 0,01 0,00 0,43 0,50 0,01 0,01 0,52 0,45 0,00 0,00
plein Année partielle/Temps partiel 0,40 0,40 0,44 0,44 0,35 0,35
Emploi salarié
Année complète/temps plein 0,82 0,86 0,82 0,84 0,85 0,86 0,77 0,80 0,81 0,86 0,85 0,87
Année complète/temps partiel 0,09 0,07 0,11 0,11 0,08 0,05 0,17 0,15 0,09 0,07 0,07 0,08
Année partielle/temps plein 0,09 0,07 0,05 0,04 0,06 0,06 0,03 0,04 0,10 0,07 0,06 0,04
*
Année partielle/temps partiel 0,00 0,01 0,02 0,01 0,01 0,02 0,02 0,01 0,00 0,00 0,02 0,00

Tanzanie 2011 (N = 9 298) 2013 (N = 11 975) 2011 (N = 6 335) 2013 (N = 7 894) 2011 (N = 2 963) 2013 (N = 4 081)
*** *** *** ** *** **
# Emplois (Cond. sur empl.) 1.12 1,19 1,12 1.16 1.15 1,21 1.14 1,18 1.07 1,17 1.10 1.13
Travail indépendant
* *** * ***
Toute 0,48 0,52 0,65 0,71 0,40 0,47 0,58 0,62 0,58 0,62 0,75 0,84
* *** * ***
l’année Une 0,52 0,48 0,35 0,29 0,60 0,53 0,42 0,38 0,42 0,38 0,25 0,16
partie de l’année Emploi salarié
*** *** *** *** ***
Année complète/temps plein 0,21 0,27 0,19 0,29 0,08 0,13 0,09 0,16 0,45 0,51 0,41 0,52
Année complète/temps partiel 0,03 0,03 0,03 0,04 0,03 0,03 0,03 0,04 0,03 0,04 0,02 0,03
*** *** *** *** ***
Année partielle/temps plein 0,33 0,45 0,35 0,41 0,32 0,51 0,31 0,44 0,35 0,33 0,45 0,35
*** *** *** ***
Année partielle/temps partiel 0,43 0,25 0,43 0,27 0,57 0,32 0,57 0,36 0,17 0,12 0,12 0,10

Ouganda 2012 (N = 5 705) 2014 (N = 6 166) 2012 (N = 4 496) 2014 (N = 4 567) 2012 (N = 1 209) 2014 (N = 1 599)
# Emplois (Cond. sur empl.) 1.16 1,14 1.16 1,14 1.18 1,15 1.19 1,16 1.08 1,11 1.10 1.10
Travail indépendant
**
Année complète 0,71 0,75 0,81 0,81 0,71 0,74 0,76 0,77 0,70 0,78 0,89 0,92
**
Année partielle 0,29 0,25 0,19 0,19 0,29 0,26 0,24 0,23 0,30 0,22 0,11 0,08
Machine Translated by Google

G. Van den Broeck, T. Kilic / Développement mondial 119 (2019) 81–99 89

femmes, la participation au travail indépendant est plus courante que chez les femmes.
l'emploi salarié en Éthiopie, au Nigeria et dans les zones urbaines de Tanzanie, tandis que

84,0
l’emploi salarié (y compris l’emploi occasionnel) est plus courant dans les zones rurales du
5 1, 0

12 ,0

5 1, 0
Malawi et de Tanzanie.

Selon qu’il s’agisse d’un salarié ou d’un travailleur indépendant, il existe une hétérogénéité
considérable dans la composition sectorielle entre et au sein des entreprises.
pays (tableau 2). Dans les zones rurales, le secteur agricole fournit la plupart des emplois
4,0
oF
emme h

11
6
72

salariés non agricoles en Ouganda (79 pour cent pour les femmes et 64 pour cent pour les
hommes) et en Tanzanie (79 pour cent).
niabrU

***

pour cent pour les femmes et 54 pour cent pour les hommes). Le secteur des services,
d'autre part, fournit la majeure partie des emplois salariés non agricoles dans
les zones rurales d’Éthiopie, du Malawi et du Nigeria, ainsi que dans toutes les zones
6,0

urbaines. Cependant, nous devons noter que dans les zones rurales de l’Éthiopie et du Malawi, la part
91
8
4
0 0

de l’emploi salarié dans l’agriculture augmente fortement lorsqu’il est occasionnel

le travail salarié est pris en compte. En général, la composition sectorielle de l'emploi non
agricole ne change pas beaucoup au fil du temps,
4,0
oFh

sauf dans les zones rurales de l'Éthiopie et du Nigeria, où l'importance de l'emploi agricole a
emme

31
4
92

diminué alors qu'elle a augmenté pour les femmes des zones rurales.
Tanzanie.
***

*
***

Nous observons également d'importantes différences entre les sexes dans le secteur de
emploi. Concernant l'emploi salarié, les femmes sont plus
plus susceptibles d'être employés dans l'agriculture que les hommes en Tanzanie (59 pour
1,0
semmoH

93
8
1
2 2

cent contre 38 pour cent) et en Ouganda (69 pour cent contre 55 pour cent), tandis que les
hommes sont plus susceptibles d'être employés dans les services que les hommes.
femmes en Ouganda (35 pour cent contre 26 pour cent). En Ethiopie,
Au Malawi et au Nigeria, ces rôles sont inversés ; les femmes sont plus
1,0
semmeF

45
8
6
2

susceptibles de participer aux services et moins susceptibles de toucher un salaire agricole

emploi. Dans les cinq pays, les hommes sont plus susceptibles de participer à un emploi
laruR

***

***

salarié industriel (allant de 10 pour cent

en Ouganda à 27 pour cent en Éthiopie) que les femmes (allant de
8 pour cent au Malawi à 22 pour cent en Éthiopie). Étant donné que l'emploi salarié agricole
4,0

est souvent associé à des emplois informels et peu rémunérés, la part plus élevée des
22
1
6 1

femmes impliquées dans ces activités pourrait exacerber l'écart entre les sexes (Oya, 2013).
Cependant, Van
den Broeck et Maertens (2016) documentent la façon dont les femmes travaillent
1,0
oFh

sur les grandes entreprises agricoles en Afrique subsaharienne pourrait encore

emme

84
6
1
5 2

car c'est souvent leur seul moyen de gagner leur propre source de revenus.
revenu. Les différences entre les sexes dans la composition sectorielle sont plus faibles
***

***

pour le travail indépendant, la majorité des ENF étant actives dans les services. Les femmes sont
moins susceptibles de travailler dans l'industrie que les hommes en Tanzanie (11 pour cent contre
13 pour cent), tandis que les femmes sont moins susceptibles de travailler dans l'industrie que les hommes.
3,0
semmoH

72
1
6 1

travailler dans les services en Éthiopie (66 pour cent contre 69 pour cent)
et le Malawi (67 pour cent contre 69 pour cent).
Le tableau 3 présente l'intensité (c'est­à­dire le nombre d'emplois, la durée et la
fréquence) de l’emploi non agricole selon le sexe et l’espace pour
1,0
semmeF

73
5
0
8 2

les cinq pays. Il n'est pas courant que les gens combinent plusieurs
emplois hors ferme – si les emplois sont combinés au cours de la même période
lanoitaN

***

***

(souvent des emplois à temps partiel ou occasionnels) ou si les emplois se succèdent

(souvent une partie de l'année ou des emplois saisonniers). En général, les hommes combinent
plus d'emplois (allant de 1,07 au Nigeria à 1,20 au Malawi) que
4,0

femmes (allant de 1,04 au Nigéria à 1,20 au Malawi), et le cumul de plusieurs emplois est
02
9
2 1

plus courant dans les zones rurales que dans les zones urbaines.
zones.
L’emploi à l’année ou à temps plein est plus courant chez les hommes
1,0
oFh

que les femmes dans la plupart des pays, en particulier pour l’emploi salarié.11 Une autre
emme

73
5
2
62

différence constante est que le travail à l’année/à temps plein

l’emploi est plus répandu dans les zones urbaines que dans les zones rurales.
Cependant, il existe une grande hétérogénéité entre les pays en termes d’intensité de
emploi. En Éthiopie, l’emploi à l’année et à temps plein est
ce qui est surtout courant pour l’emploi salarié et le travail indépendant urbain. Au
Malawi, le travail indépendant rural et urbain est
fortement caractérisé par un emploi à temps partiel/à temps plein tandis que
eénnA

eénnA

eénnA

eénnA
laEs
iéoilrpam

ém l*i’'r<
àsc’'*(rtil
b
0
L
1
e
3
h
p
a
d
ua)eltbiuasT
3(

l.esle
e
ssnvp o tce
u
siisa a
tse sne
rq
ieé
n n
é é
e
srsg .io
ilste
élsiesu
a
cn fs)ia
e
h
sin
a
e
rg pé
rn
èq m
id
,1
sirn
ce 5 n
yté vm
crd)u
ia e 1
t0
itxrg
sn
o osa
id
é
efu évfap
o
n
0
2
5
u
e
i*a
vg t,n
e

11
.esgeaunqsniseho

L'emploi salarié fait ici référence à l'emploi salarié principal, et non à l'emploi occasionnel ou
filet de sécurité sociale du travail.
Machine Translated by Google

90 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99

l’emploi salarié est plutôt une activité à temps plein toute l’année. Le Nigéria a
les taux les plus élevés pour l'emploi à temps plein ­ presque tout le salaire
l’emploi dure toute l’année tandis que le travail indépendant est plus susceptible de
être une partie de l'année. La Tanzanie et l'Ouganda sont assez similaires en termes de
intensité, où le travail indépendant est principalement une activité toute l’année et
l'emploi salarié est plutôt une activité à temps partiel/à l'année, en particulier
dans les zones rurales. Notez que dans les pays où la prévalence de
emploi salarié à temps partiel/à l'année (Tanzanie et Ouganda), le
Le secteur dominant est l’agriculture, confirmant que les salaires agricoles
l'emploi implique souvent un travail occasionnel.
que les taux de sortie dans presque tous les pays ; par exemple le Malawi (22 pour cent contre 13
pour cent), le Nigeria (11 pour cent contre 9 pour cent), la Tanzanie (19 pour cent contre 9 pour cent).
pour cent contre 12 pour cent) et en Ouganda (15 pour cent contre 14 pour cent). Ce n’est
qu’en Éthiopie que les taux de sortie sont supérieurs aux taux d’entrée (18
pour cent contre 10 pour cent). Dans l’ensemble, la stabilité du secteur non agricole
l'emploi est plus élevé dans les zones urbaines que dans les zones rurales, avec
des taux plus élevés de maintien de l’emploi et des taux d’entrée plus faibles
et sortez. Ceci est associé à la prévalence plus élevée de l’emploi à temps plein ou toute
l’année dans les zones urbaines.
L’écart entre les sexes joue également un rôle majeur dans la dynamique de l’emploi non
agricole. Les femmes sont moins susceptibles de conserver un emploi

