CAIRN.INFO : Matières à réflexion

1Les investissements éducatifs, comme tous les investissements, peuvent être évalués en termes de taux de rendement. En supposant que les salariés sont rémunérés à leur productivité marginale et que celle-ci augmente avec l’éducation, la théorie du capital humain (Mincer [1974] et Becker [1975]) fournit une méthodologie qui permet d’estimer l’accroissement des revenus individuels résultant d’une année d’études supplémentaire. On peut alors se demander si une année d’éducation publique génère les mêmes bénéfices sur le marché du travail qu’une année d’éducation privée, toutes choses égales par ailleurs. Il s’agit là d’une question à laquelle la littérature empirique a peu répondu directement. Dans un contexte de pays en développement, seuls Bedi et Garg [2000] ont, à notre connaissance, mis en évidence l’impact non négligeable d’une scolarité publique ou privée sur la détermination des revenus, en Indonésie.

2Face à ce problème, Madagascar constitue une étude de cas intéressante. En effet, alors qu’à la fin des années 1970, le pays bénéficiait encore d’un avantage comparatif en matière d’éducation par rapport aux autres pays de la région, depuis le début des années 1980, il ne peut plus assurer ni le développement ni le maintien d’un système éducatif de qualité. Avec la récession économique, les dépenses publiques d’éducation ont considérablement chuté, provoquant une sensible désaffection de l’éducation publique au profit de l’éducation privée. Un tel résultat nous conduit donc à penser que le taux de rendement de l’éducation sera surestimé si le type d’éducation n’est pas retenu parmi les variables explicatives des revenus.

3La première section propose une modélisation des rendements de l’éducation qui permet d’enrichir le modèle de Mincer [1974]. La deuxième section présente les données utilisées et les premières estimations économétriques, sous l’hypothèse d’un marché du travail concurrentiel. Cette hypothèse est levée dans la dernière section au profit d’un marché du travail segmenté. Le taux de rendement de l’éducation est alors estimé sur deux populations dissociées de travailleurs formel et informel.

MODÉLISATION DES RENDEMENTS DE L’ÉDUCATION

4Pour déterminer le taux de rendement de S années d’éducation, Mincer [1974] estime une équation de la forme :

equation im1

avec : YS, le revenu individuel, E, l’expérience professionnelle, ?, la constante, et ?, un terme stochastique représentant les facteurs non observés qui affectent le revenu. Il s’agit de facteurs de moyenne nulle, que l’individu ne connaît pas forcément.

5Dans cette équation de gains semi-logarithmique, si ? est distribué selon les propriétés standard, alors l’estimation de r par la méthode des MCO correspond au taux de rendement de l’éducation. Or, un certain nombre de problèmes se posent qui tendent à biaiser cette estimation.

6Ainsi, il est naturel de supposer que l’environnement parental influe sur la valeur économique du temps passé à l’école. L’impact positif de l’éducation et du revenu des parents sur le développement cognitif de l’enfant, sur la qualité de l’éducation qu’il reçoit et sur sa réussite éducative, a largement été démontré. Mais des parents éduqués peuvent aussi offrir à leur enfant un capital social qui pourra lui permettre d’occuper un poste plus valorisant en termes de position et de rémunération notamment, pour un nombre d’années d’études donné. L’environnement parental exercerait donc à la fois un effet direct sur les revenus de l’individu et un effet indirect transitant par son niveau d’études.

7De plus, supposer que la relation entre le revenu 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 à tous les niveaux d’études. Heckman et al. [1996] rejettent cette hypothèse, arguant que la durée de la scolarité (S) n’est pas homogène, toutes les années n’ayant pas forcément la même efficacité. Afin d’autoriser le rendement de l’éducation à varier avec le volume de l’investissement éducatif, il est donc préférable d’intégrer le niveau d’études sous une forme quadratique.

8Ces phénomènes pris en compte, le modèle de Mincer « étendu » s’écrit alors :

equation im2

avec X, un vecteur de caractéristiques individuelles et parentales.

9Toutefois, si le type d’éducation, public ou privé, agit sur les revenus à la fois au travers de la réussite scolaire comme le montre Arestoff [2000], mais aussi directement, alors le modèle de Mincer « étendu » tend encore à surestimer le taux de rendement de l’éducation.

10En intégrant le fait que l’individu i ait pu recevoir une éducation publique ou privée (Ti ), l’équation (2) se réécrit comme suit :

equation im3

Deux problèmes se posent encore.

11D’une part, le revenu de l’individu i n’est observé que si le salaire qui lui a été offert était supérieur à son salaire de réservation. Rien ne laisse alors supposer que les travailleurs rémunérés constituent un échantillon aléatoire de la population active dans son ensemble. Au contraire, on peut penser que les individus qui ne travaillent pas font état de caractéristiques particulières. Le taux de rendement de l’éducation pouvant s’en trouver affecté, les estimations de ln Yi qui utilisent les revenus observés doivent donc prendre en compte la censure à gauche de l’échantillon, comme démontré par Heckman [1974].

