Memoire Online - Rendement de l'éducation sur le marché du travail au Cameroun

B.P. 294 Yaoundé, Tel. (237) 22 22 01 34, Fax. (237) 22 22 95 21, E-mail : isseacemac@yahoo.fr

En vu vue de l'obtention du diplôme d'Ingénieur d'Application de la Statistique

DÉDICACE

REMERCIEMENTS

Ce travail, véritable aboutissement de quatre années de formation d'Ingénieur d'Application de la Statistique à l'Institut Sous régional de Statistique et d'Économie Appliquée (ISSEA), n'aurait pas été mené à son terme sans la contribution de plusieurs personnes. Nous tenons à leur exprimer ici notre profonde gratitude.

Nous pensons tout d'abord à M. Sévérin TCHOMTHE, notre directeur de mémoire pour avoir proposé ce thème, pour son entière disposition à l'encadrement de ce travail et pour son soutien moral inestimable.

À M. Djerin DJIMRABAYE et M. Symplice NGAH NGAH, nous disons merci pour leurs critiques et suggestions.

Nous ne manquerons pas de remercier ceux qui ont bien voulu relire ce document. Nous pensons à M. Patrick EWANE, M. Cyrille TAKAM et Mlle Sorel KOUAM CHOMTEU.

Qu'il nous soit donné ici l'occasion de remercier M. TALOM Jules, ma mère Madame SIMO née Irène MAMA et toute la famille, pour le soutien et les aides reçus pour notre éducation.

Enfin, nous exprimons notre profonde gratitude à l'endroit de tous nos camarades de promotion et tous ceux qui de près ou de loin ont contribué à notre formation.

AVANT-PROPOS

Institution spécialisée de la Communauté Économique et Monétaire de l'Afrique Centrale (C.E.M.A.C), l'Institut Sous régional de Statistique et d'Économie Appliquée (I.S.S.E.A.) est une institution d'enseignement supérieur chargée de la formation des cadres supérieurs et moyens dans le domaine de la statistique et de l'économie appliquée. Pour le cycle des Ingénieurs d'Application de la Statistique, la formation requiert qu'au terme de quatre années d'études, l'étudiant(e) présente et soutienne publiquement un mémoire de fin de scolarité. Plus qu'une exigence académique, ce mémoire marque le début d'une initiation à la recherche.

Consécutivement à une lecture attentive du paysage socio-économique camerounais, notamment du système éducatif camerounais et du marché du travail, notre choix s'est porté sur la valeur du capital humain sur ce marché du travail. Adoptant l'éducation, composante du capital humain, comme cadre analytique de référence, nous avons précisément opté pour le thème : « Rendement de l'éducation sur le marché du travail au Cameroun ». Ce thème s'inscrit en ligne droite avec les préoccupations du gouvernement sur l'emploi des jeunes diplômés et sur la valorisation de leur potentiel en capital humain.

Il est question pour nous de mesurer l'incidence du niveau d'éducation reçu sur le marché du travail, entre les secteurs formel et informel. Il s'agira aussi de voir l'incidence de chaque niveau d'instruction à travers la mesure de l'apport de chacun sur le revenu d'activité des travailleurs et selon le type d'emploi.

SIGLES ET ABRÉVIATIONS

CEMAC	Communauté Économique et Monétaire de L'Afrique Centrale
CITE	Classification Internationale Type de l'Éducation
DSCN	Direction de la Statistique et de la Comptabilité Nationale
ECAM	Enquête Camerounaise Auprès des Ménages
EESI	Enquête sur l'Emploi et le Secteur Informel
FCFA	Franc de la Coopération Financière en Afrique Centrale
FNE	Fonds National de l'Emploi
INS	Institut National de la Statistique
IPES	Institutions Privées de L'Enseignement Supérieur
ISSEA	Institut Sous-régional de Statistique et d'Économie Appliquée
OCDE	Organisation de Coopération et de Développement Économique
OIT	Organisation Internationale du Travail
OMD	Objectifs du Millénaire pour le Développement
ONEFOP	Observatoire National de l'Emploi et de la Formation Professionnelle
PIAASI	Projet Intégré d'Appui aux Acteurs du Secteur Informel
PNA	Programme National d'Alphabétisation
RGPH RHDS UNESCO	Recensement Général de la Population et de l'Habitat Ressources Humaine et Développement Social Organisation des Nations Unies pour l'Éducation et la Culture

TABLE DES MATIERES

LISTE DES TABLEAUX

Tableau 1.1.1 : Comparaison des différents concepts du taux de rendement de l'éducationTableau 2.1.1 : Objectifs du Millénaire pour le Développement dans l'éducationTableau 2.1.2 : Répartition de la situation d'emploi des actifs (25-34 ans) suivant le secteur d'activité et le type d'emploi selon leur niveau d'instruction en 2001(en %)0

Tableau 2.2.1 : Niveau d'instruction ou de formation des jeunes (15-24 ans) selon le sexe (%)Tableau 3.2.1 : Caractéristiques des variables : durée des études, âge, expérience professionnelle, expérience professionnelle au carré, ancienneté et revenu selon le secteur d'activité.Tableau 3.2.2 : Caractéristiques des variables : durée des études, âge, expérience professionnelle, expérience professionnelle au carré, ancienneté et revenu selon le type d'emploi.Tableau 3.2.3 : Revenu mensuel moyen selon le niveau d'éducation dans les secteurs formel et informel (en FCFA)Tableau 3.2.4 : Revenu mensuel moyen selon le niveau d'éducation et le type d'emploi (en FCFA)Tableau 4.1.1 : Estimation de la fonction d'éducationTableau 4.1.2 : Estimation de la fonction des gains avec les méthodes MCO et DMCTableau 4.1.3 : Estimation de la fonction des gains dans les secteurs formel et informel

LISTE DES FIGURES

Figure 2.2.1 : Évolution de la part de la population active dans la population selon le sexeFigure 3.2.1 : Représentation graphique du revenu d'activité logarithmiséFigure 3.2.2 : Répartition des individus selon le niveau d'instruction dans les secteurs formel et informel (en %)Figure 3.2.3 : Revenu moyen mensuel selon le niveau d'instruction (en milliers de FCFA)Figure 4.2.1 : Taux de rendement des niveaux d'éducation dans les secteurs formel et informel (en%)Figure 4.2.2 : Taux de rendement des niveaux d'éducation suivant le type d'emploi (en%)Figure 4.2.3 : Taux de rendement des niveaux d'éducation (en%)

RÉSUMÉ

L'analyse du rendement de l'éducation peut susciter de nombreuses confusions théoriques et même empirique sur la relation éducation-revenu. Cette relation met en évidence l'influence de l'éducation sur le marché du travail. Notre travail consiste en l'évaluation de l'apport, sur le salaire, d'une année d'études supplémentaire.

Pour y parvenir, nous avons utilisé le modèle de gains étendu de Jacob Mincer (1974), outil de mesure des rendements des investissements éducatifs. Les hypothèses ont été les suivantes : une année d'études supplémentaire génère un accroissement du revenu d'activité du travailleur ; une année d'études supplémentaire a plus d'incidence dans le secteur informel que dans le secteur formel ; le rendement éducatif augmente avec l'obtention d'un diplôme plus élevé et varie selon le type d'emploi. Des résultats obtenus, il résulte que :

ü une année d'études supplémentaire génère plus de gains dans le secteur informel que dans le secteur formel, les taux de rendement sont respectivement de 10,45% et 5,81% ;

ü dans l'ensemble du marché, une année d'études supplémentaire génère un accroissement du revenu de 12,56 % ;

ü les revenus des travailleurs, ayant au moins le niveau secondaire second cycle, sont plus du double des revenus de ceux sans niveau. Les taux de rendement sont de 121,70% et 198,01% respectivement pour les niveaux secondaire second cycle et supérieur ;

ü les emplois dépendants ont un taux de rendement plus élevé que les emplois indépendants.

Mots clés : rendement, éducation, gains, revenu, marché du travail, formel, informel,

INTRODUCTION

Le Cameroun, dans l'optique de sortir de la crise économique (1986), s'est orienté vers les bailleurs de fonds internationaux comme la plupart des pays en voie de développement. Le recours à ces bailleurs de fonds internationaux a abouti à la mise en place des programmes d'ajustement structurel (PAS), visant la réduction des dépenses budgétaires de l'État. En effet, depuis l'avènement de ces programmes d'ajustement structurels mis en place à partir de 1987, l'État, principal investisseur a arrêté ses programmes d'investissement public dont les réalisations n'avaient pas eu le succès escompté, mais représentaient plutôt des dépenses pour les finances publiques. Ces programmes ont entraîné, avec leur arrêt, l'abandon de nombreuses populations sans emploi. La baisse des recrutements dans la fonction publique, les licenciements de personnel et les retraites anticipées ont eu pour conséquence, la mise hors service de nombreux camerounais qui n'y étaient pas du tout préparés, et dont le seul employeur potentiel était l'État.

Ces mesures ont toutes eu pour conséquences la réduction de l'emploi dans le secteur formel et le développement d'une certaine précarisation des emplois. Le secteur privé qui devait prendre le relais de l'État se trouve en panne de création d'emploi de telle sorte que c'est dans le secteur informel^1(*) que s'orientent en majorité les nouveaux demandeurs d'emploi dont l'une des répercutions est le développement du sous-emploi.

Selon le rapport principal de l'enquête sur l'emploi et le secteur informel (INS, 2005), le sous-emploi est l'un des problèmes majeurs des travailleurs au Cameroun. Trois travailleurs sur quatre sont sous employés, un sous-emploi qui résulte principalement d'une faible rémunération, puisque 69,3% des travailleurs gagnent moins que le salaire minimum mensuel légal qui est de 23 514 FCFA. Les travailleurs sont constamment à la recherche de conditions meilleures, cela passe par un accroissement de leur productivité. L'une des solutions utilisées est l'accroissement du potentiel en capital humain à travers des études supplémentaires et des séances de formations qu'offre le système éducatif aboutissant à un accroissement de la demande éducative.

Au Cameroun, la demande d'éducation a beaucoup évolué. Dans les années 1960 et 1970 pour les populations, l'école seule permet d'accéder un certain nombre de privilèges. Sans aucun titre académique, on ne pourrait bénéficier d'une situation matérielle et d'un rang social assez confortable. Cette situation a conduit à un « boom » de la demande d'éducation, reflet du modèle conçu à l'aube des indépendances des pays d'Afrique pour relever le défi du développement. Elle a été d'ailleurs renforcée par la conférence d'Addis-Abeba^2(*) en 1961 sur l'éducation en Afrique qui, dans sa recommandation relative à l'économie, avait posé comme préalable que « l'enseignement dans des conditions appropriées doit être un investissement productif qui contribue à la croissance économique ». Pourtant le faible pouvoir d'achat des populations ne facilite pas l'accès à l'éducation.

D'après les statistiques sur l'emploi et le marché du travail au Cameroun (INS, décembre 2005), plus d'un camerounais sur quatre n'a pas eu accès à l'instruction formelle. En particulier, l'analphabétisme touche plus du tiers des femmes âgées de 15 ans et plus. De 1997 à 2002, on note un recul timide du taux d'analphabétisation qui passe de 32,5% à 26,5 %. Les taux bruts de scolarisation sont particulièrement élevés au niveau du primaire, en raison de la suppression des frais de scolarité avec l'appui des bailleurs de fonds internationaux et l'engagement de l'État à promouvoir l'éducation pour tous dans le primaire. Cela traduit l'intérêt que porte un État sur l'éducation des citoyens.

Des études empiriques ont été effectuées, donc le résultat principal était la corrélation positive entre la formation d'un individu et son revenu d'activité. Cette corrélation est généralement mise en exergue par une estimation des fonctions de gains sur la base de données individuelles. Il s'agit des études menées en 1985 par Psacharopoulos, Willis en 1986 et, Guillotin et Sylvestre en 1995^3(*).

Au Canada, afin d'estimer la reconnaissance des études universitaires, des Enquêtes Nationales auprès des Diplômés (END) ont été réalisées respectivement en 1992, en 1997 et en 2002 (RHDS, Canada)^4(*). Les résultats de ces enquêtes ont indiqué une différence de rémunération considérable entre les personnes qui ont un diplôme d'études universitaires et ceux qui ont un diplôme d'études collégiales ou d'une école de métiers. Ces enquêtes révèlent aussi qu'il existe de grandes différences dans la rémunération des diplômés de l'université selon la discipline.

D'après l'expérience du Canada, on peut se demander si : de nos jours, un niveau d'éducation élevé assure un gain conséquent dans l'emploi au Cameroun ? En d'autres termes, y a-t-il une incidence positive d'un niveau d'instruction élevé sur le revenu dans l'emploi au Cameroun ? Des réponses à la question posée sont importantes, surtout pour le gouvernement dont la planification de l'éducation passe par la connaissance de son rendement dans l'emploi.

L'objet de cette étude est de mettre en évidence le rôle du capital humain (niveau d'instruction, expérience professionnelle, ...) sur le revenu d'emploi du travailleur. L'atteinte des résultats considère que : une année d'études supplémentaire génère un accroissement du revenu d'activité du travailleur ; une année d'études supplémentaire a plus d'incidence dans le secteur informel que dans le secteur formel ; le rendement éducatif influence plus les emplois dépendants que les emplois indépendants ; le rendement éducatif augmente avec l'obtention d'un diplôme plus élevé.

Pour l'analyse économétrique, les données que nous utiliserons seront celles de l'Enquête sur l'Emploi et le Secteur Informel (EESI) réalisée en 2005. L'approche méthodologique consistera dans un premier temps à effectuer une analyse descriptive dans le but de mettre en exergue les variables explicatives du rendement de l'éducation, et dans un second temps, nous utiliserons un modèle économétrique pour mesurer les rendements des investissements éducatifs.

Ce travail est divisé en deux parties. La première partie porte sur le cadre conceptuel et institutionnel. Elle comprend deux chapitres : le premier chapitre présente les fondements théoriques sur le rendement de l'éducation ainsi que les modèles économétriques, le deuxième chapitre est consacré au cadre institutionnel et au marché du travail. La seconde partie quant à elle porte sur l'analyse du rendement de l'éducation. Cette partie est aussi divisée en deux chapitres : le premier indique la source des données, les statistiques descriptives et le deuxième enfin présente le rendement de l'éducation.

Première partie

« L'école ne doit pas être seulement chargée de transmettre des valeurs et des savoirs, elle doit aussi former des citoyens conscients et des futurs producteurs dans une perspective dynamique ».

