De l’éducation au marché du travail : la construction des inégalités en Suisse

De l’éducation au marché du travail : la construction des inégalités en Suisse

Professeur Yves Flückiger

Département d’économie politique et

Observatoire Universitaire de l’emploi

Université de Genève

Journées suisses de la Statistique, Genève – octobre 2009

Y. Flückiger La construction des inégalités en Suisse

2

1. Introduction

Les inégalités constituent une question socio-économique importante pour des motifs d’équité et d’efficacité économique

Il faut distinguer les inégalités « constructives », favorables à la croissance et les inégalités « destructives » mauvaises pour la croissance (inéquité)

Les inégalités constructives reflètent les différences dans des réponses individuelles à des opportunités identiques

Les inégalités destructives reflètent les privilèges des personnes qui sont déjà privilégiées et qui bloquent le potentiel productif des personnes défavorisées; cette situation contribue à réduire l’efficacité économique et la croissance


3

1. Introduction

Les inégalités destructives reflètent principalement les inégalités d’opportunité

Dans une société d’égale opportunité, il y a une importante mobilité sociale ascendante et descendante et une mobilité intergénérationnelle élevée; la place des enfants dans la distribution des revenus est, dans ce type de société, indépendante de la place occupée par les parents

Ces inégalités sont multiformes (formation, embauche, licenciement, chômage, promotion, activité, formation continue, etc…); nous allons nous focaliser sur les inégalités de salaires et leur construction

Formation et salaires médians des personnes actives dans le secteur privé,

2006

Source: OFS, ESS, 2006


5

Evolution des salaires en Suisse, Evolution des salaires en Suisse, 1994 - 20061994 - 2006 Ratio décile :

2,55 en 19962,70 en 2006


6

Evolution des salaires dans Evolution des salaires dans l’intermédiation financière en l’intermédiation financière en

Suisse, 1996 - 2006Suisse, 1996 - 2006Ratio décile :2,70 en 19963,08 en 2004

3,42 en 2006

Indice de Gini et rapport rentre le 9ème et le 1er décile, par cantons,

2006

FR

GE

NE

TI

VD

ZH

Suisse

2.2

2.4

2.6

2.8

3

3.2

3.4

0.18 0.2 0.22 0.24 0.26 0.28 0.3 0.32

Gini (secteur privé)

rap

po

rt p

90

/p1

0 (

sect

eur

pri

vé)

Source: ESS 2006, OFS


8

1. Introduction

Les trajectoires des individus ainsi que leurs performances, en terme salarial notamment, dépendent en grande partie du capital humain qu’ils ont pu accumuler durant leur jeunesse

De ce point de vue, la formation a un impact central sur la construction des inégalités

Il s’agit en particulier de savoir si l’école ne fait que reproduire, voire d’accroître les inégalités sociales ou si elle permet au contraire de les réduire

Il convient également de déterminer l’impact de ces inégalités sur les choix de formation, au terme notamment de la scolarité obligatoire, sur l’évolution des salaires et les risques de chômage

Nous avons analysé les liens entre les générations en étudiant, en particulier, l’effet du niveau de formation des parents sur celui de leurs enfants


9

2. Liens entre les générations : accès à la formation supérieure

Nous avons examiné le niveau d’éducation atteint par les parents et celui de leurs enfants

Plusieurs facteurs peuvent influencer la trajectoire scolaire des enfants :

1. Facteurs génétiques

2. Valeurs familiales

3. Inégalités sociales et financières


10


Démarche empirique Nous avons utilisé les données du RFP 2000 pour

l’ensemble de la population âgée de 15 à 19 ans Sur cette base, nous avons sélectionné un sous-

groupe de personnes formé uniquement de jumeaux En se concentrant sur les jumeaux, nous contrôlons

pour les facteurs inobservés : génétique et valeurs familiales

Tenir compte des facteurs inobservés permet de mesurer les liens entre les générations découlant d‘inégalités sociales en contrôlant pour les autres variables explicatives

