LaDissertation.com - Dissertations, fiches de lectures, exemples du BAC
Recherche

Économétrie

Analyse sectorielle : Économétrie. Recherche parmi 297 000+ dissertations

Par   •  16 Avril 2020  •  Analyse sectorielle  •  1 778 Mots (8 Pages)  •  374 Vues

Page 1 sur 8

[pic 1]

Analyse économétrique sur le salaire horaire moyen de la femme

[pic 2]

ACHOUR WARDA

DUCORROY LONIE                                                                                                                 ANNEE : 2019/2020

GUEDECHE DYHIA

        

Table des matières

Introduction         3

1-Présentation des données        4

  a)-choix des variables et régressions        4

   b)- le résultat        8

2-teste d’hypothèse        9

 L’interprétation        10

        

Introduction :

Selon Ricco Rakotomalala professeur à l’université Lumière Lyon 2 L’économétrie est une Etude des relations quantitatives de la vie économique faisant appel à l’analyse statistique et à la formulation mathématique, elle exprime quantitativement les corrélations pouvant exister entre des phénomènes économiques dont la théorie affirme l'existence. La théorie économique fournit des idées sur les processus qui déterminent les grandeurs économiques.

 

 L’inégalité des salaires est un sujet très fréquent, notamment l’inégalité entre le salaire des hommes et celui des femmes. Dans ce dossier, nous allons étudier les inégalités des salaires chez les femmes.

Quels peuvent être les facteurs d’inégalité entre les salaires horaires des femmes aux Etats-Unis ?

La détermination du salaire horaire moyen de la femme est un sujet très important voir indispensable.  De nombreuse questions ont été posées : est-ce que le salaire de la femme est défini par le taux de chômage ? ou par le niveau d’éducation atteint celles-ci ? ou bien par rapport à l’agglomération ? ou selon son expérience ?

On a décidé d’étudier ses questions grâce à l’économétrie qui apporte une vérification empirique et établit quantitativement les corrélations qui apparaissent valides.

Après avoir ouvert sur Rstudio, voici le modèle que nous avons obtenu avec toutes les variables :

[pic 3]

  1. Présentation des données.

Nous avons choisi d’étudier le phénomène des salaires horaire moyen annuel (année N) des femmes aux Etats-Unis. Pour cela nous avons choisis de garder 5 variables parmi 19. Nous avons choisi le salaire horaire moyen annuel des femmes en N (« WW ») comme variable dépendante puisque selon nous le salaire horaire moyen annuel des femmes n’a pas d’influence sur les autres variables présentes. Cependant, les autres variables ont un impact sur le salaire des femmes.

  1. Choix des variables et régression.

Avant de trouver le bon modèle, nous étions parties sur un autre modèle moins pertinent, en effet, nous avons effectué la régression suivante :

 [pic 4]

Nous remarquons que les variables WA (âge des femmes) et UN (le taux de chômage) ont une P-value négatives, ainsi nous pouvons en déduire que celles-ci ne sont pas pertinentes, c’est-à-dire que l’âge des femmes et le taux de chômage n’expliquent pas les variations du salaire horaire moyen des femmes en Amérique.

C’est pour cette raison que nous sommes parties sur les variables suivantes :

  • WHRS : nombre d’heures annuel travaillées par les femmes : Le nombre d’heure travaillée annuellement par les femmes (« WHRS »). Ces données devraient avoir des impacts positifs sur le salaire horaires des femmes, en effet, on peut penser que plus la femme travaille, plus son salaire augmente.
  • K618 : les enfants entre 6 et 18 ans : nous avons choisis cette variable pour voir si le fait d’avoir des enfants influe sur le salaire versé aux femmes.  
  • WE : niveau d’éducation atteint par les femmes : plus le niveau d’études est haut, plus le poste occupé est important et plus le salaire est élevé.
  • CIT : agglomération : il prend la valeur de 1 si les femmes travaillent en agglomération et 0 si elles travaillent en campagne.
  • AX : année d’expérience des femmes : logiquement, le nombre d’années passées  dans une même entreprise (donc l’expérience) influence positivement sur le salaire. En d’autres termes, si expérience augmente, le salaire évolue dans le même sens.

Ce qui nous donne la régression suivante :

[pic 5]

Estimate = β, les coefficients estimés

Std.Error = Standard Error = Variance des estimateurs (σβ̂ ²) :2.793

T value = valeur t de Student

Adjusted R-squared = R² :0.2576

pour de meilleures explicatins, nous allons afficher la boxplot de la variable WHRS grace à la commande suivante:

[pic 6][pic 7]

[pic 8]

La box plot nous permet de décrire la distribution de variable continue en affichant les cinq statistiques descritpives de bases:

  • le minimum: ici, il est négatif et n'est pas montré sur la boxplot.
  • Le premier quartile = le 25eme pourcentile: ici c'est 0
  • la médiane qui est ici environ 100
  • le troisème quartile: ici environ 1500
  • le maximum: environ 3800.

Comme nous pouvons le constater, seule la box plot de la variable WHRS présente une bonne description. Cette description nous présente également les valeurs extérieures, c'est-à-dire des valeurs aberrantes: 4100 et 5000

Il y a une bonne séparation entre les groupes basés sur le salaire horaire moyen.

Ces valeurs sont également visibles dans ce tableau:

[pic 9][pic 10]

ainsi nous pouvons corriger les statistiques de bases :

  • le minimum: 0
  • Le premier quartile: 0
  • la médiane: 288
  • le troisème quartile: 1516
  • le maximum: 4950

Les graphiques décrivent mieux la forme de la répartition des valeurs des individus, nous pouvons afficher la densité, ici nous avons une distribution bimodale, c'est-à-dire que nous avons deux pic (deux modes)

[pic 11]

[pic 12]

Le graphique précédent affiche le salaire horaire moyen annuel des femmes en N selon le salaire horaire moyen des femmes.

...

Télécharger au format  txt (10.5 Kb)   pdf (1.6 Mb)   docx (980.4 Kb)  
Voir 7 pages de plus »
Uniquement disponible sur LaDissertation.com