L’EXPLICATION DU

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

par leurs caractéristiques individuelles. Parmi celles-ci, l’âge a un impact fort

car il est corrélé à l’expérience professionnelle.

 A travers les grilles de salaire, l’employeur peut ainsi programmer des

augmentations à l’ancienneté, qui reflètent également l’accumulation de

capital humain.

 la volonté de conserver leurs salariés pour éviter les coûts de recrutement

permet un salarié de négocier un salaire plus élevé.

Quelle est la relation qui existe entre le
salaire actuel et le salaire d’embauche
d’une part et l’expérience
professionnelle d’autre part?
 Partie théorique: l’équation de
Mincer

Plusieurs auteurs ont effectué des recherches dans le but de saisir

efficacement la relation éducation-salaire. Lorsqu’on cherche à mesurer le
rendement de l'investissement éducatif, la méthode la plus souvent utilisée
consiste à faire usage d'une fonction de gains. Émanant de la théorie du
capital humain, la fonction de gains de Mincer occupe une place essentielle
dans les analyses empiriques de ces rendements.
Les hypothèses du modèle:

Mincer dans la conception de son modèle part de plusieurs hypothèses qui

sont les suivantes :
 H1: les coûts d'une année supplémentaire d'éducation sont exclusivement
composé de coûts d'opportunité, c'est-à-dire aux gains auxquelles l'individu
renonce en allant à l'école.
 H2: suppose que la relation entre les revenus et l'éducation est linéaire
revient à supposer que les chocs d'offre et de demande de travail ont les
mêmes effets sur le taux de rendement de l'éducation .
 H3 : le modèle suppose un taux de rendement identique pour tous les
salariés et une même fraction de leur capacité investie à chaque niveau
d'expérience.
Formulation de l’équation :

La formulation de l'équation standard de Mincer est la suivante :

lnYs =a0+rS+a1E+a2E²+u.

 ln représente le logarithme népérien.

 S représente le nombre d'années d'études.

 E est l'expérience professionnelle.

 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

 Ti représente le type d'éducation, public ou privé, reçu par l'individu i.

 Ai représente l'ancienneté dans l'emploi actuel de l'individu i.

 Xi représente le niveau d'études de l'individu i.

 Les rendements de l'éducation peuvent varier d'un individu à l'autre, suivant

des caractéristiques propres à chaque individu, capable d'influencer le revenu.

Certaines de ces caractéristiques peuvent être innées, d'autres c'est la
motivation à poursuivre les études, l'accès aux financement et biens d'autres.
PARTIE PRATIQUE.
I- Spécification du modèle :
Salact= β0+ β1 saldeb+ β2exp+ ei
D’où :
Salact = la variable endogène qui exprime le salaire actuel.
Saldeb = la variable exogène qui exprime le salaire d’embauche.
Exp = variable exogène qui exprime l’expérience.
Avec ei l’erreur
 Output eviews:

Donc le modèle estimé s’écrit:

Salact=3850,718+1,922saldeb-269,3378exp
(4,27) (42,28) (6,55)

N=474
(.) = t de Student
R²=0,75
Commentaires :
 Le signe du salaire d’embauche est positif ,cela signifie que ce dernier

influence positivement sur le salaire actuel. Donc le salaire actuel et le salaire

d’embauche varient dans le même sens . Or chaque augmentation d’une
unité du salaire (1DH) d’embauche impacte de 1,922 le salaire actuel.

 Concernant la variable de l’expérience exprimée en année, elle influence

négativement sur la variable endogène; c’est-à-dire que chaque unité de plus

pour la variable exogène entraine une diminution de la variable endogène de
260,1910 unités.
Validation:
Pour tester la validité du modèle, on passe par 3 indicateurs :
 coefficient de détermination: R²

R²=0,7934 => Les variables exogènes retenues (salaire d’embauche et

expérience) expliquent a la hauteur de 79,34% la variabilité du salaire actuel.
 la contribution individuel de chaque variable : « Test de Student »

- 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.