CHAPITRE 1 :

FONDEMENTS THÉORIQUES SUR LE RENDEMENT DE L'ÉDUCATION ET MODELES ÉCONOMETRIQUES

« Chaque individu choisit son investissement en formation en comparant le coût de ce dernier à son rendement escompté ».

Afin de mieux comprendre la notion de rendement de l'éducation, il convient d'effectuer une revue de la littérature sur ce concept. Ce chapitre est divisé en deux sections. La première section aborde le concept de rendement de l'éducation. La deuxième section ressort les modèles économétriques traitant le rendement de l'éducation.

SECTION 1 : RENDEMENT DE L'ÉDUCATION7(*)

Dans cette section, il s'agit de décrire les rendements de l'éducation, à partir des études menées par certains auteurs. Elle est divisée en deux points : le premier point est celui des définitions et le second présentent les différentes formulations du rendement de l'éducation.

1.1.1 RENDEMENT DE L'EDUCATION : CONCEPTS ET DEFINITIONS

Plusieurs auteurs ont effectué des investigations sur les rendements de l'éducation en général et les rendements économiques de l'éducation en particulier. Belzil et Hansen en 2002, indiquent dans leurs travaux que le rendement moyen de l'éducation se situe entre 5% et 15% et dépend du pays et de la méthodologie adoptée. Ce rendement moyen décrit l'incidence moyenne sur les salaires d'une augmentation du niveau de scolarité d'une unité, cette unité est généralement une année d'études. Il peut varier d'une personne à une autre, ayant le même niveau d'études. Cette variation est généralement due d'une part aux différences de capacités sur le marché du travail et d'autre part des domaines d'études qui sont très variés.

Le taux de rendement de l'éducation peut être analysé suivant trois aspects :

ü aspect social : le rendement social de l'éducation est le rapport entre les bénéfices que retire la société de l'élévation du niveau scolaire de la population et les coûts de financement du système éducatif. Selon l'Agence Française de Développement(AFD), les bénéfices sociaux prennent en compte les bénéfices privés mais également les facteurs externes résultant de l'éducation en termes de santé, d'hygiène, de respect de l'environnement, d'intégration sociale ou de comportement citoyen. Cet aspect concerne principalement la collectivité, les parties prenantes étant les intervenants du système éducatif donc l'intérêt cherché est le bien-être de toute la collectivité ;

ü aspect privé : le rendement privé de l'éducation est le rapport entre les bénéfices (revenus) que retire un individu de son parcours éducatif et les coûts directs et indirects qui y sont liés (AFD). Cet aspect concerne particulièrement l'individu qui paye des frais de scolarité et des frais accessoires pour acquérir d'autres connaissances, dans l'optique d'avoir des gains supplémentaires;

ü aspect public : il s'agit notamment des gouvernements qui subventionnent les études des individus dans l'optique de prélever plus tard des impôts sur le supplément de gains perçus par les plus instruits.

Tableau 1.1.1 : Comparaison des différents concepts du taux de rendement de l'éducation

AGENT	SOCIAL	PRIVÉ	PUBLIC
AGENT	(La collectivité)	(L'étudiant)	(Les gouvernements)
Coûts directs	Valeur totale des dépenses en matière d'éducation : salaires versés aux professeurs, frais d'entretien des établissements et coût du capital	Valeur totale des frais de scolarité et des frais accessoires.	Subventions versées aux étudiants et aux établissements
Coûts indirects	Valeur totale des biens et services non produits (approximée par la valeur totale des revenus bruts non perçus)	Revenus non perçus (nets de l'impôt) durant la formation (coût d'opportunité) moins aide financière à l'étudiant	Valeur des impôts non prélevés sur les revenus perdus lors de la formation
Gains	Supplément de production pour l'ensemble de la collectivité, approximé par le supplément de gains bruts perçus par les plus instruits (comprenant l'ensemble des bénéfices privés)	Supplément de gains (nets de l'impôt à payer) perçus par un diplômé du niveau post secondaire par rapport à un diplômé d'un niveau de scolarité inférieur	Valeur totale de l'impôt prélevé sur le supplément de gains perçus par les plus instruits.

La comparaison de la rémunération prévue au cours d'une vie selon deux niveaux différents de scolarité, comme le secondaire par rapport à l'université, définit le taux de rendement interne de l'éducation. Pour Pierre CAHUC et André ZYLBERBERG, le taux interne de rendement de l'éducation se définit comme étant la valeur maximale du taux d'intérêt pour laquelle l'investissement devient rentable.

Après ces différentes définitions du taux de rendement de l'éducation, le point suivant sera consacré aux différentes formulations de ce taux tels que perçu par certains auteurs, à l'instar de Jacob Mincer.

1.1.2 RENDEMENT DE L'ÉDUCATION : FORMULATIONS

En général, les estimations du rendement de la scolarisation que l'on trouve dans les ouvrages (tant celles fondées sur les moindres carrés ordinaires [MCO] que celles fondées sur la variable instrumentale [VI]) ne coïncident pas avec le taux de rendement interne. Ces estimations représentent un taux de rendement brut d'une année supplémentaire d'études, car ne tenant pas compte des coûts directs (comme les frais de scolarité) et des coûts indirects (coûts d'opportunité) de la scolarisation, de l'impôt sur le revenu et de la période de travail. Comme l'indiquent Heckman et al. (2005), bien que les ouvrages fassent état d'un grand nombre de taux de rendement selon Mincer, il n'y a presque pas d'estimation du taux de rendement interne de l'éducation. La principale difficulté dans la détermination de ce taux, c'est d'effectuer des enquêtes à passage répété, nécessaires à la détermination de la suite des gains de salaires dus à une année supplémentaire d'études. (F. Vaillancourt [1995] donne des estimations de ces taux de rendement pour le Canada en s'appuyant sur les données du recensement de 1986).

Ainsi, la formule de calcul du taux de rendement interne de l'éducation (r) est la suivante :

§ ?ù1, ?ù2,..., ?ùT représentent la suite des gains de salaires dus à une année supplémentaire d'études.

§ L'enseignement public étant en général subventionné par les fonds publics, dans la pratique, on peut s'attendre à un taux de rendement du privé (les coûts étant plus élevés qu'au public) supérieur à celui du public.

§ Mincer aborde à travers l'estimation par les MCO, une autre formulation de ce taux de rendement. Ce taux mesure l'augmentation du revenu résultant d'une année d'éducation rapportée au coût annuel de cet investissement scolaire. Ce coût est celui de l'hypothèse selon laquelle les coûts d'une année supplémentaire d'éducation sont exclusivement composés de coûts d'opportunité, c'est-à-dire aux gains auxquelles l'individu renonce en allant à l'école.

§ A travers un développement limité à l'ordre 1 de la fonction exponentielle, l'équation précédente donne :

§ D'après Heckman et al. (2005), le coefficient associé au niveau de scolarité dans une équation de régression standard Mincer est généralement considéré comme un taux de croissance de la rémunération propre à une personne en fonction du niveau de scolarité, et non comme un taux de rentabilité. De plus, de nombreux documents sur les variables instrumentales estiment des coefficients souvent interprétés comme des mesures de la rentabilité moyenne de l'éducation pour les personnes tenues d'aller à l'école à cause de l'évolution des valeurs de l'instrument utilisé, conformément à la documentation sur l'effet moyen local du traitement (EMLT). Toutefois, comme l'indiquent Heckman et al. (2005), les instruments différents définissent des taux de rentabilité moyens différents, et ces taux peuvent ne pas toujours refléter une réaction à une politique économique significative.

§ Suite à la présentation de ces différentes formulations, nous allons aborder quelques modèles économétriques qui intègrent le rendement éducatif. Ces modèles sont respectivement ceux de Ben-Porath (accumulation optimale de capital humain) et de Jacob Mincer (modèle de gains).

§ Pour le problème de choix optimal des investissements éducatifs au cours du cycle de vie, la première et rigoureuse solution a été apporté par Ben-Porath (1967) à travers le modèle qui porte son nom. Modèle dont le point central c'est qu'à chaque période du temps, l'individu investit en capital humain en fonction des coûts et des bénéfices qui en découlent à ce stade de la vie.

§ Dans cette sous-section, nous présenterons la formulation de ce modèle, avec les hypothèses y afférentes.

§ H1 : Chaque individu partage le temps disponible entre activité rémunérés et production de capital humain, on fait abstraction aux activités de loisir ;

§ H2 : Le modèle est à rendements d'échelles décroissants, puisque les individus rencontrent des limites pour assimiler des connaissances en un temps très rapide.

§ Étant donnée que la production de capital humain et la rémunération de l'activité y afférente ne pouvant se faire conjointement, S_t est aussi la proportion de temps affectée à cette dernière production (0=st=1). á, â et ã sont des paramètres reflétant la capacité individuelle et les conditions institutionnelles de production á?0, â?0 et á+â=1.

§ les emprunts et prêts sont illimités et s'effectuent au taux d'intérêt constant r.

§ En partant de l'égalité entre le coût marginal de production et le prix de la demande (condition d'équilibres du modèle de Ben-Porath), Ben-Porath arrive à l'équation du montant optimal de capital humain à produire :

§
Qt*=á(á.âr+ä)â+ã1-â-ã(ã.w0â.Pd)ã1-â-ã[1-e-r+äT-t]â+ã1-â-ã (6)

§ W₀ est la rémunération des services rendus par une unité de capital humain pendant une période ;

§ P_d est le prix de la demande, c'est-à-dire le prix maximum que l'individu est prêt à payer pour acquérir une unité de capital. Ce prix indique sur le marché du travail la rémunération des services fournis par le capital humain.

§ Lorsque t augmente, et donc se rapproche de T, le prix que l'individu consent à payer pour acquérir une unité de stock de capital humain diminue. Cela provient du fait que l'augmentation de t réduit le temps de profit tiré de son investissement, l'individu vieillissant. Ainsi, il naît une tendance à diminuer le montant des investissements au fur et à mesure qu'on vieillit. De manière générale, les employeurs ont tendance à plus investir en formation chez les employés les plus jeunes car le temps de récupération de cet investissement et des gains supplémentaires est plus élevé chez ces jeunes employés que chez ceux âgés.

o 1.2.2 MODELE DE GAINS DE JACOB MINCER (1974)

§ 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. Dans cette sous-section, nous présentons la formulation de ce modèle.

§ 1.2.2.1 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 : supposer 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.

§ u est un terme stochastique qui représente les éléments non observé affectant le revenu.

§ L'équation (7) qui est l'équation standard de Mincer, ne tient compte que du nombre d'années d'études et de l'expérience professionnelle. Plusieurs auteurs, à l'instar de Florence Arestoff^9(*) ont montré que cette équation standard était insuffisante pour mesurer les gains. Le modèle que nous utiliserons est le modèle de Mincer étendu qui fera l'objet de cette section.

§ La particularité du modèle étendu de Mincer est la prise en compte d'autres variables. Pour un individu i, en considérant les autres facteurs pouvant influer sur la variation du revenu, l'équation (7) peut s'écrire :

§ T_i représente le type d'éducation, public ou privé, reçu par l'individu i ;

§ En dehors des variables explicatives ci-dessus, d'autres variables telles que le statut matrimonial et le sexe pourront être introduites pour davantage étoffer le modèle. 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.

§ Ichino et Winter-Ebmer (1999) ont montré que le taux de rendement de l'éducation sera surestimé si les individus qui disposent davantage de facilités innées, internes de plus grandes capacités intellectuelles sont prédisposés à suivre de plus longues études mais sont aussi prédisposés à recevoir de plus hauts revenus. Le supplément de revenu serait alors attribué à tort à leur supplément d'éducation. On parle de biais d'endogénéité.

§ Le caractère endogène de certaines variables explicatives résulte de la corrélation entre celles-ci et le terme d'erreur d'une régression. Dans la littérature, la composante éducation du capital humain est considérée comme une variable endogène. Mais les travaux empiriques, utilisant les concepts du capital humain, la considère comme exogène dans les analyses économiques des gains, malgré la possible influence d'autres facteurs extérieurs. La non prise en compte de ces facteurs peut conduire soit à surestimer, soit à sous-estimer l'impact de la variable éducation sur les gains. Une surestimation de son effet sur les gains, comme le note Nordman (2002), peut en effet apparaître si l'éducation reflète non seulement le choix individuel mais aussi certains aspects extérieurs à l'individu susceptibles d'influer sur sa décision et/ou sur le déroulement de sa scolarité. On peut citer entre autres facteurs : le niveau d'études des parents, la taille du ménage, la religion et le milieu de résidence (rural, urbain) de l'individu.

§ Lorsque l'hypothèse fondamentale d'indépendance entre variables explicatives et terme de perturbation n'est pas vérifiée, les estimateurs MCO sont biaisés et non convergents. Plusieurs méthodes sont utilisées pour détecter l'endogénéité et corriger le biais qui en résulte, la résolution de cette endogénéité étant d'autant plus ardue lorsque les variables-expliquée et explicatives-sont dichotomiques que lorsqu'elles sont continues. La méthode qui sera mise en oeuvre est celle de Hausman.

§ Le test d'endogénéité proposé par Hausman (1978) consiste à comparer l'estimateur des moindres carrés ordinaires (MCO) avec l'estimateur des doubles moindres carrés (DMC). Ce test s'obtient en intégrant une seconde équation donc la variable expliquée est la composante éducation exprimée en fonction d'un certain nombre de variables explicatives, pouvant expliquer le nombre d'années d'études.

§ X représente l'ensemble des variables explicatives autres que le nombre d'années d'études de la fonction des gains ;

§ Il s'agit de confronter les hypothèses suivantes : H0: r'=r'' H1: r'? r'' (11)

§ r'et r'' sont respectivement les estimateurs des doubles moindres carrés et des moindres carrés ;

§ Ainsi, l'hypothèse nulle d'éxogénéité (H0) est rejetée lorsque la différence entre ces deux estimateurs est significative c'est-à-dire lorsque la statistique de Hausman est supérieur au khi-deux, à un seuil de significativité.

§ La recherche d'un estimateur convergent peut se faire en utilisant des variables instrumentales ou instruments. Cet estimateur par les VI s'interprète généralement comme résultant d'une double application des moindres carrés et peut donc être obtenu en suivant la procédure des moindres carrée en deux étapes (DMC):

§ Étape 1 : Effectuer la régression de la variable exogène S sur le vecteur Z, Z comprenant des variables instrumentales.

Étape 2 : Effectuer la régression de Y sur (valeur estimée de S) et sur X selon la formulation de l'équation (9).

§ Ce chapitre nous a permis de définir les concepts qui nous permettront de mener à bien notre étude. Nous avons d'une part abordé la notion de rendement de l'éducation et d'autre part quelques modèles économétriques liés aux concepts de notre étude. Il sera question pour nous d'aborder dans le chapitre suivant le cadre institutionnel, notamment le système éducatif camerounais et la formation professionnelle, après quoi nous présenterons le marché du travail.