Estimation nette des facteurs communs

Sans contrôle pour les facteurs communs

Effets marginaux

T-stat Effets marginaux

T-stat

Si'j 0.5121 20.67 - -

Genre (femme=1) 0.0637 4.55 0.0806 5.18

Nationalité (étrangers=1) -0.0356 -0.80 -0.0445 -0.66

Père avec éducation secondaire* 0.0358 1.43 0.0662 1.69

Père avec éducation tertiaire* 0.12568 4.69 0.2219 5.12

Pas de père 0.0876 2.80 0.1533 3.00

Père manager** 0.0809 2.40 0.1554 2.80

Père salarié** 0.1547 4.15 0.2821 4.31

Père indépendant* 0.0132 0.61 0.0251 0.69

Père superviseur/académique** 0.0854 4.06 0.1552 4.31

Père col blanc** 0.0215 0.77 0.0437 0.95

Père col bleu** -0.0166 -0.62 -0.0206 -0.49

Père peu qualifié** -0.0275 -0.79 -0.0271 -0.49

Père chômeur** -0.0509 -0.97 -0.0755 -0.99

Père inactif** 0.0267 0.83 0.0334 0.60

Père étranger 0.0357 1.31 0.0410 0.96

Père de plus de 49 ans 0.0244 1.88 0.0389 1.82

Mère avec éducation secondaire* 0.0777 4.21 0.1135 3.95

Mère avec éducation tertiaire* 0.1474 5.50 0.2351 5.37

Pas de mère -0.0465 -1.26 -0.0789 -1.42

Mère manager** -0.0193 -0.32 -0.0219 -0.21

Mère salariée** 0.1502 1.61 0.0213 1.49

Mère indépendante** -0.0519 -2.01 -0.0765 -1.79

Mère superviseuse/académique** 0.0499 1.64 0.1001 1.85

Mère col blanc** -0.0675 -3.65 -0.1131 -3.71

Mère col bleu** -0.1017 -2.51 -0.1687 -3.25

Mère peu qualifiée** -0.0441 -1.60 -0.0795 -1.84

Mère chômeuse** -0.0799 -2.56 -0.1281 -2.72

Mère inactive** -0.0529 -2.88 -0.0838 -2.73

Mère étrangère 0.0122 0.28 0.0228 0.33

Mère de plus de 49 ans 0.0335 2.48 0.0519 2.29

Pseudo R2 0.3788 0.2082

Log probabilité -1645.82 -1787.82

* : La référence est une mère (père) avec un niveau d’éducation primaire ou sans formation

** : La référence est une mère (père) employé(e) dans une fonction d’intermédiaire

Probabilité de poursuivre des études, 15-19 ans


12


Principaux résultats

1) Le niveau d‘éducation des parents a un impact significatif sur la probabilité de poursuivre des études de niveau tertiaire

Une mère (père) ayant un niveau de formation tertiaire accroît la probabilité que ses enfants poursuivent des études de 23,5% (respectivement 22,2%)

Lorsque l‘on tient compte des facteurs inobservés, l‘effet tombe à 14,7% (resp. 12,6%)


13



2) La probabilité de poursuivre des études décroit en fonction de l‘ordre d‘arrivée au sein de la famille; le deuxième enfant a moins de chance de poursuivre une formation supérieure, toutes choses égales par ailleurs, que le premier enfant

L‘ainé d’une famille nombreuse a la même probabilité de poursuivre des études qu’un enfant unique


14



3) L’analyse de l’échantillon de jumeaux fait ressortir que les facteurs inobservés sont prédominants

Environ 60% du pouvoir explicatif du modèle peut être attribué à des facteurs « naturels »

Environ 25% du pouvoir explicatif du modèle peut être attribué aux variables intergénérationnelles

Environ 15% du pouvoir explicatif du modèle peut être attribué aux caractéristiques de la personne (sexe, nationalité, âge)


15

3. Liens entre les générations : performances scolaires et inégalités

Cette analyse se réfère à l’étude des déterminants (sociaux, économiques, familiaux, scolaires et environnementaux) sur les acquis éducationnels des élèves

La performance scolaire est mesurée à l’aide de tests standardisés en lecture, écriture ou mathématiques

La principale source de données est constituée par l’enquête PISA (Programme International pour le Suivi des Acquis des élèves) réalisée par l’OCDE


16


Les déterminants de la performance scolaire :


17


Questions

Est-ce que les caractéristiques parentales (éducation des parents, situation professionnelle) a un impact sur la performance scolaire ?

Quelle est l’ampleur des effets parentaux comparés à l’impact exercé par d’autres variables (école, origine migratoire) ?

