WOW !! MUCH LOVE ! SO WORLD PEACE !
Fond bitcoin pour l'amélioration du site: 1memzGeKS7CB3ECNkzSn2qHwxU6NZoJ8o
  Dogecoin (tips/pourboires): DCLoo9Dd4qECqpMLurdgGnaoqbftj16Nvp


Home | Publier un mémoire | Une page au hasard

 > 

La problèmatique de l'insertion profetionnelle des diplômés de l'esu à kinshasa

( Télécharger le fichier original )
par jeancy konde yombola
unikin - Economie publique 2013
  

précédent sommaire suivant

Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy

III.3. ANALYSE ECONOMETRIQUE

III.3.1 Modèle et description de données

Jusque là nous nous sommes appuyé sur les perceptions de nos enquêtés, mais dans cette partie de l'étude nous esquissons une étude empirique afin de déterminer de manière statistique les variables qui présentent un intérêt réel et la tendance de celles-ci.

Pour ce faire, nous recourrons à une régression avec des données qualitatives. Notre équation à estimer se présente comme suit :

Insi = a + h'Age i+ ySexei + SInstructioni + BRéseauUnivi + i9Etat - civili + tpNbreEfti + 7rFormationCi + pTrappeInactivitéi + 6Expériencei + Ei (1)

Les paramètres à estimer sont ceux qui se présentent devant les différentes variables à estimer. a renvoie à la constante et E est le terme de l'erreur. L'indice i renvoie aux différents individus de notre échantillon. Ins est notre variable à estimer. Il s'agit d'une variable dichotomique, prenant la note de 1 si la personne est déjà insérée dans le marché du travail, sinon elle prend la note de 0. Cette caractéristique nous oblige donc à recourir aux modèles logit ou probit. Notre choix a porté sur le modèle probit. Du point de vue économétrique, les deux modèles convergent en termes des résultats sauf en présence de très grandes bases de données. Ce qui n'est guère le cas dans notre étude.

Les différentes variables retenues dans notre spécification trouvent leur source dans la littérature, notamment celle du chapitre premier de ce travail. Age est la variable âge. Elle est capturée en valeur absolue pour chaque individu. La variable Sexe est une variable muette, prenant la note de 1 s'il s'agit d'un homme, sinon c'est 0. La variable Instruction mesure le capital

85

humain de nos individus. Il s'agit concrètement de nombre d'années passées aux études. RéseauUniv est une variable qui capte l'université de provenance. Si elle est publique, la variable prend la note de 1 au cas contraire, elle prend la note de 0. L'idée derrière est de mesurer l'influence des réseaux universitaires. Les études descriptives, notamment celle que nous a présentée dans la section précédente, suggèrent qu'en RDC l'on obtient l'emploi notamment en passant par des relations. C'est cet effet que nous voulons considérer d'une part, et capter aussi l'influence du pôle public d'autre part. En effet, il est courant d'attendre que les Universités publiques perdent pied dans le positionnement du pays. Cette variable nous permettra de tester aussi cette éventualité. La variable Eta ? - civil considère les états-civils de chaque individu. Si la personne est mariée, la variable prend la note de 1 sinon 0. Généralement, les personnes mariées bénéficient d'une certaine forme de traitement spécifique. Ainsi, nous voulons considérer s'il y a discrimination à ce niveau. NbreEft est mesure de nombre d'enfants. Cette variable tient compte de la taille du ménage, mesurant ainsi le degré de responsabilité. Généralement, les entreprises ne sont pas indifférentes face à cette caractéristique sociodémographique. Si elle peut pousser les entreprises à discriminer, elle peut aussi mettre la pression sur les demandeurs d'emploi afin de ne pas arrêter la recherche d'emploi en dépit de son coût (job search). La variable FormationC considère le fait qu'au-delà de son niveau d'études classique si on a bénéficié d'une formation quelconque afin d'accroître son employabilité. Trappelnactivité est la variable qui mesure la trappe à l'inactivité. Théoriquement, plus on reste au chômage, moins on accroît notre chance de se faire embaucher du fait notamment de l'obsolescence de notre capital humain. Nous mesurons cette variable par le nombre de mois que l'individu a passé au

86

chômage. Expérience est variable dummy qui prend la note de 1 si la personne a déjà travaillé, sinon 0. Le fait de bénéficier d'une expérience professionnelle devrait être avantageux pour trouver un emploi et donc s'insérer dans le marché du travail.

Nous estimons aussi une autre spécification, qui est en réalité le modèle (1) augmenté d'une interaction :

Insi = a + i3Agei + ySexei + Slnstructioni + BRéseauUnivi + i9Etat - civili + tpNbreE f ti + rcFormationCi + pTrappelnactivitéi + 6Expériencei + colnst _ctioni *

FormationCi+ei (1)

Toutes ces données proviennent de notre enquête décrite dans ce chapitre.

Le tableau 3.25 présente les statistiques descriptives de nos différentes variables.

Tableau 3.25 : Statistiques descriptives

Variable

Obs

Moyenne

Ecart-type

Min

Max

Insr

130

0.5230769

0.5013994

0

1

Age

130

27.95

4.427648

21

52.5

Sexe

130

0.8384615

0.3694506

0

1

Instruction

130

17.15385

1.171109

16

21

Univform

130

0.7461538

0.4368942

0

1

Etacivil

130

0.1384615

0.3467199

0

1

Nombenf

130

0.2846154

0.9337315

0

7

FormationC.

130

1.169231

4.159864

0

48

TrappeInactiv.

125

23.344

20.07329

0

84

Experience

129

0.620155

0.5331774

0

3

87

précédent sommaire suivant






Bitcoin is a swarm of cyber hornets serving the goddess of wisdom, feeding on the fire of truth, exponentially growing ever smarter, faster, and stronger behind a wall of encrypted energy








"La première panacée d'une nation mal gouvernée est l'inflation monétaire, la seconde, c'est la guerre. Tous deux apportent une prospérité temporaire, tous deux apportent une ruine permanente. Mais tous deux sont le refuge des opportunistes politiques et économiques"   Hemingway