§ § § § CHAPITRE 2 :

§ § L'analyse du rendement éducatif nécessite au préalable la connaissance du système éducatif en place. Aussi, la connaissance du marché du travail n'en demeure pas moins puisque ce rendement éducatif sera analysé sur les revenus des travailleurs. Ces deux concepts nous permettrons d'établir la relation éducation-revenu.

§ Le présent chapitre est ainsi consacré au cadre institutionnel relatif aux concepts de l'étude. Il comporte deux sections. La première section présente le système éducatif camerounais. La seconde section présente la formation professionnelle et la structure du marché du travail au Cameroun.

§ SECTION 1 : LE SYSTEME ÉDUCATIF CAMEROUNAIS

§ Dans les pays en développement, une relance économique passe par une bonne planification du secteur éducatif, pourvoyeur de capital humain. Dans cette section, nous présenterons le système éducatif camerounais et l'importance de ce secteur notamment dans la lutte contre la pauvreté.

o 2.1.1 PRÉSENTATION DU SYSTEME

§ Le système éducatif camerounais admet deux composantes : l'une formelle et l'autre non-formelle.

§ La composante formelle, divisée en sous-système francophone et en sous-système anglophone, distingue le secteur public du secteur privé. Couvrant les niveaux allant du préscolaire au supérieur, cette composante est gérée par quatre ministères :

ü le Ministère de l'Éducation de Base (MINEDUB) : ce ministère est chargé de la préparation, de la mise en oeuvre et de l'évaluation de la politique de l'État en matière d'éducation de base ;

ü le Ministère des Enseignements Secondaires (MINESEC) : il est chargé de l'élaboration, de la mise en oeuvre et de l'évaluation de la politique de l'État en matière d'enseignement secondaire général, technique et normal ;

ü le Ministère de l'Enseignement Supérieur (MINESUP) qui est chargé de l'élaboration et de la mise en oeuvre de la politique du gouvernement en matière d'enseignement supérieur, ainsi que de l'organisation, du fonctionnement et du contrôle pédagogique de l'enseignement supérieur. Il étudie et propose au gouvernement les voies et moyens visant à l'adaptation en permanence du système d'enseignement supérieur aux réalités économiques et sociales nationales, particulièrement en ce qui concerne l'adéquation de l'enseignement supérieur aux besoins de l'économie nationale ;

ü Le quatrième ministère est celui de l'Emploi et de la Formation Professionnelle (MINEFOP) que nous présenterons dans la section suivante.

§ La composante non-formelle est traitée parallèlement par les Ministères en charge des Affaires Sociales et de la Jeunesse respectivement dans la stratégie du secteur social et le Programme National d'Alphabétisation (PNA).

§ Le sous-système francophone, du système éducatif camerounais formel, est largement majoritaire dans les huit provinces à l'exception des provinces du Nord-Ouest et du Sud-Ouest à dominance anglophone. L'enseignement supérieur public est dispensé dans six universités d'États localisées à : Buea, Dschang, Douala, Ngaoundéré, Yaoundé I et Soa (Yaoundé II). Au niveau de l'enseignement supérieur, on distingue aussi les Institutions Privées de l'Enseignement Supérieur (IPES) qui se sont beaucoup plus orientées vers les formations professionnelles.

§ Le sous-système anglophone est quant à lui majoritaire dans les provinces du Nord-Ouest et du Sud-Ouest et se retrouve aussi dans plusieurs localités sous forme d'écoles bilingues, de lycées bilingues et bien d'autres.

o 2.1.2 LES DIFFÉRENTS NIVEAUX D'ÉDUCATIONS

§ Selon la Classification Internationale Type de l'Éducation (CITE)^10(*), les différents niveaux d'éducation sont les suivantes :

ü le niveau 0 correspondant à l'éducation préprimaire ou enseignement maternel ;

ü niveau 1 correspondant à l'enseignement primaire ou premier cycle de l'éducation de base ;

ü niveau 2 correspondant au premier cycle de l'enseignement secondaire ou deuxième cycle de l'éducation de base ;

§ Au Cameroun, la décomposition part du préscolaire au supérieur. Le préscolaire concerne les enfants de 4 à 5 ans pour 2 années d'études. Le primaire, prévu pour les enfants dont l'âge est compris entre 6-11 ans pour le sous-système francophone (respectivement 6-12 ans pour et le sous-système anglophone), a une durée de 6 ans (respectivement 7 ans pour et le sous-système anglophone). Le secondaire pour une durée d'études de 7 ans. Le normal dont l'accès est conditionné par un concours à trois options selon les diplômes : BEPC, Probatoire, baccalauréat. Le dernier niveau est celui de l'enseignement Supérieur.

§ De par l'intérêt de la communauté internationale sur les secteurs prioritaires pour la réduction de la pauvreté, le gouvernement camerounais a adopté, en octobre 2000, une stratégie sectorielle de l'éducation qui vise à atteindre les Objectifs du Millénaire pour le Développement (OMD), en particulier de porter le taux d'accès et le taux d'achèvement du primaire à 100% à l'horizon 2015 et de porter l'indice de parité filles/garçons à 1 à la même échéance. En effet, parmi les huit objectifs de ces OMD, divisés en 18 cibles, ceux portant sur l'éducation se présentent comme suit :

§ § § § § § Tableau 2.1.1 : Objectifs du Millénaire pour le Développement dans l'éducation

§ OMD	§ Indicateurs de mesure des progrès	§ Situation de référence		§ Objectifs à atteindre

		§ Niveau	§ Année	§ Niveau	§ Horizon
§ Objectif 2 : Assurer une éducation primaire pour tous	§ Taux net de scolarisation à l'école primaire (6-11 ans)	§ 75,20%	§ 2001	§ 100%	§ 2015
	§ Taux d'accès à l'école primaire	§ 94,30%	§ 2003	§ 100%	§ 2015
	§ Taux d'achèvement à l'école primaire :	§	§ 2003	§ 100%	§ 2015
	§ -sous-système francophone	§ 57,00%
	§ - sous-système anglophone	§ 75,00%
§ Objectif 3: Promouvoir l'égalité des sexes et l'autonomisation des femmes	§ Indice de parité filles/garçons	§ 85,00%	§ 2000	§ 100%	§ 2015
	§ Indice de parité filles/garçons au niveau secondaire	§ 81,50%	§ 2000	§ 100%	§ 2015
	§ - secondaire général	§ 87,50%	§ 2000	§ 100%	§ 2015
	§ - secondaire technique	§ 61,70%	§ 2000	§ 100%	§ 2015

§ Ces différents objectifs, ci-dessus évoqués, montrent l'intérêt que portent les États sur l'éducation des citoyens, les buts à atteindre étant d'une part l'élimination de la pauvreté au niveau des ménages, de la communauté et d'autre part le développement social et économique. Une population ayant une éducation bien suivie constitue un fort capital humain, dont l'impact est :

ü sur le plan macroéconomique, le développement socio-économique de la nation.

§ Par contre, un faible niveau d'éducation ne permet pas de développer l'esprit de créativité, d'innovation, qui exige un certain niveau de connaissances, de compréhensions voire de qualifications.

§ 2.1.4 ÉDUCATION ET MARCHÉ DE L'EMPLOI AU CAMEROUN : EFFICACITÉ EXTERNE

§ Le marché de l'emploi au Cameroun n'est pas très diversifié. L'offre de plus en plus forte ne permet pas d'absorber toute la demande du potentiel en capital humain. Les individus de par leur formation ont des compétences, mais pour une offre de travail faible. D'une manière générale, la situation de l'emploi des jeunes camerounais de la classe d'âge comprise entre 25 et 34 ans selon le plus haut niveau d'études atteint se présente de la manière suivante :

§ Tableau 2.1.2 : Répartition de la situation d'emploi des actifs (25-34 ans) suivant le secteur d'activité et le type d'emploi selon leur niveau d'instruction en 2001(en %)

§ Niveau d'instruction	§ Secteur formel					§ Secteur informel	§ Chômage	§ Total
§ Niveau d'instruction	§ Cadres supérieurs	§ Cadres moyens	§ Employés /Ouvriers	§ Sans qualification	§ A leur compte
§ § § § Aucun	§ 0	§ 0	§ 2	§ 1	§ 1	§ 81	§ 15	§ 100
§ Primaire	§ 0	§ 0	§ 3	§ 3	§ 2	§ 77	§ 16	§ 100
§ CM2	§ 0	§ 1	§ 5	§ 4	§ 4	§ 66	§ 20	§ 100
§ Secondaire général 1^er cycle	§ 0	§ 2	§ 11	§ 5	§ 4	§ 50	§ 28	§ 100
§ Secondaire technique 1er cycle	§ 0	§ 2	§ 13	§ 8	§ 5	§ 49	§ 23	§ 100
§ Secondaire général 2nd cycle	§ 1	§ 6	§ 20	§ 6	§ 5	§ 33	§ 30	§ 100
§ Secondaire technique 2nd cycle	§ 2	§ 7	§ 14	§ 5	§ 5	§ 34	§ 33	§ 100
§ Université 1ère-2ème Année	§ 2	§ 18	§ 14	§ 4	§ 3	§ 11	§ 48	§ 100
§ Université 3ème Année et plus	§ 25	§ 12	§ 9	§ 4	§ 3	§ 12	§ 35	§ 100
§ Ensemble	§ 2	§ 3	§ 8	§ 4	§ 3	§ 57	§ 24	§ 100

§ Il ressort globalement de ce tableau que parmi les universitaires de troisième année et plus, 35% sont au chômage tandis que 25% sont des cadres supérieurs. Parmi les individus sans niveau d'instruction, la plus grande partie se trouve dans le secteur informel (81%). Dans l'ensemble, le secteur informel occupe plus de la moitié des individus. Ces différents éléments conduisent à la recherche de la rentabilité économique de l'éducation.

§ Suite à cette présentation du système éducatif camerounais, la section suivante de ce chapitre est consacrée à la formation professionnelle et au marché du travail.

§ SECTION 2 : LA FORMATION PROFESSIONNELLE ET LE MARCHÉ DU TRAVAIL

§ En dehors de la formation scolaire, la formation professionnelle absorbe une part aussi importante de la population camerounaise. Ce type de formation est un tremplin pour les individus à la recherche d'une insertion professionnelle et une préoccupation du gouvernement, notamment sur l'adéquation formation-emploi. Cette section est ainsi consacrée aux notions de formation professionnelle et de marché du travail. S'agissant du marché du travail, nous aborderons d'une part quelques généralités sur le marché du travail et d'autre part nous présenterons l'état des lieux du marché du travail au Cameroun.

§ La formation professionnelle est importante dans l'éducation au Cameroun. Avec le nouveau système Licence-Master-Doctorat (LMD), la professionnalisation des enseignements devient de plus en plus effective dans certains établissements de l'enseignement supérieur. La formation professionnelle au Cameroun est placée sous la tutelle du Ministère de l'Emploi et de la Formation Professionnelle (MINEFOP) qui est chargé de l'élaboration et de la mise en oeuvre de la politique nationale en matière d'emploi, de formation et d'insertion professionnelle. Ce ministère assure aussi la tutelle des institutions comme :

ü le Fonds National de l'Emploi (FNE) qui a pour principale mission la promotion de l'emploi sur l'ensemble du territoire camerounais, en favorisant l'accroissement des possibilités d'emploi à travers la diffusion des informations sur le marché du travail ; la conception, le financement, et le suivi des programmes de formations formelles ; l'auto-emploi et l'appui à la création des micro-entreprises ; l'insertion des jeunes diplômés sans emploi et la réinsertion des travailleurs licenciés des entreprises du secteur public, parapublic ou privé pour raison économique ;

ü le Projet Intégré d'Appui aux Acteurs du Secteur Informel (PIAASI) qui est orienté vers la lutte contre la pauvreté et le chômage à travers la promotion des emplois décents, productifs et durables, devant permettre à l'acteur du secteur informel de se vêtir, de se soigner, de se loger et de subvenir aux besoins de sa famille. L'objectif du PIAASI est le renforcement des capacités des acteurs du secteur informel à travers l'organisation ; la formation et l'appui au financement des acteurs du secteur informel ;

ü l'Observatoire National de l'Emploi et de la FOrmation Professionnelle (ONEFOP), qui est un organe d'expertise et d'aide à la décision surtout dans le cadre de l'élaboration des stratégies de lutte contre le chômage. De plus, il assiste le ministère de l'emploi et de la formation professionnelle dans le suivi périodique de la conjoncture du marché du travail ; l'identification des freins et potentialités en ce qui concerne l'emploi et la formation professionnelle afin de mieux formuler les programmes d'appui répondant aux exigences du marché du travail ;

ü les instances consultatives ou de coordination en matière d'emploi et de formation professionnelle. Ces instances ont pour principales missions d'étudier les problèmes relatifs aux conditions de travail, l'orientation et la formation professionnelle et d'émettre des avis et même de formuler des propositions sur la législation et la réglementation dans les domaines indiqués par la loi.

§ On y trouve aussi le ministère du travail et de la sécurité sociale, chargé de la préparation, de la mise en oeuvre, de l'évaluation de la politique et des programmes de l'État dans les domaines des relations professionnelles, du statut des travailleurs et de la sécurité sociale. A ce titre, il est responsable du contrôle de l'application du code du travail et des conventions internationales ratifiées par le Cameroun ayant trait au travail ; et de l'élaboration et de la mise en oeuvre de la politique de sécurité sociale. Il assure également la tutelle de la Caisse Nationale de Prévoyance Sociale.

§ La formation professionnelle au Cameroun concerne plusieurs domaines. Nous avons : l'ingénierie, la médecine, l'enseignement, l'économie, la gestion et la comptabilité, les télécommunications, le journalisme, la justice et bien d'autres.

o 2.2.2 LE MARCHÉ DU TRAVAIL

§ Les quatre normes fondamentales sur le marché du travail, telles que reconnues par la déclaration de l'Organisation Internationale du Travail (OIT) relative aux principes et droits fondamentaux au travail (1998), sont les suivantes : interdiction du travail forcé (i), liberté d'association et droit à l'organisation et à la négociation collective (ii), élimination de l'exploitation des enfants (iii) et non-discrimination dans l'emploi (iv). L'OCDE justifie ce choix par le fait qu'elles font partie intégrante des droits humains et considère les normes de travail comme l'ensemble des principes et règles régissant les conditions de travail et les conditions professionnelles.

