Mobilité salariale : mobilité géographique et mobilité professionnelle

Mobilité salariale : mobilité géographique et mobilité
professionnelle sont-elles « payantes » ?
Yves Guillotin et Salima Hamouche
G.A.I.N.S.
XVIèmes Journées de Micro Economie Appliquée
Lyon 3-4 Juin 1999
0
Introduction
L’étude de la mobilité salariale s’inscrit dans le cadre des études théoriques et/ou
empiriques qui s’intéressent à l’analyse des dispersions de salaires, de leurs évolutions et des
facteurs explicatifs de celles-ci. On peut évoquer , à ce sujet, toutes les études portant sur le
rendement de l’investissement initial en capital humain, de l’expérience ou de l’ancienneté,
sur le rôle de la mobilité interne ou externe, et plus récemment sur l’impact de l’insertion
professionnelle initiale sur la carrière future. Il s’agit pour D. Verger [1996] de « tout ce qui
contribue à donner forme à une carrière salariale ». S’il est évident qu’il existe un lien entre
les carrières salariales et professionnelles, de nombreuses études font apparaître la complexité
de la connexion entre mobilité professionnelle et mobilité salariale. Notre propos est d’utiliser
ici la dimension longitudinale de nos données pour chercher si les mobilités d’emploi ou les
mobilités géographiques « contribuent à donner forme à la carrière salariale ». Depuis Mincer
[1974], on retrouve dans la littérature de nombreux travaux portant sur l’évaluation empirique
de la théorie du capital humain, à partir de l’estimation d’une fonction de gains1. Cette
fonction lie le logarithme des rémunérations à l’accumulation de capital humain. Dans cette
optique, les différences individuelles des profils de rémunération s’expliquent en partie par le
stock de capital humain accumulé. Si la formation initiale joue un rôle primordial dans la
détermination des salaires, de nombreux autres facteurs interviennent dans des associations
multiples et complexes. Pour rendre compte des disparités observées, il est donc courant
d’adjoindre à ces variables d’accumulation d’autres variables représentatives de
caractéristiques individuelles (comme le genre), ou représentatives de l’entreprise dans
laquelle est employé le salarié (secteur ou taille de l’entreprise). Ces effets individuels
(spécifiques aux salariés et/ou à la firme qui l’emploie) ne peuvent être séparés de l’évolution
structurelle du marché du travail, dès lors que l’analyse porte sur des individus pour lesquels
l’entrée sur le marché du travail se fait dans des contextes économiques très contrastés. L’une
des principales critiques adressées aux modèles issus de la théorie du capital humain, tient au
fait qu’il s’agit de modèles d’offre pour lesquels le côté de la demande sur le marché du
travail n’est pas pris en compte. L’introduction d’une variable macroéconomique synthétique
mesurant les tensions observées sur ce marché (taux de croissance du taux de chômage)
permet dans une certaine mesure d’atténuer ces griefs. Cela permet aussi de neutraliser en
partie un effet de cohorte.
1
Il s’agit d’une traduction de human capital earnings function que l’on retrouve aussi dans la littérature en
français sous le vocable « équation de salaire »
1
Le panel des DADS, source longitudinale longue, permet d’appréhender une partie
importante de la carrière salariale d’un individu. Nos précédents résultats (GuillotinHamouche [1998]), à partir d’une analyse économétrique d’une partie de ce panel, nous
avaient permis d’identifier un effet significatif positif du nombre d’emplois occupés sur la
mobilité salariale, tant ascendante que descendante, cet effet étant cependant moins important
que l’effet de stock de capital humain initial. Nous avions alors conclu qu’il pouvait s’agir de
deux formes différentes de mobilité : d’une part, une mobilité stratégique qui améliorerait la
position de l’individu, et d’autre part une mobilité contrainte qui se traduirait dans les faits par
une dégradation de la situation relative des individus. Cette argumentation confère à une
variable unique un double statut ; d’une part, pour les sauts positifs, il s’agirait d’une variable
d’accumulation et d’autre part, pour les sauts négatifs, il s’agirait plutôt d’une variable
traduisant le comportement de l’entreprise plutôt que celui du salarié. Verger le note bien
lorsqu’il écrit « Le thème est difficile, la séparation entre mobilité choisie et mobilité subie, la
résolution des problèmes d’éventuelle simultanéité des évolutions de salaire et des
changements de poste de firme ou de secteur représentent des défis presque insurmontables
dans l’état actuel des données et dont la résolution est pourtant nécessaire a la
compréhension des mécanismes en jeu »
Dans l’ensemble des décisions individuelles susceptibles d’infléchir la carrière
salariale, la mobilité géographique et/ou la mobilité professionnelle sont souvent considérées
comme des variables stratégiques. Dans l’approche en termes de capital humain, la mobilité
est appréhendée comme un investissement. Il s’agit donc d’une mobilité volontaire, choisie
par les salariés. Comme tout investissement, elle induit des coûts2, supportés dans le court
terme, le rendement de cet investissement étant obtenu dans le long terme. En retenant cette
approche de la mobilité, nous nous proposons de mesurer les effets des changements de
localisation et des changements d’emploi sur la mobilité salariale. En effet, le panel des
DADS permet d’analyser les itinéraires individuels du point de vue des rémunérations, en
liaison avec les changements d’emplois et les mobilités géographiques qui y sont
éventuellement associés. Nous essaierons de voir dans quelle mesure la mobilité
géographique s’accompagne d’une mobilité salariale ascendante, et de quelle manière cette
dernière est connectée à la mobilité externe3 .
On peut signaler la disparité des études et les difficultés rencontrées lorsqu’on tente de
mesurer le rendement de la mobilité. Ces études concluent le plus souvent que la mobilité
2
coûts de migration, coût psychologique d’acclimatation à un nouvel environnement professionnel et/ou
géographique,…
3
les données disponibles ne permettent pas d’appréhender la mobilité interne.
2
externe n’est pas rentable à long terme. La démonstration repose sur la distinction entre
capital humain général et capital humain spécifique : les individus mobiles accumulent moins
de capital humain spécifique et connaissent donc une progression salariale moins importante
(Bartel et Borjas [1981], Borjas [1981]). En effet, à chaque changement d’entreprise, la partie
du salaire qui rémunère les compétences spécifiques disparaît, alors que la rémunération de
l’expérience générale est indifférente au changement d’employeur. A partir d’une estimation
en coupe, sur les données de l’enquête FQP4, Goux et Maurin [1994] montrent que les gains
liés au capital humain spécifique sont significatifs, mais plus faibles que ceux liés à
l’accumulation initiale, la différence de rendement se réduisant vraisemblablement avec le
déroulement de la carrière. Ils soulignent alors la nécessité de « neutraliser l’hétérogénéité
des salariés » en effectuant un travail équivalent sur les carrières individuelles à partir du
panel emploi. Les résultats mis en évidence montrent que « les relations changent
d’intensité,…,les gains de salaire dus à cette ancienneté spécifique apparaissent désormais
près de quinze fois plus faibles que ceux liés à l’expérience totale ». Cependant, pour les
jeunes hommes, un changement d’entreprise au tout début de la carrière peut s’accompagner
d’un accroissement conséquent de la rémunération (Simonnet [1997]), ce qui n’est plus le cas
lorsque cette mobilité inter-entreprise intervient plus tardivement. A partir de données
américaines sur de jeunes travailleurs, Mincer et Jovanovic [1981] montrent que les taux
annuels de séparation baissent d’environ 90% lorsqu’on passe de la première à la sixième
année d’ancienneté. La mobilité externe est beaucoup moins importante en France qu’aux
Etats Unis5, mais dans les deux cas, celle-ci décroît avec l’ancienneté6. On retrouve là un
résultat qui vient conforter les prédictions de la théorie du «job matching » (Jovanovic
[1979]) : la mobilité externe serait une manière de corriger les erreurs qui peuvent survenir
dans la formation des relations d’emploi. Pour Cahuc et Zylberberg [1996] « les études
empiriques ne parviennent pas à dégager la supériorité d’une thèse par rapport à
l’autre,…,ces deux thèses seraient donc exactes mais ne s’appliqueraient pas aux mêmes
instants de la carrière d’un individu. Les conditions incitatives jouent au début,
l’accumulation de capital humain plus tard »
Plus généralement, lorsqu’on emploie le terme de mobilité sur le marché du travail, on
évoque toutes les formes de changements de situation: mobilité salariale, transitions entre
4
Enquête formation et qualification professionnelle de 1993.
Topel et Ward [1992] montrent qu’en 40 ans de vie active, les travailleurs américains connaissent en moyenne
10 entreprises différentes alors que Goux [1991] montrent qu’en France près de 44% des hommes réalisent
l’ensemble de leur carrière dans une seule entreprise ou n’ont pas connu plus de un ou deux changements.
6
Un rapport récent de l’OCDE, cité par Le monde du 25 / 3 /99, indique que « la durée moyenne d’occupation
d’un emploi est de 3.4 ans aux USA tandis qu’elle est de 7,3 ans en Europe (plus de 10 ans en Allemagne).
5
3
statuts, mobilité professionnelle, mobilité géographique, mobilité d’emploi etc.. Il existe
vraisemblablement des interdépendances entre ces différentes formes de changements. Nous
porterons notre attention sur la mobilité géographique et la mobilité professionnelle, en
essayant d’examiner les relations parfois complexes qui lient ces deux formes de mobilité à la
mobilité salariale. La mobilité géographique est l’une des formes de mobilité les plus simples
à identifier. Mais cette définition relativement aisée ne doit pas masquer les difficultés liées à
l’interprétation de celle-ci. En effet, la mobilité géographique (département d’emploi ou de
résidence) s’accompagne le plus souvent d’une mobilité professionnelle (Aubry [1988]) et il
devient difficile de faire la part des causes et des conséquences de ce changement. Le tableau
ci dessous présente les différentes situations possibles.
