Prédicteurs du chômage (GSS)

En utilisant les données du General Social Survey, je tente de déterminer les facteurs les plus importants de risque d’avoir été au chômage, tel que rapporté par les répondants. Pour cet objectif, j’utilise la régression logistique. Ci-dessous sont listées les variables utilisées dans la régression.

UNEMP – At any time during the last ten years, have you been unemployed and looking for work for as long as a month? (0 = YES; 1 = NO)

Pour SEX, “1” correspond à “MALE” et “2” correspond à “FEMALE”.
Pour RACE, “1” correspond à “white”, “2” correspond à “black” et “3” à “other”.
Pour POLVIEWS, “1” correspond à “Extremely liberal”, “4” correspond à “Moderate” et “7” correspond à “Extremely conservative”.
Pour DEGREE, “0” correspond à “Less than high school”, “1” correspond à “High school”, “2” correspond à “Junior College”, “3” correspond à “Bachelor” et “4” correspond à “Graduate”.
Pour WORDSUM (un proxy pour le QI, corrélation = 0.71; 0.83 pour “g”), les unités (de 0 à 10) correspondent au nombre de bonnes réponses au test de vocabulaire. À noter que les noirs performent relativement mieux sur les tests de vocabulaires et autres tests culturellement chargés par rapport aux tests culturellement non chargés.

Allocation of cases (unweighted)
Valid cases – 13,421
Cases with invalid codes on variables in the analysis – 41,666
Total cases – 55,087

Il devrait être noté que, tandis que les coefficients sont tous statistiquement significatifs, le pseudo R-squared, qui exprime la proportion de la variance de la variable dépendante expliquée par l’ensemble des variables indépendantes insérées, montre une très faible valeur.

Gardons à l’esprit qu’une variable indépendante ayant une faible échelle de valeur (disons 2, comme pour SEX) est supposée avoir un plus grand coefficient qu’une variable indépendante ayant une forte échelle de valeur (disons 11, comme pour WORDSUM). Un changement d’une unité de la variable indépendante ayant une très forte échelle de valeur aura un très faible impact, particulièrement lorsque la variable indépendante peut prendre de nombreuses valeurs (comme par exemple, année, âge, revenu), sur la variable dépendante.

Sans surprise, DEGREE et WORDSUM ont des Bs positifs, ce qui signifie que l’intelligence et le niveau d’éducation sont négativement (et indépendamment) associés au risque d’avoir été au chômage. RACE montre un B fort négatif, ce qui signifie que le fait d’être noir (ou “other”), indépendamment du niveau d’éducation et de l’intelligence, est significativement associé au risque d’avoir été au chômage. On pourrait être tenté de sauter immédiatement à la conclusion que la discrimination et le racisme expliquent les différences raciales dans le taux de chômage mais les preuves indiquent que l’hypothèse est fausse. Le salaire minimum, en revanche, parvient aisément à expliquer cette disparité raciale.

Une curiosité est le fait que POLVIEWS soit fortement associé au risque d’avoir été au chômage. Pourquoi les progressistes/socialistes seraient-ils plus susceptibles d’être au chômage que les conservateurs ? Mais surtout, pourquoi la variable POLVIEWS est-elle sensiblement plus déterminante que DEGREE et WORDSUM dans la probabilité d’avoir été au chômage ? (Un lecteur anonyme m’indique que le lien de causalité pourrait aller dans l’autre sens, à savoir, les chômeurs deviennent progressistes parce qu’ils quémandent l’aide de l’état.)

Par la suite, j’ai effectué une nouvelle régression logistique, en incluant la variable SEX en lieu et place de RACE, et en limitant l’échantillon aux blancs (“RACE(1)” dans le filtre).

Allocation of cases (unweighted)
Valid cases – 11,342
Cases excluded by filter or weight – 10,214
Cases with invalid codes on variables in the analysis – 33,531
Total cases – 55,087

Comme nous pouvons le voir, les coefficients sont statistiquement significatifs bien que le coefficient du WORDSUM n’est statistiquement significatif que si l’on accepte le niveau de signification de 10% (p-value < 0.10).

Ici, une autre curiosité émerge. Pourquoi le fait d’être un homme est-il si fortement associé au risque d’avoir été au chômage ? Notez que ce résultat est en conflit avec le mantra féministe selon lequel les femmes sont oppressées et discriminées. Je me demande si la discrimination positive est susceptible d’expliquer au moins une partie de ce phénomène.

Finalement, j’examine si la variable POLVIEWS affecte le risque d’avoir été au chômage en incluant la variable AGE, puisque le taux de chômage est de loin plus élevé pour les jeunes que pour les vieux, grâce au salaire minimum, et aussi parce que les jeunes sont plus susceptibles que les vieux d’être progressistes. Pour contrôler ce facteur confondant potentiel, j’inclue AGE et COHORT dans la régression. Dans la mesure où le GSS interroge pratiquement chaque année depuis 1973, nous devons aussi contrôler l’effet générationnel. COHORT peut ainsi être utilisé à cette fin.