5. Dynamique de l'emploi non agricole que les hommes dans la plupart des pays, ce qui est lié à la moindre qualité des
emplois auxquels participent les femmes. L'écart entre les sexes s'élève à 7 pp en

5.1. Tarifs d’entrée et de sortie Éthiopie, 14 pp en Ouganda, 15 pp en Tanzanie et 21 pp au Malawi.

Le Nigeria est une exception où les femmes sont tout aussi susceptibles de continuer

Passons maintenant à la dynamique de l'emploi non agricole et l'emploi, ce qui est probablement dû à la stabilité relativement élevée

enquêter sur la stabilité de ces emplois. Le tableau 4 montre les taux de d’ENF (détenues par des femmes) (Nagler et Naudé, 2017). L’écart entre les sexes

les personnes qui sont entrées et sorties d’un emploi hors ferme et qui est systématiquement plus élevé dans les zones urbaines (allant de 12 pp en Éthiopie à 33

n’ont jamais été ou ont toujours été employés au fil du temps. La part des gens pp au Malawi) que dans les zones rurales (allant de 7 pp en Éthiopie).

qui travaillent continuellement hors de l'exploitation agricole est assez faible dans tous les Ethiopie à 18 pp au Malawi). Les taux d’entrée sont plus élevés pour les femmes

pays. Il varie de 16 pour cent en Éthiopie, 31 pour cent en Ouganda, que pour les hommes au Malawi et en Tanzanie, tandis que les taux de sortie sont plus élevés

32 pour cent au Nigeria et en Tanzanie, à 33 pour cent au Malawi. Ce pour les femmes au Malawi et en Ouganda.
Ceux qui n’ont jamais travaillé à l’extérieur de l’exploitation agricole ou qui n’ont jamais quitté leur emploi sont
implique que l’emploi hors ferme est caractérisé par une instabilité
emplois, ce qui pourrait entraver son potentiel de contribution au développement économique. généralement employés à la ferme (tableau A4 en annexe). Le partage de

Une grande partie de la population change les personnes qui n'ont pas participé à un emploi hors ferme au cours des dernières

statut d'emploi au fil du temps; 20 pour cent au Nigéria, 28 pour cent deux cycles d'enquête mais qui sont impliqués dans des activités à la ferme

en Éthiopie, 29 pour cent en Ouganda, 31 pour cent en Tanzanie et 35 pour cent (y compris la production végétale et animale), aire de répartition dans les zones rurales

pour cent au Malawi, correspondant à une pondération internationale de 90 pour cent au Nigéria à 100 pour cent en Éthiopie et dans les zones urbaines.

part globale de 25 pour cent. Le nombre total de personnes qui de 34 pour cent au Nigéria à 99 pour cent en Éthiopie. Le

entré ou sorti d’un emploi hors ferme entre 2010 et 2016 proportion de personnes qui ont quitté un emploi non agricole et y sont retournées

ces cinq pays représentent environ 39 millions. C'est un énorme vers/a commencé avec des emplois agricoles dans les zones rurales allant de

un changement démographique qui ne peut être révélé qu’en s’appuyant sur un panel 84 pour cent au Nigéria à 100 pour cent en Éthiopie et dans les zones urbaines

des enquêtes qui suivent les individus au fil du temps. Les taux d’entrée sont plus élevés de 27 pour cent au Nigéria à 95 pour cent en Éthiopie.

Tableau 4
Taux de dynamique de l’emploi non agricole selon les pays et le sexe.

National Rural Urbain

Total Femmes Hommes Total Femmes Hommes Total Femmes Hommes

Ethiopie (N = 22 070) (N = 19 600) (N = 2 470)

*** *** **
Jamais 0,56 0,64 0,47 0,15 0,21 0,57 0,65 0,48 0,23 0,28 0,18
*** ***
Sortie 0,18 0,18 0,15 0,21 0,12 0,13 0,12
*** ***
Entrée 0,10 0,08 0,12 0,10 0,08 0,12 0,12 0,13 0,12
*** *** ***
Continuer 0,16 0,13 0,20 0,15 0,12 0,19 0,52 0,47 0,59

Malawi (N = 13 546) (N = 9 776) (N = 3 770)

*** *** ***
Jamais 0,32 0,37 0,25 0,33 0,38 0,27 0,25 0,33 0,17
** * **
Sortie 0,13 0,14 0,11 0,14 0,15 0,13 0,08 0,11 0,06
*** *** ***
Entrée 0,22 0,25 0,19 0,23 0,24 0,21 0,20 0,27 0,14
*** *** ***
Continuer 0,33 0,23 0,44 0,30 0,22 0,40 0,47 0,30 0,63

Nigeria (N = 21 268) (N = 15 116) (N = 6 152)

Jamais 0,47 0,46 0,48 0,54 0,53 0,55 0,35 0,34 0,36
Sortie 0,09 0,09 0,09 0,09 0,08 0,09 0,11 0,11 0,10
Entrée 0,11 0,12 0,11 0,11 0,11 0,11 0,13 0,13 0,12
**
Continuer 0,32 0,33 0,31 0,26 0,28 0,25 0,42 0,42 0,43

Tanzanie (N = 19 406) (N = 12 907) (N = 6 499)

*** *** ***
Jamais 0,38 0,44 0,31 0,12 0,12 0,20 0,42 0,48 0,35 0,29 0,35 0,22
** ***
Sortie 0,12 0,17 0,24 0,39 0,13 0,12 0,14 0,09 0,12 0,06
** ***
Entrée 0,19 0,20 0,20 0,19 0,17 0,19 0,14
*** *** ***
Continuer 0,32 0,25 0,19 0,32 0,45 0,35 0,58

Ouganda (N = 21 017) (N = 15 963) (N = 5 054)

*** *** ***
Jamais 0,40 0,47 0,32 0,44 0,51 0,36 0,27 0,33 0,20
Sortie 0,14 0,15 0,14 0,15 0,15 0,15 0,13 0,14 0,13
* **
Entrée 0,15 0,14 0,16 0,15 0,14 0,16 0,15 0,15 0,15
*** *** ***
Continuer 0,31 0,24 0,38 0,27 0,20 0,34 0,45 0,38 0,53