Département de
résidence
oui
Entreprise, emploi
non
Département
d’emploi
non
non
oui
non
non
non
oui
oui
oui
non
non
oui
oui
oui
non
oui
oui
oui
oui
Interprétations
Il s’agit d’un choix de mobilité géographique qui ne
s’accompagne d’aucun mouvement professionnel. Cela
peut concerner un mouvement vers les départements
limitrophes par exemple
On change d’entreprise et/ou d’emploi sans changer de
lieu de résidence ni de département d’emploi. Il s’agit
d’une mobilité externe simple qui ne s’accompagne
d’aucun autre changement
Changer de département d’emploi sans changer
d’entreprise est certainement le signe révélateur d’une
mobilité interne : le salarié change d’établissement. On
peut penser que ces mouvements s’accompagnent d’une
mobilité géographique (sauf lorsque l’établissement de
destination se trouve dans un département voisin. Si tel
n’est pas le cas, l’absence de mobilité géographique peut
être la conséquence d’un choix lié à la situation du
conjoint.
Il s’agit d’un changement d’entreprise et de lieu de
résidence sans mobilité
de département d’emploi.
L’entreprise vers laquelle on se déplace
trouve
probablement dans le même département que l’entreprise
initiale mais ce changement motive une mobilité de
résidence ou l’accompagne.
Changement d’entreprise et de département d’emploi en
conservant la même résidence : il s’agit d’une mobilité
externe. Ceci peut s’expliquer par une migration
professionnelle de courte distance.
On change de département de résidence et d’emploi en
restant dans la même entreprise. Il s’agit probablement
d’une mobilité interne mais associée à une migration de
longue distance.
Situation standard, on change d’entreprise qui se trouve
dans un autre département, ce qui peut justifier un
changement de résidence.
La mobilité professionnelle recouvre différents changements survenant dans la carrière
individuelle. Béduwé [1992] la définit ainsi : « Celle-ci peut alors prendre plusieurs formes :
mobilité sectorielle et/ou d’entreprise, mobilité fonctionnelle, mobilité socio-professionnelle
4
et plus récemment mobilité d’emploi lorsqu’il s’agit d’un changement de statut. Lorsque ces
changements se produisent au sein de la même entreprise, il s’agit de mobilité interne. Au
contraire, quand le changement de situation correspond également à un changement
d’entreprise ou d’employeur on parlera de mobilité externe. » La nature des données
disponibles ne nous permet pas d’appréhender la mobilité professionnelle dans toutes ses
dimensions, mais le fait de prendre en compte la mobilité d’entreprise, la mobilité de
département d’emploi ou de résidence peut donner des indications sur l’impact que celles-ci
peuvent avoir sur la mobilité salariale.
Nous tenterons par ailleurs de donner quelques indications sur la mobilité Ile de
France-province. En effet, des données récentes (DARES, [1999]) confirment que la structure
des emplois est très différente en Ile de France et en province. Ainsi, d’après l’enquête
Emploi, réalisée en Mars 1998 par l’INSEE, 24% des salariés franciliens du privé sont des
cadres, alors que cette proportion n’excède pas 8.4% en province. Par ailleurs, selon cette
même source, 45.8% des cadres du secteur privé résident en Ile de France.
Notre approche de la carrière salariale repose sur la construction de matrices de
mobilités établies sur trois phases triennales de carrières. Pour chacun des individus, il est
alors possible de définir un rang de départ et un rang d’arrivée pour chacune de ces phases de
carrière. Pour chacune des phases triennales considérées, ces rangs sont en fait les déciles
auxquels appartiennent les salariés au début7 et à la date marquant la fin de celle-ci. Le saut
hiérarchique représente alors le nombre de déciles franchis entre les dates de « départ » et
« d’arrivée ». L’approche de la trajectoire individuelle ne se fait donc que dans une
perspective relative, le niveau absolu n’intervenant en aucune manière dans l’analyse.
Ainsi, dans notre approche, c’est l’ampleur du saut effectué dans la distribution des
salaires qui constitue la variable à expliquer. Il s’agit en fait, pour modéliser la mobilité dans
la hiérarchie des salaires, de compter le nombre de déciles franchis entre deux dates marquant
une « phase » particulière de la carrière d’un individu. Ce choix permet alors d’appréhender le
« saut » effectué dans la hiérarchie comme une donnée de comptage. On peut alors mettre en
œuvre les méthodes économétriques appropriées pour ce type de variables endogènes prenant
un nombre restreint de valeurs positives.
Ce choix suppose néanmoins que le décile franchi a la même importance à quelque
niveau que l’on se situe dans la distribution des salaires. Cette hypothèse contraignante peut
être relâchée en considérant dans l’ensemble des variables exogènes, le rang occupé au
7
Pour la première phase, il s’agit des rangs au moment de l’entrée sur le marché du travail.
5
moment de l’insertion dans la hiérarchie des salaires (le décile initial d’appartenance).
L’analyse qualitative des données disponibles et nos précédents résultats nous ont permis de
montrer que l’ampleur de la mobilité salariale est contingente à cette position initiale. En
outre, les caractéristiques individuelles et les variables d’accumulation peuvent avoir un effet
différentiel important selon cette position . Nous avons donc pris en compte cette éventualité
en introduisant des « variables croisées ». Ce croisement est alors effectué en regroupant
d’une part les déciles du bas, et d’autre part, les déciles du haut (la modalité de référence étant
constituée des déciles médians).
Dans une première partie, nous proposons une présentation synthétique des données
utilisées et des faits stylisés auxquels celles-ci permettent d’arriver. Les conclusions de cette
analyse permettront d’expliciter quelles sont les variables retenues pour tenter d’expliquer la
mobilité salariale.
1- La mobilité hiérarchique : une analyse descriptive
1.1 Les données disponibles
Les données utilisées pour répondre aux questions précédentes sont présentées dans
l’encadré.
Encadr é: les données
Les données longitudinales de salaires sur la période 1967-1995 utilisées dans cette
recherche sont tirées des Déclarations Annuelles de Salaires remplies par les employeurs des
secteurs privé et semi-public (DAS, devenues depuis Déclarations Annuelles de Données
Sociales ou DADS) : il s'agit d'une base de données constituée des individus nés en octobre
des années paires, ce qui donne un taux de sondage d’environ 1/25 (le mois d'octobre
représentant un peu moins de 8 % des naissances annuelles).
Toutefois, les informations recueillies sur les salariés ne comportent pas le diplôme ou
le nombre d'années d'études, l'expérience ou l'ancienneté dans l'entreprise. Afin de contourner
cette difficulté, nous nous sommes intéressés à la population des "entrants" dans le fichier.
Ceux-ci sont définis ici de la manière suivante : est entrant l'année t l'individu âgé de moins de
30 ans l'année t , absent du fichier avant t, présent aux dates charnières retenues pour décrire
la carrière : t , t + 3 , t+6 , t+9.
Compte tenu de l'absence d'exploitation des DAS en 1981, 1983 et 1990, il a été
possible de définir six générations d’entrants : 1970, 1973, 1976, 1979, 1982, 1985.
La formation est évaluée comme la différence entre l'âge d'entrée et l’âge de 14 ans.
Cette procédure est courante dans l'estimation de la durée de la formation, bien qu'elle
s'applique généralement à la différence « âge − 6 ». Le choix d'une formulation « âge − 14 »
repose sur l'idée que la scolarité obligatoire ne représente pas, à nos yeux, un investissement
délibéré en capital humain. Toutefois, l’usage d’une forme logarithmique nous contraindra à
exclure les individus entrés à 14 ans sur le marché.
6
Au total, nous disposons d’un fichier de 26 923 individus appartenant aux générations
1970 à 1985.
Pour chacune de ces cohortes, nous construisons à chaque date retenue une hiérarchie
salariale constituée par un décilage. Chaque individu est alors doté d’un rang d’appartenance
allant de 1 à 10. Par croisement de deux positions hiérarchiques à deux dates, on obtient une
matrice de mobilité.
L’intérêt de distinguer différentes générations de débutants réside dans la possibilité
de rapporter les mouvements hiérarchiques observés à la conjoncture économique dans
laquelle ils s’insèrent. Dans notre cas, l’entrée en 1970 conduit à profiter de la croissance
rapide qui caractérise cette période, alors que l’entrée en 1979 va amener l’insertion sur le
marché du travail à se faire dans une dynamique économique particulièrement défavorable.
Ces données permettent de « construire », en plus d’une variable de capital humain
initial LKHI, des variables indicatrices du genre (0 pour les hommes, 1 pour les femmes),
ainsi que de l’appartenance aux déciles initiaux : RD1 à RD10.
La variable de mobilité d’entreprise est construite sur la base du nombre d’emplois à
temps complets tenus par un salarié au cours d’une année. Si celui-ci est supérieur à 1, cela
indique qu’un ou plusieurs changements d’emplois ont eu lieu : cela est pris en compte par
une indicatrice de changement d’emploi (égale à 1 car on ne compte pas le nombre d’emplois,
on indique simplement si un ou plusieurs changements ont eu lieu.). La période de référence
étant triennale, il nous faut constituer une indicatrice de mobilité sur cet intervalle de temps.