Est-ce qu’il existe des différences selon l’origine migratoire et le genre ?

Estimations à l’aide de méthodes multivariées(« toutes choses étant égales par ailleurs »)


18



1. Différences entre filles et garçons : toutes choses égales par ailleurs, les filles sont meilleures en lecture (+ 3,6%), moins bonnes en sciences (- 3,1%) et en mathématiques (- 5,1%)

2. Impact de l’origine migratoire : Italie, Portugal, Espagne: - 4,3% en mathématiques; Balkans + Turquie : - 8% en mathématiques

Si la langue du test correspond à la langue parlée au domicile de l’élève : + 5,7% en lecture, + 4,7% en mathématiques et + 5,9% en sciences


19



3. La structure familiale a un impact sur la performance scolaireScore en mathématiques : - 2,6% pour les élèves issus de familles monoparentales, - 3,3% pour les familles recomposées (la référence étant la famille nucléaire)

La formation des parents joue un rôle importantLes caractéristiques de la mère ont un effet plus important que les caractéristiques du pèreMère avec une maturité (ou plus) : + 6,3% en lecture, +6% en mathématiques et + 8% en sciences


20



4. Les variables de structure familiale affectent plus fortement les filles que les garçons

Concernant le niveau de scolarité des parents, on observe que :

• une mère ayant un niveau de formation inférieur à la scolarité obligatoire réduit uniquement la performance scolaire des filles

• un père ayant un niveau de formation inférieur à la scolarité obligatoire réduit uniquement la performance scolaire des garçons

• un niveau de formation élevé soit de la mère ou du père produit des effets similaires pour les filles et les garçons


21



Les variables de structure familiale produisent des effets plus marqués pour les migrants (1ère génération) que pour les Suisses

Par contre, les variables de statut socio-économique (éducation des parents, professions, capital culturel) ne produisent pas d’effets différents selon l’origine migratoire

On peut cependant noter que les variables scolaires (taille de l’école, certification des professeurs) sont plus favorables aux Suisses qu’aux étrangers

PISA 2000

0.0

01.0

02.0

03.0

04.0

05.0

06

kden

sity

100 200 300 400 500 600 700 800

SCORE EN LECTURE

NATIFS (4363 ELEVES) IMMIGRES (957 ELEVES)

Résultats(1) TOTAL (2) NATIF (3) IMMIGRÉ

Variables Coeff. t Coeff. t Coeff. tDURÉE (MOIS) 0.1549 (3.62)*** -0.0248 (0.36) 0.2764 (5.07)***LANGUE 26.8771 (7.32)*** 24.4204 (4.92)*** 17.2838 (2.84)***GENRE 18.6750 (9.72)*** 18.7567 (9.01)*** 17.0115 (3.60)***ÂGE (MOIS) -1.6471 (11.67)*** -1.6614 (9.97)*** -0.9379 (3.18)***NUCLÉAIRE 12.4317 (4.99)*** 14.6322 (5.44)*** 5.5437 (0.87)NSIB -6.4326 (6.38)*** -4.4903 (4.16)*** -12.4462 (4.62)***ÉDUCATION M 22.1214 (8.99)*** 20.9349 (7.97)*** 24.8795 (3.77)***ÉDUCATION F 13.8877 (5.42)*** 17.0862 (6.09)*** 6.5032 (1.06)ISEI 0.8435 (13.82)*** 0.7874 (12.20)*** 1.1244 (6.15)***GERMANOPH. RÉF. RÉF. RÉF. RÉF. RÉF. RÉF.FRANCOPH. -31.5402 (12.13)*** -37.4475 (13.56)*** -3.3633 (0.45)ITALOPHONE 3.7868 (0.93) -10.7987 (2.31)** 43.8911 (5.37)***CITY -8.8451 (2.26)** -4.6099 (1.02) -16.9874 (2.15)**SCHLSIZE 0.0436 (10.30)*** 0.0482 (10.20)*** 0.0254 (2.83)***STRATIO -1.4978 (5.28)*** -1.6415 (5.55)*** -0.8550 (0.90)TOTHRS 0.0381 (3.15)*** 0.0322 (2.47)** 0.0719 (2.27)**PROPQUAL 71.3568 (20.31)*** 64.7458 (16.93)*** 90.6503 (10.38)***CONSTANTE 614.6103 (20.58)*** 679.3333 (20.32)*** 420.024 (6.26)***NATIFS

18.5009 (4.97)***N 5320 (100%) 4363 (82%) 957 (18%)R2 0.3486 0.2710 0.3729

Décomposition Oaxaca et Blinder

Natifs = 521Immigrés = 452différentiel = 69

Résultats

40%60%

différences de

caractéristiques

moyennes

variables omises ?

ségrégation ?discriminatio

n ?(2) NATIF – 1ERE GÉN.

