Corrigé de l`exercice 7 Exceptionnellement, les tableaux de résultats

Corrigé de l’exercice 7
Exceptionnellement, les tableaux de résultats sont de la version anglaise de SPSS.
Une fois ouvert le fichier de données SHP_Ex7.sav
Syntaxe pour créer les dummies.
recode
recode
recode
recode
recode
recode
recode
exe.
sex (1=0) (2=1) into femmes.
nat2 (2=1) (1=0) into etranger.
p05w39 (1=1) (2=0) into emploiTP.
sps (2=1) (else=0) into employe.
sps (3=1) (else=0) into colbleu.
sps (4=1) (else=0) into indep.
sps (5=1) (else=0) into paysans.
Transformation variable dépendante
compute lognrev=ln(i05wy).
exe.
Construction une variable filtre de sorte à maintenir constant le nombre d'observations
compute nbmanque=nmiss(lognrev, age05, educat05, sex, nat2, p05w39, sps).
exe.
compute nomanque=0.
if (nbmanque=0) nomanque=1.
exe.
filter by nomanque.
Cette procédure assure que lorsqu’on procède comme ici en deux analyses distinctes, les analyses sont effectuées sur le
même nombre d’observations.
Alternativement, on peut simplement procéder à l’analyse présentée à l’étape 2 ci-dessous ; dans ce dernier cas, l’analyse
intègre directement les deux étapes, c’est-à-dire sans, puis avec le statut socio-professionnel comme variable
indépendante.
Etape 1.
regression
/missing listwise
/statistics defaults ci change
/noorigin
/dependent lognrev
/method=enter age05 educat05 femmes etranger emploiTP.
Model Summary
Change Statistics
Model
1
a
R
.681(a)
R Square
.463
Adjusted R
Square
.462
Std. Error
of the
Estimate
.79968
R Square
Change
.463
F Change
662.784
df1
5
df2
3842
Sig. F
Change
.000
Predictors: (Constant), emploiTP, EDUCAT05, etranger, AGE05, femmes
Par rapport aux analyses déjà effectuées, ce tableau n’apporte pas d’information fondamentalement nouvelle. Mais, il
faut observer la valeur du R2 (R Square) qui est de .463, une valeur bien plus élevée que celle du R2 lorsque le revenu du
travail (et non son logarithme comme ici) était la variable dépendante.
ANOVA(b)
Model
1
a
b
Regression
Sum of
Squares
2119.237
Residual
Total
df
5
Mean Square
423.847
2456.942
3842
.639
4576.180
3847
F
662.784
Sig.
.000(a)
Predictors: (Constant), emploiTP, EDUCAT05, etranger, AGE05, femmes
Dependent Variable: lognrev
Ce tableau n’appelle pas de commentaires particuliers.
Coefficients(a)
Unstandardized
Coefficients
Model
1
(Constant)
B
9.233
Std. Error
.050
.028
.001
AGE05
EDUCAT05
95% Confidence Interval
for B
t
183.336
Sig.
.000
Lower Bound
9.134
Upper Bound
9.332
.311
25.463
.000
.025
.030
Beta
.137
.005
.361
29.527
.000
.128
.146
-.265
.031
-.122
-8.553
.000
-.326
-.204
etranger
.086
.042
.024
2.054
.040
.004
.168
emploiTP
-.801
.031
-.364
-25.621
.000
-.863
-.740
femmes
a
Standardized
Coefficients
Dependent Variable: lognrev
Ce qui compte ici est la manière dont il convient d’interpréter la valeur des coefficients, l’interprétation devant tenir
compte que la régression a pour variable dépendante le logarithme du revenu et non le revenu lui-même. Dans ce cas,
les coefficients de régression (indiqués sous « B » dans SPSS) doivent au préalable être transformés avant d’être
interprétés.
Cette transformation à la forme : (exp[B]-1) x 100.
Donc :
1) AGE : pour chaque année d’âge supplémentaire, le revenu augmente en moyenne de (exp[.028] – 1) x 100 = (1.028 1) x 100 = .028 x 100 = 2.8%, à éducation, sexe, nationalité et type d’emploi égal.
2) EDUCATION : pour chaque degré supplémentaire d’éducation, le revenu augmente en moyenne de (exp[.137] – 1) x
100 = 14.7%, à âge, sexe, nationalité et type d’emploi égal (ou, de manière équivalente, en contrôlant par à éducation,
sexe, nationalité et type d’emploi).