Celle-ci sera égale à 1 si l’indicatrice de mobilité annuelle est égale à 1 pour l’une au moins
des 3 années de la période envisagée. La prise en compte des neuf premières années de la
carrière, décomposée en trois phases triennales permet de constituer une indicatrice de la
mobilité d’entreprise (TYMxyz) pour cette période : TYM010 désigne ainsi un individu qui
n’a pas changé d’emploi au cours des trois premières années d’activité mais a connu au moins
un changement entre les années 4 et 6 avant de rester dans le même emploi au cours de la
phase triennale suivante.
De manière similaire, il est possible de suivre les changements de département
d’emploi TYExyz et de résidence TYRxyz.
Le graphique suivant illustre la mobilité hiérarchique des salaires pour les 6
générations d’entrants prises en compte dans notre analyse. Neuf années après leur entrée sur
le marché du travail (entre t et t+9), 440 entrants sont passés du décile 1 (D1) au décile 2
(A2). Ils ont parcouru 1 décile vers le haut ce qui constitue un saut positif d’amplitude égale
à 1. Globalement, la matrice est dominée par la diagonale principale qui reflète l’immobilité
dans la hiérarchie salariale.
7
Matrice de mobilité hiérarchique des 6 cohortes d'entrants
1200
1000
800
600
400
200
0
D
1
0
D
9
D
8
D
7
D
6
D
5
D
4
D
3
D
2
D
1
A
1
A
2
A
A
A
1
9
A
8
0
A
7
A
6
A 5
A
4
3
A1
A2
A3
A4
A5
A6
A7
A8
A9
A10
D1
404
440
395
350
283
240
191
155
116
115
D2
504
327
323
306
262
249
198
218
169
138
D3
478
447
365
308
275
203
182
175
139
107
D4
403
417
362
320
276
234
185
185
154
131
D5
308
336
352
308
309
283
289
224
174
148
D6
181
258
307
288
331
326
304
280
235
180
D7
158
187
240
293
312
361
353
297
293
201
D8
105
112
184
241
313
353
397
403
337
249
D9
83
89
98
184
219
291
390
461
501
370
D10
65
81
66
95
112
154
204
294
576
1051
8
1.2 Les variables explicatives de la mobilité hiérarchique
Le choix des variables explicatives s’inspire de l’approche proposée par Mincer [1974],
qui rattache le salaire à la formation initiale mesurée par la durée des études, l’expérience
professionnelle et diverses indicatrices prenant en compte des caractéristiques individuelles.
Si l’on excepte les variables de mobilité, on peut considérer quatre groupe de variables :
1°) Une variable d’accumulation. Il s’agit d’approcher le stock de capital humain
initialement accumulé en considérant le nombre d’année d’études, évalué comme la
différence entre l’âge d’entrée et 14 ans. Cette procédure repose sur l’idée que la scolarité
obligatoire ne représente pas un investissement délibéré en capital humain.
2°) Une variable individuelle, indicatrice du genre, permettant d’évaluer de quelle manière
le fait d’être une femme peut ralentir ou non l’ascension salariale, ou favoriser ou non une
mobilité hiérarchique descendante. Le tableau ci-dessous
permet d’appréhender des
différences systématiques entre les deux sexes, quelle que soit la génération d’appartenance.
Saut moyen selon la génération d'entrée
Hommes
Femmes
1970 à 1979
0,383
-0,776
1973 à 1982
0,312
-0,606
1976 à 1985
0,434
-0,839
1979 à 1988
0,483
-0,894
1982 à 1991
0,491
-0,825
1985 à 1994
0,380
-0,634
Période d’observation
3°) Une variable macroéconomique, synthétique de l’état de la conjoncture au cours de la
première partie de la carrière (9 ans) pour chacune des générations considérées. Nous avons
retenu ici le taux de croissance du taux de chômage afin d’approcher les modifications de la
tension sur le marché du travail. L’hypothèse sous-jacente est qu’un accroissement du
chômage devrait ralentir la dynamique des salaires, et par conséquent, freiner le déplacement
vers le haut de la hiérarchie dans son ensemble.
4°) Des variables indicatrices de positionnement au moment de l’entrée sur le marché du
travail. Les coefficients attachés à ces variables se comprennent comme des écarts à la
modalité médiane de référence : le cinquième décile. A titre d’illustration de l’impact du
positionnement initial, le tableau ci-dessous donne le saut moyen sur les années t à t+9 des 6
cohortes d’entrants selon cette position de départ.
9
Saut moyen selon la position initiale
Hommes
Femmes
Décile 1
3,502
2,390
Décile 2
2,975
1,508
Décile 3
1,961
0,232
Décile 4
1,141
-0,479
Décile 5
0,444
-0,805
Décile 6
-0,206
-1,039
Décile 7
-0,917
-1,630
Décile 8
-1,422
-2,135
Décile 9
-1,884
-2,280
Décile 10
-1,728
-2,551
Le croisement de ces indicatrices avec chacune des variables exogènes précédentes
permettrait d’identifier dans quelle mesure l’effet de celles-ci se différencie ou non, suivant le
décile occupé au moment de l’insertion sur le marché du travail. Toutefois, pour que ces
effets croisés soient représentatifs, les croisements sont effectués en ne considérant qu’un
regroupement des positions initiales. Le bas de la hiérarchie sera représenté par les trois
premiers déciles, tandis que le haut de la hiérarchie sera représenté par les trois derniers
déciles. La modalité de référence sera donc constituée des quatre déciles du centre de la
distribution.
2- Estimation et résultats
2.1
La démarche
Nous souhaitons mettre en évidence ce qui peut expliquer le nombre de déciles franchis
dans la distribution des salaires. La variable modélisée mesurera donc le déplacement observé
dans cette hiérarchie. Par construction, celui-ci prend toutes les valeurs entières comprises
entre –9 et +9. La mobilité salariale peut être appréhendée ici comme une donnée de
comptage, l’événement unitaire étant le saut d’un décile dans la hiérarchie. On peut alors
mettre en œuvre des techniques économétriques particulières pour ce type de
variables
prenant un petit nombre de valeurs positives, puisque pour de telles variables le modèle
linéaire standard se révèle inadéquat (Guillotin-Hamouche [1998]) (voir encadré en annexe).
Toutefois, les méthodes économétriques pour données de comptage imposent de travailler sur
des variables positives, ce qui nous amènera à distinguer les sauts positifs des sauts négatifs.
10
Nous avons ainsi constitué deux sous-échantillons : le premier, constitué des individus dont le
saut est positif ou nul ; le second, constitué des individus dont le saut est négatif ou nul. En
effet, les individus immobiles, pour lesquels le saut est nul, font partie de ces deux souséchantillons pour ne pas biaiser les résultats obtenus.
L’impact des variables de mobilité peut être approché en décomposant successivement la
mobilité dans la hiérarchie des salaires suivant les différents types de mobilité reconstitués :
mobilité d’emploi, de département d’emploi, de département de résidence.
Pour les mobilités d’emploi, il semble que quelque soit le genre, les mobiles soient
relativement avantagés par rapport aux immobiles.
Sauts moyens sur 3 fois 3 ans selon la mobilité d'emploi
111
110
101
100
011
010
001
000
-1,00
-0,80
-0,60
-0,40
-0,20
0,00
Hommes
0,20
0,40
0,60
0,80
1,00
Femmes
De la même manière si l’on se réfère à la mobilité géographique, on peut apprécier
l’impact des changements de département de résidence .
11
Sauts moyens sur 3 fois 3 ans selon la mobilité de département de résidence
(Ile de France considéré comme un département unique)
111
110
101
100
011
010
001
000
-1,50
-1,00
-0,50
0,00
0,50
Hommes
1,00
1,50
2,00
2,50
Femmes
Toutefois ces mesures ne sont pertinentes que si les mobilités observées sont
réellement exogènes par rapport aux autres types de mobilité et par rapport aux
caractéristiques individuelles des salariés.
Le tableau de l’annexe 2 montre qu’il n’en est rien et que le changement d’emploi
s’accompagne souvent, mais pas systématiquement, de changement de résidence. 50 % des
individus sont « synchrones » : pour ceux-ci, l’absence de changement d’emploi, ou au
contraire une mobilité d’emploi,
mouvement
s’accompagne d’une même stabilité ou d’un même
pour le département de
résidence. D’autre part, sur la phase de carrière
considérée, 52 % des salariés sont « géographiquement synchrones » : tout comportement
(stabilité ou mobilité) concernant le département d’emploi s’accompagne d’un comportement
similaire en matière de département de résidence .
Assez naturellement, la « synchronisation » entre mobilité-stabilité des départements
d’emploi et de résidence est beaucoup plus forte, puisque celle-ci est de 84 %.
Pour appréhender la pertinence de ces mouvements sur la mobilité salariale, il faut
aussi s’intéresser à l’éventuelle liaison entre le comportement d’accumulation (mesuré ici par
le capital humain initial) et les variables représentatives de ces changements (mobilité
d’emploi, de résidence ou de département d’emploi).
Le tableau figurant en annexe 3 permet d’observer la décomposition des différents
12
profils de mobilité d’emploi suivant le
capital humain initial . On constate aisément que la
proportion d’immobiles dans le premier emploi est croissante avec le niveau initial de capital
humain : celle-ci passe de 41 % à 68 % pour les hommes et de 62 % à 81 % pour les femmes.
Le différentiel hommes/femmes s’étend de 10 à 20% et paraît plus important au deux
extrémités de la distribution. On observe aussi que les pluri-mobiles sont de moins en moins
nombreux lorsque le capital humain initial augmente. Cette plurimobilité est en outre plus rare
chez les femmes.