86.8(3) NATIF – 2EME GÉN.

50.6(4) 2EME GÉN. – 1ERE GÉN.

36.2

Exp. Non exp. Exp. Non exp. Exp. Non exp.

57% 43% 68% 32% 80% 20%


25

4. Compétences des adultes

Comment les compétences acquises lors de la formation scolaire se maintiennent-elles au cours de la vie ?

Analyse des données ALL (compétences des adultes) Les caractéristiques parentales, les années de

formation ainsi que le type de formation ont un impact sur le niveau des compétences et sa dépréciation

L’effet de la formation s’accroît, alors que l’effet des variables parentales s’atténuent

Morale de cette histoire : Les variables parentales agissent principalement par le biais d’un

meilleur accès aux études L’école est le lieu d’apprentissage principal


26

4. Compétences des adultes

0

.1

.2

.3

.4

20 30 40 50 60 70Age

Prof. initiale Prof. supérieureGén. sec. II Haute école

Probabilité d’avoir un bon niveau de compétences (lecture de documents, numératie) par âge et niveaux de formation


27

5. Inégalités de salaires

Pour comprendre le niveau des salaires individuels, il faut tenir compte de l’impact exercé par toutes les variables susceptibles d’expliquer les différences observées

Ces variables se rapportent aux caractéristiques propres :

au salarié (formation, expérience, ancienneté, etc..)

au poste de travail (domaine et taux d‘activité, position hiérarchique, etc..)

à l’entreprise (secteur, taille ou politique salariale propre à l’entreprise – effet d’entreprise)


28

5. Inégalités de salaires : principaux résultats

1. Toutes choses égales par ailleurs, une personne ayant une formation universitaire obtenait, en 2004, un salaire supérieur de 20,0% à celui d’un apprenti

Cette prime a augmenté depuis 1994, date à laquelle elle ne s’élevait qu’à 14,6%

Cette prime diffère d’un canton à l’autre

2. La prime à l’ancienneté s’élève à 0,4% par année

Elle a progressivement diminué depuis le début des années 90 passant de 0,6% à 0,4%

Source: Estimations propres, OUE, données ESS, 1994-2004

Sélection de quelques variables

explicatives des différences

individuelles de salaires

-6.0

%

-7.4

%

-7.5

%

-6.0

%

-8.8

%

-6.3

%

-6.9

%

-7.0

%

26.0

%

23.7

%

21.0

%

19.2

%

17.9

%

17.1

%

15.4

%

12.0

%

20.0

%-6

.8%

-10.0%

-5.0%

0.0%

5.0%

10.0%

15.0%

20.0%

25.0%

30.0%

35.0%

Sui

sse

FR

SG

BE

VD

NE

ZH

GE T

I

Sans formation prof. complete

Université, haute école

Source: Estimations propres, OUE, données ESS, 2004

Primes attribuées à la formation de niveau tertiaire, différents marchés régionaux du travail, 2004 (réf.

apprentissage)


31


3. Les primes liées aux positions hiérarchiques diffèrent d’un canton à l’autre

4. Un cadre supérieur gagne, toutes choses égales par ailleurs, 58,3% de plus qu’un employé sans fonction d’encadrement à Genève; cette prime n’est que de 32,1% à Fribourg

5. Toutes choses égales par ailleurs, les salaires diffèrent fortement d’un secteur à l’autre et les pratiques salariales sont plus ou moins homogènes selon les branches

7.2%

8.8%

12.1

%

19.0

%

22.5

%

34.4

%

32.1

%

58.3

%

0%

10%

20%

30%

40%

50%

60%

70%

FR GE FR GE FR GE FR GE

Supervision Cadre inférieur Cadre moyen Cadre supérieur

San

s fo

nct

ion

de

cad

re (

réf.