§ De plus, le marché du travail se présente généralement sous deux aspects : le premier étant celui de la détermination du salaire et le deuxième celui de l'emploi et donc du chômage. Ces deux concepts sont davantage des préoccupations des différents acteurs économiques et même ceux de plusieurs États à l'instar des pays en développement.

§ Sur le marché du travail, le salaire est un élément de différentiation, variant généralement d'un individu à un autre. Cette différentiation des salaires des travailleurs est influencée par plusieurs facteurs, en dehors de la discrimination (sexe, race). Il s'agit de l'âge, l'expérience, l'éducation, la formation professionnelle, les capacités naturelles et l'appartenance ou la non-appartenance à un syndicat.

§ Pour David Begg et al., on peut avancer trois causes principales de différence de salaire :

ü la première cause est la durée de scolarisation et le niveau des diplômes : pour lui les personnes ayant un niveau scolaire supérieur ont un salaire plus élevé que ceux de niveau inférieur. Certes, d'autres facteurs tel que la nature du diplôme (diplôme d'ingénieur, maîtrise en droit...) sont à prendre en compte ;

ü la deuxième cause est l'expérience de l'emploi : le salaire augmente avec l'expérience acquise dans l'exercice de la profession. C'est aussi le lieu d'acquisition de nouvelles compétences ;

ü la troisième cause concerne les travailleurs étrangers, dont les salaires sont plus faibles, du fait des différences de niveau scolaire et d'expérience.

§ Les facteurs liés au rendement scolaire seront ceux retenus pour les analyses, eu égard la problématique de l'étude.

§ Les études menées au Cameroun (DSCN et RGPH)^11(*) font état d'une population évaluée à 10 millions en 1987, 13 millions en 1996 et à 15 millions en 2001, soit un taux de croissance de 3%. La population active, comprenant la somme des personnes pourvues d'un emploi et les chômeurs, augmente à un rythme plus rapide que la population totale. Selon les résultats des enquêtes camerounaises auprès des ménages (ECAM), la part de la population active dans la population totale est en effet passée de 34,3% en 1987 à 37,3% en 1996 et à 40,5% en 2001. Cette hausse du taux brut d'activité est à attribuer en grande partie à la forte participation des femmes sur le marché du travail.

§ En effet, face à la crise économique qui a entraîné des licenciements massifs dans la fonction publique et la fermeture de plusieurs entreprises publiques et parapubliques au début des années 1990, les hommes principaux générateurs de ressources familiales, ne pouvaient plus le faire seul. C'est ainsi que les femmes se sont progressivement associées en se lançant dans de petites activités génératrices de revenus pour améliorer les conditions de vie de leurs ménages, occasionnant ainsi un fort développement du secteur informel. Dans l'ensemble le taux brut d'activité a connu une croissance entre les périodes d'études.

§ La figure ci-dessus retrace l'évolution par sexe de la part de la population active dans la population totale.

§ Figure 2.2.1 : Évolution de la part de la population active dans la population selon le sexe

§ La figure ci-dessus fait montre d'une croissance de la population active dans l'ensemble et en particulier pour les femmes, matérialisant ainsi leur participation de plus en plus significative sur le marché du travail. Pour la population masculine, la situation n'a relativement pas évoluée de 1987 à 2001.

§ Même pour les individus scolarisés, l'accès à l'emploi est aussi difficile de part l'offre de travail très faible et une demande forte. Selon les résultats de l'ECAM 2, 47,4% des personnes en âge scolaire fréquentent effectivement une école. Il n'y a pas une grande différence entre les hommes (48,6%) et les femmes (46,1%). On constate même qu'en milieu urbain, le taux de fréquentation scolaire est légèrement plus élevé chez les femmes que chez les hommes. Ceci peut s'expliquer par le fait que les hommes sont plus prompts à quitter l'école, très souvent par la pression familiale due aux conditions de vie, pour s'insérer sur le marché du travail afin de soutenir la famille. Les femmes par contre ne subissent pas la même pression sociale que les hommes, raison pour laquelle elles peuvent rester longtemps dans le circuit scolaire, souvent jusqu'au mariage.

§ Tableau 2.2.1 : Niveau d'instruction ou de formation des jeunes (15-24 ans) selon le sexe (%)

§ Niveau d'instruction	§ Jeunes (15-24) ans
	§ Hommes		§ Femmes		§ Ensemble
	§ 1996	§ 2001	§ 1996	§ 2001	§ 1996	§ 2001
§ Sans niveau	§ 8,6	§ 8,6	§ 18,9	§ 18,9	§ 14,0	§ 14,0
§ Primaire	§ 40,2	§ 35,9	§ 37,8	§ 34,2	§ 38,9	§ 35,0
§ Secondaire général 1^er cycle	§ 24,1	§ 28,6	§ 21,7	§ 26,1	§ 22,8	§ 27,2
§ Secondaire général 2^nd cycle	§ 11,4	§ 12,0	§ 8,5	§ 9,8	§ 9,9	§ 10,9
§ Secondaire technique 1^er cycle	§ 10,4	§ 8,8	§ 8,7	§ 7,0	§ 9,6	§ 7,8
§ Secondaire technique 2^nd cycle	§ 3,6	§ 2,7	§ 2,1	§ 2,0	§ 2,8	§ 2,3
§ Supérieur	§ 1,7	§ 3,4	§ 2,3	§ 2,0	§ 2,0	§ 2,8
§ Total	§ 100,0	§ 100,0	§ 100,0	§ 100,0	§ 100,0	§ 100,0

§ Le constat général est que les jeunes de 15 à 24 ans, sont pour la plupart dans l'enseignement général que dans l'enseignement technique qui, à fortiori, facilite plus l'accès au marché du travail. Malgré cela, l'accès dans l'enseignement supérieur reste encore très faible. Le nombre de jeunes décroît avec l'accroissement du niveau d'instruction.

§ Le chapitre deux ci-dessus nous a permis de présenter d'une part le cadre institutionnel de l'étude, notamment le système éducatif camerounais, la formation professionnelle et d'autre part le marché du travail. Dans le cas du Cameroun, nous remarquons une augmentation de la part de la population active dans la population totale et un faible accès de la population à des niveaux d'études plus élevés. Dans la seconde partie de notre étude, nous présenterons empiriquement le rendement de l'éducation.

§ § § § § § § § § § § § § § § § § § § § § § § Deuxième partie

§ § « Il n'est pas de rencontre avec les données qui ne soit un pas vers une authentique confirmation sans que l'hypothèse fasse mieux, pour venir à bout des données, qu'une réelle rivale. [...] Ce qui fortifie une hypothèse est une victoire, c'est-à-dire, en même temps une défaite pour une plausible rivale ».

§ CHAPITRE 3 :

§ § « Une théorie ou une hypothèse qui n'est pas vérifiable par une évidence empirique peut être insuffisante pour être qualifiée de recherche ».

§ Avant d'effectuer l'étude empirique du rendement de l'éducation, il est d'une part nécessaire de connaitre les données que nous allons utilisées et d'autre part de décrire les différentes variables à travers quelques statistiques descriptives.

§ Ainsi donc, le présent chapitre est divisé en deux sections. La première section présente la source de données, notamment les objectifs, les résultats attendus et la méthodologie de l'enquête. La seconde section présente les statistiques descriptives des différentes variables.

§ SECTION 1 : SOURCE DE DONNÉES

§ Cette étude s'appuie sur les données obtenues de l'Enquête sur l'Emploi et le Secteur Informel (EESI). Cette enquête a été réalisée en 2005 par l'Institut National de la Statistique (INS) sur l'étendue du territoire national camerounais. Elle visait à explorer dans le détail le marché du travail, dans le but d'affiner le diagnostic des implications des questions de l'emploi sur la réduction de la pauvreté, et de poser les bases du suivi et de l'évaluation des programmes et politiques arrêtés dans ce domaine.

§ 3.1.1 OBJECTIFS ET RESULTATS ATTENDUS DE L'EESI

§ L'objectif principal de l'enquête sur l'Emploi et le Secteur Informel porte sur l'évaluation et le suivi de l'emploi et du secteur informel.

§ 3.1.1.1 Objectifs de la phase 1 : enquête sur l'emploi

§ Les objectifs spécifiques consistent à étudier le marché du travail, le sous-emploi et le chômage, la pluri-activité et son impact sur le revenu des ménages, à analyser les conditions d'activités et les déterminants de la mobilité de l'emploi, à saisir les différentes sources de revenus, à saisir la situation d'inactivité au regard de ses causes et des moyens de subsistances des personnes qui y font faces.

§ 3.1.1.2 Résultats attendus de l'EESI

§ En tenant compte des objectifs ci-dessus définis, les résultats attendus sont déclinés dans le cadre d'une série de publications. Ces résultats portent sur les thèmes suivants :

ü le sous-emploi et chômage : caractéristiques, déterminants et profil des acteurs ;

ü la mobilité des actifs occupés suivant les branches et les secteurs institutionnels ;

ü l'emploi du moment et l'emploi habituel : concepts et analyses des différences.

§ 3.1.2 SYNTHESE MÉTHODOLOGIQUE

§ L'EESI est une enquête statistique en deux phases visant à évaluer la situation de l'emploi (phase 1) et l'activité économique des ménages dans le secteur informel (phase 2).

§ Le champ géographique est le territoire national. L'unité d'échantillonnage et d'observation est le ménage ordinaire et ses différents membres par opposition au ménage collectif^14(*). La stratification de l'EESI est faite de sorte à obtenir des résultats représentatifs dans les dix provinces, chaque province a été divisée en trois strates : une strate rurale, une strate semi-urbaine et une strate urbaine. L'échantillon national a été arrêté à 8540 ménages répartis dans les différentes strates proportionnellement à leurs tailles. Le territoire a été divisé en dix sept milles huit cent zones de dénombrement. Dans chaque région et sous la contrainte d'obtenir des résultats extrapolables, l'échantillon a été sélectionné à deux degrés dans le milieu urbain et trois dans les milieux semi-urbain et rural.

o SECTION 2 : STATISTIQUES DESCRIPTIVES

§ Avant toutes analyses économétriques, il est important de décrire les différentes variables qui seront utilisées. Il s'agit ici de présenter les statistiques descriptives des variables que nous utiliserons plus tard dans nos analyses économétriques.

§ 3.2.1 VARIABLE DEPENDANTE DE L'ÉTUDE

§ Dans les estimations des modèles de gains, la principale variable d'étude est le revenu, qui en est la variable dépendante. Les analyses seront ainsi faites sur des individus possédant un revenu d'activité. Le graphique ci-dessous est une représentation du revenu d'activité logarithmisé. Ce dernier s'apparente à celle d'une loi normale c'est-à-dire que le revenu suit une loi log-normale^15(*).

§ Figure 3.2.1 : Représentation graphique du revenu d'activité logarithmisé

§ Au seuil de 1%, le test de Kolmogorov-Smirnov a corroboré nos présomptions sur la log-normalité du revenu : lnY~N(8.65;1.42). De plus, l'utilisation du logarithme du revenu permet d'une part de réduire l'ordre de grandeur du revenu qui est généralement plus élevé que les valeurs des variables explicatives de l'étude et d'autre part d'obtenir dans les analyses des taux à l'exemple du taux de rendement de l'éducation. Cette transformation logarithmique ne modifie pas la tendance.

§ 3.2.2 CARACTERISTIQUES DE TENDANCE CENTRALE ET DE DISPERSION DES VARIABLES

§ Afin d'étudier les relations qui existent entre les variables de l'étude, nous limitons notre échantillon aux individus âgées d'au moins 15 ans susceptible d'avoir atteint un niveau d'études élevés et pour aussi éliminer le concept de travail des enfants.

§ 3.2.2.1 Caractéristiques selon le secteur d'activité et dans l'ensemble du marché

§ Les caractéristiques de tendance centrale et de dispersion des variables de notre étude sont étudiées ici selon le secteur d'activité et dans l'ensemble du marché. Il s'agit notamment : de la durée des études, de l'âge, de l'expérience professionnelle, de l'expérience professionnelle au carré et de l'ancienneté.

§ Tableau 3.2.1 : Caractéristiques des variables : durée des études, âge, expérience professionnelle, expérience professionnelle au carré, ancienneté et revenu selon le secteur d'activité.

§ Variables	§ Formel		§ Informel		§ Ensemble
§ Variables	§ Moyenne	§ écart-type	§ Moyenne	§ écart-type	§ Moyenne	§ écart-type
§ Nombre d'années d'études	§ 11,77	§ 4,15	§ 5,54	§ 4,21	§ 6,49	§ 4,76
§ Age	§ 39,67	§ 9,80	§ 39,88	§ 15,12	§ 39,84	§ 14,43
§ Expérience professionnelle	§ 6,01	§ 6,50	§ 7,91	§ 8,72	§ 7,62	§ 8,44
§ Expérience professionnelle au carrée	§ 78,43	§ 320,08	§ 138,53	§ 401,98	§ 129,36	§ 391,19
§ Ancienneté	§ 5,28	§ 5,97	§ 9,55	§ 11,66	§ 8,89	§ 11,09
§ Revenu (en milliers de FCFA)	§ 130,42	§ 131,53	§ 32,30	§ 43,30	§ 47,27	§ 73,99
§ Nombre d'observations	§ 363 042		§ 2 015 663		§ 2 378 705

§ La durée moyenne des études dans le secteur formel est quasiment le double de celui du secteur informel, cette forte différence provient certainement du fait que le secteur informel regroupe la plus grande partie de la population moins instruite. Le revenu moyen est aussi plus élevé dans le secteur formel (130 042 FCFA) que dans le secteur informel (32 300 FCFA). Pour les autres variables, la différence n'est pas très élevée dans ces deux secteurs.

§ 3.2.2.2 Caractéristiques selon le type d'emploi

§ Les caractéristiques de tendance centrale et de dispersion des précédentes variables, sont plutôt étudiées ici selon le type d'emploi.

§ Tableau 3.2.2 : Caractéristiques des variables : durée des études, âge, expérience professionnelle, expérience professionnelle au carré, ancienneté et revenu selon le type d'emploi.