L’une des explications, fréquemment avancée dans l’analyse de la mobilité
géographique, porte sur la structure différenciée des emplois entre les régions et les
départements. Celle-ci est d’autant plus marquée pour ce qui est des mouvements fortement
asymétriques entre la région Ile de France et la province. L’annexe 4 décrit les sauts moyens
des individus suivant ces deux localisations . En première lecture, les trajectoires allant de la
province vers l’Ile de France semblent associées à une mobilité salariale ascendante . Cette
remarque doit toutefois être relativisée par la prise en compte des effets de structure de
qualification évoqués en introduction.
2.2
L’impact des mobilités sur la carrière salariale
Pour analyser les trajectoires salariales des différentes générations, nous avons pris en
considération les neuf premières années de la carrière. Ce choix se justifie à la fois par la
structure des données, et par le nécessaire recul qu’exige une appréhension correcte du
processus d’insertion. En effet, les particularités des DADS (données non disponibles pour
certaines années) et le fait pour nous de devoir disposer d’observations à deux dates
distinctes, nous ont conduits à retenir des périodes d’observation dont l’amplitude est un
multiple de trois. La prise en compte d’une période triennale initiale n’apparaît pas suffisante
pour appréhender la phase d’insertion. On peut se référer aux travaux du CERC qui, le plus
souvent, sont établis sur une période de 5 ans. Pour appréhender la phase d’insertion, et pour
prendre en compte la possibilité d’un allongement, au cours de ces dernières années, de la
durée de ce processus, nous avons privilégié une période de 9 ans.
La relation que nous souhaitons estimer peut être spécifiée de la manière suivante :
10
S i = a + ∑ α j RDi j + β 1 LKH i + β 2 ( LKHI i * RDBi ) + β 3 ( LKHI i * RDH i ) + γ 1 FSX i + γ 2 ( FSX i * RDBi )
j =1
j ≠5
+ γ 3 ( FSX i * RDH i ) + δ 1 DU 9 i + δ 2 ( DU 9 * RDBi ) + δ 3 ( DU 9 * RDH i ) + u i
13
Où RDij désigne le décile de départ j de l’individu i .
LKH i mesure le niveau de capital humain initial , FSX i est une indicatrice du genre (0 pour
les hommes) et DU 9i mesure le taux de croissance du chômage durant la phase de carrière
initiale de 9 ans de l’individu i .
RDBi et RDH i sont respectivement des indicatrices des trois déciles du bas et des trois déciles
du haut de la distribution de salaires. Ces indicatrices sont croisées avec chacune des variables
exogènes précédentes, de manière à mettre en évidence leurs éventuels effets différenciés. Il
s’agit là d’une spécification de base. Si l’on souhaite appréhender les effets de la mobilité de
département d’emploi sur la mobilité salariale, on peut alors considérer la spécification
suivante :
10
Si = a + ∑α j RDi j + β1 LKH i + β 2 ( LKHI i * RDBi ) + β 3 ( LKHI i * RDH i ) + γ 1FSX i + γ 2 ( FSX i * RDBi )
j =1
j≠5
7
+ γ 3 ( FSX i * RDH i ) + δ1DU 9i + δ 2 ( DU 9 * RDBi ) + δ 3 ( DU 9 * RDH i ) + ∑θ kTYMxyzi k + ui
k =1
où TYMxyzi est une variable indicatrice des différentes chronologies de mobilité d’emploi
envisageables, suivant la codification exposée dans l’encadré sur les données.
On peut de la même manière considérer les variables TYExyzi et TYRxyzi pour les mobilités de
département d’emploi et de département de résidence.
Les résultats de ces estimations sont présentés dans les trois tableaux suivants. Pour
chacune des formes de mobilité, nous avons synthétisé, au sein d’un même tableau, les
résultats de l’estimation du modèle de base et du modèle avec mobilité pour les sauts positifs
et les sauts négatifs.
14
Estimation de la mobilit ésalariale avec changement d’emploi
Sauts positifs
Sauts négatifs
Observations
14839
14839
Observations
16334
16334
Observations
10494
10494
Observations
11989
11989
positives
positives
Log-vraisemblance
-25698
-25673 Log-vraisemblance
-28776
-28758
Coefficient
T
Coefficient
T
Coefficient
T
Coefficient
T
ETA2
0,263 1,909
0,260 1,856 ETA2
0,286
2,392
0,284 2,340
CSTE
0,542
7,764
0,480
DU9
DU9RDB
DU9RDH
-0,028
0,101
0,009
-1,484
4,240
0,179
-0,024
0,097
0,015
FSX
FSXRDB
FSXRDH
-0,240
-0,115
-0,117
-9,026
-3,237
-1,455
LKHI
KHIRDB
KHIRDH
0,193
0,219
0,024
6,364
5,866
0,268
RD1
RD2
RD3
RD4
RD6
RD7
RD8
RD9
RD910
TYM001
TYM010
TYM011
TYM100
TYM101
TYM110
TYM111
0,082 0,980
0,036 0,426
-0,213 -2,458
0,152 4,855
-0,194 -5,685
-0,502 -13,159
-1,002 -4,884
-1,719 -7,927
-20,139 -0,045
6,827 CSTE
0,510
8,516
0,479
7,961
-1,278 DU9
4,046 DU9RDB
0,283 DU9RDH
0,025
-0,006
-0,065
1,536
-0,133
-2,895
0,024
-0,009
-0,069
1,447
-0,207
-3,055
-0,229
-0,113
-0,119
-8,637 FSX
-3,189 FSXRDB
-1,469 FSXRDH
0,219
0,129
-0,061
10,163
2,215
-1,998
0,229 10,593
0,132 2,273
-0,064 -2,098
0,202
0,219
0,025
6,661 LKHI
5,874 KHIRDB
0,279 KHIRDH
0,013
0,557
0,131
2,104
-0,631 -18,749
0,016 0,654
0,138 2,223
-0,625 -18,564
0,088 1,059 RD1
0,045 0,523 RD2
-0,205 -2,369 RD3
0,152 4,840 RD4
-0,190 -5,587 RD6
-0,497 -13,049 RD7
-1,013 -4,943 RD8
-1,727 -7,970 RD9
-20,141 -0,045 RD910
0,115
0,085
0,134
0,015
0,096
0,078
0,153
3,601
2,436
4,208
0,688
1,817
3,169
4,589
-18,201
-1,437
-0,891
-0,236
0,115
0,226
1,563
1,582
1,404
-0,063
-9,149
-5,681
-7,114
3,776
7,689
18,610
18,722
16,420
TYM001
TYM010
TYM011
TYM100
TYM101
TYM110
TYM111
Les cellules grisées contiennent les coefficients significatifs au seuil de 5 %.
15
-18,201 -0,063
-1,440 -9,169
-0,896 -5,715
-0,234 -7,076
0,115 3,774
0,227 7,741
1,561 18,607
1,581 18,734
1,400 16,391
0,115
0,001
0,092
0,032
0,180
0,034
0,151
3,312
0,014
2,502
1,544
3,071
1,255
3,812
Estimation de la mobilit ésalariale avec changement de d épartement d’emploi
Sauts positifs
Sauts négatifs
Observations
14839
14839
Observations
16334
16334
Observations
10494
10494
Observations
11989
11989
positives
positives
Log-vraisemblance
-25698
-25548 Log-vraisemblance
-28776
-28774
Coefficient
T
Coefficient
T
Coefficient
T
Coefficient
T
ETA2
0,263 1,909
0,241 1,518 ETA2
0,286
2,392
0,286 2,389
CSTE
0,542
7,764
0,468
DU9
DU9RDB
DU9RDH
-0,028
0,101
0,009
-1,484
4,240
0,179
-0,022
0,103
0,008
FSX
FSXRDB
FSXRDH
-0,240
-0,115
-0,117
-9,026
-3,237
-1,455
LKHI
KHIRDB
KHIRDH
0,193
0,219
0,024
6,364
5,866
0,268
RD1
RD2
RD3
RD4
RD6
RD7
RD8
RD9
RD910
TYE001
TYE010
TYE011
TYE100
TYE101
TYE110
TYE111
0,082 0,980
0,036 0,426
-0,213 -2,458
0,152 4,855
-0,194 -5,685
-0,502 -13,159
-1,002 -4,884
-1,719 -7,927
-20,139 -0,045
6,761 CSTE
0,510
8,516
0,515
8,586
-1,172 DU9
4,365 DU9RDB
0,150 DU9RDH
0,025
-0,006
-0,065
1,536
-0,133
-2,895
0,025
-0,006
-0,065
1,517
-0,133
-2,864
-0,213
-0,125
-0,101
-8,091 FSX
-3,565 FSXRDB
-1,261 FSXRDH
0,219
0,129
-0,061
10,163
2,215
-1,998
0,218 10,132
0,128 2,201
-0,062 -2,031
0,178
0,204
0,039
5,912 LKHI
5,536 KHIRDB
0,440 KHIRDH
0,013
0,557
0,131
2,104
-0,631 -18,749
0,013 0,528
0,130 2,099
-0,631 -18,733
0,105 1,273 RD1
0,052 0,612 RD2
-0,187 -2,182 RD3
0,157 5,072 RD4
-0,190 -5,623 RD6
-0,502 -13,292 RD7
-1,034 -5,056 RD8
-1,739 -8,049 RD9
-21,151 -0,029 RD910
-18,201
-1,437
-0,891
-0,236
0,115
0,226
1,563
1,582
1,404
-0,063
-9,149
-5,681
-7,114
3,776
7,689
18,610
18,722
16,420
0,174 4,645 TYE001
0,278 8,726 TYE010
0,252 5,146 TYE011
0,315 12,986 TYE100
0,330 5,418 TYE101
0,202 5,436 TYE110
0,379 6,470 TYE111
Les cellules grisées contiennent les coefficients significatifs au seuil de 5 %.