3) GENRE : les femmes ont en moyenne un revenu inférieur de (exp[-.265] – 1) x 100 = 23.3% à celui des hommes, à
âge, éducation, nationalité et type d’emploi égal.
4) NATIONALITE : les personnes de nationalité étrangère ont en moyenne un revenu supérieur de 9% (8.98) aux
personnes de nationalité suisse, à âge, éducation, sexe, et type d’emploi égal.
5) TYPE D’EMPLOI : les personnes exerçant un emploi à temps partiel ont en moyenne un revenu inférieur de 55.1%
par rapport aux personnes exerçant leur emploi à plein temps, à âge, éducation, sexe et nationalité égal.
Etape 2.
regression
/missing listwise
/statistics defaults ci change
/noorigin
/dependent lognrev
/method=enter age05 educat05 femmes etranger emploiTP
/method=enter employe colbleu indep paysans.
Model Summary
Change Statistics
Model
1
R
.681(a)
R Square
.463
Adjusted R
Square
.462
Std. Error
of the
Estimate
.79968
2
.695(b)
.483
.481
.78541
a
b
R Square
Change
.463
F Change
662.784
.020
36.235
5
df2
3842
Sig. F
Change
.000
4
3838
.000
df1
Predictors: (Constant), emploiTP, EDUCAT05, etranger, AGE05, femmes
Predictors: (Constant), emploiTP, EDUCAT05, etranger, AGE05, femmes, indep, paysans, employe, colbleu
L’introduction du statut socio-professionnel améliore le modèle, qui désormais explique 2% supplémentaire de la
variance du revenu du travail. Une amélioration de la qualité prédictive du modèle qui est statistiquement significative
(p<.001).
ANOVA(c)
Model
1
2
a
b
c
Regression
Sum of
Squares
2119.237
Residual
Total
df
5
Mean Square
423.847
2456.942
3842
.639
4576.180
3847
Regression
2208.646
9
245.405
Residual
2367.534
3838
.617
Total
4576.180
3847
F
662.784
Sig.
.000(a)
397.825
.000(b)
Predictors: (Constant), emploiTP, EDUCAT05, etranger, AGE05, femmes
Predictors: (Constant), emploiTP, EDUCAT05, etranger, AGE05, femmes, indep, paysans, employe, colbleu
Dependent Variable: lognrev
Coefficients(a)
Unstandardized
Coefficients
Model
1
B
9.233
Std. Error
.050
AGE05
.028
.001
EDUCAT05
.137
.005
(Constant)
femmes
2
a
Standardized
Coefficients
95% Confidence Interval
for B
t
183.336
Sig.
.000
Lower Bound
9.134
Upper Bound
9.332
.311
25.463
.000
.025
.030
.361
29.527
.000
.128
.146
-.204
Beta
-.265
.031
-.122
-8.553
.000
-.326
etranger
.086
.042
.024
2.054
.040
.004
.168
emploiTP
.031
.057
.001
.005
.032
.041
-.364
(Constant)
AGE05
EDUCAT05
femmes
etranger
-.801
9.483
.028
.116
-.294
.089
.311
.307
-.135
.025
-25.621
166.004
25.824
22.885
-9.316
2.171
.000
.000
.000
.000
.000
.030
-.863
9.371
.025
.106
-.356
.009
-.740
9.595
.030
.126
-.232
.170
emploiTP
-.782
.031
-.355
-25.288
.000
-.842
-.721
employe
-.167
.036
-.063
-4.694
.000
-.237
-.097
colbleu
-.255
.037
-.093
-6.827
.000
-.328
-.181
indep
-.555
.061
-.110
-9.110
.000
-.675
-.436
paysans
-.580
.077
-.090
-7.480
.000
-.731
-.428
Dependent Variable: lognrev
Par rapport aux cadres (catégorie de référence), les autres statuts socio-professionnels gagnent substantiellement moins,
une fois contrôlé l’âge, le niveau d’éducation, le genre, la nationalité et le type d’emploi. Ce sont surtout les indépendants
et les paysans qui comparativement s’en sortent le moins bien : leurs revenus sont en moyenne inférieurs de 42.6%,
respectivement 44%. Les cols bleus (ouvriers) ont en moyenne un revenu inférieur de 22.5%, les employés de 18.2%
(pour arriver à ces pourcentages, on applique la même formule que précédemment).
L’introduction du statut socio-professionnel ne modifie pas substantiellement les différences relevées à l’étape antérieure
pour les autres variables indépendantes (les écarts sont dans le même ordre de grandeur, les variations n’excédant pas
2% en plus ou en moins).