; 0

%)


Primes attribuées aux différentes positions hiérarchiques, marchés régionaux du travail, 2004

(réf. sans fonction de cadre)

16.6%

39.1%

-28.0%

-23.1%

-14.5%

9.4%

5.4%

-2.3%

-8.1%

-50% -40% -30% -20% -10% 0% 10% 20% 30% 40% 50% 60%

Services personnels

Hôtellerie et restauration

Commerce de détail

Construction

Édition et Impression

Chimie

Assurances

Instruments de précision,horlogerie

Intermédiation financière


Primes attribuées, toutes choses égales par ailleurs, selon le secteur d’activité, Genève, 2004 (réf. entreprise

située à la médiane)


34


6. Toutes choses égales par ailleurs, les femmes souffrent d’une pénalité sur le marché suisse du travail

Elle a néanmoins diminué de 13,1% à 10,5% de 1996 à 2004

7. En 2004, le salaire des détenteurs d’un permis B ne différait pas de celui obtenu par un Suisse; en 1996, les permis annuels subissaient une pénalité de 2,1%


Pénalités subies par les femmes sur le marché suisse du travail, toutes choses égales par ailleurs,

1996-2004

-13.

1%

-12.

2%

-11.

9%

-11.

5%

-10.

5%

-16%

-14%

-12%

-10%

-8%

-6%

-4%

-2%

0%

1996 1998 2000 2002 2004

Hom

mes

(réf

.; 0%

)

Seuils des effets fixes d’entreprise dans les services

Comm. rép. automobiles 2004

Commerce de gros

Commerce de détail

Hôtellerie ect.

Transp. terrestres

Transp. par eau

Transp. aériens

Services aux. transp.

Postes et tél.

Intermédiation financière

Assurances

Services aux.

Immobiliers,location

Informatiques et serv.

Recherche et dév.

Enseignement

Santé et sociales

Assainissement, voirie

Activ. assoc.

Activ. récréatives

Services personnels

2002

Se

rvic

es

-.6

-.55

-.5

-.45

-.4

-.35

-.3

-.25

-.2

-.15

-.1

-.05

0

.05

.1

.15

.2

.25

.3

.35

.4

.45

.5

.55

.6

10%-90% Q1-médiane médiane-Q3

Variable Modèle 1 Modèle 2 Modèle 3 Modèle 4 Modèle 5

Sexe (femme) -0.1949 -0.0310 -0.0273 -0.0316 -0.0277

Age 0.0942 0.0178 0.0175 0.0178 0.0173

(Age)2 (*100) -0.1019 -0.0129 -0.0128 -0.0129 -0.0127

Ancienneté -0.0131 -0.0069 -0.0071 -0.0067 -0.0069

(Ancienneté)2 (*100) 0.0422 0.0209 0.0205 0.0208 0.0203

Taux d’activité (en%) 0.3483 0.0179 0.0015 0.0013 0.0098*

Rang 1 . . 0.0484 . 0.0502

Rang 2 . . 0.1148 . 0.1194

Rang 3 . . 0.2084 . 0.2129

Rang 4 . . 0.3281 . 0.3325

Rang 5 . . 0.4767 . 0.4781

Rang 6 . . référence . référence

Region 1 . . . -0.0636 -0.0659

Region 1 . . . -0.0545 -0.0565

Region 3 . . . -0.0588 -0.0638

Region 4 . . . -0.0311 -0.0289

Region 5 . . . -0.0707 -0.0708

Region 6 . . . -0.0299 -0.0330

Region 7 . . . -0.0413 -0.0439

Region 8 . . . référence référence

Rdmscope (587 classes) Non Oui Oui Oui Oui

Constante 9.2035 10.9665 10.8965 11.0078 10.9411

R2 ajusté 0.4676 0.9326 0.9396 0.9356 0.9427

Ces analyses peuvent être menées aussi en utilisant les

données d’une entreprise en

particulier

1. La précision des estimations s’en trouve nettement améliorée

2. On parvient à mieux capter les spécificités de la politique salariale de l’entreprise


38

Les inégalités de chômage se manifestent à la fois au niveau du risque

d’entrer au chômage et de sa durée

La durée est ce qui crée le plus d’inégalité de tomber dans l’aide sociale et

c’este lle qui affecte le plus les chances de trouver un emploi. Elle est donc

à l’origine des inégalités. C’est aussi elle qui explique les différences

cantoanles de tauxd e chômage

L’analyse des fonctions de survie permet de déteminer quels sont les

factgeurs explicatifs indivdiuels des rsiques de rester au chômage

6. Inégalités de chômage


39

Taux de sortie du chômageNombre mensuel de sortie divisé par la Nombre mensuel de sortie divisé par la