16
-18,201 -0,063
-1,438 -9,150
-0,890 -5,676
-0,236 -7,117
0,116 3,795
0,225 7,671
1,562 18,587
1,581 18,704
1,403 16,402
-0,019
-0,047
-0,018
-0,004
-0,087
-0,032
0,076
-0,456
-1,156
-0,316
-0,139
-1,069
-0,717
0,919
Estimation de la mobilit ésalariale avec changement de d épartement de r ésidence
Sauts positifs
Sauts négatifs
Observations
14839
14839
Observations
16334
16334
Observations
10494
10494
Observations
11989
11989
positives
positives
Log-vraisemblance
-25698
-25556 Log-vraisemblance
-28776
-28760
Coefficient
T
Coefficient
T
Coefficient
T
Coefficient
T
ETA2
0,263 1,909
0,243 1,545 ETA2
0,286
2,392
0,284 2,354
CSTE
0,542
7,764
0,484
DU9
DU9RDB
DU9RDH
-0,028
0,101
0,009
-1,484
4,240
0,179
-0,021
0,101
0,004
FSX
FSXRDB
FSXRDH
-0,240
-0,115
-0,117
-9,026
-3,237
-1,455
LKHI
KHIRDB
KHIRDH
0,193
0,219
0,024
6,364
5,866
0,268
RD1
RD2
RD3
RD4
RD6
RD7
RD8
RD9
RD910
TYR001
TYR010
TYR011
TYR100
TYR101
TYR110
TYR111
0,082 0,980
0,036 0,426
-0,213 -2,458
0,152 4,855
-0,194 -5,685
-0,502 -13,159
-1,002 -4,884
-1,719 -7,927
-20,139 -0,045
6,989 CSTE
0,510
8,516
0,525
8,759
-1,125 DU9
4,257 DU9RDB
0,078 DU9RDH
0,025
-0,006
-0,065
1,536
-0,133
-2,895
0,026
-0,004
-0,064
1,557
-0,091
-2,838
-0,221
-0,121
-0,099
-8,400 FSX
-3,457 FSXRDB
-1,238 FSXRDH
0,219
0,129
-0,061
10,163
2,215
-1,998
0,217 10,082
0,127 2,176
-0,063 -2,068
0,176
0,201
0,034
5,838 LKHI
5,451 KHIRDB
0,379 KHIRDH
0,013
0,557
0,131
2,104
-0,631 -18,749
0,011 0,475
0,130 2,098
-0,630 -18,745
0,111 1,345 RD1
0,063 0,747 RD2
-0,179 -2,092 RD3
0,155 5,014 RD4
-0,194 -5,749 RD6
-0,507 -13,424 RD7
-1,031 -5,037 RD8
-1,736 -8,029 RD9
-21,149 -0,029 RD910
-18,201
-1,437
-0,891
-0,236
0,115
0,226
1,563
1,582
1,404
-0,063
-9,149
-5,681
-7,114
3,776
7,689
18,610
18,722
16,420
0,220 5,999 TYR001
0,254 7,795 TYR010
0,323 6,546 TYR011
0,301 10,628 TYR100
0,391 5,835 TYR101
0,221 4,803 TYR110
0,510 7,019 TYR111
Les cellules grisées contiennent les coefficients significatifs au seuil de 5 %.
17
-19,202 -0,040
-1,440 -9,175
-0,893 -5,702
-0,238 -7,188
0,115 3,789
0,227 7,720
1,563 18,613
1,583 18,746
1,409 16,477
-0,150
-0,087
0,016
-0,046
-0,248
-0,080
-0,274
-3,313
-2,251
0,250
-1,503
-2,838
-1,595
-2,350
La prise en compte des rangs initiaux permet de contrôler les composantes
« mécaniques » des déplacements dans la hiérarchie. Les coefficients des indicatrices des
déciles occupés au moment de l’entrée sur le marché du travail, ( RD j ) peuvent s’interpréter
en termes de différences par rapport à la modalité médiane de référence. L’effet
« mécanique » de la position de départ est systématiquement significatif pour les sauts
négatifs dans le haut de la distribution : lorsqu’un individu débute sa carrière salariale aux
déciles les plus élevés de la distribution, l’éventualité d’une régression dans la hiérarchie des
salaires est plus importante lorsque les caractéristiques individuelles ne compensent pas ce
mouvement. On retrouve ce même aspect mécanique pour les sauts positifs : une insertion à
un décile élevé réduit les éventualités de sauts positifs, tandis qu’une insertion à un décile du
bas de la distribution augmente l’éventualité d’un saut positif. On notera que dans ce cas,
cet effet n’est significatif qu’à partir du troisième décile.
Pour les différentes spécifications retenues, l’effet du genre se retrouve dans le sens
attendu : les femmes sont pénalisées. Dans les carrières ascendantes, les femmes montent
moins vite les échelons de salaire, mais présentent des trajectoires descendantes plus
prononcées. Cet effet discriminant est encore plus marqué pour les femmes qui s’insèrent
dans les déciles du bas de la hiérarchie au moment de leur entrée sur le marché du travail.
Les valeurs des coefficients mesurant l’effet de la variable d’accumulation illustrent les effets
très contrastés de celle-ci suivant la direction ascendante ou descendante de la mobilité
salariale. Pour les sauts positifs, les résultats montrent que cette variable a un effet global
positif. De plus, il existe un effet différencié de cette variable pour les individus débutant dans
les déciles du bas de la distribution . Pour ces derniers, l’ascension salariale sera d’autant plus
rapide que le niveau de capital humain initial est élevé. A l’opposé , pour les sauts négatifs,
cette variable n’a pas d’effet global significatif. Par contre, il existe un effet différencié
contrasté suivant le positionnement initial dans la hiérarchie. Pour les déciles du haut de la
hiérarchie, cette régression est d’autant moins importante que le niveau de capital humain est
élevé . On voit apparaître là un fort effet de « protection » contre la regréssion salariale du
capital humain initial. Le contraste entre les positions initiales basses et hautes est
particulièrement marqué pour les sauts négatifs. En d’autres termes, dans certaines
circonstances, débuter en bas de la hiérarchie en dépit d’un niveau de capital humain initial
relativement élevé peut autoriser une ascension salariale plus rapide (phénomène
d’overeducation mentionné par Sicherman-Galor[1990]), mais cela peut aussi constituer un
mauvais « signal » et favoriser une régression salariale.
18
L’effet de la conjoncture au moment de l’insertion sur le marché du travail ne joue de
manière significative que suivant le positionnement initial au moment de cette insertion : pour
les déciles du bas, l’évolution significative du taux de chômage favoriserait l’ascension
salariale, tandis que pour les déciles du haut, cela freinerait la régression dans la hiérarchie
des salaires Ce résultat contre-intuitif doit être relativisé de deux manières : un effet de
sélection et un effet de niveau. Les individus observés sont par définition présents et ceux qui
ont subi l’élimination du marché du travail (la montée du taux de chômage) ont été exclus de
l’analyse. De plus, nous avons pris comme indicateur de conjoncture la croissance du taux de
chômage qui ignore par construction le niveau initial de celui-ci. Passer de 4 à 8 % de
chômeurs double le taux de chômage, sans impliquer un niveau de chômage très élevé (cas de
la période 1970-1979).
Quelles que soient les formes de mobilité prises en compte, les tests de spécification
8
conduisent à privilégier9 le modèle dans lequel ces variables figurent.
A partir des résultats de l’estimation pour les sauts positifs, on peut constater que,
quelle que soit la chronologie triennale des mouvements, ou quelles que soit les formes que
prend la mobilité, celle-ci peut être associée à une mobilité salariale ascendante, laissant
penser à une mobilité « voulue » plutôt qu’à une mobilité « subie ». Malheureusement, la
nature des données disponibles ne permet en aucune manière de séparer ces deux aspects très
différents de mouvements identiques qui ne sont observés qu’ex-post. Les résultats de
l’estimation pour les sauts négatifs illustrent bien cette difficulté. Si l’on s’attarde plus
particulièrement sur les changements d’emploi, les coefficients associés aux variables de
mobilité sont significativement positifs ; changer d’emploi favoriserait tout à la fois
l’ascension et la régression salariale. Il est bien évident que ces deux mouvements sont
conjoints, mais très probablement liés à des caractéristiques individuelles très différenciées. Il
suffit de se rappeler ce que nous évoquions en première section, à partir de l’analyse
statistique des données : d’une part, la proportion d’immobiles dans le premier emploi est
croissante avec le niveau initial de capital humain, et d’autre part, la plurimobilité est plus rare
chez les femmes. Cela nous amène à suggérer une spécification prenant en compte ces deux
constats.
8
9
Test du rapport de vraisemblance.
A l’exception notable du modèle avec mobilité de département d’emploi pour les sauts négatifs.