Les statistiques démographiques sont corrigées à l’aide de poids d’échantillonnage. Les différences significatives entre les sexes sont testées à l'aide de régressions bivariées avec des poids d'échantillonnage et sont
indiqué par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01).
Machine Translated by Google
G. Van den Broeck, T. Kilic / Développement mondial 119 (2019) 81–99
5.2. Modèles économétriques
Nous analysons la dynamique derrière les décisions des gens d'entrer ou
continuer à travailler hors ferme. Plus spécifiquement, nous nous intéressons aux
caractéristiques individuelles, familiales, communautaires et professionnelles associées à
l'emploi des hommes et des femmes.
transitions et si celles­ci diffèrent selon le sexe. D'abord, nous nous séparons
l'échantillon total en deux sous­échantillons basés sur la situation d'emploi du cycle
précédent : ceux qui n'étaient pas employés et ceux
qui étaient. Nous utilisons ensuite des modèles de probabilité linéaires distincts pour
deux sous­échantillons pour estimer la probabilité d'être employé dans
le dernier tour de table. Les deux modèles pour entrer et continuer
l'emploi hors ferme prend la forme suivante :
P yi;t ¼ 1jyi;t1 ¼ 0 ¼ bXi;t1 þ ei;t
P yi;t ¼ 1jyi;t1 ¼ 1 ¼ cXi;t1 þ dEi;t1 þ li;t
où y est une variable binaire indiquant l'emploi hors ferme
statut de l'individu i au cours de l'année t, X un vecteur d'individu, de ménage
et les caractéristiques de la communauté et E un vecteur de caractéristiques de l'emploi.
Le premier modèle évalue les déterminants de l’entrée en emploi
et explique pourquoi certaines personnes trouvent un emploi tandis que d'autres
ne sont jamais employés. Le deuxième modèle évalue les déterminants
de maintien de l'emploi et explique pourquoi certaines personnes restent
employés tandis que d’autres abandonnent leur emploi. Nous estimons ces
modèles pour hommes et femmes séparément dans les zones rurales et urbaines
et prendre en compte les poids d’échantillonnage corrigés de l’attrition pour
tirer des conclusions représentatives à l’échelle nationale.
Conformément à la littérature sur les déterminants de l’emploi, nous
inclure des variables indépendantes au niveau individuel (âge, relation avec
chef de ménage, état civil et éducation), au niveau du ménage
(taille du ménage, taux de dépendance, richesse, propriétés foncières et unités de cheptel)
et au niveau communautaire (distance de la route la plus proche et
marché). X inclut également les effets fixes régionaux. De plus, nous sommes
intéressé par les effets des chocs covariables et idiosyncratiques,
et incluent des variables dichotomiques identifiant si le ménage a récemment été confronté
au décès ou à une maladie grave d'un membre du ménage, à des événements
météorologiques extrêmes (inondations et sécheresses) et à un événement soudain.
augmentation des prix des denrées alimentaires. Les variables indépendantes sont décrites
et résumées dans le tableau A3 en annexe. Pour les conducteurs de
emploi continu, nous incluons également les caractéristiques de l'emploi,
y compris le type d'emploi (emploi salarié régulier, emploi occasionnel)
(emploi salarié ou travail indépendant), secteur (agriculture, industrie ou services) et intensité
(emploi à l'année et à temps plein). Les variables indépendantes sont construites de manière
identique pour
les cinq pays pour permettre une comparabilité entre les pays. Toutefois, certaines variables
ne sont pas disponibles pour tous les pays. L'Ouganda
Le questionnaire NPS n’inclut pas de données sur les chocs liés à l’alimentation
prix, et le panel GHS du Nigeria, le NPS de Tanzanie et le NPS de l'Ouganda
les questionnaires n'incluent pas de données spécifiques sur les salaires occasionnels
l’emploi ou les heures travaillées dans les ENF.
Nous appliquons quatre contrôles de robustesse principaux pour vérifier la cohérence
de nos résultats. Premièrement, toutes les caractéristiques de X et E sont en retard d'un
période de temps pour éviter les problèmes de causalité inverse. Pour les pays
avec plus de deux tours de panneaux, nous utilisons les dernières nouveautés disponibles
arrondir pour t + 1. Ceci est particulièrement important pour des variables comme
la richesse et les chocs, car ils pourraient être influencés par les
décisions en matière d'emploi. Cependant, comme nous ne contrôlons pas la valeur initiale
statut d’emploi qui pourrait être corrélé à des facteurs inobservables
variables, nous interprétons prudemment nos résultats comme des corrélats. Deuxième,
les variables indépendantes reflètent principalement l’offre de travail des individus. Les
caractéristiques de la demande de main­d'œuvre peuvent également influencer les transitions
professionnelles des personnes, mais malheureusement, le LSMS­ISA
les données n’incluent pas les variables disponibles dans tous les pays.
91
Par exemple, la densité de population au niveau communautaire, qui peut être
utilisé comme indicateur de la demande de main­d’œuvre, est disponible pour tous les pays
sauf l'Ouganda. L'inclusion de cette variable dans les régressions
donne des estimations similaires, ce qui suggère que nos résultats sont robustes.
Troisièmement, nous analysons différentes spécifications, à l'aide de modèles logit
au lieu de modèles de probabilité linéaire. Comme les estimations sont très
similaire, nous préférons utiliser cette dernière étant donné que les modèles linéaires nécessitent
moins d’hypothèses de distribution (Angrist et Pischke, 2008).
Quatrièmement, vérifier si les différences entre les sexes sont significatives au sein
un pays, nous regroupons les échantillons d’hommes et de femmes et estimons
effet principal du genre et effets d’interaction avec les autres variables indépendantes. Quelle
que soit la variable de résultat qui vous intéresse,
dans chaque pays et dans les échantillons ruraux et urbains, le genre
les effets fictifs et/ou les effets d'interaction associés aux variables indépendantes clés sont
statistiquement significatifs à au moins 10 pour cent
ð1Þ
niveau, ce qui indique des différences substantielles entre les sexes. Dans l'intérêt de
par souci de brièveté, nous ne rapportons pas les résultats des contrôles de robustesse dans
le document mais ils sont disponibles sur demande.
ð2Þ
5.3. Facteurs d’entrée dans un emploi non agricole12
Le tableau 5 présente les corrélats de l'entrée dans un emploi non agricole pour les
zones rurales. En général, les variables ayant des coefficients statistiquement significatifs
sont spécifiques au pays et au sexe, ce qui rend
difficile de tirer des conclusions généralisées. Seuls quelques­uns sont estimés de manière
cohérente dans les pays avec des coefficients statistiquement significatifs qui évoluent dans
la même direction, alors que notre analyse
révèle des corrélats significatifs qui ont une incidence différente sur la
résultats du travail dans différents pays. Nous expliquons autant que possible les raisons
potentielles de cette hétérogénéité entre les pays, ainsi que
en fonction des données et des informations qualitatives disponibles.
Nous constatons un avantage comparatif des jeunes adultes (âgés de 25 à 34 ans)
plus de jeunes (âgés de 15 à 24 ans) pour entrer dans le cas d’hommes ougandais. En
revanche, les femmes âgées de 15 à 24 ans en Éthiopie sont plus susceptibles de commencer par
emploi. Passer le seuil de 35 ans est associé
avec une probabilité plus faible d'accepter un emploi pour les hommes au Malawi
et la Tanzanie. Cela indique que les jeunes hommes sont plus susceptibles de
que les femmes qui accèdent à un emploi non agricole au Malawi, en Tanzanie et
Ouganda, ce qui s'explique par les opportunités d'emploi plus attractives pour les hommes.
Au Malawi, les femmes chefs de famille sont plus susceptibles d'entrer
en Ouganda, tandis que les chefs de file masculins sont moins susceptibles d'accéder à l'emploi.
que les autres membres du ménage, ce qui est lié aux différences
responsabilités des membres du ménage. État civil
est associé à une probabilité plus faible d’accéder à l’emploi
pour les femmes dans tous les pays (bien que significatif seulement en Tanzanie)
alors que cette probabilité est plus élevée pour les hommes (bien que seulement significative
en Ouganda). Cela suggère que se marier a des effets opposés
sur l'entrée des hommes et des femmes dans des activités non agricoles. Ménage
la taille est corrélée à une plus faible probabilité de commencer un emploi pendant
femmes au Nigeria et en Ouganda, mais le taux de dépendance des enfants a un
association positive en Éthiopie, au Malawi et au Nigeria13. Ce n'est pas
conforme à la plupart des études sur la fécondité et l’offre de main­d’œuvre féminine, mais cela
est conforme à Heath (2017), qui constate que la fécondité augmente chez les femmes
offre de main­d’œuvre dans les zones urbaines du Ghana. Avoir de jeunes enfants pourrait induire
les femmes à chercher un emploi en dehors de l'exploitation agricole familiale pour compléter le
revenu du ménage, car elles sont souvent responsables de l'éducation des enfants. L’éducation
détermine la transition vers l’emploi uniquement dans
12
Sauf indication contraire, les différences entre les sexes au sein d'un pays qui sont discutées dans
cette section est statistiquement significative au moins au niveau de 10 pour cent. Cela a été testé
par une analyse complémentaire dans laquelle nous regroupons les échantillons mâles et femelles et estimons
l'effet principal du genre et les effets d'interaction avec les autres
variables.
13 Le taux de dépendance des enfants est défini comme le nombre de membres du ménage âgés de moins de
dix sur le nombre de membres âgés de 10 ans et plus. Nous avons également essayé un autre
spécification où les personnes à charge ont moins de 15 ans, mais cela a donné des résultats similaires.
Machine Translated by Google

92 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99

Tableau 5
Facteurs d’entrée dans l’emploi non agricole selon le sexe et le pays pour les zones rurales.

Ethiopie Malawi Nigeria Tanzanie Ouganda

Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes

** ***
25­34 ans (réf. 15­24) 0,088 (0,038) 0,061 0,008 0,058 0,067 0,048 0,035 0,043 0,038 0,079 0,225
(0,039) (0,040) (0,042) (0,055) (0,030) (0,033) (0,035) (0,047) (0,061) (0,087)
* **
35­64 ans 0,018 0,020 0,006 0,112 0,007 0,039 0,005 0,128 0,064 0,085
(0,031) (0,058) (0,046) (0,061) (0,030) (0,047) (0,037) (0,053) (0,069) (0,095)
** **
Chef de ménage/conjoint 0,028 0,034 0,147 0,111 0,056 0,058 0,040 0,106 0,056 0,163
(0,038) (0,050) (0,063) (0,124) (0,044) (0,065) (0,043) (0,053) (0,074) (0,106)
** *
Marié 0,008 0,068 0,042 0,022 0,014 0,049 0,087 0,031 0,020 0,148
(0,004) (0,060) (0,049) (0,132) (0,037) (0,073) (0,035) (0,045) (0,055) (0,080)
** *** ***
Éducation 0,037 0,007 0,005 0,001 0,000 0,004 0,014 0,013 0,007 0,011
(0,005) (0,011) (0,008) (0,003) (0,002) (0,004) (0,005) (0,006) (0,008)
** * ** **
Inscrit à l'école 0,084 0,057 0,124 0,018 0,028 0,111 0,101 0,006 0,020
(0,059) (0,036) (0,093) (0,068) (0,030) (0,027) (0,045) (0,046) (0,093) (0,077)
** ***
La taille du ménage 0,003 0,007 0,001 0,008 0,006 0,000 0,001 0,004 0,017 0,001
(0,006) (0,006) (0,008) (0,008) (0,003) (0,003) (0,004) (0,004) (0,006) (0,008)
*** ** ** ** *
Ratio de dépendance 0,061 0,016 0,069 0,096 0,047 0,051 0,017 0,061 0,024 0,020
(0,023) (0,027) (0,029) (0,045) (0,023) (0,030) (0,032) (0,042) (0,037) (0,059)
* ** ** **
Richesse 0,048 0,030 0,066 0,002 0,030 0,027 0,034 0,016 0,019 0,000
(0,028) (0,039) (0,027) (0,025) (0,013) (0,012) (0,022) (0,026) (0,027) (0,033)
** *** *
Propriétés foncières 0,006 0,012 0,051 0,112 0,005 0,004 0,005 0,004 0,010 0,015
(0,005) (0,008) (0,023) (0,025) (0,007) (0,008) (0,003) (0,004) (0,011) (0,011)
** *** *** * ***
Bétail 0,004 0,005 0,004 0,020 0,002 0,000 0,007 0,003 0,003 0,006
(0,002) (0,002) (0,003) (0,019) (0,001) (0,002) (0,002) (0,001) (0,003) (0,002)
** *** **
Choc : Décès/maladie 0,080 0,005 0,036 0,133 0,035 0,029 0,021 0,029 0,192 0,043
(0,034) (0,041) (0,046) (0,047) (0,030) (0,031) (0,038) (0,049) (0,079) (0,082)
* *
Choc : sécheresse/inondation 0,038 0,034 0,027 0,052 0,035 0,040 0,001 0,007 0,015 0,088
(0,037) (0,045) (0,035) (0,039) (0,021) (0,043) (0,030) (0,041) (0,036) (0,046)
Choc : prix 0,034 0,023 0,008 0,053 0,018 0,045 0,032 0,018
(0,031) (0,038) (0,035) (0,040) (0,033) (0,049) (0,029) (0,033)
* * ***
Route à distance 0,001 0,002 0,002 0,000 0,000 0,001 0,001 0,001 0,006 0,004
(0,000) (0,001) (0,001) (0,002) (0,001) (0,001) (0,001) (0,001) (0,002) (0,003)
Marché à distance 0,000 0,000 0,001 0,001 0,000 0,000 0,000 0,000 0,001 0,001
(0,000) (0,000) (0,001) (0,001) (0,000) (0,000) (0,000) (0,000) (0,001) (0,001)
*** *** *** *** *** *** *** *** ***
Constante 0,330 0,320 0,204 0,585 0,181 0,056 0,316 0,363 0,333 0,362
(0,062) (0,096) (0,068) (0,080) (0,048) (0,048) (0,062) (0,064) (0,088) (0,117)
Mannequins de région Oui Oui Oui Oui Oui Oui Oui Oui Oui Oui

Observations 2 084 1 516 1 677 1 104 2 410 2 119 2 250 1 642 759 515
R2 0,052 0,042 0,065 0,092 0,033 0,037 0,077 0,077 0,065 0,098
*** *** *** *** *** *** *** *** *** ***
Essai F 2,474 2,326 5,021 5,182 3,306 2,814 5,897 8,519 2,208 3.565

Les erreurs types sont indiquées entre parenthèses. Les régressions sont corrigées avec des poids d’échantillonnage et d’attrition. Les effets significatifs sont indiqués par * (p < 0,1), ** (p < 0,05)
et *** (p < 0,01). Les variables sont décalées d'une période de temps et décrites dans le tableau A3.