§ Variables	§ indépendant		§ dépendant
	§ Moyenne	§ écart-type	§ Moyenne	§ écart-type
§ Nombre d'années d'études	§ 5,19	§ 4,20	§ 9,23	§ 4,71
§ Age	§ 42,00	§ 15,33	§ 35,32	§ 11,05
§ Expérience professionnelle	§ 8,70	§ 9,29	§ 5,36	§ 5,67
§ Expérience professionnelle au carrée	§ 162,02	§ 457,66	§ 60,90	§ 166,86
§ Ancienneté	§ 11,08	§ 12,33	§ 4,32	§ 5,56
§ Revenu (en milliers de FCFA)	§ 33,15	§ 48,96	§ 76,87	§ 103,10
§ Nombre d'observations	§ 1 610 397		§ 768 308

§ La durée moyenne des études chez les travailleurs dépendants est presque le double de celui des travailleurs indépendants, cela pourrait résulter du fait que l'une des principales conditions de recrutement des travailleurs dépendants est le niveau d'études. Le revenu moyen est aussi plus élevé chez les travailleurs dépendants (76 870 FCFA) que chez les travailleurs indépendants (32 300 FCFA). L'ancienneté moyenne dans un emploi indépendant est de 11,08 ans. Pour l`emploi dépendant, cette moyenne est de 4,32 ans.

§ 3.2.3 NIVEAU D'INSTRUCTION

§ La variable dépendante de l'étude étant le revenu, nous allons effectuer une description de ce revenu en fonction du niveau d'instruction. La variable niveau d'instruction présente ici cinq modalités : les non scolarisés (i), le niveau primaire (ii), le niveau secondaire premier cycle (iii), le niveau secondaire second cycle (iv) et le niveau supérieur (v).

§ La figure suivante est une répartition du niveau d'instruction selon le secteur d'activité.

§ § § § § § Figure 3.2.2 : Répartition des individus selon le niveau d'instruction dans les secteurs formel et informel (en %)

§ Le niveau d'instruction est un paramètre qui discrimine sur le marché du travail. En effet, un faible niveau d'instruction caractérise davantage les travailleurs du secteur informel. Plus le niveau d'instruction est élevé, plus on trouve des individus dans le secteur formel, au point qu'au supérieur, la plupart des individus se trouve dans ce secteur tandis que pour les non scolarisés, la quasi-totalité se trouve dans le secteur informel. Nous pourrions dire que pour avoir plus de chance de se trouver dans le secteur formel, il faut davantage avoir un niveau d'instruction élevé. La présence dans le secteur informel d'individus ayant un niveau d'instruction élevé pourrait résulter de la structure du marché de l'emploi qui n'arrive pas à absorber toute la main d'oeuvre riche en capital humain disponible.

§ Suite aux analyses de la répartition de la population suivant le niveau d'instruction dans les secteurs formel et informel, nous allons dans ces mêmes secteurs et selon le niveau d'instruction étudier le revenu mensuel moyen. Cette description nous permettra de ressortir les potentielles différences de revenus.

§ § § § § Tableau 3.2.3 : Revenu mensuel moyen selon le niveau d'éducation dans les secteurs formel et informel (en FCFA)

§	§ Niveau d'instruction
§	§ Non scolarisé	§ Primaire	§ Secondaire 1^er cycle	§ Secondaire 2^nd cycle	§ Supérieur
§ Secteur formel	§ 65 338	§ 89 308	§ 123 318	§ 152 479	§ 239 296
§ Secteur informel	§ 31 393	§ 36 793	§ 57 444	§ 87 131	§ 147 209
§ Ratio*	§ 2,08	§ 2,43	§ 2,15	§ 1,75	§ 1,63

§ Les revenus sont croissants avec le niveau d'études. Toutes choses égales par ailleurs, le revenu moyen du secteur formel est plus élevé que celui du secteur informel. D'après l'analyse des ratios et pour un niveau d'études donné, le revenu moyen dans le secteur formel est quasiment le double de celui du secteur informel. Ainsi, le secteur formel présente plus d'avantage en terme de rémunération que le secteur informel. Qu'en est-il lorsque la distinction n'est plus effectuée selon le secteur d'activité, mais plutôt selon le type d'emploi ?

§ Tableau 3.2.4 : Revenu mensuel moyen selon le niveau d'éducation et le type d'emploi (en FCFA)

§ Les emplois dépendants sont plus rémunérateurs que les emplois indépendants pour les individus qui ont au moins le niveau primaire. S'agissant des non scolarisés, la différence de rémunération n'est pas très significative. Le faible niveau de revenu dans les emplois indépendants, comparativement à celui des emplois dépendants, pourrait résulter de la présence d'une forte proportion de travailleurs indépendants (à travers l'auto-emploi) dans le secteur informel. Globalement, les travailleurs ont intérêt à poursuivre les études, car les revenus sont d'autant plus élevés lorsque le niveau d'études est aussi élevé.

§ Il est maintenant question d'effectuer des analyses d'une part du revenu en fonction du niveau d'instruction dans l'ensemble du marché et d'autre part une analyse de la variance pour évaluer le lien entre ces deux variables. La figure ci-dessous est une représentation du revenu moyen en fonction du niveau d'instruction.

§ Figure 3.2.3 : Revenu moyen mensuel selon le niveau d'instruction (en milliers de FCFA)

§ La remarque qui peut être faite est que le revenu augmente avec le niveau d'instruction. Pour un revenu moyen assez faible chez les personnes non scolarisés, on aboutit a un revenu élevé chez les individus du niveau supérieur. Il en résulte une forte présomption de lien entre ces deux variables. Pour le vérifier nous avons effectué une analyse de la variance (confère tableau A1 en annexe).

§ La probabilité critique étant inférieur au seuil (5%), on peut conclure qu'il y a une différence significative de revenu d'activité selon le niveau d'instruction.

§ 3.2.4 CORRÉLATIONS ENTRES LES VARIABLES

§ La matrice de corrélation fait ressortir une forte corrélation (0,70) entre le nombre d'années d'études et l'âge de l'individu. Nous pouvons ainsi dire que le nombre d'années d'études effectué dépend fortement de l'âge de l'individu. Pour ce qui est du nombre d'années d'études et la taille du ménage, la corrélation est assez faible. La liaison entre l'âge et la taille du ménage est aussi faible (0,04).

§ De plus, la corrélation entre le revenu et le nombre d'années d'études est de 0,45. Tandis qu'elle est plutôt négative entre le revenu et respectivement l'expérience professionnelle et l'ancienneté malgré les valeurs relativement faibles. Cela pourrait s'expliquer par le fait que l'expérience professionnelle et/ou l'ancienneté dans l'emploi n'influence pas considérablement la discrimination salariale. Le même constat ressort entre le nombre d'années d'études et respectivement l'expérience professionnelle et l'ancienneté^16(*).

§ Nous avons d'abord présenté dans ce chapitre les données de notre étude. Ensuite, nous avons effectué des analyses descriptives des variables où il ressort globalement une liaison entre le nombre d'années d'études et le revenu, un accroissement du revenu moyen mensuel en fonction du niveau d'instruction et suivant le type d'emploi, le secteur d'activité voire dans l'ensemble du marché. Dans le prochain chapitre, nous utiliserons le modèle de Mincer étendu pour l'analyse économétrique du rendement de l'éducation.

§ § CHAPITRE 4 :

§ § Les analyses du rendement de l'éducation feront la quintessence de ce chapitre. Il s'agira de déterminer le rendement de l'éducation en tenant compte: d'une part du nombre d'années d'études effectuées et d'autre part du niveau d'instruction, déterminant ainsi le rendement de chaque niveau d'études. Il est donc divisé en deux sections, traitant pour la première section du rendement du nombre d'années d'études et pour la seconde section du niveau d'instruction. Ces différentes analyses seront effectuées en tenant compte de la structure du marché, notamment le secteur d'activité et le type d'emploi.

§ SECTION 1 : TAUX DE RENDEMENT DU NOMBRE D'ANNÉES D'ÉTUDES

§ Nous allons d'abord effectuer une étape préliminaire en estimant la fonction d'éducation. Cela nous conduira par la suite à un test d'endogénéité. L'estimation du modèle de gains sera ensuite mise en place.

O 4.1.1 ESTIMATION DE LA FONCTION D'ÉDUCATION

§ Eu égard la présomption d'endogénéité de la variable éducation, nous allons d'abord estimer la fonction d'éducation, qui nous permettra d'effectuer le test d'endogénéité. Ainsi, le tableau ci-dessous est celui de l'estimation de la fonction d'éducation.

§ § § § § § § § Tableau 4.1.1 : Estimation de la fonction d'éducation

§ Variables explicatives	§ Homme	§ Femme	§ Ensemble
§ Constante	§ 2,7347*	§ 3,5062*	§ 3,3070*
	§ § (0,1803)	§ (0,1816)	§ (0,1317)
§ Age	§ 0,3930*	§ 0,3602*	§ 0,3762*
§	§ (0,0051)	§ (0,0053)	§ (0,0037)
§ Religion
§ § § § Catholique	§ 0,4372*	§ 0,1671	§ 0,3113*
	§ § (0,1228)	§ (0,1349)	§ (0,0909)
§ protestant	§ 0,4733*	§ 0,3138**	§ 0,3985*
	§ § (0,1283)	§ (0,1404)	§ (0,0948)
§ Musulman	§ -0,5582*	§ -1,0666*	§ -0,8068*
	§ § (0,1386)	§ (0,1573)	§ (0,1041)
§ Sans religion (référence)	§ -	§ -	§ -
§ Milieu de résidence
§ § § § Rural	§ -0,8666*	§ -0,9846*	§ -1,0309*
	§ § (0,0696)	§ (0,0636)	§ (0,0516)
§ Urbain (référence)	§ -	§ -	§ -
§ Taille du ménage	§ 0,0419*	§ 0,0160	§ 0,0280*
§	§ (0,0108)	§ (0,0118)	§ (0,0080)
§ Nombre de conjoint du CM	§ -0,2034*	§ 0,0200	§ -0,0882**
§	§ (0,0581)	§ (0,0655)	§ (0,0435)
§ Statut migratoire du CM
§ § § § Natif	§ -0,5988*	§ -0,4419*	§ -0,5277*
	§ § (0,0744)	§ (0,0815)	§ (0,0550)
§ Migrant (référence)	§ -	§ -	§ -
§ R²	§ 0,5434	§ 0,5350	§ 0,5378
§ Nombre d'observations	§ 5819	§ 5194	§ 11013

§ Le pouvoir explicatif de notre estimation qui est de 53,78% dans l'ensemble reste acceptable. Les analyses suivantes seront considérées toutes choses égales par ailleurs. Le nombre d'années d'études est fonction de l'âge de l'individu et augmente avec celui-ci, que ce soit pour le sexe masculin, le sexe féminin que pour l'ensemble. Le type de religion pratiquée influence significativement la durée des études. L'influence de la religion est plus grande chez les hommes que chez les femmes.

§ Suivant le milieu de résidence, le milieu rural ne favorise pas la poursuite des études. Cela pourrait résulter du fait que le milieu rural est non seulement plus orienté vers les activités agricoles que vers la poursuite des études mais aussi parce que ce milieu à un problème d'accessibilité à l'information c'est-à-dire les apprenants n'ont pas suffisamment d'informations sur les débouchés des études. De plus, les populations rurales attachent moins d'importance à l'éducation que les populations urbaines à cause du faible niveau de vie en milieu rural. Le coefficient pour les hommes étant plus élevé que celui des femmes, corrobore effectivement le fait qu'en milieu rural, les femmes exercent plus d'activités agricoles que les hommes.

§ Le nombre de conjoints du chef de ménage est corrélé négativement avec la durée des études de l'individu dans le ménage. Cette variable reste non significative pour les femmes.

§ Ces différents résultats nous permettrons d'effectuer l'estimation par les DMC de la fonction de gains, estimation que nous confronterons avec celle obtenue par les MCO.

O 4.1.2 ESTIMATION DE LA FONCTION DES GAINS : TEST D'ENDOGÉNÉITÉ

§ Les résultats des MCO et des DMC sont reportés dans le tableau 4.1.2 ci-contre. Ces résultats vont nous permettre d'effectuer le test d'endogénéité de la composante éducation de notre modèle.

§ § § § § § § § Tableau 4.1.2 : Estimation de la fonction des gains avec les méthodes MCO et DMC

§ Variable dépendante : logarithme du revenu
§ Variables explicatives	§ MCO	§ DMC
§ Constante	§ 9,0746*	§ 8,1265*
	§ § (0,1997)	§ (0,2870)
§ Nombre d'années d'études	§ 0,0851*	§ 0,1256*
	§ § (0,0133)	§ (0,0170)
§ Sexe	§ 0,3656*	§ 0,4916*
	§ § (0,0849)	§ (0,0857)
§ Statut matrimonial	§ -0,1680	§ 0,1818
	§ § (0,1114)	§ (0,1174)
§ Expérience professionnelle	§ 0,0379	§ 0,0141
	§ § (0,0293)	§ (0,0283)
§ Expérience professionnelle au carrée	§ -0,0023	§ -0,0023
	§ § (0,0017)	§ (0,0017)
§ Ancienneté	§ 0,0151	§ -0,0094
	§ § (0,0111)	§ (0,0116)
§ Type d'éducation	§ -0,0986	§ -0,0006
	§ § (0,0878)	§ (0,0884)
§ R²	§ 0,1281	§ 0,1514
§ Nombre d'observations	§ 458	§ 458

§ Admettant l'endogénéité supposée de la variable éducation, on observe que le coefficient est revu à la hausse, passant de 8,51% à 12,56% en restant significatif au seuil de 1%. La méthode des doubles moindres carrés apparaît alors plus robuste, cela se traduit aussi par son pouvoir explicatif qui est plus élevé de 12,81% par les MCO à 15,14% par les DMC. En dehors de la constante et de la variable sexe, les autres coefficients ont dans l'ensemble augmenté. Mais, elles restent non significatives au seuil de 10%. A ce niveau, une discrimination ressort puisque l'élasticité du revenu est plus élevée lorsqu'on est de sexe masculin.

§ La statistique utilisée pour effectuer le test d'endogénéité est celle de Hausman dont le principe est présenté dans la section 2 du chapitre 1. Cette statistique vaut ici :

§ La statistique de Hausman ainsi obtenue est largement supérieure à la statistique théorique au seuil de 1%, on rejette alors l'hypothèse nulle H₀ d'exogénéité pour conclure à une endogénéité de la variable éducation. Il ressort de ce test que la non prise en compte de l'endogénéité a pour effet de sous-estimer l'impact de l'éducation. Cette conclusion est en phase avec les résultats de Nordman (2002) dans les cas tunisien et marocain.

§ Ainsi, plusieurs autres facteurs ont certainement influencés la variable éducation. Par conséquent, il importe dans les estimations de tenir compte de ces facteurs. Parmi ces facteurs, nous avons : l'âge, la religion, le milieu de résidence, le statut migratoire.