19
2.3
Capital humain initial, mobilité d’emploi et carrières
Les résultats de l’analyse des tableaux de l’annexe 3, ainsi que les précédentes
estimations, justifient de prendre en compte des effets différentiels de la variable de mobilité
d’emploi suivant le niveau de capital humain et suivant le genre. L’introduction de ces effets
croisés permet d’identifier dans quelle mesure les variables représentatives de comportements
d’accumulation et des caractéristiques individuelles ont un effet sur la mobilité salariale, via
la mobilité d’emploi. Nous ne porterons notre attention qu’à cette forme de mobilité
particulière, puisqu’elle seule semble étroitement liée avec le niveau de capital humain initial.
La spécification retenue peut alors se mettre sous la forme suivante :
10
Si = a +
∑α
j RDi j
+ β 1 LKH i + β 2 ( LKHI i * RDBi ) + β 3 ( LKHI i * RDH i ) + γ 1 FSX i + γ 2 ( FSX i * RDBi )
j =1
j ≠5
+ γ 3 ( FSX i * RDH i ) + δ 1 DU 9i + δ 2 ( DU 9 * RDBi ) + δ 3 ( DU 9 * RDH i ) +
7
∑ θ TYMxyz
k
ik
k =1
+
∑
7
η s ( FSX i * TYMxyz si ) +
∑ λ ( LKH
r
i
* TYMxyzri ) + u i
r =1
Les résultats de l’estimation de cette spécification sont présentés dans le tableau
synthétique ci-dessous. Les statistiques de tests usuelles conduisent à privilégier cette
spécification plutôt que la précédente.
L’effet « mécanique » de la position de départ n’est pas modifié du fait de
l’introduction de ces variables croisées. On retrouve les mêmes ordres de grandeur que dans
la spécification précédente. De la même façon, l’effet de la conjoncture au moment de
l’insertion sur le marché du travail ne joue de manière significative que suivant le
positionnement initial au moment de cette insertion.
Comme pour la spécification précédente, les valeurs des coefficients mesurant l’effet
de la variable d’accumulation illustrent les effets très contrastés de celle-ci suivant la direction
ascendante ou descendante de la mobilité salariale.
20
Estimation de la mobilit ésalariale avec effets crois és
Variables
Sauts positifs
Sauts n égatifs
Observations
Observations positives
Log-vraisemblance
14839
10494
ETA2
0,257
1,807
0,281
2,281
CSTE
0,517
7,117
0,576
8,880
DU9
DU9RDB
DU9RDH
-0,020
0,098
0,016
-1,085
4,084
0,310
0,021
-0,001
-0,067
1,299
-0,031
-2,950
FSX
FSXRDB
FSXRDH
-0,288
-0,122
-0,113
-9,507
-3,456
-1,396
0,240
0,121
-0,062
9,846
2,070
-2,036
LKHI
KHIRDB
KHIRDH
0,183
0,214
0,024
5,526
5,717
0,272
-0,040
0,146
-0,620
-1,448
2,348
-18,412
0,101
0,055
-0,194
0,153
-0,186
-0,495
-1,016
-1,728
-21,142
1,212
0,649
-2,233
4,899
-5,480
-12,996
-4,952
-7,971
-0,029
-18,219
-1,460
-0,917
-0,236
0,115
0,227
1,547
1,570
1,389
-0,063
-9,298
-5,852
-7,140
3,769
7,756
18,452
18,617
16,266
TYM001
TYM010
TYM011
TYM100
TYM101
TYM110
TYM111
-0,093
-0,059
0,038
-0,069
-0,157
0,015
0,023
-0,924
-0,550
0,400
-0,968
-0,932
0,192
0,246
-0,148
-0,132
0,145
-0,107
-0,484
-0,243
-0,309
-1,115
-0,892
1,056
-1,248
-1,920
-2,304
-2,196
KHI001
KHI010
KHI011
KHI100
KHI101
KHI110
KHI111
0,101
0,089
0,026
0,039
0,154
0,022
0,059
1,510
1,265
0,398
0,848
1,313
0,439
0,886
0,149
0,084
-0,010
0,081
0,397
0,160
0,290
2,092
1,028
-0,128
1,771
2,967
2,799
3,770
RD1
RD2
RD3
RD4
RD6
RD7
RD8
RD9
RD910
16334
11989
-25654
-28739
STYM001
0,259
3,355
0,008
STYM010
0,037
0,422
-0,037
STYM011
0,272
3,367
-0,128
STYM100
0,089
1,828
-0,007
STYM101
0,163
1,112
-0,101
STYM110
0,119
1,925
0,006
STYM111
0,245
2,666
-0,132
Les cellules grisées contiennent les coefficients significatifs au seuil de 5 %.
21
0,118
-0,457
-1,631
-0,167
-0,795
0,112
-1,483
L’introduction d’une variable permettant de différencier l’effet de cette variable
suivant la mobilité d’emploi, conduit à des résultats intéressants qui sont détaillés dans le
tableau ci-dessous :
Type de Saut
Effet direct
Effet crois éavec la
position initiale
∂S > 0
∂LKHI
0,214
0,183
Ns
∂S < 0
∂LKHI
0,146
ns
- 0.620
Effet crois éavec la
mobilit éd’emploi
référence
ns
ns
ns
ns
ns
ns
ns
référence
0,149
ns
ns
ns
0,397
0,160
0,290
ns pour non significatif
L’effet global de la variable de capital humain n’est significatif que pour les sauts
positifs, dans le sens attendu : un capital humain initial élevé est un facteur favorisant
l’ascension salariale. Pour les sauts positifs, l’effet différencié de cette variable n’est
significatif que pour les individus s’insérant dans le bas de la hiérarchie. De plus, cet effet
différencié se retrouve pour les sauts négatifs dans le haut de la distribution : toutes choses
égales par ailleurs, l’insertion dans les déciles du bas de la hiérarchie s’accompagne d’une
mobilité salariale ascendante d’autant plus importante que le niveau de capital humain initial
est élevé, tandis que celui-ci « protège » d’une éventuelle régression lorsque l’insertion se fait
dans les déciles du haut.
Les valeurs des coefficients mesurant l’impact de cette variable croisée avec la
mobilité d’emploi illustrent ce qui avait été évoqué en commentaire des tableaux de l’annexe
3. Pour les sauts positifs, cette variable ne joue aucun rôle significatif : pour des niveaux de
capital humain initial identiques, la mobilité d’emploi n’aura aucun effet sur l’ascension
salariale. Ce résultat est conforté par le fait que pour les sauts positifs les indicatrices de
mobilité ne sont plus significatives et qu’il n’existe plus qu’un effet différentiel de certaines
d’entre elles suivant le genre. Pour les sauts négatifs, l’effet différentiel de la mobilité pour
des niveaux de capital humain n’est significatif (effet positif) que pour certaines chronologies
22
particulières des mouvements (001,101, 110 et 111) : ainsi pour des niveaux de capital
humain identiques, les individus changeant d’emploi au cours de la troisième phase triennale
prise en compte ont une éventualité plus grande de régresser dans la hiérarchie que ceux qui
n’auront pas changé d’emploi. Dans le cadre de cette spécification, l’influence des variables
de mobilité est, pour les sauts négatifs, plus aisée à justifier, comme le montre le tableau
suivant :
Effet crois é
Type de Saut
Modalit és
de mobilit é
Effet direct
avec le
Effet crois é
avec
le genre
Capital
humain initial
∂S > 0
∂TYM
∂S < 0
∂TYM
000
001
010
011
100
101
110
111
000
001
010
011
100
101
110
111
référence
ns
ns
ns
ns
ns
ns
ns
référence
ns
ns
ns
ns
ns
- 0,243
- 0,309
référence
ns
ns
ns
ns
ns
ns
ns
Référence
0,149
ns
ns
ns
0,397
0,160
0,290
référence
0,259
ns
0,272
ns
ns
ns
0,245
référence
ns
ns
ns
ns
ns
ns
ns
ns pour non significatif
Comme nous l’avons déjà mentionné, les variables de mobilité ne font plus partie des
facteurs favorisant l’ascension salariale lorsqu’on « contrôle » le niveau de la variable
d’accumulation. Il reste un effet différentiel de celles-ci suivant le genre, pour certaines
chronologies particulières des mouvements (001,011,111), indiquant que dans certains cas et
toutes choses égales par ailleurs, la mobilité d’emploi des femmes peut favoriser l’ascension
salariale. Cet effet différentiel du genre ne se retrouve pas pour les sauts négatifs.
L’effet direct des changements d’emploi sur la mobilité salariale descendante est plus
conforme à ce que l’on pouvait attendre. Il n’existe plus d’effet direct significatif, à
l’exception des mobilités 110 et 111 qui freineraient la régression salariale.
Ainsi lorsqu’on « contrôle » les variables représentatives du niveau d’accumulation et
des caractéristiques individuelles , l’effet différentiel de la mobilité d’emploi n’est pas
identique, ni dans son amplitude ni dans sa forme, suivant que l’on considère les sauts positifs
ou les sauts négatifs. Cet effet différentiel est lié au genre pour ce qui est de la mobilité
23
salariale ascendante : dans certaines situations, les changements d’emploi pour les femmes
peuvent être associés à des mouvements dans la hiérarchie salariale plus favorables que pour
les femmes n’ayant pas changé d’emplois. Pour la mobilité salariale descendante, un effet
direct de la mobilité à certains moments subsiste, jouant un rôle « protecteur » tandis que
l’effet différentiel de cette mobilité est associé au niveau de capital humain, favorisant alors
une régression salariale.
Conclusion
L’évaluation des rendements des mobilités, d’emploi et/ou de résidence, apparaît
complexe pour des raisons technique et analytique.