On peut dire que la relation entre le salaire actuel et la variable explicative

« l’expérience »est statistiquement significative.
Test de Fisher
Hypothèses:
H0= β1= β2 =0
H1:au moins un des deux coefficients non nul

 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

Avec N = 474 et k=2

d1 = 1.84002 d2 = 1.85711
Commentaire
 On a 0 < DW < d₁, on rejette l’hypothèse H0 →ρ > 0
donc il existe une autocorrélation entre les erreurs elle peut être due a
une mauvaise spécification du modèle, les relations entre la variable à
expliquer et les variables explicatives ne sont pas linéaires et
s’expriment sous une autre forme que celle du modèle estimé (peut être
logarithmes )
Test de Breusch-Godfrey :
 n = 472(car nous avons perdu deux observations du fait du décalage)
R carre = 0.022010
 LM = n x R carre = 9,44 > χ2 0,05(2) = 5,99 donc rejet de l’hypothèse H0
pour un seuil de 5 %. Donc il existe une autocorrélation des erreurs.
Correction d’autocorrelation :
Calculons le ρ=1-DW/2
donc ρ=1-1,8330/2
ρ=0,0435
effectuons donc la correction
1- générer les variables sur Eviews :
SALACTCOR=SALACT - 0,0435*SALACT(-1)
SALDEBCOR=SALDEB - 0,0435*SALDEB(-1)
EXP05COR = EXP05 – 0,0435*EXP05(-1)
AVEC : ρ = 0,0435
Le Test de DW après la correction

DONC absence
d’autocorrélation après
la correction
Test d’héteroscedasticité
Test de WHITE :
On fait la régression suivante :

Formulation des hypothèses :

H0 : a1 = b1 = 0 (homoscédasticité)
H1 hétéroscédasticité
R²=0.4601 et n=473
 LM = R² x n = 217,62 > χ2 0,05(2) = 5,99  Rejeter H0
 Le modèle est hétéroscédastique.
Test de normalité des erreurs

Formulation des hypothèses :

H0 : Normalité
H1 : Non normalité
 Statistique de Jarque-Bera : 1669

 Statistique de Khi-deux: 5,996

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 »

Salact= β0+ β1 âge+ β2exp+ β3education+ β4sexe+ei

La régression pas à pas dans notre cas :
1-Calcul des coefficients de corrélations entre y et toutes les variables
exogènes.

La première variable sélectionnée est l’éducation.

2- estimation des 3 modèles à deux variables explicatives:
A- l’éducation et le sexe : Salemb = β0+ β1education+ β2sexe
Test de Fisher :
Hypothèses :
H0= β1= β2 =0
H1:au moins un des deux coefficients non nul
FC=124,37
Ft =3,01 Avec U1=2 et U2=471 et un risque de 5%.
On constate que Fc>Ft
 donc on rejette H0 alors le modèle est significatif dans sa globalité.
B- l’éducation et l’expérience
Salemb = β0+ β1education+ β2exp
Test de Fisher :
Hypothèses :
H0= β1= β2 =0
H1:au moins un des deux coefficients
non nul
FC=202,38 Ft =3,01 Avec U1=2 et
U2=471 et un risque de 5%.
On constate que Fc>Ft
 donc on rejette H0 et on accepte le
modèle dans sa globalité.
C- l ’éducation et l’âge:
Salemb = β0+ β1education+ β2age
Test de Fisher :
Hypothèses :
H0= β1= β2 =0
H1:au moins un des deux
coefficients non nul
FC=178,15 Ft =3,01 Avec U1=2
et U2=471 et un risque de 5%.
On constate que Fc>Ft
 donc on rejette H0 et on accepte le
modèle dans sa globalité.
Y-a-t il un traitement discriminatoire des salaires
par sexe?

Le coefficient de sexe ( homme ) est de 8.720236 et le

coefficient des femmes est de 8.519138 donc le salaire
des hommes est supérieur à celui des femmes.
CONCLUSION
Le modèle de Mincer est une tentative d’expliquer comment varie le salaire en
fonction de certaines variables. D’où, conformément aux prédictions de la
théorie du capital humain, l’éducation et l’expérience influencent positivement
sur le salaire d’embauche.
une personne ayant supporté un investissement élevé en accumulant du
capital humain, voit son effort récompensé par le versement de salaires élevés
tout au long de sa vie.
Cependant d’autres variables influencent négativement sur le salaire, telles
que l’âge et le sexe.