12Afin de corriger le biais de participation sélective au marché du travail, nous estimons un modèle Tobit en suivant la procédure en deux étapes d’Heckman [1979]. Ce faisant, nous obtenons une évaluation des gains potentiels ou plus précisément, de la productivité non observée de chaque individu, y compris de ceux qui ne perçoivent pas de revenus.

13D’autre part, l’estimation de l’équation (3) par la méthode des MCO n’est correcte que si les variables explicatives ne sont pas corrélées avec les facteurs non observés. Or, les individus qui disposent de davantage de facilités intrinsèques sont probablement enclins à suivre de plus longues études mais aussi à recevoir de plus hauts revenus. Dans ce cas, leur supplément de revenu sera attribué à tort à leur supplément d’éducation. On parle alors de biais d’endogénéité, à l’origine d’une surestimation du taux de rendement de l’éducation. Pour corriger ce biais, la solution la plus fréquemment retenue consiste à instrumenter correctement la variable Si et son carré par la méthode des doubles moindres carrés (DMC).

14Finalement, le modèle prend donc la forme d’un système de quatre équations :

equation im4

avec PARTi, la probabilité de participer au marché du travail pour l’individu i, estimée par un modèle Probit, Z1i, Z2i et Z3i, des vecteurs de régresseurs, et ?i, l’inverse du ratio de Mills calculé à partir de l’équation (4). La théorie du capital humain permet d’interpréter ?i comme le capital humain « non observé » ayant permis à l’individu i de surmonter les aléas et les exigences du marché du travail.

TAUX DE RENDEMENT DE L’ÉDUCATION SUR UN MARCHÉ DU TRAVAIL CONCURRENTIEL

15Le modèle de base du capital humain suppose que le revenu d’un actif occupé est expliqué avant tout par ses caractéristiques propres. L’estimation du taux de rendement de l’éducation implique donc de disposer d’une base de données relativement riche.

Présentation des données

16D’une manière générale mais peut-être plus encore dans le cadre d’un pays en développement tel que Madagascar, l’analyse des revenus tirés de l’activité est un aspect du marché du travail qui est complexe à étudier pour plusieurs raisons. D’abord parce que, traditionnellement, la question des revenus constitue un thème sensible pour la population qui se montre souvent réticente à répondre sincèrement sur sa situation financière. Ensuite, parce qu’il est difficile d’obtenir des informations fiables dans ce domaine. Ces dernières nous sont fournies par l’enquête Emploi du projet MADIO [1], effectuée en avril 1997 auprès de 3 000 ménages de l’agglomération d’Antananarivo. Cette enquête permet de recueillir des informations sur l’activité, le chômage et les revenus de tous les membres du ménage âgés de 10 ans et plus.

17Outre un grand nombre de caractéristiques socio-économiques, l’enquête SET 97 [2] fournit, quant à elle, une information détaillée sur l’historique de la scolarisation de chaque individu. Ainsi, tous les établissements fréquentés en primaire et en secondaire sont recensés pour chaque membre du ménage âgé d’au moins 5 ans, ce qui permet notamment de rapporter chacune des années d’études à un type d’établissement particulier, public ou privé. Réalisée en mai et en juin 1997, l’enquête SET 97 porte sur un échantillon de 1 022 ménages (soient 4 522 individus), tirés de façon aléatoire parmi les 3 000 ménages interrogés un mois plus tôt sur l’emploi.

18Afin de déterminer s’il existe une relation entre l’éducation et les revenus du travail, l’échantillon est réduit aux individus âgés d’au moins 18 ans qui, pour la plupart, ont terminé leurs études. Il exclut aussi les migrants [1] dont le comportement est supposé trop différent de celui des non-migrants. Enfin, en vertu de la théorie de la discrimination des femmes sur le marché du travail, et parce que le nombre d’observations le permet, le taux de rendement de l’éducation est estimé sur un échantillon d’hommes uniquement.

Estimations économétriques

19Le tableau 1 présente les équations de revenus issues du modèle standard de Mincer [équation (1)] et de sa forme corrigée [équation (7)].

20Nous choisissons de représenter l’expérience professionnelle par la variable d’âge, et non par la totalité du temps écoulé depuis la fin des études comme le font la plupart des études en coupe instantanée. En effet, cette « expérience potentielle », selon les termes de Mincer, ne prend pas en compte les possibles interruptions de travail pour cause de chômage, grossesse, formation post-scolaire, etc. Elle tend donc à surestimer l’expérience effective et présente un caractère endogène puisqu’à âge et diplômes égaux, la durée de l’expérience professionnelle n’est pas la même pour tous.

21Dans l’équation standard de Mincer, le taux de rendement de l’éducation atteint 10 %. Une année d’études supplémentaire générerait donc un accroissement du logarithme du revenu de 10 %.

22Avant de comparer ce taux à celui que l’on obtient suite aux enrichissements proposés, il convient de s’attarder d’abord sur la participation au marché du travail [équation (4)].