Sur le plan technique, les diverses mobilités sont plus ou moins « synchrones », ce qui
ne permet pas d’identifier explicitement le rôle de chacun de ces mouvements. En outre, nous
montrons que cette caractéristique individuelle n’est pas sans lien avec l’accumulation initiale
en capital humain.
Sur le plan analytique, les changements d’emploi sont vus, le plus souvent, comme des
« investissements », que ce soit la forme duale du capital humain spécifique, ou la traduction
d’un processus de recherche d’emploi. Nos résultats contrastés entre sauts négatifs et sauts
positifs suggèrent qu’à côté de cette mobilité « stratégique » des « investisseurs » (sauts
positifs), il existe vraisemblablement une mobilité « défensive » ou « contrainte » qui cherche
à atténuer les conséquences de chocs exogènes.
Cette conjecture nécessiterait, pour être testée, de pouvoir distinguer les deux types de
mobilité, ce qui n’est pas possible dans nos données.
24
Bibliographie
Aubry B., [1988], "Les migrations inter-régionales depuis trente ans", Economie et
Statistique, n°212
Balsan D., Hanchane S. et Werquin P., [1996], « Mobilité professionnelle initiale : éducation
et expérience sur le marché du travail », Economie et Statistique, n° 299, p. 179-218.
Bartel A.P. et Borjas G.J., [1981], « Wage Growth and Job Turnover : An Empirical
Analysis », in Studies in Labor Market, ed. by S. Rosen, The University of Chicago
Press.
Béduwé C., [1992], « Mobilité professionnle et formation : bilan des approches quantitatives
de la mobilité en France », in L. Coutrot & C. Dubar eds., Cheminements professionnels
et mobilités sociales, La Documentation Française, p. 71-99.
Bigard A., et Guillotin Y., [1992], « La mobilité hiérarchique des salaires en France de 1967 à
1982 », Economie et Prévision, n° 102-103, p. 189-204.
Borjas G.J., [1981], « Job Mobility and Earnings over the Life Cife cycle » , Industrial and
Labor Relations Review, vol.34, n°3.
Buchinsky M., Fougère D., et Kramarz F., [1997], « La mobilité salariale en France 1967 1987 », Communication au colloque de l’AFSE, Paris, septembre .
Bingley P., Bjorn N. H., et Westergard-Nielsen N., [1994], « Wage mobility in Denmark
1980-1990 », OECD conference on Employment and Growth, Copenhagen.
Cahuc P., Zylberberg A., [1996], Economie du travail De Boeck
Crepon B., et Duguet E., [1995], « Une bibliothèque de macro-commandes pour
l’économétrie des variables qualitatives et de comptage », Document de travail du
CREST, n° 9525.
Gouriéroux C., Monfort A., et Trognon A., [1984], « Pseudo maximum likelihood methods :
theory », Econometrica, Vol. 52 (3), p. 681-700.
Gouriéroux C., Monfort A., et Trognon A., [1984], « Pseudo maximum likelihood methods :
application to Poisson models », Econometrica, Vol. 52 (3), p. 701-720.
Goux D., [1991], "Coup de frein sur les carrières ", Economie et Statistique, n°249,
Décembre.
Goux D., et Maurin E., [1994], « Education, expérience et salaire : tendances récentes et
évolution de long terme », Economie et Prévision, n°116.
Guillotin Y., et Hamouche S., [1998] « Capital humain et mobilité hiérarchique des salaires :
une approche par les modèles de comptage » , Revue Economique, Vol 49, N°3 .
Guillotin Y., et Sevestre P., [1994], « Estimation de fonctions de gains sur données de panel :
endogénéité du capital humain et effet de la sélection », Economie et Prévision, n°116.
Hausman J., Hall B., et Griliches Z., [1984], « Econometric models for count data with an
application to the patent-R&D relationship », Econometrica, Vol. 52 (4), p. 909-938.
Jovanovic B., [1979], « Job Matching and the Theory of Turnover », Journal of Political
Economy, 87, p. 972-990.
Lancaster T. [1976], « Prediction of Poisson variables », Discussion paper, University of
Hall.
Mincer J. [1974], Schooling, Experience and earnings, Columbia University Press, for
NBER, New York.
Mincer J. et Jovanovic B., [1981], « Labor Mobility and Wages », in S.Rosen ed., Studies in
Labor Markets, University of Chicago Press, p.21-63.
Simonnet V., [1997], « Déterminants et rentabilité de la mobilité sur le marché du travail :
Analyse Théorique et empirique », Thèse de doctorat, Université de Paris I, Panthéon
Sorbonne.
Sicherman N., Galor O. [1990], « A theory of career mobility », Journal of political economy,
Vol. 98 n°1, p. 169-192.
25
Topel R. et Ward M.P., [1992], "Job Mobility and the Careers of Young Men", Quarterly
Journal of Economics, 107
Trognon A. [1987], « Les méthodes du pseudo maximum de vraisemblance », Annales
d’Economie et de Statistiques, n°6, p. 117-134.
Verger D., [1996) « Aux sources des carrières salariales et de l’emploi : les firmes et les
salariés », Economie et statistique, n°299, p.3-20.
Willis R. J. [1986], « Wage determinants : a survey and reinterpretation of human capital
earnings functions », Handbook of labor economics, Vol.1, Chap.10.
Winkelmann R. [1994], Count data models : Econometric theory and an application to labor
mobility, Springer-Verlag.
26
Annexe 1 : les modèles économétriques de base pour données de comptage
Dans notre approche, c’est le nombre de déciles parcourus qui constitue la variable à
modéliser. Si l’on distingue les sauts négatifs des sauts positifs, cette variable prend alors un
petit nombre de valeurs positives et peut être appréhendée comme une donnée de comptage.
Le modèle linéaire traditionnel n’est pas adapté pour expliquer comment de telles variables
discrètes dépendent d’autres variables et il faut mettre en œuvre des méthodes économétriques
adéquates. Pour ce type de données, le modèle de base de la littérature (Lancaster [1976],
Hausman-Griliches [1979]) est le modèle de Poisson. La variable endogène yi est supposée
suivre une loi de Poisson, et le paramètre (λi ) de cette distribution est une fonction des
valeurs des variables exogènes (soit le vecteur xi pour l’observation i) :
λi = exp xi b = E ( yi / xi ) = V ( yi / xi )
Ce modèle présente l’avantage de la simplicité et les paramètres (vecteur b)
s’interprètent comme des élasticités quand les variables exogènes sont considérées en
logarithmes.
L’estimation de ce modèle par le maximum de vraisemblance conduit à des
estimateurs convergents, même si la vraie loi n’est pas une loi de Poisson à condition que la
moyenne soit correctement spécifiée (Gourieroux-Monfort-Trognon[1984]). En effet, pour
cette distribution particulière, moyenne conditionnelle et variance conditionnelle doivent être
égales. Lorsque cette égalité n’est pas vérifiée (situation de sur ou de sous dispersion), on doit
estimer un modèle comprenant une erreur de spécification. Celui-ci peut être estimé de façon
convergente par le pseudo-maximum de vraisemblance du premier ordre (PMV1) à condition
que la moyenne soit correctement spécifiée. Dans ce cas, la log-vraisemblance et la pseudolog-vraisemblance ont la même expression et l’estimateur du MV et du PMV sont donc
identiques. Les matrices de variance-covariance associées à ces deux méthodes sont
différentes, et une fois les estimateurs identiques obtenus, pour le PMV, il faut veiller a
recalculer la matrice de variance-covariance asymptotique qui doit tenir compte de l’erreur de
spécification commise.
Pour prendre en compte d’éventuels problèmes de sur-dispersion (variance
conditionnelle supérieure à la moyenne conditionnelle) on peut considérer une extension du
modèle précédent. Il suffit pour cela d’introduire un aléa dans la définition du paramètre de la
distribution :
λ*i = exp(xi b + ε i ) = λi exp ε i
La variable endogène est toujours distribuée selon une loi de Poisson, mais son
espérance conditionnelle est affectée d’une erreur aléatoire (prise en compte au niveau de
l’exponentielle pour respecter la contrainte de positivité). Dans ce cas, la distribution
conditionnelle de la variable endogène dépend de la distribution de cet aléa. Lorsque celle-ci
est inconnue, on peut estimer le modèle par le pseudo-maximum de vraisemblance quasigénéralisé (PMVQG), qui n’est autre qu’une adaptation de la méthode des moindres carrés
quasi-généralisés au PMV (Trognon 1987]). Les estimateurs sont alors convergents pour
toutes les distributions pour lesquelles on dispose d’un moment du second ordre (GourierouxMonfort-Trognon [1984]) Si l’on peut spécifier complètement cette distribution, on peut alors
estimer le modèle avec hétérogénéité par le maximum de vraisemblance (MV). HausmanHall-Griliches [1984] suggèrent de considérer que l’aléa est distribué suivant une loi de
Gamma. La distribution conditionnelle de la variable endogène est alors une binomiale
négative, l’on peut mettre en œuvre le MV. Les estimateurs ainsi obtenus sont
asymptotiquement efficaces à condition que la spécification retenue soit correcte.
27
Annexe 2 : Mobilité d’emploi, mobilité de résidence et mobilité de département d’emploi.