O 4.1.3 PERTINENCE D'UNE SEGMENTATION DU MARCHÉ : TEST DE GREGORY CHOW

§ L'intérêt d'effectuer un test de Chow est de s'assurer si en distinguant le secteur formel du secteur informel dans l'analyse du rendement de l'éducation, on obtient des résultats significativement différents. Dans le cas contraire, il n'y aura plus d'intérêt à segmenter le marché du travail dans l'analyse de ce rendement.

§ Par conséquent l'hypothèse H₀ d'une structure homogène du marché du travail doit être rejetée. Ce résultat nous conduit à une estimation de la fonction de gains en tenant compte d'une segmentation du marché.

O 4.1.4 ESTIMATION DE LA FONCTION DES GAINS DANS LES SECTEURS FORMEL ET INFORMEL

§ La pertinence d'une segmentation du marché en secteurs formel et informel étant vérifiée, nous pouvons estimer la fonction de gains dans ces deux secteurs et effectuer des analyses comparatives. Toutefois, la détermination du rendement éducatif dans l'ensemble du marché sera aussi mise en exergue, permettant aussi de caractériser l'apport du système éducatif dans tout le secteur productif.

§ Tableau 4.1.3 : Estimation de la fonction des gains dans les secteurs formel et informel

§ Variable dépendante : logarithme du revenu
§ Variables explicatives	§ Ln du revenu dans le secteur informel	§ Ln du revenu dans le secteur formel	§ Ensemble
§ Constante	§ 8,1946*	§ 10,0853*	§ 8,1265*
§	§ (0,3054)	§ (0,5990)	§ (0,2870)
§ Nombre d'années d'études	§ 0,1045*	§ 0,0581***	§ 0,1256*
	§ § (0,0186)	§ (0,0335)	§ (0,0170)
§ Sexe	§	§	§
§ Masculin	§ 0,4907*	§ 0,1312	§ 0,4916*
	§ § (0,0912)	§ (0,1638)	§ (0,0857)
§ Féminin (référence)	§ -	§ -	§ -
§ Statut matrimonial	§	§	§
§ Marié	§ 0,2019***	§ 0,0249	§ 0,1818
	§ § (0,1224)	§ (0,2717)	§ 0,1174)
§ Non marié (référence)	§ -	§ -	§ -
§ Expérience professionnelle	§ 0,0547***	§ -0,0789	§ 0,0141
§	§ (0,0299)	§ (0,0561)	§ (0,0284)
§ Expérience professionnelle au carrée	§ -0,0044**	§ 0,0039	§ -0,0023
§	§ (0,0018)	§ (0,0031)	§ (0,0017)
§ Ancienneté	§ -0,0175	§ 0,0493***	§ -0,0094
	§ § (0,0122)	§ (0,0261)	§ (0,0116)
§ Type d'éducation	§	§	§
§ Public	§ -0,0268	§ -0,1718	§ -0,0006
	§ § (0,0932)	§ (0,1742)	§ (0,0885)
§ Privé (référence)	§ -	§ -	§ -
§ R²	§ 0,1260	§ 0,2721	§ 0,1514
§ Nombre d'observations	§ 388	§ 70	§ 458

§ *coefficient significatif au seuil de 1%, ** au seuil de 5%, *** au seuil de 10%.

§ Les analyses qui suivent seront considérées toutes choses égales par ailleurs. Au seuil de significativité de 10%, nous obtenons un taux de croissance du revenu de 10,45% dans le secteur informel, près du double de celui du secteur formel qui est 5,81%). À Antananarivo, Arestoff Florence (1997) a trouvé un taux de rendement de 7% dans le secteur informel et qui n'était pas significatif dans le secteur formel et dont le taux était 3%. Ainsi, une année d'études supplémentaire assure donc à un travailleur une augmentation de son revenu mensuel de 10,45% dans le secteur informel et de 5,81% dans le secteur formel. Dans l'ensemble du marché, ce taux de rendement est de 12,56%.

§ Néanmoins, la non significativité du niveau d'éducation dans le secteur formel au seuil de 1% voire 5% peut résulter de l'existence d'un stock de travailleurs qualifiés excédentaires par rapport aux opportunités d'emplois qualifiés disponibles, pour l'analyser, il faut aller à un seuil de 10%. De plus l'ancienneté est corrélée avec le revenu dans le secteur formel, dont le taux de croissance du revenu est de 4,93% pour une année supplémentaire d'ancienneté. L'expérience professionnelle reste ici non significative.

§ Dans le secteur informel, le statut matrimonial d'un travailleur exerce un effet positif sur le salaire. Il en est de même de l'expérience professionnelle dans ce même secteur d'activité qui a une contribution sur le revenu de l'ordre de 5,47%. En ce qui concerne l'expérience professionnelle au carrée, destinée à affiner l'influence de l'expérience professionnelle, le faible coefficient (-0,0044) provient de la croissance rapide de cette variable et ne doit donc pas être négligé. Le signe négatif de cette variable n'est pas de nature à démotiver les vieux travailleurs ou leurs difficultés à assimiler les nouvelles technologies car ce signe négatif pourrait se justifier de la manière suivante : en supposant les variables autres que l'expérience professionnelle et son carrée fixées, le logarithme du revenu est une fonction du second degré de l'expérience. Le coefficient négatif de l'expérience au carré, conduit à une parabole à concavité dirigée vers le bas, en se situant sur la partie montante de la parabole, la croissance est de plus en plus lente : il s'agit d'un phénomène classique de rendement décroissant, plus précisément de l'expérience professionnelle sur le logarithme du revenu.

§ La prise en compte du type d'éducation dans la fonction de gains, provenant du fait que les investissements en formation dans les établissements privés sont plus élevés que ceux des établissements publics, permet de voir son influence sur le niveau de salaire et savoir s'il est judicieux pour un individu de privilégier l'un ou l'autre type d'éducation. D'après les estimations, cette variable n'est pas significative même au seuil de 10%. La structure du marché du travail ne prend donc pas en compte le type d'éducation reçu résultant certainement de la présence sur ce marché d'une forte population instruite à la recherche d'insertion.

§ Les coefficients de détermination sont de 12,60% dans le secteur informel, de 27,21% dans le secteur formel et de 15,14% dans l'ensemble. Ces coefficients, représentant la variabilité du revenu qui est expliqué par le modèle, ne sont significativement pas différents de ceux trouvés par Arestoff qui a obtenu dans le cas Malgache des coefficients de détermination de 9,20% et 22,10% respectivement dans les secteurs informel et formel.

§ SECTION 2 : TAUX DE RENDEMENT DES NIVEAUX D'ÉDUCATION

§ La variable niveau d'instruction a été dichotomisée en quatre sous-variables, la référence étant les individus sans niveau d'instruction :

§ L'analyse du rendement éducatif en fonction du niveau d'instruction permet de voir l'incidence de chaque niveau sur les gains. Pour ce faire, nous allons déterminer le rendement éducatif en fonction du niveau d'instruction : premièrement dans les secteurs formel et informel, deuxièmement avec prise en compte du type d'emploi (dépendant ou indépendant) et enfin dans l'ensemble du marché. La référence ici est un individu sans niveau d'instruction.

O 4.2.1 RENDEMENT DES NIVEAUX D'ÉDUCATION DANS LES SECTEURS FORMEL ET INFORMEL

§ Dans les analyses précédentes, les rendements ont été évalués suivant le nombre d'années d'études dans les secteurs formel et informel. Ici, la prise en compte du niveau d'études aboutit aussi à des analyses comparatives dans ces deux secteurs. La figure suivante est une représentation du taux de rendement (en pourcentage) des niveaux d'éducation dans les secteurs formel et informel.

§ § § Figure 4.2.1 : Taux de rendement des niveaux d'éducation dans les secteurs formel et informel (en %)

§ Nous aboutissons à des taux de rendement qui sont croissants avec le niveau d'éducation reçu.

§ Dans le secteur formel, ce taux n'est pas significatif pour le niveau primaire, les individus sans niveau et ceux de niveau primaire n'ont pas de différence significative de revenu. Le revenu d'un individu du secondaire premier cycle est 46,49% plus élevé que celui sans niveau. Il en est de même pour les individus de niveau secondaire second cycle et supérieur dont les revenus sont respectivement 75,72% et 129,43% plus élevé que ceux sans niveau.

§ Dans le secteur informel, ces taux de croissance du revenu sont de 24% ; 54,38% ; 85,81% et 129,96% respectivement pour les niveaux : primaire, secondaire premier cycle, secondaire second cycle et supérieur. Du niveau secondaire premier cycle au niveau secondaire second cycle, les rendements sont plus élevés dans l'informel que dans le formel. Ces résultats pourraient résulter du fait que le secteur informel absorbe une grande partie de la population moins instruite.

§ Dans le supérieur, on retrouve relativement les mêmes, Nous pouvons dire que le rendement du niveau supérieur ne tient pas véritablement compte d'une segmentation du marché. Néanmoins, nous partons des rendements pas très élevés dans le secteur formel à un fort rendement au niveau d'études supérieur.

§ Ainsi, l'investissement en capital humain est valorisé selon le secteur d'activité du travailleur et les revenus des individus de niveau supérieur sont plus du double de ceux sans niveau.

§ Nous avons constaté que l'économie camerounaise permet facilement de dégager une dichotomie formel/informel, nous pouvons aussi distinguer l'emploi dépendant de l'emploi indépendant. Nous allons pour ce faire nous intéresser à ce dernier clivage emploi salarié/emploi indépendant afin d'effectuer une analyse comparative du rendement de l'éducation.

O 4.2.2 RENDEMENT DES NIVEAUX D'ÉDUCATION SELON LE TYPE D'EMPLOI

§ Sur le marché du travail, les travailleurs se distinguent aussi selon le type d'emploi exercé, notamment les emplois indépendants et les emplois dépendants ; les dépendants étant pour la plupart les salariés. Cette distinction entre salariés et indépendants provient généralement des caractéristiques personnels d'un individu comme ses capacités d'entreprendre, son désir d'indépendance et/ou son environnement familial. Les statistiques descriptives nous montrent qu'il existe des différences considérables de revenu entre les travailleurs dépendants et les travailleurs indépendants. Nous voulons ainsi savoir si le niveau d'éducation influence les gains selon qu'on est travailleur dépendant ou indépendant. La figure suivante est une représentation du taux de rendement (en pourcentage) des niveaux d'éducation selon le type d'emploi.

§ Figure 4.2.2 : Taux de rendement des niveaux d'éducation suivant le type d'emploi (en %)

§ Dans les emplois dépendants, le revenu d'un individu de niveau primaire est 51,35% plus élevé que celui d'un individu sans niveau. Le même constat apparaît pour les emplois indépendants mais à un taux de croissance du revenu plus faible (20,53%). Les individus de niveau secondaire premier cycle et occupant des emplois dépendants (respectivement des emplois indépendants) ont un revenu 88,05% (respectivement 52,24%) plus élevé que ceux sans niveau. De manière analogue, nous obtenons dans les emplois dépendants (respectivement des emplois indépendants) un taux de 126,18% (respectivement 91,19%) pour le niveau secondaire second cycle par rapport au sans niveau et un taux de 187,52% (respectivement 163,45%) pour le niveau supérieur par rapport au sans niveau.

§ Le capital humain est plus valorisé dans les emplois dépendants que dans les emplois indépendants, cela pourrait s'expliquer par le fait que le niveau d'instruction est l'une des conditions importante de recrutement des travailleurs dépendant. Les travailleurs indépendants sont dans l'auto-emploi et ont besoin de s'instruire pour développer l'esprit de créativité voire d'innovation. Dans les deux types d'emplois, le revenu croit avec le niveau d'études.

O 4.2.3 RENDEMENT DES NIVEAUX D'ÉDUCATION SUR L'ENSEMBLE DU MARCHÉ

§ La figure ci-dessous permet d'analyser le rendement des niveaux d'éducation (en pourcentage) dans l'ensemble du marché.

§ Le revenu d'un individu de niveau primaire est 31,19% plus élevé que celui d'un individu sans niveau. Pour celui qui est de niveau secondaire premier cycle, le revenu est 71,03% plus élevé que celui sans niveau. De manière analogue, on obtient des taux de rendement de 121,70% et 198,01 respectivement dans les niveaux secondaire second cycle et supérieur par rapport aux individus sans niveau.

§ Dans l'ensemble, le niveau d'études est corrélé avec le revenu et les taux de rendement obtenus sont croissants. Ainsi, le revenu d'un individu qui est au moins de niveau secondaire second cycle est plus du double de celui sans niveau d'instruction.

§ § § § CONCLUSION

§ § La présente étude portant sur le rendement de l'éducation sur le marché du travail avait pour objectif non seulement de mettre en évidence le rôle du capital humain (niveau d'instruction, expérience professionnelle...) sur le revenu d'emploi du travailleur mais aussi de déceler selon le secteur d'activité et le type d'emploi, ceux qui valorisent le mieux le capital humain, à travers le rendement éducatif.

§ L'estimation des gains fait ressortir que deux individus ayant le même profil socio-économique et éducatif perçoivent des rémunérations significativement différentes en fonction de leur secteur d'activité. Dans le secteur informel, une année d'études supplémentaire génère un accroissement du revenu de 10,45%, tandis que dans le secteur formel, ce taux est de 5,81%. Le fait d'avoir dans le secteur informel des salaires bruts, (les dépenses de santé, de logement et bien d'autres ne sont pas encore déduites du salaire) pourraient expliquer le taux de rendement élevé dans ce secteur par rapport à l'autre secteur. Dans l'ensemble du marché, une année d'études supplémentaire générerait donc un accroissement du revenu de 12,56 %.

§ Les revenus dans l'emploi croissent dans l'ensemble avec le niveau d'études. Les revenus des travailleurs, ayant au moins le niveau secondaire second cycle, sont plus du double des revenus des travailleurs non scolarisés. Le taux de rendement est de 121,70% et 198,01% respectivement pour les niveaux secondaire second cycle et supérieur par rapport aux travailleurs sans niveau. Les emplois dépendants ont un rendement plus élevé que les emplois indépendants. Un taux élevé dans les emplois dépendants par rapport aux emplois indépendants pourrait résulter du fait que les travailleurs dépendants sont des salariés dont l'une des conditions primordiales de recrutement c'est le niveau d'études atteint.

§ Ainsi, une année d'études supplémentaire assure un gain conséquent dans l'emploi. Le développement de l'éducation est donc un facteur de croissance des revenus et par conséquent de croissance économique.

§ Néanmoins, comme limites dans l'estimation des fonctions des gains, c'est la possession des données en coupe instantanée. Il serait aussi intéressant de le faire sur une longue période et ressortir l'évolution. Aussi la structure du marché varie d'une génération à une autre, le pouvoir d'achat n'est pas le même, la théorie du capital humain à elle seule ne permet pas d'appréhender tous les rouages liés au salaire.