Tanzanie et pour les femmes en Éthiopie, ce qui suggère que la plupart des emplois
dans d’autres pays, ils sont peu qualifiés.
La richesse est positivement associée au début d’un emploi dans
en Éthiopie et au Nigeria, mais négativement pour les femmes du Malawi, suggérant une
nécessité de rechercher un emploi plutôt qu'une opportunité.
La différence entre les sexes au Malawi pourrait conduire à une augmentation des inégalités
si les femmes se retrouvent dans des emplois peu rémunérés et précaires. Donné
que les femmes employées hors ferme sont proportionnellement plus actives dans
ganyu que les hommes salariés (tableau 2), cela justifie en outre,
des recherches plus détaillées afin d’en tirer des implications politiques spécifiques pour
lutter contre l’inégalité des revenus entre les sexes dans les zones rurales du Malawi.
Les chocs (en particulier le décès ou la maladie d'un membre du ménage) poussent les
hommes au Malawi et les femmes en Éthiopie et en Ouganda.
pour accéder à l'emploi. Cela illustre à quel point l'emploi hors ferme
transitions et que le capital et les actifs initiaux jouent un rôle plus important
rôle dans les zones rurales dans la probabilité d’accéder à un emploi non agricole,
qui a été documenté par de nombreuses études (par exemple Bezu et
Barrett, 2012 ; Nagler et Naudé, 2017). Les chocs comptent davantage
zones urbaines : alors qu’au Nigeria le décès ou la maladie d’un ménage
que les hommes sont associés à une probabilité plus élevée d'accepter un emploi, cette
probabilité est plus faible en Éthiopie et en Tanzanie.
De plus, les événements météorologiques extrêmes et les hausses soudaines des prix sont
associés à une probabilité plus faible, en particulier pour les hommes. Cela pourrait être
en raison d’une diminution du pouvoir d’achat dans ces conditions extrêmes et d’une
moindre demande de services.
5.4. Facteurs du maintien de l’emploi hors ferme14

peut être utilisée comme stratégie d’adaptation aux chocs idiosyncratiques. Le

l’effet insignifiant des chocs pluviométriques inattendus implique que Le tableau 7 présente les facteurs favorisant le maintien de l'emploi hors ferme

les ménages ne procèdent pas à des ajustements majeurs à court terme dans leur dans les zones rurales. Les hommes et les femmes d'âge moyen ont plus de chances de

engagement hors ferme en raison des événements météorologiques extrêmes, ce qui a été maintien de l’emploi (en particulier au Malawi, au Nigéria et

documenté par Rijkers et Söderbom (2013) et Mathenge et Ouganda), bien que les différences avec le groupe de référence de

Tschirley (2015). Les 15­24 ans ne sont pas toujours significatifs. Les chefs de famille et

Le tableau 6 présente les facteurs d'entrée dans un emploi non agricole

pour les zones urbaines. Par rapport aux zones rurales, nous observons des différences
intéressantes. Contrairement aux zones rurales, la richesse est négativement associée à la
transition vers l’emploi (en particulier pour les hommes).
au Nigeria et en Tanzanie), ce qui suggère des facteurs d’incitation négatifs dans ces pays.
14
Sauf indication contraire, les différences entre les sexes au sein d'un pays qui sont discutées dans
cette section est statistiquement significative au moins au niveau de 10 pour cent. Cela a été testé
par une analyse complémentaire dans laquelle nous regroupons les échantillons mâles et femelles et estimons
l'effet principal du genre et les effets d'interaction avec les autres
variables.
Machine Translated by Google

G. Van den Broeck, T. Kilic / Développement mondial 119 (2019) 81–99 93

Tableau 6
Facteurs d’entrée dans l’emploi non agricole selon le sexe et le pays pour les zones urbaines.

Ethiopie Malawi Nigeria Tanzanie Ouganda

Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes

*** **
25­34 ans (réf. 15­24) 0,048 0,069 0,021 0,079 0,115 0,065 0,231 0,173 0,027 0,173
(0,115) (0,139) (0,058) (0,122) (0,070) (0,058) (0,056) (0,075) (0,136) (0,148)
** **
35­64 ans 0,249 0,033 0,073 0,065 0,167 0,053 0,033 0,095 0,056 0,274
(0,123) (0,117) (0,090) (0,151) (0,082) (0,111) (0,055) (0,121) (0,121) (0,193)
*** ***
Chef de ménage/conjoint 0,128 0,299 0,003 0,029 0,051 0,490 0,005 0,037 0,058 0,051
(0,148) (0,098) (0,134) (0,270) (0,101) (0,117) (0,064) (0,142) (0,159) (0,247)
***
Marié 0,077 0,059 0,099 0,091 0,456 0,007 0,132 0,088 0,126
(0,129) (0,160) (0,251) (0,087) (0,126) (0,058) (0,137) (0,142) (0,198)
** ** **
Éducation 0,001 0,024 0,012 0,010 0,011 0,003 0,014 0,011 0,003 0,002
(0,010) (0,010) (0,015) (0,011) (0,006) (0,007) (0,006) (0,009) (0,013) (0,015)
** * *
Inscrit à l'école 0,037 0,106 0,186 0,254 0,013 0,023 0,046 0,151 0,237 0,285
(0,129) (0,120) (0,139) (0,120) (0,056) (0,052) (0,052) (0,081) (0,207) (0,154)
** ***
La taille du ménage 0,027 0,050 0,006 0,021 0,021 0,009 0,007 0,012 0,011 0,023
(0,021) (0,025) (0,012) (0,013) (0,007) (0,009) (0,007) (0,009) (0,013) (0,014)
** ***
Ratio de dépendance 0,005 0,195 0,115 0,358 0,059 0,091 0,067 0,083 0,014 0,123
(0,105) (0,080) (0,078) (0,113) (0,052) (0,084) (0,054) (0,087) (0,107) (0,140)
** **
Richesse 0,005 0,084 0,026 0,022 0,022 0,077 0,006 0,053 0,012 0,012
(0,051) (0,074) (0,024) (0,029) (0,024) (0,034) (0,016) (0,026) (0,051) (0,065)
* *
Propriétés foncières 0,044 0,004 0,087 0,002 0,029 0,000 0,003 0,004 0,035 0,029
(0,056) (0,025) (0,044) (0,074) (0,018) (0,010) (0,006) (0,008) (0,031) (0,015)
*** *** ** **
Bétail 0,008 0,001 0,010 0,020 0,001 0,002 0,009 0,001 0,001 0,011
(0,018) (0,019) (0,002) (0,037) (0,000) (0,001) (0,004) (0,007) (0,006) (0,012)
*** ** ***
Choc : Décès/maladie 0,071 0,312 0,043 0,070 0,023 0,105 0,054 0,163 0,035 0,165
(0,174) (0,102) (0,104) (0,082) (0,057) (0,053) (0,046) (0,062) (0,156) (0,112)
** *** **
Choc : sécheresse/inondation 0,285 0,038 0,168 0,256 0,192 0,002 0,125 0,152 0,003
(0,141) (0,094) (0,121) (0,063) (0,126) (0,041) (0,055) (0,093) (0,125)
* *
Choc : prix 0,012 0,223 0,061 0,132 0,019 0,010 0,040 0,019
(0,110) (0,124) (0,067) (0,079) (0,063) (0,124) (0,050) (0,057)
** * **
Route à distance 0,006 0,006 0,004 0,001 0,010 0,014 0,002 0,002 0,002 0,015
(0,002) (0,004) (0,006) (0,008) (0,006) (0,007) (0,002) (0,001) (0,010) (0,010)
** **
Marché à distance 0,000 0,001 0,019 0,009 0,000 0,001 0,000 0,000 0,001 0,004
(0,001) (0,001) (0,008) (0,009) (0,000) (0,001) (0,000) (0,001) (0,002) (0,003)
*** *** * *** * *** *** ***
Constante 0,545 0,684 0,270 0,474 0,176 0,272 0,322 0,711 0,110 0,998
(0,202) (0,193) (0,160) (0,159) (0,111) (0,142) (0,111) (0,117) (0,190) (0,210)
Mannequins de région Oui Oui Oui Oui Oui Oui Oui Oui Oui Oui

Observations 147 94 565 306 687 567 998 580 159 107
R2 0,145 0,495 0,092 0,195 0,130 0,115 0,107 0,131 0,159 0,301
*** *** *** *** *** *** *** *** *** ***
Essai F 5,354 30,798 5,891 8,794 8,108 3,467 4,880 4,040 3,181 5.913

Les erreurs types sont indiquées entre parenthèses. Les régressions sont corrigées avec des poids d’échantillonnage et d’attrition. Les effets significatifs sont indiqués par * (p < 0,1), ** (p < 0,05)
et *** (p < 0,01). Les variables sont décalées d'une période de temps et décrites dans le tableau A3.

leurs conjoints sont plus susceptibles de rester employés au Malawi, au Nigeria et en (au Malawi et en Ouganda) et l'élevage (au Nigeria et en Ouganda),
Tanzanie. Même si le fait d'être marié favorise le maintien d'un emploi pour les hommes en induire une transition vers l’emploi à la ferme. Cependant, pour
Éthiopie et au Malawi, il est associé à un En Ouganda, le fait que les femmes possèdent du bétail augmente leurs chances de
un taux d'abandon du travail plus élevé chez les femmes au Malawi et en Tanzanie. La conserver un emploi. Les effets des chocs dépendent fortement du pays et diffèrent selon
taille du ménage est corrélée à une plus faible probabilité de continuer à travailler, tant pour le sexe, ce qui suggère que les hommes
les hommes que pour les femmes en Éthiopie. et les femmes au sein d’un même foyer réagissent différemment
et au Malawi, tandis que le taux de dépendance des enfants ne modifie pas cette probabilité. des chocs. Le décès ou la maladie d'un membre du ménage est associé
Par rapport aux facteurs d’entrée dans un emploi non agricole, la démographie des ménages avec une probabilité plus élevée de conserver un emploi pour les hommes
et la fécondité importent moins pour les ménages. Malawi alors que ce chiffre est plus faible pour les hommes en Éthiopie. Conditions météorologiques extrêmes

le maintien de l'emploi des femmes. Cela indique que les pilotes
les entrées et les sorties sont asymétriques, ce qui implique que des politiques différentes
des instruments sont nécessaires pour encourager les femmes à adopter
l'emploi d'une part et l'amélioration de la rétention des femmes
d'autre part, dans un emploi hors ferme.
L'éducation n'a pas d'influence majeure sur la stabilité des
l'emploi, ce qui suggère encore une fois que la plupart des emplois non agricoles
ne nécessite pas un diplôme supérieur. Le maintien de l’emploi est associé
avec un meilleur niveau de vie et des actifs non productifs, avec une plus grande probabilité
pour les hommes au Malawi, au Nigeria et en Tanzanie. Cela donne à penser que l'emploi
non agricole des hommes en milieu rural est plus
rémunératrice, ce qui pourrait conduire à une augmentation des inégalités entre les sexes
(Rijkers et Costa, 2012). Actifs productifs, tels que les propriétés foncières
les événements, tels que les sécheresses et les inondations, sont positivement corrélés avec
le maintien de l'emploi des femmes au Malawi, ce qui est probablement dû
à la baisse de la productivité agricole des exploitations familiales. Comme
les femmes sont principalement employées dans le travail ganyu, cela pourrait suggérer
que les chocs climatiques pourraient conduire à une inégalité persistante entre les sexes dans
le marché du travail. Les chocs de prix ne sont pas associés à la
transition hors de l’emploi.
De plus, les caractéristiques de l’emploi sont importantes pour la stabilité de l’emploi
hors ferme. Les travailleurs indépendants sont plus susceptibles de conserver leur emploi dans
L’Éthiopie et le Nigéria, et cela vaut aussi bien pour les hommes que pour les femmes. Ce
met en évidence des ENF rentables avec un taux de survie élevé et de faibles taux de sortie,
qui a été documenté par Nagler et Naudé (2017) pour le Nigeria. Au Malawi et en Ouganda,
les travailleurs indépendants ou salariés sont
 Ki
G.
1(.
Machine Translated by Google

D
Tableau 7
Facteurs de maintien de l’emploi non agricole selon le sexe et le pays pour les zones rurales.