Mobilité de résidence selon la mobilité d’emploi
Changement de
résidence
000
001
010
011
100
101
110
111
Total
Changement d'entreprise
000
001
010
011
100
101
110
111
Total
80,9% 69,8% 65,6% 64,2% 74,7% 63,0% 70,2% 62,4% 76,1%
3,2% 10,9% 3,7% 6,6% 3,7% 13,0% 3,6% 6,7% 4,2%
4,1% 4,0% 14,0% 10,4% 4,0% 5,0% 5,8% 8,3% 5,1%
1,6% 4,0% 3,1% 7,0% 1,9% 3,3% 2,3% 5,3% 2,3%
5,8% 5,2% 5,7% 4,9% 9,7% 6,4% 9,6% 6,0% 6,7%
1,2% 2,5% 0,9% 1,0% 1,9% 3,0% 1,7% 2,5% 1,5%
2,3% 2,1% 5,8% 3,3% 3,2% 4,1% 5,5% 5,5% 3,0%
0,8% 1,5% 1,1% 2,6% 0,7% 2,2% 1,4% 3,3% 1,1%
100
100
100
100
100
100
100
100
100
Mobilité d’emploi selon la mobilité de résidence
Changement de
résidence
000
001
010
011
100
101
110
111
Total
Changement d'entreprise
000
001
010
011
100
101
61,1% 4,4% 3,5% 3,7% 14,4% 1,3%
44,7% 12,6% 3,7% 7,0% 13,1% 4,8%
46,6% 3,7% 11,2% 9,0% 11,4% 1,5%
39,7% 8,3% 5,6% 13,7% 12,2% 2,2%
50,2% 3,7% 3,5% 3,2% 21,4% 1,5%
47,9% 7,9% 2,5% 3,1% 18,9% 3,1%
43,0% 3,3% 7,8% 4,9% 15,5% 2,1%
42,2% 6,6% 4,3% 10,5% 10,1% 3,1%
57,5% 4,8% 4,1% 4,4% 14,6% 1,5%
110
111
8,4% 3,2%
7,9% 6,3%
10,4% 6,3%
9,1% 9,1%
13,0% 3,5%
10,1% 6,5%
16,4% 7,1%
11,6% 11,6%
9,1% 3,9%
Total
100
100
100
100
100
100
100
100
100
Mobilité du lieu d’emploi selon la mobilité d’emploi
Changement de
Changement d'entreprise
Département d'emploi 000
001
010
011
100
101
110
111
Total
000
80,1% 57,3% 56,6% 51,0% 68,7% 49,2% 57,9% 47,4% 71,3%
001
3,0% 18,8%
2,9%
7,1%
2,6% 18,0%
2,8%
7,4% 4,2%
010
3,3%
2,3% 19,2% 12,4%
3,1%
1,9%
6,7%
7,8% 4,7%
011
1,3%
5,5%
3,5% 11,4%
1,5%
4,4%
3,0%
7,3% 2,5%
100
7,8%
3,7%
6,3%
5,2% 16,8% 11,0% 14,9%
7,2% 9,4%
101
1,3%
5,6%
0,6%
1,3%
2,2%
7,2%
1,9%
4,4% 1,9%
110
2,5%
3,2%
8,5%
6,6%
3,7%
3,6% 10,3% 10,3% 4,1%
111
0,7%
3,6%
2,5%
4,9%
1,4%
4,7%
2,6%
8,2% 1,7%
Total
100
100
100
100
100
100
100
100
100
28
Mobilité d’emploi selon la mobilité du lieu d’emploi
Changement de
Changement d'entreprise
Département d'emploi 000
001
010
011
100
101
110
111
Total
000
64,6%
3,8%
3,2%
3,2% 14,1%
1,1%
7,4%
2,6%
100
001
40,5% 21,2%
2,8%
7,5%
8,9%
6,5%
6,0%
6,8%
100
010
39,7%
2,3% 16,7% 11,7%
9,6%
0,6% 12,9%
6,5%
100
011
30,5% 10,4%
5,7% 20,1%
8,5%
2,7% 10,9% 11,2%
100
100
47,6%
1,9%
2,7%
2,5% 26,2%
1,8% 14,4%
3,0%
100
101
40,8% 14,3%
1,3%
3,1% 16,9%
5,8%
8,9%
8,9%
100
110
34,1%
3,7%
8,4%
7,0% 13,3%
1,3% 22,5%
9,7%
100
111
24,3% 10,0%
5,8% 12,4% 11,7%
4,1% 13,6% 18,2%
100
Total
57,5%
4,8%
4,1%
4,4% 14,6%
1,5%
9,1%
3,9%
100
Mobilité de la résidence selon la mobilité du lieu d’emploi
Changement de
Changement de département d'emploi
résidence
000
001
010
011
100
101
110
111
Total
000
94,5%
40,4% 25,7% 44,9% 34,7% 27,4% 41,3% 23,0% 81,2%
001
1,2%
48,5%
4,6%
4,9%
1,8% 11,0%
2,4%
8,9%
3,3%
010
1,1%
3,6% 55,7%
8,4%
5,8%
1,8% 11,2%
2,2%
4,2%
011
0,5%
2,1%
4,7% 33,8%
0,7%
6,8%
1,5% 11,5%
1,6%
100
1,7%
2,1%
3,6%
2,7% 50,5%
9,6%
7,0%
8,6%
6,1%
101
0,2%
1,2%
0,3%
1,8%
2,3% 35,9%
1,5%
6,3%
0,9%
110
0,6%
1,4%
4,8%
1,2%
3,2%
5,3% 33,1% 10,8%
2,2%
111
0,1%
0,7%
0,6%
2,3%
1,0%
2,1%
2,1% 28,6%
0,6%
Total
100
100
100
100
100
100
100
100
100
Mobilité du lieu d’emploi selon la mobilité de la résidence
Changement de
résidence
000
000
001
010
011
100
101
110
111
Total
001
90,4%
29,4%
19,9%
24,9%
22,2%
17,6%
22,8%
13,3%
77,7%
1,7%
49,3%
2,8%
4,6%
1,2%
4,5%
2,2%
3,6%
3,3%
Changement de département d'emploi
011
100
101
110
111
Total
1,3%
1,0%
3,4%
0,4%
1,5%
0,3%
100
5,7%
2,7%
4,5%
3,5%
2,2%
2,7%
100
53,5%
3,6% 11,1%
0,4%
8,0%
0,5%
100
12,2% 39,6%
3,8%
4,6%
2,9%
7,4%
100
2,4%
0,8% 66,9%
1,7%
3,4%
1,4%
100
1,2%
3,7% 20,0% 41,2%
4,9%
6,9%
100
8,9%
1,0% 12,0%
2,6% 45,5%
5,0%
100
3,6%
6,6% 12,7%
3,6% 10,2% 46,4%
100
4,0%
1,8%
8,1%
1,0%
3,0%
1,0%
100
010
29
Annexe 3 : Mobilité d’emploi selon le capital humain initial
Hommes
Changement
d'emploi
000
001
010
011
100
101
110
111
Total
1
41%
11%
1%
8%
12%
1%
15%
11%
100
2
45%
6%
6%
8%
11%
2%
12%
10%
100
3
47%
6%
5%
6%
16%
3%
11%
6%
100
4
49%
6%
5%
6%
15%
2%
12%
5%
100
5
52%
6%
4%
5%
15%
2%
12%
4%
100
6
58%
5%
5%
4%
13%
1%
10%
4%
100
7
59%
5%
4%
4%
15%
2%
9%
3%
100
Capital humain Initial
8
9
10
11
60% 60% 63% 59%
5%
4%
5%
4%
4%
4%
4%
3%
4%
4%
5%
4%
14% 15% 11% 17%
1%
2%
2%
2%
9%
7%
7%
8%
3%
4%
4%
3%
100 100 100 100
12
63%
3%
4%
3%
11%
1%
9%
5%
100
13
56%
6%
3%
3%
19%
2%
9%
2%
100
14
66%
4%
4%
4%
12%
0%
8%
2%
100
15 Total
68%
53%
3%
5%
2%
5%
4%
5%
13%
14%
1%
2%
3%
10%
4%
5%
100
100
1
62%
8%
8%
0%
23%
0%
0%
0%
100
2
57%
6%
4%
6%
13%
0%
10%
4%
100
3
62%
4%
4%
3%
13%
1%
11%
3%
100
4
62%
3%
3%
4%
17%
2%
7%
2%
100
5
63%
5%
3%
3%
17%
1%
6%
3%
100
6
65%
4%
4%
3%
16%
1%
5%
2%
100
7
68%
3%
3%
3%
14%
1%
6%
2%
100
Capital humain Initial
8
9
10
11
73% 69% 66% 78%
3%
4%
3%
3%
3%
2%
4%
1%
3%
3%
3%
0%
12% 15% 14%
9%
1%
1%
1%
1%
4%
3%
5%
7%
1%
3%
3%
2%
100 100 100 100
12
74%
5%
3%
3%
10%
0%
5%
1%
100
13
73%
7%
1%
1%
13%
0%
2%
1%
100
14
77%
2%
2%
2%
9%
2%
6%
1%
100
15 Total
81% 65%
0% 4%
1% 3%
1% 3%
12% 15%
0% 1%
3% 6%
2% 2%
100 100
Femmes
Changement
d'emploi
000
001
010
011
100
101
110
111
Total
30
Annexe 4
Sauts moyens sur 9 ans selon la localisation Paris(1) Province(0)
aux dates t = 0, t = 3, t = 6 et t= 9
1111
1110
1101
1100
1011
1010
1001
1000
0111
0110
0101
0100
0011
0010
0001
0000
-1,50
-1,00
-0,50
0,00
0,50
1,00
Hommes
1,50
2,00
Femmes
Seuls sont représentés les trajectoires d’effectifs supérieurs à 100 soit 0,4 % de la population
31
2,50
3,00