COHORT (r:1883-1910;1911-1930;1931-1950;1951-1970;1971-1992). 5 point-scale. Birth cohort of respondent.
AGE (r:18-25;26-33;34-41;42-49;50-57;58-65;66-73;74-81;82-99). 9 point-scale. Respondent’s age.

Allocation of cases (unweighted)
Valid cases – 13,407
Cases with invalid codes on variables in the analysis – 41,680
Total cases – 55,087

Comme nous pouvons le constater, AGE a un B positif, ce qui signifie que le chômage diminue avec l’âge, ce qui est cohérent avec l’évidence que les jeunes seraient moins productifs que les vieux. Le signe négatif du coefficient pour COHORT souligne un taux de chômage croissant durant les années présentement analysées. Utiliser la variable YEAR – recodée de la façon suivante : YEAR (r:1972-1980;1981-1989;1990-1999;2000-*) – à la place de COHORT produit les mêmes résultats. Mais la découverte étonnante est que, même après contrôle de l’âge et de la cohorte, le fait d’être progressiste reste encore associé au risque d’avoir été au chômage pour des raisons obscures. Il est également important de noter que le fait d’être noir (ou “other”) est toujours associé au risque d’avoir été au chômage. De toute évidence, un autre facteur au delà de l’âge et de l’intelligence doit tenir compte de la disparité raciale dans le taux de chômage. Encore une fois, le salaire minimum est un bon candidat.

2 comments on “Prédicteurs du chômage (GSS)

  1. Babar John says:

    Salut.
    “On pourrait être tenté de sauter immédiatement à la conclusion que la discrimination et le racisme expliquent les différences raciales dans le taux de chômage mais les preuves indiquent que l’hypothèse est fausse.”

    Je précise d’abord que je n’y connais rien en économie, mais je ne vois rien dans le lien présenté comme “preuves” qui indique que la discrimination n’y est pour rien dans la différence raciale constatée dans ta régression.
    Dans le lien, on constate que les différences de taux de chômage apparaissent en même temps que le salaire minimum. OK.
    Sauf si “salaire minimum” est un terme d’économiste qui ne signifie pas ce qu’il a l’air de signifier, pourquoi le fait d’avoir un salaire minimum inciterait les noirs à ne pas travailler? Parce que les employeurs sont réticents à accorder à des personnes de faible productivité qu’ils payaient une misère ce fameux salaire minimum. Et comme les noirs sont sur-représentés dans ces gens de faible niveau, cela créerait une différence raciale dans le chômage. Très bien, avec cette explication, on ne peut pas mettre en évidence priori de discrimination: en effet, le faible niveau des noirs “suffit” (qualitativement) à expliquer la différence de taux de chômage. (Même là, on n’a pas prouvé qu’il n’y avait pas de discrimination, on a simplement “prouvé” que même s’il n’y avait pas de discrimination, il existerait une différence raciale. Donc on a simplement trouvé une explication alternative valide, et pas démontré que l’hypothèse de la discrimination était fausse. Mais passons. Admettons que cette explication soit la seule valide.)
    Mais si, comme tu le prétends avec ta régression, le fait d’être noir est un handicap indépendamment du niveau d’intelligence et du diplôme, cette explication ne tient plus pour expliquer la différence, puisque cela signifie qu’à niveau de productivité égale (en admettant que la productivité soit déterminée par l’intelligence et le diplôme) les noirs sont moins bien payés.
    Donc je ne vois pas quel argument du lien “preuves” peut être appliqué ici pour éliminer l’hypothèse de discrimination.

  2. 猛虎 says:

    C’est une bonne question. A dire vrai, je soupçonne qu’un facteur spécifique chez les noirs tient compte de leur productivité à la baisse, même lorsque l’intelligence et l’âge ont été pris en compte (il est bien connu que les noirs américains sont généralement plus jeunes que les blancs, et par conséquent plus inexpérimentés). Quels sont ces facteurs ? Peut-être le manque de motivation, ou peut-être le comportement (qui en temps normal pousserait les employeurs à baisser leur salaire, qui dans le cas présent n’est pas possible en raison du salaire minimum). Ou peut-être est-ce dû aux lois passées dans les années 1930s aux USA, dans le cadre du New Deal, qui visaient augmenter les prestations/indemnités de chômages. Il est possible que les noirs soient plus susceptibles que les blancs à vouloir rester volontairement au chômage (tant qu’ils sont rémunérés), même lorsque d’autres facteurs socio-économiques ont été considérés.

Leave a Reply

Fill in your details below or click an icon to log in:

WordPress.com Logo

You are commenting using your WordPress.com account. Log Out / Change )

Twitter picture

You are commenting using your Twitter account. Log Out / Change )

Facebook photo

You are commenting using your Facebook account. Log Out / Change )

Google+ photo

You are commenting using your Google+ account. Log Out / Change )

Connecting to %s