Ethiopie Malawi Nigeria Tanzanie Ouganda

T
B
Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes

V
** ** * **
25­34 ans (réf. 15­24) 0,083 0,056 0,032 0,099 0,096 0,125 0,056 0,016 0,166 0,037
(0,058) (0,074) (0,046) (0,042) (0,044) (0,073) (0,059) (0,047) (0,075) (0,104)

d
** ** **
35­64 ans 0,060 0,037 0,053 0,085 0,073 0,155 0,059 0,023 0,181 0,055
(0,062) (0,082) (0,049) (0,041) (0,046) (0,077) (0,059) (0,051) (0,084) (0,103)
*** *** *** ** ***
Chef de ménage/conjoint 0,003 0,093 0,238 0,031 0,170 0,214 0,117 0,200 0,065 0,195
(0,075) (0,075) (0,074) (0,081) (0,058) (0,063) (0,051) (0,047) (0,094) (0,130)
* ** *** *
Marié 0,026 0,110 0,092 0,155 0,003 0,058 0,109 0,056 0,089 0,007
(0,052) (0,078) (0,049) (0,061) (0,041) (0,053) (0,039) (0,029) (0,065) (0,102)
* **
Éducation 0,010 0,001 0,007 0,007 0,006 0,006 0,011 0,004 0,002 0,007
(0,009) (0,006) (0,017) (0,008) (0,004) (0,004) (0,006) (0,005) (0,009) (0,007)
* *
Inscrit à l'école 0,060 0,134 0,175 0,144 0,149 0,021 0,165 0,150 0,168 0,038
(0,114) (0,091) (0,132) (0,082) (0,081) (0,062) (0,138) (0,112) (0,150) (0,147)
* ** *
La taille du ménage 0,015 0,027 0,003 0,016 0,005 0,004 0,001 0,003 0,016 0,004
(0,009) (0,011) (0,010) (0,009) (0,004) (0,005) (0,007) (0,006) (0,012) (0,007)
*
Ratio de dépendance 0,019 0,058 0,018 0,024 0,048 0,011 0,004 0,007 0,036 0,071
(0,040) (0,041) (0,031) (0,032) (0,027) (0,022) (0,036) (0,029) (0,053) (0,055)
** ** ** * ***
Richesse 0,101 0,038 0,015 0,045 0,026 0,037 0,053 0,105 0,035 0,043
(0,049) (0,043) (0,041) (0,021) (0,017) (0,017) (0,030) (0,025) (0,045) (0,028)
* *** ** * **
Propriétés foncières 0,020 0,008 0,064 0,069 0,005 0,020 0,010 0,005 0,019 0,027
(0,016) (0,018) (0,034) (0,026) (0,010) (0,010) (0,006) (0,005) (0,013) (0,012)
*** *** *** ***
Bétail 0,010 0,002 0,005 0,023 0,018 0,013 0,001 0,004 0,004 0,014
(0,007) (0,005) (0,003) (0,014) (0,007) (0,003) (0,002) (0,003) (0,002) (0,003)
*** **
Choc : Décès/maladie 0,006 0,139 0,059 0,065 0,030 0,004 0,054 0,055 0,112 0,043
(0,074) (0,046) (0,044) (0,033) (0,035) (0,039) (0,043) (0,039) (0,085) (0,084)
**
Choc : sécheresse/inondation 0,010 0,047 0,097 0,022 0,002 0,003 0,011 0,014 0,091 0,069
(0,054) (0,065) (0,040) (0,031) (0,031) (0,035) (0,042) (0,035) (0,061) (0,058)
Choc : prix 0,022 0,035 0,004 0,014 0,017 0,013 0,036 0,034
(0,060) (0,059) (0,042) (0,029) (0,042) (0,037) (0,042) (0,032)
*** **
Route à distance 0,000 0,003 0,000 0,004 0,001 0,001 0,000 0,000 0,001 0,001
(0,001) (0,001) (0,002) (0,002) (0,001) (0,001) (0,001) (0,001) (0,003) (0,003)
**
Marché à distance 0,001 0,000 0,001 0,001 0,001 0,000 0,000 0,001 0,000 0,000
(0,001) (0,001) (0,002) (0,001) (0,000) (0,000) (0,000) (0,000) (0,001) (0,001)
*** *** *** *** ** **
Travail indépendant (réf. salaire) 0,224 0,193 0,005 0,005 0,212 0,178 0,104 0,071 0,049 0,044
(0,060) (0,059) (0,062) (0,040) (0,063) (0,041) (0,049) (0,035) (0,073) (0,049)
Emploi occasionnel/filet de sécurité 0,083 0,014 0,033 0,010
(0,062) (0,068) (0,070) (0,034)
** *** *** **
Secteur : Industrie (réf. agriculture) 0,161 0,233 0,069 0,006 0,136 0,047 0,105 0,137 0,181 0,014
(0,065) (0,055) (0,063) (0,040) (0,116) (0,079) (0,067) (0,042) (0,072) (0,050)
*** *** *** *** *** ***
Secteur : Services 0,304 0,244 0,070 0,006 0,180 0,053 0,184 0,002 0,217 0,148
(0,052) (0,047) (0,055) (0,036) (0,060) (0,048) (0,057) (0,037) (0,068) (0,050)
* ** ** *** *** ***
En poste toute l'année (réf. partie de l'année) 0,093 0,129 0,044 0,091 0,069 0,133 0,137 0,125 0,005 0,023
(0,087) (0,076) (0,072) (0,039) (0,029) (0,032) (0,038) (0,036) (0,071) (0,050)
***
Employé à temps plein (réf. temps partiel) 0,092 0,052 0,194 0,028
(0,088) (0,072) (0,072) (0,040)
*** ** ** *** *** *** *** *** ***
Constante 0,425 0,293 0,263 0,634 0,379 0,055 0,404 0,616 0,510 0,538
(0,119) (0,148) (0,120) (0,098) (0,097) (0,099) (0,094) (0,070) (0,130) (0,138)
Mannequins de région Oui Oui Oui Oui Oui Oui Oui Oui Oui Oui

Observations 1 014 1 194 906 1 199 1 504 1 256 991 1 393 492 538
R2 0,302 0,230 0,071 0,101 0,119 0,180 0,100 0,128 0,138 0,161
*** *** *** *** *** *** *** *** *** ***
Essai F 15.605 11.662 3.027 5.335 5.182 9.779 5.516 7.546 5.345 12.080

Les erreurs types sont indiquées entre parenthèses. Les régressions sont corrigées avec des poids d’échantillonnage et d’attrition. Les effets significatifs sont indiqués par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01). Les variables sont décalées d'une fois
période et décrites dans le tableau A3.
Machine Translated by Google

D
K1(
Tableau 8

G
T
B
Facteurs de maintien de l’emploi non agricole selon le sexe et le pays pour les zones urbaines.

V
Ethiopie Malawi Nigeria Tanzanie Ouganda

Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes

d
* *** ** ** **
25­34 ans (réf. 15­24) 0,009 0,130 0,161 0,036 0,174 0,164 0,108 0,003 0,026 0,005
(0,087) (0,078) (0,060) (0,043) (0,077) (0,082) (0,048) (0,038) (0,107) (0,095)
* * ** ** *
35­64 ans 0,146 0,089 0,026 0,094 0,182 0,188 0,111 0,031 0,002 0,039
(0,078) (0,094) (0,068) (0,054) (0,080) (0,091) (0,057) (0,043) (0,116) (0,086)
** *** ** *** * ***
Chef de ménage/conjoint 0,121 0,282 0,369 0,115 0,172 0,285 0,102 0,124 0,022 0,168
(0,102) (0,119) (0,064) (0,076) (0,077) (0,072) (0,054) (0,037) (0,084) (0,127)
*** *
Marié 0,015 0,225 0,005 0,050 0,048 0,064 0,013 0,006 0,034
(0,076) (0,083) (0,043) (0,061) (0,055) (0,037) (0,023) (0,053) (0,087)
* ***
Éducation 0,010 0,010 0,001 0,001 0,002 0,005 0,003 0,012 0,003 0,002
(0,006) (0,007) (0,010) (0,012) (0,004) (0,004) (0,005) (0,004) (0,007) (0,008)
Inscrit à l'école 0,092 0,064 0,135 0,170 0,009 0,098 0,078 0,068 0,005 0,288
(0,102) (0,113) (0,150) (0,136) (0,104) (0,073) (0,151) (0,101) (0,108) (0,191)
** **
La taille du ménage 0,016 0,007 0,014 0,001 0,007 0,007 0,014 0,003 0,020 0,008
(0,014) (0,013) (0,020) (0,009) (0,006) (0,007) (0,006) (0,005) (0,010) (0,011)
***
Ratio de dépendance 0,027 0,019 0,015 0,018 0,032 0,056 0,023 0,030 0,013 0,033
(0,055) (0,049) (0,048) (0,031) (0,042) (0,022) (0,041) (0,027) (0,062) (0,048)
* **
Richesse 0,056 0,068 0,025 0,003 0,004 0,017 0,001 0,001 0,007 0,017
(0,030) (0,026) (0,019) (0,012) (0,024) (0,022) (0,022) (0,012) (0,032) (0,031)
*** **
Propriétés foncières 0,021 0,020 0,028 0,004 0,013 0,029 0,009 0,003 0,004 0,006
(0,024) (0,032) (0,132) (0,026) (0,023) (0,010) (0,004) (0,006) (0,036) (0,016)
*** ***
Bétail 0,006 0,003 0,017 0,017 0,002 0,012 0,032 0,002 0,006 0,000
(0,010) (0,009) (0,040) (0,014) (0,001) (0,025) (0,007) (0,009) (0,010) (0,007)
Choc : Décès/maladie 0,030 0,014 0,064 0,019 0,008 0,069 0,044 0,006 0,115 0,091
(0,079) (0,070) (0,095) (0,027) (0,056) (0,051) (0,042) (0,027) (0,141) (0,082)
***
Choc : sécheresse/inondation 0,319 0,005 0,009 0,040 0,037 0,064 0,008 0,028 0,021
(0,066) (0,097) (0,041) (0,088) (0,082) (0,043) (0,019) (0,098) (0,072)
Choc : prix 0,053 0,059 0,025 0,034 0,028 0,047 0,033 0,014
(0,098) (0,080) (0,057) (0,029) (0,074) (0,068) (0,039) (0,024)
*** *** *
Route à distance 0,004 0,000 0,005 0,005 0,002 0,009 0,002 0,002 0,002 0,004
(0,001) (0,001) (0,007) (0,005) (0,002) (0,003) (0,002) (0,001) (0,008) (0,005)
*** **
Marché à distance 0,000 0,000 0,010 0,003 0,000 0,000 0,000 0,000 0,003 0,000
(0,001) (0,000) (0,003) (0,002) (0,000) (0,000) (0,000) (0,000) (0,001) (0,001)
*** ***
Travail indépendant (réf. salaire) 0,030 0,040 0,167 0,016 0,017 0,031 0,105 0,002 0,012 0,001
(0,081) (0,079) (0,058) (0,032) (0,112) (0,055) (0,037) (0,017) (0,084) (0,066)
Emploi occasionnel/filet de sécurité 0,019 0,177 0,072 0,035
(0,074) (0,108) (0,073) (0,048)
** *
Secteur : Industrie (réf. agriculture) 0,108 0,141 0,011 0,021 0,168 0,031 0,148 0,017 0,121 0,089
(0,077) (0,057) (0,088) (0,038) (0,207) (0,061) (0,086) (0,041) (0,097) (0,102)
* ** *
Secteur : Services 0,129 0,090 0,072 0,009 0,005 0,106 0,161 0,007 0,093 0,132
(0,079) (0,049) (0,102) (0,041) (0,103) (0,047) (0,084) (0,041) (0,091) (0,098)
*** *** **
En poste toute l'année (réf. partie de l'année) 0,104 0,007 0,025 0,064 0,006 0,109 0,209 0,035 0,191 0,019