§ Ces résultats appellent plusieurs axes d'actions dont nous soulignons ici ceux qui nous paraissent les plus importants :

ü adapter les systèmes d'éducation et de formation aux nouveaux besoins en matière de compétences (ii) ;

ü une politique de restructuration du secteur informel est nécessaire en formalisant certaines activités informels, à travers le FNE, le PIAASI (iii).

§ (i) Accroître et améliorer l'investissement dans le capital humain au moyen des actions suivantes:

§ mettre en oeuvre des politiques et des actions en matière d'éducation et de formation destinées à faciliter significativement l'accès à l'enseignement secondaire et à l'enseignement supérieur, y compris aux apprentissages et à la formation entrepreneuriale ;

§ réduire significativement le nombre d'élèves quittant l'école prématurément c'est-à-dire réduire les taux d'abandons scolaires du niveau primaire ;

§ établir des stratégies efficaces d'apprentissage offertes à tous, dans le cadre des écoles, des entreprises, des administrations publiques, en vue d'augmenter la participation à la formation continue et en entreprise, en particulier pour les travailleurs peu qualifiés. Cela pourra aussi se faire à travers la multiplication des stages, des séminaires de formation et des séances de recyclage puisque la productivité des entreprises est tributaire de la constitution et du maintien d'une main-d'oeuvre capable de s'adapter au changement ;

§ les technologies de l'information et de la communication peuvent également être utilisées pour améliorer l'apprentissage et mieux l'adapter aux besoins des employeurs et des travailleurs.

§ (ii) Adapter les systèmes d'éducation et de formation aux nouveaux besoins en matière de compétences au moyen des actions suivantes:

§ renforcer et garantir le niveau de qualité du système d'éducation et de formation, élargir l'offre de possibilités d'éducation et de formation, garantir des filières d'apprentissage souples et accroître les possibilités de mobilité pour les étudiants et les personnes en formation ;

§ faciliter et diversifier l'accès pour tous à l'éducation et à la formation, ce moyen va en droite ligne avec les objectifs du millénaire pour le développement dans l'éducation ;

§ répondre aux besoins nouveaux sur le plan professionnel et sur le plan des compétences essentielles ainsi qu'aux besoins futurs en termes de qualifications en améliorant le contenu des enseignements en fonction des désidératas des entreprises et des objectifs à atteindre à long termes.

§ (iii) Une politique de restructuration du secteur informel est nécessaire à travers le financement des projets de création d'entreprises. Il s'agit aussi d'assurer un marché du travail qui valorise la formalisation des micro-entreprises non-formelles. Emettre de grands projets de recrutement des personnes instruites qui se trouvent dans l'informel ou les aider par le financement des projets de développement rentables.

§ Ainsi, pour une meilleure rémunération dans l'emploi et une augmentation des niveaux de productivité, l'État doit investir davantage et plus efficacement dans le capital humain, notamment dans l'éducation et la formation, ce qui sera bénéfique pour les citoyens, les entreprises, l'économie et la société.

§ § § § BIBLIOGRAPHIE

§ § § A. ABANDA, Statistiques de l'éducation, INS, Yaoundé, Octobre 2006 ;

§ A. ICHINO et R. WINTER-EBMER (1999), Lower and Upper Bounds of Returns to Schooling : An Exercise in IV Estimation with Different Instruments, European Economic Review, Vol.43, pp.870-901.

§ Cadre des Dépenses à Moyen Terme (CDMT) du Ministère de l'Éducation de Base (MINEDUB), juillet 2006, 54p.

§ C. BELZIL et J. HANSEN (2002), Unobserved Ability and the Return to Schooling, Econometrica, pp. 575-591.

§ C. KANA, Impact du capital humain et du capital social sur les travailleurs indépendants au Cameroun, mémoire-ISE, décembre 2006, 75p.

§ D. GUJARATI (2004), Économétrie, De Boeck Université, quatrième édition, 1009p.

§ D. BOOTHBY et T. DREWES (2006), Post-Secondary Education in Canada: Returns to University, College and Trades Education, Analyse de politiques à venir.

§ E. SIMO FOSSO, Formation et insertion professionnelle des jeunes camerounais : cas de la ville de Yaoundé, mémoire-IAS, juin 2007, 80p.

§ E. MANGA, Éducation et salaire au Cameroun : quelle relation ?, 34p.

§ F. ARESTOFF (2001), Taux de rendement de l'éducation sur le marché du travail d'un pays en développement, un réexamen du modèle de gains de Mincer, DIAL, Université Paris IX-Dauphine, 35p.

§ F. NDEKOUONG, Approche multi-niveaux de mesure des inégalités de genre sur le marché du travail, mémoire-IAS, juin 2007.

§ F. VAILLANCOURT (1995), The Private and Total Returns to Education in Canada, 1985, Revue canadienne d'économique, vol. 28, no 3, pp. 532-554.

§ G. BECKER (1993), Human capital: A theorical and empirical analysis with difference to education, the Chicago University Press, third edition, Chicago.

§ G. SAPORTA (1990), probabilités, analyse des données et statistique, éditions Technip, Paris, 493p.

§ INS, enquête sur le suivi des dépenses publiques et la satisfaction des bénéficiaires dans les secteurs de l'éducation et de la sante, phase II : volet éducation, rapport principal, juillet 2005, 124 pages.

§ INS, Cameroun, Enquête sur l'emploi et le secteur informel, décembre 2005.

§ J. JOHNSTON et John DINARDO (1999), méthodes économétriques, économica, quatrième édition, 383p.

§ Loi N° 2006/013 du 29 décembre 2006 portant loi de finances de la République du Cameroun pour l'exercice 2007.

§ P. CAHUC et A. ZYLBERBERG (1996), Économie du travail : la formation des salaires et les déterminants du chômage, De Boeck Université & Lancier, première édition, 608p.

§ R. LONTCHI et al. (2005), Caractéristiques et déterminants de l'emploi des jeunes au Cameroun, cahier de la stratégie de l'emploi,Yaoundé, 91 p.

§ S. HANCHANE et Stéphanie MOULLET (1999), Accumulation du capital humain et relation Éducation-Salaire, revue économique, CEREQ-GREQAM, 48p.

§ T. ALBAN (2000), Économétrie des variables qualitatives, Dunod, Paris, première édition, 179p.

§ UNESCO, Classification internationale type de l'éducation, UIS/TD/06-01, réédition Mai 2006, 28p.

§ UNESCO (1983), Éducation productif en Afrique, Dakar-décembre, NAIDA-BREDA.

§ http://www.google.com/search?hl=fr&q=rendement+de+l%27%C3%A9ducation+et+march%C3%A9+du+travail&lr=

§ § § § § § § § § § § § § § § § § § § ANNEXES

§ § AGE	§ : Age de l'individu
§ AGE2	§ : Age de l'individu au carré
§ ANC	§ : Ancienneté dans l'emploi actuellement occupé
§ CATHOLIQUE	§ : Religion catholique
§ C	§ : Constante de l'estimation du modèle
§ EXPER	§ : Expérience professionnelle
§ EXPER2	§ : Expérience professionnelle au carré
§ LNREVENU	§ : Logarithme du revenu
§ MILRESID	§ : Milieu de résidence
§ MUSULMAN	§ : Religion musulmane
§ NBCONJCM	§ : Nombre de conjoints du chef de ménage
§ NETUDESTI	§ : Nombre d'année d'études estimées
§ PRI	§ : Niveau d'études primaire
§ PROTESTANT	§ : Religion protestante
§ SPC	§ : Niveau d'études secondaire premier cycle
§ SSC	§ : Niveau d'études secondaire second cycle
§ STATMATRIM	§ : Statut matrimonial
§ STATMIGCM	§ : Statut migratoire
§ SUP	§ : Niveau d'études supérieur
§ TAILMENG	§ : Taille du ménage
§ TYPEDUC	§ : Type d'éducation reçu

§ § § Tableau A1 : Analyse de la variance du revenu en fonction du niveau d'instruction

§ § Tableau A2 : Matrice de corrélations entre le nombre d'années d'études, l'âge de l'individu et la taille du ménage.

§ Tableau A3 : Matrice de corrélations entre le revenu, le nombre d'années d'études, l'expérience professionnelle et l'ancienneté.

§ § § § § § Tableau A4 : Estimation de la fonction d'éducation suivant le sexe masculin

§ Dependent Variable: ANETUDE
§ Method: Least Squares
§ Date: 03/21/08 Time: 06:12
§ Sample: 1 5819
§ Included observations: 5819
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 2.734681	§ 0.180340	§ 15.16401	§ 0.0000
§ AGE	§ 0.392991	§ 0.005146	§ 76.36186	§ 0.0000
§ NBCONJCM	§ -0.203441	§ 0.058100	§ -3.501583	§ 0.0005
§ CATHOLIQUE	§ 0.437243	§ 0.122784	§ 3.561068	§ 0.0004
§ PROTESTANT	§ 0.473332	§ 0.128268	§ 3.690176	§ 0.0002
§ MUSULMAN	§ -0.558212	§ 0.138634	§ -4.026524	§ 0.0001
§ MILRESID	§ -0.866616	§ 0.069648	§ -12.44286	§ 0.0000
§ TAILMENG	§ 0.041949	§ 0.010845	§ 3.868191	§ 0.0001
§ STATMIGCM	§ -0.598770	§ 0.074374	§ -8.050786	§ 0.0000
§ R-squared	§ 0.543401	§ Mean dependent var		§ 7.169617
§ Adjusted R-squared	§ 0.542772	§ S.D. dependent var		§ 3.780902
§ S.E. of regression	§ 2.556595	§ Akaike info criterion		§ 4.716775
§ Sum squared resid	§ 37975.19	§ Schwarz criterion		§ 4.727089
§ Log likelihood	§ -13714.46	§ F-statistic		§ 864.3125
§ Durbin-Watson stat	§ 1.552999	§ Prob(F-statistic)		§ 0.000000

§ § § Tableau A5 : Estimation de la fonction d'éducation suivant le sexe feminin

§ Dependent Variable: ANETUDE
§ Method: Least Squares
§ Date: 03/21/08 Time: 06:42
§ Sample: 1 5194
§ Included observations: 5194
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 3.506168	§ 0.181603	§ 19.30681	§ 0.0000
§ AGE	§ 0.360192	§ 0.005284	§ 68.16597	§ 0.0000
§ NBCONJCM	§ 0.019973	§ 0.065540	§ 0.304749	§ 0.7606
§ CATHOLIQUE	§ 0.167138	§ 0.134904	§ 1.238944	§ 0.2154
§ PROTESTANT	§ 0.313813	§ 0.140366	§ 2.235672	§ 0.0254
§ MUSULMAN	§ -1.066624	§ 0.157251	§ -6.782937	§ 0.0000
§ MILRESID	§ -0.984616	§ 0.063550	§ -15.49348	§ 0.0000
§ TAILMENG	§ 0.016027	§ 0.011789	§ 1.359480	§ 0.1741
§ STATMIGCM	§ -0.441856	§ 0.081515	§ -5.420556	§ 0.0000
§ R-squared	§ 0.535010	§ Mean dependent var		§ 7.305545
§ Adjusted R-squared	§ 0.534293	§ S.D. dependent var		§ 3.825988
§ S.E. of regression	§ 2.610959	§ Akaike info criterion		§ 4.759044
§ Sum squared resid	§ 35346.71	§ Schwarz criterion		§ 4.770403
§ Log likelihood	§ -12350.24	§ F-statistic		§ 745.7229
§ Durbin-Watson stat	§ 1.557862	§ Prob(F-statistic)		§ 0.000000

§ Dependent Variable: ANETUDE
§ Method: Least Squares
§ Date: 02/22/08 Time: 11:42
§ Sample: 1 11013
§ Included observations: 11013
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 3.307001	§ 0.131662	§ 25.11730	§ 0.0000
§ AGE	§ 0.376161	§ 0.003681	§ 102.1800	§ 0.0000
§ NBCONJCM	§ -0.088226	§ 0.043481	§ -2.029049	§ 0.0425
§ CATHOLIQUE	§ 0.311250	§ 0.090880	§ 3.424858	§ 0.0006
§ PROTESTANT	§ 0.398521	§ 0.094784	§ 4.204506	§ 0.0000
§ MUSULMAN	§ -0.806791	§ 0.104113	§ -7.749200	§ 0.0000
§ MILRESID	§ -1.030943	§ 0.051551	§ -19.99855	§ 0.0000
§ TAILMENG	§ 0.028013	§ 0.007990	§ 3.506153	§ 0.0005
§ STATMIGCM	§ -0.527709	§ 0.054990	§ -9.596379	§ 0.0000
§ R-squared	§ 0.537899	§ Mean dependent var		§ 7.233724
§ Adjusted R-squared	§ 0.537563	§ S.D. dependent var		§ 3.802665
§ S.E. of regression	§ 2.585916	§ Akaike info criterion		§ 4.738854
§ Sum squared resid	§ 73583.34	§ Schwarz criterion		§ 4.744825
§ Log likelihood	§ -26085.50	§ F-statistic		§ 1601.120
§ Durbin-Watson stat	§ 1.368338	§ Prob(F-statistic)		§ 0.000000

§ § § § § § § § § § § § § § § § § § § § § § Tableau A7 : Estimation de la fonction de gains par les MCO

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 02/27/08 Time: 19:47
§ Sample: 1 458
§ Included observations: 458
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 9.074620	§ 0.199679	§ 45.44613	§ 0.0000
§ NETUDESTI	§ 0.085143	§ 0.013286	§ 6.408301	§ 0.0000
§ SEXE	§ 0.365596	§ 0.084912	§ 4.305577	§ 0.0000
§ STATMATRIM	§ -0.167957	§ 0.111412	§ -1.507529	§ 0.1324
§ EXPER	§ 0.037909	§ 0.029270	§ 1.295127	§ 0.1959
§ EXPRER2	§ -0.002345	§ 0.001742	§ -1.346172	§ 0.1789
§ ANC	§ 0.015142	§ 0.011097	§ 1.364467	§ 0.1731
§ TYPEDUC	§ -0.098571	§ 0.087774	§ -1.123013	§ 0.2620
§ R-squared	§ 0.128129	§ Mean dependent var		§ 10.03969
§ Adjusted R-squared	§ 0.114567	§ S.D. dependent var		§ 0.921164
§ S.E. of regression	§ 0.866792	§ Akaike info criterion		§ 2.569279
§ Sum squared resid	§ 338.0981	§ Schwarz criterion		§ 2.641364
§ Log likelihood	§ -580.3648	§ F-statistic		§ 9.447338
§ Durbin-Watson stat	§ 1.895379	§ Prob(F-statistic)		§ 0.000000