population au chômage, 1992-2008population au chômage, 1992-2008

51

01

52

02

5

Tau

x d

e s

ort

ie

01 Jan 92 01 Jan 94 01 Jan 96 01 Jan 98 01 Jan 00 01 Jan 02 01 Jan 04 01 Jan 06 01 Jan 08mois-années

GENF_txsortie TOTAL_txsortieBASEL_STADT_txsortie


40

Figure 3 : Fonctions de survie dans quelques cantons suisses, 2003-205 (?)

0.00

0.25

0.50

0.75

1.00

Durées – jours -

0 500 1000

1500 2000 2500

.Zurich Bâle-Ville Grisons Genève


41

Les effets stigmatisants exercés par la durée du chômage et

l’âge

11)Toutes choses égales par ailleurs et pour l’ensemble du pays, la durée du

chômage a un effet différent sur la probabilité de sortie

En 1995, avant l’entrée en vigueur des mesures actives, la probabilité de

quitter le chômage diminuait rapidement dès les premiers jours de chômage

En 2004, il apparaît en revanche que la probabilité de sortie augmente tout

d’abord, pour des durées courtes, puis elle diminue continuellement pour

des durées plus longues

12)Toutes choses égales par ailleurs, les personnes plus âgées éprouvent plus

de difficultés à retrouver un emploi et leur durée de chômage s’en trouve

donc prolongée

3. Analyse des probabilités individuelles de retrouver un emploi


42

Des qualifications qui exercent moins d’influence sur le

chômage que par le passé 13)Les personnes qualifiées (surtout) mais aussi les personnes semi-qualifiées

ont une probabilité significativement plus élevée de quitter rapidement le chômage pour retrouver un nouveau travail par rapport à la catégorie des individus sans qualification

L’effet lié à la qualification des personnes inscrites au chômage est moins prononcé en 2004 qu’il ne l’était en 1995

L’expérience professionnelle passée influence la durée de chômage

14)Le fait d’avoir été actif avant d’entrer au chômage a un effet inverse en 1995 à celui observé en 2004



43

En 1995, un individu actif avant le chômage aurait eu une durée de chômage 26% plus longue qu’un inactif, toutes choses égales par ailleurs

En 2004, il apparaît que les personnes qui ont exercé une activité avant

d’avoir perdu leur travail quittent le chômage nettement plus rapidement que

celles qui étaient précédemment inactives et leur durée moyenne de

chômage est presque la moitié de celle observée auprès de ce deuxième

groupe

En revanche, la durée passée au chômage des personnes qui ont été

actives dans la fonction publique avant d’entrer au chômage augmente tant

en 1995 qu’en 2004 d’environ 15% (effet des programmes cantonaux

d’emplois temporaires)



44

L’influence de la langue maternelle

15)Les individus dont la langue maternelle est le français ont des durées de

chômage nettement supérieures aux germanophones et proche de celles

des italophones

Quel que soit le canton, un chômeur francophone a une durée moyenne

supérieure de près de 45% par rapport à celles d’un chômeur

germanophone en 1995

Cet effet est moins prononcé en 2004 puisqu’il se réduit à une durée de

15% moins longue en faveur des germanophones



45

Des caractéristiques cantonales qui ont une influence sur la

probabilité de sortir du chômage

18)Les chômeurs localisés dans les cantons caractérisés par une faible

proportion de personnes inscrites par rapport aux individus qui se déclarent

au chômage ont, en moyenne, des durées de chômage moins longues

19)Le même effet est observé, mais il est six fois plus prononcé, en ce qui

concerne les cantons où le nombre de chômeurs sanctionnés est élevé

20)Les durées de chômage sont nettement plus courtes dans les cantons où

une forte proportion de chômeurs bénéficie de mesures actives



46

21)De manière générale, on constate que ces trois variables introduites à la

place des effets fixes cantonaux constituent des indicateurs très significatifs

pour comprendre les différences cantonales de durée de chômage

Ces résultats confirment l’importance exercée par les facteurs culturels,

politiques ou institutionnels (mise en œuvre différenciée de la LACI selon les

cantons) sur la durée de chômage

22)La différence des durées moyennes de chômage entre Genève (300 jours)