95
(0,080) (0,052) (0,065) (0,043) (0,034) (0,037) (0,036) (0,022) (0,092) (0,059)
Employé à temps plein (réf. temps partiel) 0,062 0,053 0,016 0,020
(0,072) (0,063) (0,076) (0,033)
** *** *** *** *** *** *** *** *** ***
Constante 0,436 0,572 0,454 0,758 0,439 0,393 0,585 0,719 0,654 0,656
(0,184) (0,159) (0,161) (0,101) (0,152) (0,126) (0,159) (0,071) (0,168) (0,163)
Mannequins de région Oui Oui Oui Oui Oui Oui Oui Oui Oui Oui

Observations 243 222 383 623 847 803 794 1 038 223 250
R2 0,154 0,222 0,199 0,100 0,133 0,249 0,161 0,101 0,169 0,157
*** *** *** *** *** *** *** *** *** **
Essai F 5,679 32,499 12,231 3,600 5,862 5,663 8,043 3,675 2,780 1.849

Les erreurs types sont indiquées entre parenthèses. Les régressions sont corrigées avec des poids d’échantillonnage et d’attrition. Les effets significatifs sont indiqués par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01). Les variables sont décalées d'une fois
période et décrites dans le tableau A3.
Machine Translated by Google
96 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99
Il est tout aussi probable que cette tendance se poursuive, tandis que les travailleurs
indépendants en Tanzanie sont plus susceptibles d'abandonner leurs études. Il est
remarquable que le travail salarié occasionnel ou l’emploi dans un programme de
protection sociale n’entraîne pas des taux de sortie plus élevés que l’emploi salarié
principal. Que cela soit dû à une mobilité ascendante de la main­d'œuvre vers un
salaire plus stable ou un travail indépendant, ou si les gens restent « coincés »
dans un emploi occasionnel, nous ne pouvons pas déduire de cette analyse.
L'emploi dans l'industrie (pour les hommes et les femmes en Éthiopie, les hommes
en Tanzanie et les femmes en Ouganda) et dans les services (pour les hommes et
les femmes en Éthiopie, les hommes et les femmes en Ouganda et les femmes au
Nigeria et en Tanzanie) est plus susceptible d'être persistant que l’emploi dans
l’agriculture. Cela réaffirme le caractère occasionnel et informel de l’emploi salarié
agricole (Oya, 2013). Être employé toute l’année est positivement associé au
maintien d’un emploi au Nigeria et en Tanzanie, et pour les hommes en Éthiopie et
au Malawi. Toutefois, la corrélation n’est pas significative pour les femmes en
Éthiopie et au Malawi, ni pour les hommes et les femmes en Ouganda. L’emploi à
temps plein est particulièrement important pour que les femmes du Malawi puissent
conserver leur emploi, mais pas pour les hommes malawiens ni pour les Éthiopiens.
Le tableau 8 présente les moteurs du maintien de l’emploi non agricole dans les
zones urbaines. Par rapport aux zones rurales, nous observons que les 15­24 ans
ont beaucoup moins de chances de conserver un emploi. C'est particulièrement le
cas au Nigéria et pour les femmes en Éthiopie, au Malawi et en Tanzanie. Cela
suggère que l'emploi instable des jeunes (femmes) est plus problématique dans
les zones urbaines que dans les zones rurales. L'éducation joue un rôle plus
important pour garantir le maintien de l'emploi, mais son effet reste encore assez
limité. Étonnamment, la richesse n’est pas associée à un emploi stable (même
l’effet inverse en Éthiopie), alors que les propriétés foncières sont positivement
associées à un emploi continu pour les hommes au Nigeria et les femmes en
Tanzanie. Les chocs ne sont pas corrélés aux transitions des personnes hors de
l'emploi, ce qui suggère que l'emploi non agricole dans les zones urbaines n'est pas
utilisé comme une stratégie de réduction des risques mais plutôt comme une source
de revenus stable. Il n’y a qu’en Éthiopie que les événements météorologiques
extrêmes entraînent le chômage des hommes. Contrairement aux zones rurales, le
travail indépendant n’est pas nécessairement plus propice à un emploi stable que
l’emploi salarié (c’est encore pire pour les femmes au Malawi et en Tanzanie), ce
qui indique que l’emploi salarié dans les zones urbaines offre plus de sécurité
d’emploi que l’emploi salarié dans les zones rurales. L'emploi dans l'industrie et les
services conduit à plus de stabilité pour les hommes en Éthiopie et pour les femmes
en Tanzanie. Étonnamment, le travail des hommes dans les services au Nigeria les
conduit à quitter l'emploi. Être employé toute l'année est positivement associé au
maintien d'un emploi pour les femmes en Éthiopie, en Tanzanie et en Ouganda, et
pour les hommes au Nigéria et en Tanzanie, tandis qu'un emploi à temps plein n'est
pas associé à une plus grande stabilité.
6. Conclusion
Cet article fournit des preuves empiriques récentes sur la participation des
femmes et des hommes à l'emploi non agricole dans cinq pays qui représentent 40
pour cent de la population totale d'Afrique subsaharienne, et étudie les facteurs qui
poussent à l'entrée et à la participation continue à un emploi non agricole. . Nous
utilisons les données d'enquêtes nationales, longitudinales et multi­thèmes auprès
des ménages d'Éthiopie, du Malawi, du Nigeria, de Tanzanie et d'Ouganda,
générées dans le cadre de l'initiative d'étude sur la mesure des niveaux de vie de la
Banque mondiale (LSMS­ISA). Étant donné que ces enquêtes comprennent des
modules de questionnaires détaillés sur les salaires et l'emploi hors ferme ; solliciter
des données au niveau individuel ; suivre les individus au fil du temps ; et permettent
des analyses comparables entre pays, ils sont particulièrement bien adaptés pour
étudier la nature, la dynamique et les moteurs de l'emploi non agricole, en mettant
fortement l'accent sur le genre. En tant que telles, les analyses qui en résultent
constituent une condition préalable à la compréhension des déterminants de la
participation individuelle à la vie.
l’emploi non agricole, qui est masqué par l’utilisation de données au niveau des
ménages.
Nous constatons qu'une part importante de la population rurale et urbaine de
ces pays participe à un emploi non agricole avec un taux de participation pondéré
à l'échelle nationale de 44 pour cent et des taux nationaux allant de 34 pour cent
en Éthiopie à 58 pour cent au Malawi. . Pourtant, les femmes sont systématiquement
moins susceptibles de participer, avec un écart pondéré entre les sexes de 9 points
de pourcentage à l’échelle nationale, et les estimations nationales de l’écart entre
les sexes varient de 4 points de pourcentage au Nigeria à 19 points de pourcentage
en Ouganda. En outre, les femmes ont moins de chances d’accéder à un emploi
salarié ; travailler dans des secteurs à plus forte productivité; et être employé toute
l'année/à temps plein. Les différences entre les sexes sont plus élevées au Malawi,
en Tanzanie et en Ouganda, mais faibles au Nigeria, où l'entrepreneuriat féminin
non agricole est plus courant. L’écart entre les sexes en matière de qualité de
l’emploi est plus prononcé dans les zones urbaines que dans les zones rurales.
Cependant, dans la plupart des pays, l’inégalité entre les sexes en matière d’accès
à un emploi (qualitatif) non agricole a diminué entre 2010 et 2016.
Nous démontrons qu’une part importante de la population, soit environ 39
millions d’individus dans les pays concernés, a changé de statut d’emploi entre
2010 et 2016, ce qui souligne la nature dynamique (et instable) de l’emploi non
agricole. Les femmes sont moins susceptibles de conserver un emploi que les
hommes dans tous les pays, sauf au Nigeria. Les facteurs déterminants pour
l’entrée et le maintien dans l’emploi sont pour la plupart spécifiques au pays et au
sexe, la survenance de chocs et les facteurs démographiques étant les déterminants
les plus importants. Les différences entre hommes et femmes concernent
principalement la composition du ménage, avec une corrélation positive entre le
taux de dépendance des enfants et l'entrée des femmes dans l'emploi, et la
richesse, qui est négativement corrélée à l'entrée des femmes dans l'emploi et
positivement au maintien de l'emploi des hommes dans les zones rurales. Le travail
d’une partie de l’année dans le secteur agricole entraîne un taux de sortie plus
élevé, tandis que le travail indépendant est plus propice à la stabilité dans les zones
rurales d’Éthiopie et du Nigeria, mais pas dans les zones urbaines ou dans d’autres
pays.
Nos résultats impliquent que l'emploi non agricole n'est pas une activité
négligeable et que les politiques et programmes de développement devraient
accorder plus d'attention à ces emplois, en particulier dans les zones rurales. Pour
améliorer l’inclusion de l’emploi des femmes, il est primordial que des politiques et
des programmes d’emploi spécifiques au genre soient conçus et mis en œuvre.
Pour que les taux de participation augmentent régulièrement au fil du temps, ces
politiques et programmes devraient également viser à conserver les personnes
employées. Dans la perspective de promouvoir l’inclusion des opportunités d’emploi
non agricole dans les zones rurales, le rôle de l’emploi salarié agricole devrait être
examiné de manière plus critique. Au moins dans le cas du Malawi et de la
Tanzanie, l'écart entre les sexes dans les taux d'emploi a diminué le plus rapidement
au fil du temps parmi les cinq pays étudiés, et il a été démontré que la participation
des femmes à l'emploi salarié agricole a contribué à ce changement.
Cependant, c'est au Nigéria que l'écart global entre les sexes est le plus faible en
raison de la présence omniprésente d'ENF féminines (stables), ce qui implique que
dans ce cas, la promotion du travail indépendant non agricole pourrait conduire à
une plus grande inclusivité. Enfin, il n’existe qu’une poignée de déterminants qui
expliquent l’entrée et la participation continue à un emploi non agricole à l’échelle
nationale, ce qui souligne la forte hétérogénéité au sein de la région et la nécessité
de concevoir des politiques et des programmes spécifiques à chaque pays. Les
recherches futures devraient étendre notre cadre analytique à l’analyse des salaires
et des revenus du travail indépendant, afin de nuancer davantage les différences
observées entre les sexes et d’approfondir le rôle des activités d’emploi non agricole
dans la transformation structurelle de l’Afrique.
Machine Translated by Google

