Académique Documents
Professionnel Documents
Culture Documents
L'explication Du Salaire
L'explication Du Salaire
SALAIRE ACTUEL EN
FONCTION DU SALAIRE
D’EMBAUCHE.
Encadré par : Mr A. HEFNAOUI
Réalisé par : MKHARBACH HAJER
MANZOU Ayoub
OUAAZIZ Youssef
MASTER : MFEA / DEIP FIALI Redouane
2017 / 2018
ZARHOUNE Hamza
INTRODUCTION
PROBLÉMATIQUE
PARTIE THÉORIQUE
PARTIE PRATIQUE :
PLAN
SPÉCIFICATION
ESTIMATION
VALIDATION DU MODÈLE
CONCLUSION
Introduction
Les différences de rémunération entre salariés s’expliquent en bonne partie
lnYs =a0+rS+a1E+a2E²+u.
u est terme stochastique qui représente les éléments non observés affectant le
revenu.
Modèle de Mincer étendu:
lnYi=a0+rSi+a1Ei+a2Ei2+a3Ai+a4Ti+a5Xi+u
N=474
(.) = t de Student
R²=0,75
Commentaires :
Le signe du salaire d’embauche est positif ,cela signifie que ce dernier
- Le salaire d’embauche :
Hypothèses :
H0: β2=0
H1: β2 #0
|Tc|= 42,28
Tt(5%;471)=1,96
On constate que |Tc|>Tt (largement supérieur) donc on rejette H0 .
On peut dire que la relation entre le salaire actuel et la variable explicative
salaire d’embauche est statistiquement significative.
- L’expérience :
Hypothèses:
H0: β2=0
H1: β2#0
|Tc|= 6,55
Tt(5%;471)=1,96
Prise de décision :
On constate que |Tc|>Tt donc on rejette H0.
FC=907,75
Ft =3,01 Avec U1=2 et U2=471 et un risque de 5%.
Prise de décision :
On constate que Fc>Ft
donc on rejette H0 et on accepte le modèle dans sa globalité.
ANALYSE DES RESIDUS PAR EVIEWS
L’analyse des résidus permet la détection d’une éventuelle dépendance des
erreurs, pour détecter cette autocorrélation on possède du test de DW.
H0 : absence d’autocorrélation des erreurs.
H1: autocorrélation
le test de DW qui est égale a 1,8330
DONC absence
d’autocorrélation après
la correction
Test d’héteroscedasticité
Test de WHITE :
On fait la régression suivante :
JB>χ2
On accepte H0; les erreurs ne suivent
pas une loi normale
Les valeurs aberrantes:
Une valeur aberrante est une valeur ou une observation qui est "distante" des
autres observations effectuées sur le même phénomène, c'est-à-dire qu'elle
contraste grandement avec les valeurs "normalement" mesurées.
Commentaires:
-N=18 Salact Residuel (49134) - N=160 Salact Residuels(-24655)
-N=218 Salact Residuel(46836) -N=205 Salact Residuels(-31035)
-N=274 Salact Residuel(38766) -N=473 Salact Residuel (-43310)
II-Le modèle après la transformation
algorithmique:
Spécification du modèle algorithmique:
ln(salact)= β0+ β1ln(saldeb)+ β2ln(exp)+ln(ei)
Donc le modèle estimé s’écrit:
Ln(Salact)=0,6097+1,016saldeb-0,0552exp
N=474 R²=81%
Et pour le coefficient de détermination on constate que les variables exogènes
retenues permettent d’expliquer que 81% de la variabilité du salaire actuel
ce qu’on peut conclure donc : les variables explicatives du modèle après la
transformation logarithmique expliquent mieux la variable endogène.
le meilleur modèle selon méthode pas à pas « stepwise »