Corrigé de l`exercice 7 Exceptionnellement, les tableaux de résultats
Transcription
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).