G. Van den Broeck, T. Kilic / Développement mondial 119 (2019) 81–99 97

Déclaration de conflit d'intérêts Eva Egger, Kashi Kafle, Neha Paliwal, Athur Mabiso, Amparo Pala­cios
Lopez et Alberto Zezza pour leurs commentaires lors des présentations au
Aucun déclaré. Fonds international d'agriculture
Développement et Banque mondiale.
Remerciements

Les auteurs remercient chaleureusement le financement du Research

Fondation – La Flandre et l’étude sur la mesure des niveaux de vie de la Annexe A
Banque mondiale – Enquêtes intégrées sur l’agriculture (LSMS­ISA).
Nous remercions (par ordre alphabétique) Aslihan Arslan, Calogero Carletto, Tableaux A1 à A4.

Tableau A1
Aperçu des questions d'enquête sur les salaires non agricoles et le travail indépendant dans tous les pays.

Ethiopie Malawi Nigeria Tanzanie Ouganda

Salaire hors ferme Emploi principal, deuxième emploi, Emploi principal, deuxième emploi, Emploi principal, deuxième emploi, Emploi principal, deuxième emploi, Emploi principal et deuxième emploi (sept derniers
emploi travail occasionnel, travail occasionnel (ganyu), employé par NAPEP ou employé par la nourriture/l'argent/ jours), emploi principal et deuxième emploi (dernier
(du travail employé par PSNP employé par PWP Fadama programme intrants contre travail 12 mois)
module)
Travail indépendant en Jusqu'à deux propriétaires, jusqu'à Jusqu'à deux propriétaires, jusqu'à Jusqu'à deux managers, jusqu'à Jusqu'à deux gestionnaires, jusqu'à Jusqu'à deux propriétaires/gérants, jusqu'à
ENF (de ENF à cinq ouvriers deux managers, jusqu'à quatre à deux propriétaires, jusqu'à six deux propriétaires, jusqu'à six cinq ouvriers
module) ouvriers ouvriers ouvriers

ENF = entreprise non agricole ; PSNP = Programme de filet de sécurité productif ; PWP = Programme de Travaux Publics ; NAPEP = Programme national d'éradication de la pauvreté.

Tableau A2
Probabilité d’observer l’individu au moins deux fois au cours de différentes vagues d’enquête.

Ethiopie Malawi Nigeria Tanzanie Ouganda

*** *** *** *
Mâle 0,031 0,034 0,062 0,016 0,005
(0,009) (0,007) (0,009) (0,009) (0,012)
* *** ***
Âge 0,000 0,001 0,002 0,000 0,002
(0,001) (0,001) (0,001) (0,000) (0,001)
** ***
Marié 0,014 0,036 0,012 0,054 0,006
(0,019) (0,017) (0,018) (0,012) (0,023)
*** *** *** ***
Chef de ménage/conjoint 0,274 0,021 0,309 0,063 0,129
(0,017) (0,023) (0,021) (0,015) (0,026)
***
Pas d'éducation 0,001 0,002 0,010 0,013 0,053
(0,013) (0,010) (0,016) (0,014) (0,019)
** **
Inscription à l'école 0,035 0,034 0,009 0,006 0,016
(0,014) (0,015) (0,011) (0,013) (0,024)
Salaire hors ferme employé 0,018 0,003 0,015 0,012 0,017
(0,015) (0,011) (0,017) (0,010) (0,016)
* * *** **
Travailleurs indépendants hors ferme 0,042 0,027 0,038 0,024 0,020
(0,022) (0,015) (0,012) (0,012) (0,019)
**
La taille du ménage 0,001 0,002 0,003 0,004 0,002
(0,003) (0,003) (0,002) (0,002) (0,003)
***
Ratio de dépendance 0,035 0,013 0,007 0,007 0,010
(0,010) (0,008) (0,007) (0,008) (0,010)
*** ***
Indice de richesse 0,004 0,003 0,021 0,025 0,015
(0,006) (0,008) (0,008) (0,008) (0,010)
*** ***
La production agricole 0,000 0,022 0,007 0,060 0,149 (0,033) (0,020) (0,016) (0,017) (0,027)

La production animale 0,037 0,010 0,006 0,016 0,001

(0,028) (0,017) (0,013) (0,013) (0,020)
Mannequins de zones de dénombrement O AAAA

N 9 644 7 131 13 085 8 864 8 909

Taux d’attrition 0,388 0,105 0,236 0,091 0,225
Pseudo R carré. 0,253 0,094 0,212 0,120 0,204

Les effets marginaux moyens sont dérivés de modèles logit. Les erreurs types sont indiquées entre parenthèses. Les régressions sont corrigées avec des poids d'échantillonnage. Significatif
les effets sont indiqués par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01).
Machine Translated by Google

98 G. Van den Broeck, T. Kilic /Développement mondial 119 (2019) 81–99

Tableau A3
Statistiques récapitulatives des variables indépendantes.

Ethiopie Malawi Nigeria Tanzanie Ouganda

Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes Femmes Hommes

Rural
Jeunes (15­24 ans) 0,16 0,24 0,27 0,29 0,23 0,34 0,30 0,35 0,19 0,23
Jeune adulte (25­34 ans) 0,32 0,28 0,33 0,30 0,27 0,23 0,26 0,24 0,26 0,25
Adulte (35­64 ans) 0,52 0,49 0,40 0,42 0,50 0,43 0,44 0,41 0,55 0,52
Chef de ménage/conjoint 0,82 0,66 0,82 0,70 0,67 0,45 0,73 0,58 0,83 0,72
Marié 0,84 0,94 0,69 0,68 0,63 0,46 0,53 0,48 0,69 0,71
Éducation (années) 1,52 3,44 0,52 1,05 4,25 6,53 4,53 5,04 4,18 6.02
Inscription à l'école 0,05 0,10 0,05 0,11 0,09 0,15 0,05 0,07 0,02 0,07
La taille du ménage 5,67 6,05 5,58 5,77 7,65 7,89 6,29 6,43 6,10 6h35
Taux de dépendance des enfantsa 0,49 0,46 0,61 0,53 0,42 0,40 0,55 0,48 0,58 0,52
Indice de richesseb 0,49 0,45 0,32 0,29 0,18 0,17 0,48 0,45 0,26 0,21
Propriétés foncières (ha) 1,54 1,75 0,74 0,77 0,88 0,95 2,68 2,92 1,01 1.08
Unités de bétailc 3,35 3,84 0,41 0,41 1,65 1,75 3,02 3,78 1,45 1,63
Choc : décès/maladie 0,23 0,22 0,23 0,23 0,10 0,10 0,15 0,15 0,07 0,07
Choc : sécheresse/inondation 0,27 0,27 0,40 0,41 0,09 0,09 0,41 0,44 0,30 0,30
Choc : hausse des prix 0,32 0,31 0,93 0,93 0,18 0,15 0,50 0,50
Distance route la plus proche (km) 14,26 14,56 10.01 9,97 7,53 7,29 21,22 21h20 8.52 8,83
Distance du marché le plus proche (km) 64.46 63.40 25.85 26.18 69.27 68.20 76.31 78.24 31.17 31,88
Observations 3 098 2 710 2 583 2 303 3 914 3 375 3 241 3 035 1 251 1 053
Urbain
Jeunes (15­24 ans) 0,16 0,22 0,26 0,28 0,25 0,35 0,31 0,33 0,21 0,23
Jeune adulte (25­34 ans) 0,35 0,22 0,44 0,33 0,30 0,23 0,32 0,29 0,30 0,31
Adulte (35­64 ans) 0,49 0,56 0,30 0,39 0,45 0,42 0,37 0,38 0,48 0,46
Chef de ménage/conjoint 0,80 0,73 0,77 0,67 0,59 0,46 0,67 0,60 0,80 0,67
Marié 0,74 0,93 0,65 0,59 0,52 0,42 0,40 0,41 0,60 0,59
Éducation (années) 4,82 7,93 1,27 1,82 8,27 9,64 6,14 6,46 7,10 8.24
Inscription à l'école 0,05 0,08 0,10 0,15 0,11 0,15 0,08 0,10 0,04 0,09
La taille du ménage 4,84 5,26 5,40 5,33 6,45 6,48 5,20 5,24 5,07 5.26
Taux de dépendance des enfantsa 0,35 0,34 0,52 0,41 0,33 0,31 0,38 0,32 0,46 0,42
Indice de richesseb 0,57 0,60 0,87 0,86 0,80 0,81 0,70 0,74 0,89 0,93
Propriétés foncières (ha) 0,21 0,27 0,22 0,22 0,16 0,14 1,27 1,38 0,38 0,50
Unités de bétailc 1.14 1,45 0,15 0,13 0,45 0,31 0,60 0,76 0,57 0,62
Choc : décès/maladie 0,36 0,36 0,25 0,23 0,07 0,05 0,14 0,12 0,05 0,05
Choc : sécheresse/inondation 0,12 0,12 0,14 0,14 0,02 0,02 0,32 0,34 0,10 0,10
Choc : hausse des prix 0,32 0,27 0,86 0,85 0,10 0,11 0,55 0,54
Distance route la plus proche (km) 14,31 14,97 1,94 2,00 2,25 2,27 5,06 4,78 2,29 2,98
Distance du marché le plus proche (km) 68,33 72,57 6,34 6,63 53,38 51,74 40,07 39,51 20,49 18.61
Observations 390 316 948 929 1 534 1 370 1 792 1 618 382 357

Les statistiques récapitulatives sont corrigées avec des poids d'échantillonnage.

un
Défini comme le nombre de membres du ménage âgés de moins de dix ans par rapport au nombre de membres âgés de 10 ans et plus.
b
Basé sur une analyse factorielle des attributs du logement et des actifs durables.
c
Calculé selon les unités de conversion de la FAO pour le bétail en Afrique.