et le reste de la Suisse (140 jours) s’explique à hauteur de 84% par les

particularités et le fonctionnement du marché du travail genevois

Le 16% restant s’explique par les caractéristiques spécifiques plus

défavorables des chômeurs genevois par rapport aux chômeurs non

genevois



47

4. Les défis :le travail au-delà de l’âge légal de la retraite

Le pourcentage de personnes actives au-delà de l’âge légal de la retraite est nettement supérieur à celui des autres pays de l’OCDE

Les hommeshommes semblent rester actifs au-delà de l’âge légal par choixpar choix…

…. Les femmesfemmes plutôt par obligationpar obligation ! C’est en tous les cas se qui semblent

ressortir d’une analyse de leurs profils individuels

Caractéristiques des personnes actives au-Caractéristiques des personnes actives au-delà de leur âge légal de retraite, RFP 2000delà de leur âge légal de retraite, RFP 2000

Femmes Hommes

Dirigeants 0.7 2.8

Indépendants et professions libérales

13.8 35.6

Cadres et professions intermédiaires

8.1 11.7

Employés 13.4 3.4

Ouvriers et travailleurs non qualifiés

11.4 6.7

Niveau de formation tertiaire 12.9 40.2

Célibataires 8.1 6.3

Marié(e)s 59.2 82.4

Veuf(ves) 18.8 4.3

Divorcé(e)s 18.9 7.0


50

Lien entre chômage et invaliditéLien entre chômage et invalidité

Taux de chômage cantonal et proportion d’invalides psychiques Taux de chômage cantonal et proportion d’invalides psychiques parmi les nouveaux rentiers AI, 2004parmi les nouveaux rentiers AI, 2004

GE

y = 0.0445x + 0.2165

R2 = 0.6734

0%

10%

20%

30%

40%

50%

60%

0% 1% 2% 3% 4% 5% 6% 7% 8%

Taux de chômage cantonal

Po

urc

enta

ge

d'in

vali

des

psy

chiq

ues

par

mi

les

no

uve

aux

ren

tier

s A

I

Source: Flückiger, 2005


52

6. Les défis :la politique salariale

L’analyse des politiques salariales met en évidence que les entreprises valorisent de plus en plus l’expérience professionnelle, acquise à travers les emplois occupés dans différentes entreprises (flexibilité) plutôt que l’ancienneté (fidélité)

Cette évolution est surtout perceptible auprès des entreprises extraverties, tournées vers les marchés extérieurs (exportation)

Elle s’accompagne d’une mobilité professionnelle croissante


53

0%

2%

4%

6%

8%

10%

12%

14%

16%

18%

20%

0 5 10

15

20

25

30

35

40

45

Années de service

Dif

fére

nc

e d

e s

ala

ire

en

% à

pro

fil i

de

nti

qu

e

Recherche etdéveloppement

Activités de conseil

Activités sociales

Activités informatiques

Construction

Industrie chimique

Édition et impression

Mobilité professionnelle en Suisse :On apprend de moins en moins une profession pour la vie

0% 10% 20% 30% 40% 50% 60% 70% 80%

Total

Hommes

Femmes

Suisses

Etrangers

Salariés dirigeants

Formation universitaire

2000

1990

1980

Proportion de personnes exerçant une profession différente de celle qu’elles ont apprise

49.69%

51.90%

20%

25%

30%

35%

40%

45%

50%

55%

60%

ZH ZG GL AG GE BL SH NW SO SZ TG CH BS SG TI AR LU BE NE GR VD OW FR UR VS AI JU

Pourcentage de personnes actives exerçant une profession Pourcentage de personnes actives exerçant une profession différente de celle qu’elles ont apprises par canton, en 2000 différente de celle qu’elles ont apprises par canton, en 2000

Source: RFP, 2000


5656

Principaux résultats :

1) Les variations de la probabilité d’être à l’aide sociale (mesure des effets

marginaux) liées aux caractéristiques individuelles (lieu de résidence,

sexe, état civil, nationalité, niveau de formation) sont généralement très

faibles mais significatives et conformes aux prédictions ;