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 02/23/08 Time: 11:58
§ Sample: 1 458
§ Included observations: 458
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 8.126517	§ 0.287037	§ 28.31172	§ 0.0000
§ NETUDESTI	§ 0.125604	§ 0.017008	§ 7.384876	§ 0.0000
§ SEXE	§ 0.491577	§ 0.085729	§ 5.734051	§ 0.0000
§ STATMATRIM	§ 0.181827	§ 0.117437	§ 1.548302	§ 0.1223
§ EXPER	§ 0.014085	§ 0.028357	§ 0.496703	§ 0.6196
§ EXPRER2	§ -0.002311	§ 0.001714	§ -1.348420	§ 0.1782
§ ANC	§ -0.009401	§ 0.011588	§ -0.811293	§ 0.4176
§ TYPEDUC	§ -0.000613	§ 0.088480	§ -0.006928	§ 0.9945
§ R-squared	§ 0.151406	§ Mean dependent var		§ 10.03969
§ Adjusted R-squared	§ 0.138206	§ S.D. dependent var		§ 0.921164
§ S.E. of regression	§ 0.855143	§ Akaike info criterion		§ 2.542218
§ Sum squared resid	§ 329.0716	§ Schwarz criterion		§ 2.614303
§ Log likelihood	§ -574.1679	§ F-statistic		§ 11.46985
§ Durbin-Watson stat	§ 1.639674	§ Prob(F-statistic)		§ 0.000000

§ Tableau A10 : Estimation de la fonction de gains dans le secteur informel

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 02/22/08 Time: 23:43
§ Sample: 1 388
§ Included observations: 388
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 8.194635	§ 0.305369	§ 26.83518	§ 0.0000
§ NETUDESTI	§ 0.104518	§ 0.018562	§ 5.630659	§ 0.0000
§ SEXE	§ 0.490743	§ 0.091234	§ 5.378967	§ 0.0000
§ STATMATRIM	§ 0.201946	§ 0.122377	§ 1.650200	§ 0.0997
§ EXPER	§ 0.054677	§ 0.029946	§ 1.825853	§ 0.0687
§ EXPRER2	§ -0.004378	§ 0.001830	§ -2.392896	§ 0.0172
§ ANC	§ -0.017504	§ 0.012202	§ -1.434556	§ 0.1522
§ TYPEDUC	§ -0.026839	§ 0.093156	§ -0.288107	§ 0.7734
§ R-squared	§ 0.126038	§ Mean dependent var		§ 9.892423
§ Adjusted R-squared	§ 0.109939	§ S.D. dependent var		§ 0.879524
§ S.E. of regression	§ 0.829770	§ Akaike info criterion		§ 2.485066
§ Sum squared resid	§ 261.6368	§ Schwarz criterion		§ 2.566736
§ Log likelihood	§ -474.1028	§ F-statistic		§ 7.828810
§ Durbin-Watson stat	§ 1.882490	§ Prob(F-statistic)		§ 0.000000

§ Tableau A11 : Estimation de la fonction de gains dans le secteur formel

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 02/22/08 Time: 23:41
§ Sample: 1 70
§ Included observations: 70
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 10.08527	§ 0.599008	§ 16.83663	§ 0.0000
§ NETUDESTI	§ 0.058066	§ 0.033451	§ 1.735873	§ 0.0876
§ SEXE	§ 0.131159	§ 0.163757	§ 0.800939	§ 0.4262
§ STATMATRIM	§ 0.024901	§ 0.271670	§ 0.091661	§ 0.9273
§ EXPER	§ -0.078856	§ 0.056074	§ -1.406299	§ 0.1646
§ EXPRER2	§ 0.003914	§ 0.003123	§ 1.253029	§ 0.2149
§ ANC	§ 0.049309	§ 0.026105	§ 1.888899	§ 0.0636
§ TYPEDUC	§ -0.171799	§ 0.174242	§ -0.985977	§ 0.3280
§ R-squared	§ 0.272071	§ Mean dependent var		§ 10.85600
§ Adjusted R-squared	§ 0.189885	§ S.D. dependent var		§ 0.695281
§ S.E. of regression	§ 0.625797	§ Akaike info criterion		§ 2.007630
§ Sum squared resid	§ 24.28058	§ Schwarz criterion		§ 2.264601
§ Log likelihood	§ -62.26705	§ F-statistic		§ 3.310443
§ Durbin-Watson stat	§ 1.476065	§ Prob(F-statistic)		§ 0.004672

§ § § § Tableau A12 : Rendement des niveaux d'éducation dans l'ensemble du marché

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 03/20/08 Time: 19:03
§ Sample: 1 6894
§ Included observations: 6894
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 7.875408	§ 0.093828	§ 83.93437	§ 0.0000
§ AGE	§ 0.088975	§ 0.004624	§ 19.24123	§ 0.0000
§ AGE2	§ -0.000927	§ 5.25E-05	§ -17.65869	§ 0.0000
§ EXPER	§ -0.012881	§ 0.003212	§ -4.010586	§ 0.0001
§ EXPER2	§ 0.000124	§ 6.67E-05	§ 1.861980	§ 0.0626
§ ANCI	§ -0.006339	§ 0.001642	§ -3.861008	§ 0.0001
§ STATMATRI	§ 0.159560	§ 0.024264	§ 6.575896	§ 0.0000
§ PRI	§ 0.311878	§ 0.036395	§ 8.569305	§ 0.0000
§ SPC	§ 0.710282	§ 0.040055	§ 17.73254	§ 0.0000
§ SSC	§ 1.216964	§ 0.045243	§ 26.89813	§ 0.0000
§ SUP	§ 1.980148	§ 0.054286	§ 36.47608	§ 0.0000
§ R-squared	§ 0.320566	§ Mean dependent var		§ 10.35329
§ Adjusted R-squared	§ 0.319579	§ S.D. dependent var		§ 1.141999
§ S.E. of regression	§ 0.942008	§ Akaike info criterion		§ 2.719988
§ Sum squared resid	§ 6107.830	§ Schwarz criterion		§ 2.730900
§ Log likelihood	§ -9364.800	§ F-statistic		§ 324.7487
§ Durbin-Watson stat	§ 1.667254	§ Prob(F-statistic)		§ 0.000000

§ Tableau A13 : Rendement des niveaux d'éducation dans le secteur formel

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 03/20/08 Time: 18:58
§ Sample: 1 1463
§ Included observations: 1463
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 8.141769	§ 0.271398	§ 29.99934	§ 0.0000
§ AGE	§ 0.103391	§ 0.012491	§ 8.277275	§ 0.0000
§ AGE2	§ -0.000984	§ 0.000151	§ -6.533438	§ 0.0000
§ EXPER	§ -0.000945	§ 0.004927	§ -0.191716	§ 0.8480
§ EXPER2	§ 3.07E-05	§ 7.99E-05	§ 0.383920	§ 0.7011
§ ANCI	§ 0.010543	§ 0.003688	§ 2.858851	§ 0.0043
§ STATMATRI	§ 0.157929	§ 0.040591	§ 3.890756	§ 0.0001
§ PRI	§ 0.182894	§ 0.136302	§ 1.341829	§ 0.1799
§ SPC	§ 0.464945	§ 0.134260	§ 3.463018	§ 0.0005
§ SSC	§ 0.757239	§ 0.133667	§ 5.665104	§ 0.0000
§ SUP	§ 1.294287	§ 0.134725	§ 9.606893	§ 0.0000
§ R-squared	§ 0.412218	§ Mean dependent var		§ 11.47118
§ Adjusted R-squared	§ 0.408169	§ S.D. dependent var		§ 0.857151
§ S.E. of regression	§ 0.659411	§ Akaike info criterion		§ 2.012550
§ Sum squared resid	§ 631.3622	§ Schwarz criterion		§ 2.052311
§ Log likelihood	§ -1461.180	§ F-statistic		§ 101.8302
§ Durbin-Watson stat	§ 1.745510	§ Prob(F-statistic)		§ 0.000000

§ § Tableau A14 : Rendement des niveaux d'éducation dans le secteur informel

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 03/20/08 Time: 18:53
§ Sample: 1 5431
§ Included observations: 5431
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 8.388880	§ 0.099626	§ 84.20410	§ 0.0000
§ AGE	§ 0.067537	§ 0.004884	§ 13.82784	§ 0.0000
§ AGE2	§ -0.000730	§ 5.50E-05	§ -13.26776	§ 0.0000
§ EXPER	§ -0.012353	§ 0.003744	§ -3.299013	§ 0.0010
§ EXPER2	§ 0.000128	§ 8.42E-05	§ 1.519367	§ 0.1287
§ ANCI	§ -0.005323	§ 0.001738	§ -3.063231	§ 0.0022
§ STATMATRI	§ 0.087586	§ 0.026972	§ 3.247296	§ 0.0012
§ PRI	§ 0.239919	§ 0.037324	§ 6.428011	§ 0.0000
§ SPC	§ 0.543835	§ 0.042351	§ 12.84104	§ 0.0000
§ SSC	§ 0.858084	§ 0.053723	§ 15.97238	§ 0.0000
§ SUP	§ 1.299595	§ 0.093867	§ 13.84508	§ 0.0000
§ R-squared	§ 0.140822	§ Mean dependent var		§ 10.05216
§ Adjusted R-squared	§ 0.139237	§ S.D. dependent var		§ 1.015049
§ S.E. of regression	§ 0.941736	§ Akaike info criterion		§ 2.719839
§ Sum squared resid	§ 4806.814	§ Schwarz criterion		§ 2.733207
§ Log likelihood	§ -7374.723	§ F-statistic		§ 88.83552
§ Durbin-Watson stat	§ 1.641915	§ Prob(F-statistic)		§ 0.000000

§ § § § § § § Tableau A15 : Rendement des niveaux d'éducation chez les travailleurs dépendants

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 03/20/08 Time: 18:43
§ Sample: 1 2812
§ Included observations: 2812
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 7.362814	§ 0.157543	§ 46.73514	§ 0.0000
§ AGE	§ 0.110729	§ 0.008380	§ 13.21303	§ 0.0000
§ AGE2	§ -0.001085	§ 0.000107	§ -10.17633	§ 0.0000
§ EXPER	§ -0.005646	§ 0.004611	§ -1.224440	§ 0.2209
§ EXPER2	§ 6.77E-05	§ 0.000110	§ 0.612434	§ 0.5403
§ ANCI	§ 0.007982	§ 0.003305	§ 2.414744	§ 0.0158
§ STATMATRI	§ 0.159647	§ 0.033458	§ 4.771589	§ 0.0000
§ PRI	§ 0.513496	§ 0.067950	§ 7.556946	§ 0.0000
§ SPC	§ 0.880508	§ 0.068487	§ 12.85655	§ 0.0000
§ SSC	§ 1.261762	§ 0.070636	§ 17.86292	§ 0.0000
§ SUP	§ 1.875227	§ 0.074710	§ 25.10021	§ 0.0000
§ R-squared	§ 0.464946	§ Mean dependent var		§ 10.84779
§ Adjusted R-squared	§ 0.463035	§ S.D. dependent var		§ 1.048139
§ S.E. of regression	§ 0.768054	§ Akaike info criterion		§ 2.313991
§ Sum squared resid	§ 1652.330	§ Schwarz criterion		§ 2.337233
§ Log likelihood	§ -3242.471	§ F-statistic		§ 243.3981
§ Durbin-Watson stat	§ 1.658266	§ Prob(F-statistic)		§ 0.000000

§ § § Tableau A16 : Rendement des niveaux d'éducation chez les travailleurs indépendants

§ Dependent Variable: LNREVENU
§ Method: Least Squares
§ Date: 03/20/08 Time: 18:32
§ Sample: 1 4082
§ Included observations: 4082
§ Variable	§ Coefficient	§ Std. Error	§ t-Statistic	§ Prob.
§ C	§ 8.337980	§ 0.124307	§ 67.07588	§ 0.0000
§ AGE	§ 0.067140	§ 0.005846	§ 11.48463	§ 0.0000
§ AGE2	§ -0.000737	§ 6.37E-05	§ -11.56068	§ 0.0000
§ EXPER	§ -0.009847	§ 0.004161	§ -2.366819	§ 0.0180
§ EXPER2	§ 0.000123	§ 8.30E-05	§ 1.480211	§ 0.1389
§ ANCI	§ -0.002477	§ 0.001946	§ -1.272739	§ 0.2032
§ STATMATRI	§ 0.123095	§ 0.032455	§ 3.792842	§ 0.0002
§ PRI	§ 0.205282	§ 0.043164	§ 4.755829	§ 0.0000
§ SPC	§ 0.522441	§ 0.050428	§ 10.36005	§ 0.0000
§ SSC	§ 0.911936	§ 0.066205	§ 13.77444	§ 0.0000
§ SUP	§ 1.634647	§ 0.113094	§ 14.45389	§ 0.0000
§ R-squared	§ 0.147156	§ Mean dependent var		§ 10.01265
§ Adjusted R-squared	§ 0.145061	§ S.D. dependent var		§ 1.077737
§ S.E. of regression	§ 0.996507	§ Akaike info criterion		§ 2.833570
§ Sum squared resid	§ 4042.610	§ Schwarz criterion		§ 2.850586
§ Log likelihood	§ -5772.316	§ F-statistic		§ 70.24421
§ Durbin-Watson stat	§ 1.651489	§ Prob(F-statistic)		§ 0.000000

* 1 Ensemble des unités de production qui ne possèdent pas de numéro statistique ou, dans les cas des patrons et travailleurs à leur propre compte, qui ne tiennent pas de comptabilité (INS, 2005).

* 7 Les auteurs cités dans cette section ont été cité par D. BOOTHBY et T. DREWES (2006).

* 8 La description de l'expression de Y_S est développée dans la section des modèles économétriques.

La CITE est conçue par l'Organisation des Nations Unies pour l'Éducation, la Science et la Culture (UNESCO) au début des années 1970 pour constituer « un instrument de classement permettant de rassembler, de compiler et de mettre en forme les statistiques éducatives tant dans les différents pays que sur le plan international ». Elle est approuvée par la conférence internationale de l'éducation lors de sa trente-cinquième session (Genève, 1975) puis par la conférence générale de l'UNESCO quand celle-ci a adopté la recommandation révisée relative à la normalisation des statistiques de l'éducation lors de sa vingtième session (Paris, 1978).

* 14 Les ménages collectifs sont par exemple : les élèves en internat, les militaires en caserne, les religieux dans les communautés...

* 15 Une variable aléatoire suit une loi log-normale si son logarithme suit une loi normale.