Tableau A4
Aperçu des taux d'emploi à la ferme pour ceux qui n'ont jamais travaillé à l'extérieur de la ferme ou qui ont quitté un emploi hors ferme.

National Rural Urbain

Total Femmes Hommes Total Femmes Hommes Total Femmes Hommes

Ethiopie (N = 22 070) (N = 19 600) (N = 2 470)

Jamais 1,00 1h00 1h00 1,00 1h00 1h00 0,99 0,99 1h00
Sortie 0,99 0,99 1h00 1h00 0,99 1h00 0,95 0,97 0,92
Malawi (N = 13 546) (N = 9 776) (N = 3 770)
**
Jamais 0,88 0,87 0,89 0,94 0,93 0,96 0,50 0,51 0,47
** **
Sortie 0,89 0,87 0,93 0,93 0,91 0,95 0,58 0,54 0,64
Nigeria (N = 21 268) (N = 15 116) (N = 6 152)
**
Jamais 0,75 0,76 0,74 0,90 0,90 0,90 0,34 0,38 0,30
*
Sortie 0,60 0,57 0,64 0,84 0,84 0,84 0,27 0,24 0,31
Tanzanie (N = 19 406) (N = 12 907) (N = 6 499)
*** *** **
Jamais 0,87 0,85 0,90 0,97 0,96 0,98 0,56 0,53 0,60
***
Sortie 0,86 0,82 0,91 0,96 0,95 0,97 0,55 0,53 0,58
Ouganda (N = 21 017) (N = 15 963) (N = 5 054)
** *
Jamais 0,89 0,88 0,91 0,94 0,93 0,96 0,58 0,56 0,62
Sortie 0,87 0,86 0,89 0,96 0,95 0,97 0,50 0,43 0,56

Les statistiques démographiques sont corrigées à l’aide de poids d’échantillonnage. Les différences significatives entre les sexes sont testées à l'aide de régressions bivariées avec des poids d'échantillonnage et sont
indiqué par * (p < 0,1), ** (p < 0,05) et *** (p < 0,01).
Machine Translated by Google
G. Van den Broeck, T. Kilic / Développement mondial 119 (2019) 81–99
Annexe B. Données supplémentaires
Des données supplémentaires à cet article peuvent être trouvées en ligne sur https://doi.org/10.1016/
j.worlddev.2019.03.008.
Les références
Ackah, C. (2013). Emploi et revenus non agricoles dans les zones rurales du Ghana. Journal de
Développement international, 25(3), 325­339.
Adjognon, SG, Liverpool­Tasie, LSO et Reardon, T. (2017). Crédit aux intrants agricoles en Afrique
subsaharienne : distinguer les mythes des faits. Politique alimentaire, 67, 93­105.
Ali, M. et Peerlings, J. (2012). Ménages agricoles et activités non agricoles en Éthiopie : le regroupement
influence­t­il les entrées et les sorties ? Économie agricole, 43, 253­266.
Alobo Loison, S. (2015). Diversification des moyens de subsistance ruraux en Afrique subsaharienne : une
revue de la littérature. Le Journal des études sur le développement, 51(9), 1125­1138.
Angrist, JD et Pischke, JS (2008). Économétrie pour la plupart inoffensive : le compagnon d’un empiriste .
Presse de l'Université de Princeton.
Ayenew, HY, Estruch, E., Sauer, J., Abate­Kassa, G., Schickramm, L. et Wobst, P.
(2017). Emploi rural décent et efficacité de la production agricole : preuves empiriques de Tanzanie et
d'Éthiopie. Économie agricole, 48(5), 587­596.
Bezu, S. et Barrett, CB (2012). Dynamique de l’emploi dans le secteur rural non agricole en Éthiopie : les
pauvres ont­ils le temps de leur côté ? Le Journal des études sur le développement, 48(9), 1223­1240.
Bezu, S., Barrett, CB et Holden, ST (2012). L’économie non agricole offre­t­elle des voies de mobilité
ascendante ? Preuve d'une étude de données de panel en Éthiopie.
Développement mondial, 40(8), 1634­1646.
Bezu, S. et Holden, S. (2014). La jeunesse rurale éthiopienne abandonne­t­elle l’agriculture ?
Développement mondial, 64, 259­272.
Buvinic´, M. et Furst­Nichols, R. (2014). Promouvoir l’autonomisation économique des femmes : qu’est­ce qui
fonctionne ? The World Bank Research Observer, 31(1), 59­101.
Davis, B., Di Giuseppe, S. et Zezza, A. (2017). Les ménages africains abandonnent­ils (pas) l’agriculture ?
Modèles de sources de revenus des ménages en Afrique subsaharienne rurale . Politique alimentaire,
67, 153­174. de Brauw, A., Mueller, V. et
Lee, HL (2014). Le rôle de la migration rurale­urbaine dans la transformation structurelle de l’Afrique
subsaharienne. Développement mondial, 63, 33­42.
de Jong, E., Smits, J. et Longwe, A. (2017). Estimation de l'effet causal de la fécondité sur l'emploi des
femmes en Afrique à l'aide de jumeaux. Développement mondial, 90, 360­368.
Dedehouanou, SFA, Araar, A., Ousseini, A., Harouna, AL et Jabir, M. (2018).
Les retombées des opportunités d’emploi indépendant non agricole dans les zones rurales du Niger.
Développement mondial , 105, 428­442.
Essers, D. (2017). Transitions du marché du travail sud­africain depuis la crise financière et économique
mondiale : données probantes tirées de deux ensembles de données longitudinales. Journal des
économies africaines , 26(2), 192­222.
Renard, L. (2016). Les femmes des pays à faible revenu seront­elles perdues dans la transformation ?
Berkeley : Overseas Development Institute, Université de Californie.
Fox, L., Senbet, LW et Simbanegavi, W. (2016). Emploi des jeunes en Afrique subsaharienne : défis,
contraintes et opportunités. Journal des économies africaines, 25(1), i3–i15.
Fox, L. et Sohnesen, TP (2016). Entreprises familiales et réduction de la pauvreté en Afrique
subsaharienne. Examen des politiques de développement, 34(2), 197­221.
99
Gaddis, I. et Klasen, S. (2014). Développement économique, changement structurel et participation des
femmes au marché du travail. Journal d'économie des populations, 27(3),
639­681.
Gilligan, DO, Hoddinott, J. et Tafesse, AS (2009). L'impact du programme de filet de sécurité productif de
l'Éthiopie et ses liens. Le Journal des études sur le développement, 45(10), 1684­1706.
Haggblade, S., Hazell, P. et Reardon, T. (2010). L'économie rurale non agricole : perspectives de croissance
et de réduction de la pauvreté. Développement mondial, 38(10), 1429­1441.
Heath, R. (2017). Fertilité au travail : résultats des enfants et des femmes sur le marché du travail dans les
zones urbaines du Ghana. Journal of Development Economics, 126, 190­214.
Hertz, T., Winters, P., De La O­Campos, AP, Quiñones, EJ, Davis, B. et Zezza, A.
(2008). Inégalités salariales dans une perspective internationale : effets de la localisation, du secteur et
du genre Document de travail de l'ESA 8/08. Rome, Italie : Organisation des Nations Unies pour
l'alimentation et l'agriculture, Division de l'économie de l'agriculture et du développement (ESA).
Kijima, Y., Matsumoto, T. et Yamano, T. (2006). Emploi non agricole, chocs agricoles et dynamique de la
pauvreté : données probantes provenant des zones rurales de l'Ouganda. Économie agricole , 35,
459­467.
La Porta, R. et Shleifer, A. (2014). Informalité et développement. Journal d'économie
Perspectives, 28(3), 109­126.
Mathenge, MK et Tschirley, DL (2015). Décisions sur le marché du travail non agricole et chocs agricoles
parmi les ménages ruraux au Kenya. Économie agricole, 46 (5), 603­616.
McCullough, EB (2017). Productivité du travail et écarts d’emploi en Afrique subsaharienne . Politique
alimentaire, 67, 133­152.
Nagler, P. et Naudé, W. (2017). Entrepreneuriat non agricole en Afrique rurale subsaharienne : nouvelles
données empiriques. Politique alimentaire, 67, 175­191.
Nix, E., Gamberoni, E. et Heath, R. (2015). Combler l'écart entre les sexes : identifier ce qui retient les
femmes indépendantes au Ghana, au Rwanda, en Tanzanie et en République du Congo. Revue
économique de la Banque mondiale, 30(3), 501­521.
Nordman, CJ, Rakotomanana, F. et Roubaud, F. (2016). Informel versus formel : une analyse de données de
panel sur les écarts de revenus à Madagascar. Développement mondial, 86, 1­17.
Oya, C. (2013). L'emploi salarié rural en Afrique : problèmes méthodologiques et données émergentes. Revue
de l'économie politique africaine, 40(136), 251­273.
Porter, G. (2002). Vivre dans un monde qui marche : enjeux de mobilité rurale et d’équité sociale en Afrique
subsaharienne. Développement mondial, 30(2), 285­300.
Quiñones, EJ, de la O­Campos, AP, Rodríguez­Alas, C., Hertz, T. et Winters, P.
. Méthodologie de création de la base de données RIGA­L.
Reardon, T., Stamoulis, K. et Pingali, P. (2007). L'emploi rural non agricole dans les pays en développement
à l'ère de la mondialisation. Économie agricole, 37(1), 173­183.
Rijkers, B. et Costa, R. (2012). Genre et entrepreneuriat rural non agricole. Développement mondial , 40(12),
2411­2426.
Rijkers, B. et Söderbom, M. (2013). Les effets des risques et des chocs sur le développement des entreprises
non agricoles dans les zones rurales d’Éthiopie. Développement mondial, 45, 119­136.
Slavchevska, V., Kaaria, S. et Taivalmaa, SL (2016). Féminisation de l'agriculture dans le contexte des
transformations rurales Document de travail. Groupe de la Banque mondiale. van den
Berg, M. et Kumbi, GE (2006). Pauvreté et économie rurale non agricole à Oromia, Éthiopie. Économie
agricole, 35(3), 469­475.
Van den Broeck, G. et Maertens, M. (2016). Exportations horticoles et sécurité alimentaire
dans les pays développés. Sécurité alimentaire mondiale, 10, 11­20.
Yeboah, FK et Jayne, TS (2018). L'évolution des tendances de l'emploi en Afrique. Le journal
des études de développement, 54(5), 803­832.