2) Deux caractéristiques spécifiques influencent cependant la probabilité

d’être à l’aide sociale de manière beaucoup plus importante que les autres

variables : il s’agit en l’occurrence du « type de ménage » et du « statut

sur le marché du travail »

3. Principaux éléments expliquant le risque de dépendre de l’aide sociale

1. La plupart des caractéristiques individuelles influencent peu la probabilité d’être à l’aide sociale

3. Les ménages monoparentaux ou d’une personne voient, par rapport aux couples sans enfants, leur probabilité de se retrouver à l’aide sociale s’accroître de 1.1% à 5.9%

2. Une personne qui est sans emploi et au chômage voit sa probabilité de se retrouver à l’aide sociale s’accroître de 8,3% à 13,6%, selon le canton, par rapport à une personne active occupée;

57

Canton Zurich Fribourg Vaud Genève Jura (Note : sans « formation ») Taille de la Commune (Réf. : > 50.000 habitants / Fribourg-Jura : 5.000-50.000) 5000-50.000 0.0013*** - -0.0011*** 0.0011*** - < 5000 0.0002* 0.0029*** -0.0042*** -0.0117*** -0.0010*** Age 0.0001*** 0.0001*** 0.0001*** 0.0004*** 0.0000* Sexe (Réf.: Hommes) Femmes -0.0023*** -0.0019*** -0.0030*** -0.0023*** -0.0010*** Etat civil (Réf. : Célibataire) Marié/séparé 0.0033*** 0.0017*** 0.0037 0.0124*** 0.0003 Veuf -0.0027*** -0.0007** -0.0035*** -0.0082*** -0.0013*** Divorcé 0.0020*** 0.0013*** 0.0027*** 0.0119*** -0.0002 Nationalité (Réf. : Suisse) Etrangère 0.0016*** 0.0022*** 0.0035*** 0.0105*** 0.0013*** Type de ménage (Réf.: Couple sans enfants) Couple avec enfants 0.0006*** -0.0002 0.0017*** 0.0101*** -0.0009* Ménages mono./1 pers. 0.0386*** 0.0225*** 0.0364*** 0.0593*** 0.0111*** Pers. seules + parents 0.0069*** 0.0142*** -0.0037** 0.0185* 0.0036 Ménages non familiaux 0.0549*** 0.0118*** 0.0611*** - 0.0040** - collectifs Niveau de formation (Réf. : Au plus niveau secondaire I) Niveau secondaire II -0.0026*** -0.0018*** -0.0025*** - -0.0006** Niveau tertiaire -0.0050*** -0.0024*** -0.0047*** - -0.0013*** Statut sur le marché du travail (Réf. : Personne active occupée) Sans emploi/chômage 0.1245*** 0.0834*** 0.1361*** [-0.0100***] 0.1031*** Personne non active 0.0187*** 0.0071*** 0.0113*** [0.0573***] 0.0099*** Moins de 15 ans -0.0038*** - - [0.5166***] -



5858

3) La marginalisation des personnes par rapport au marché de l’emploi

constitue un premier facteur qui accroît fortement le risque de se

trouver à l’aide sociale

Dans le canton de Vaud, le risque pour une personne au chômage ou sans

emploi de se retrouver à l’aide sociale est 4,3 fois plus élevé que celui d’une

personne active occupée. Ce risque est 4,5 fois plus élevé dans le canton de

Fribourg, 4,9 à Zürich et même 8,1 fois plus important dans le canton du Jura



5959

4) L’isolement et l’éclatement de la cellule familiale constituent un

second facteur important aggravant le risque de se retrouver à l’aide

sociale

Le risque d’un ménage isolé (ménages monoparentaux ou formés d’une

personne) de se retrouver à l’aide sociale est 1,6 fois plus élevé dans le canton

du Jura par rapport à un couple sans enfants. Ce risque est 2 fois plus élevé

dans le canton de Fribourg, 2,03 fois dans le canton de Vaud et 2,46 fois à

Zürich



60

Observatoire universitaire de l’emploi

Adresse internet :

www.unige.ch/ses/lea/oue

Documents

De l’éducation au marché du travail : la construction des inégalités en Suisse