23Dans l’estimation de la probabilité de travailler, le niveau d’éducation est représenté par ses instruments, soit les variables croisées (âge * type d’éducation) [2] et [(âge)2 * type d’éducation], la religion et le revenu des parents quand l’individu avait 15 ans [3]. Trois de ces quatre variables instrumentales influent significativement sur la probabilité de travailler et toutes ont le signe attendu. En toute logique, les individus les plus éduqués sont donc aussi les plus à même d’exercer une activité professionnelle.

24Or, à niveau d’études donné, le type d’éducation reçue s’avère lui aussi déterminant dans la probabilité de travailler. Toutes choses égales par ailleurs, les anciens élèves de l’enseignement public participent significativement moins au marché du travail que les anciens élèves de l’enseignement privé. Si l’on en juge par le signe et le coefficient des variables croisant l’âge et le type d’éducation, ce phénomène affecterait principalement les plus de 50 ans et les moins de 25, qui subissent donc de plein fouet la dégradation de l’éducation publique. L’estimation de la participation au marché du travail permet ensuite de calculer le coefficient ? de l’équation (7). La sélection des individus sur le marché du travail s’avère significativement non aléatoire. Toutefois, contrairement au résultat attendu, les hommes qui ne travaillent pas semblent à même de percevoir des revenus plus élevés que ceux qui travaillent. Cela pourrait signifier que l’accès à certains emplois est désormais rendu difficile par l’existence de barrières à l’entrée qui obligent les individus désirant travailler à accepter des emplois plus faiblement rémunérés.

Tableau 1.

Estimations des revenus du travail des hommes, en 1997

Tableau 1.
Tableau 1. Estimations des revenus du travail des hommes, en 1997 Participation au ln Yi marché du travail ln Yi corrigé [équation (1)] [équation (4)] [équation (7)] Constante......................................................... – 1,67*** – 0,4 – 2,19*** (0,22) (0,59) (0,79) Niveau d’études, instrumenté dans ln Yi 0,1*** 0,16 corrigé............................................................. (0,007) (0,17) (Niveau d’études)2, instrumenté dans ln Yi – 0,007 corrigé............................................................. (0,009) Âge.................................................................. 0,02** 0,07** 0,02 (0,01) (0,03) (0,01) (Âge)2.............................................................. – 0,0001 – 0,0009*** – 0,00002 (0,0001) (0,0003) (0,0002) Type d’éducation — publique.................................................. – 2,45*** 0,04 (0,8) (0,09) — privée...................................................... Ref Ref Âge* Type d’éducation................................... 0,15*** (0,04) (Âge)2 * Type d’éducation............................... – 0,002*** (0,0005) Revenu des parents......................................... – 0,0005 (0,0006) Religion — catholique............................................... 0,39*** (0,13) — autre religion.......................................... Ref Nombre de redoublements.............................. – 0,15*** (0,05) Niveau d’études du père................................. – 0,03 0,07*** (0,02) (0,01) Niveau d’études de la mère............................. – 0,06** 0,08*** (0,03) (0,02) Activité professionnelle du père — micro-entrepreneur ou à son compte..... 0,03 (0,14) — autre........................................................ Ref Activité professionnelle de la mère — micro-entrepreneur ou à son compte..... – 0,05 (0,13) — autre........................................................ Ref Statut marital — marié ou en union libre.......................... 0,72*** (0,16) — autres situations...................................... Ref Présence d’enfants de moins de 6 ans dans le ménage — oui.......................................................... 0,3* (0,18) — non.......................................................... Ref Type du premier emploi — formel..................................................... 0,57*** (0,12) — informel ou sans emploi......................... Ref Correction de la participation au marché du – 0,48*** travail (?)........................................................ (0,16) Log de la vraisemblance................................. 292,2 R2 corrigé (en %)............................................ 27 18 Nombre d’observations................................... 639 813 629 Source : Enquête SET 97, enquête 1-2-3 phase 1 (1997), nos propres calculs. Note : Ref = variable indicatrice de référence. Seuil de significativité : ***1 %, **5 %, *10 %. Les écarts types sont notés entre parenthèses.

Estimations des revenus du travail des hommes, en 1997

Enquête SET 97, enquête 1-2-3 phase 1 (1997), nos propres calculs.

25Parallèlement, dans l’équation de revenus corrigée, l’endogénéité de S et celle de S2 sont vérifiées au seuil de 1 %, d’après le test d’Hausman [1978]. La méthode des DMC fournit donc des estimateurs convergents [1], mais elle contribue à faire chuter considérablement la significativité du modèle de gains : le R2 corrigé passe de 27 % dans le modèle standard à 18 %.

26Ainsi, le type d’éducation ne joue plus aucun rôle dans la détermination des revenus. L’éducation publique ou privée influerait donc sur la participation au marché du travail mais pas sur la rémunération des travailleurs.

27Le niveau d’études lui-même, et il s’agit là d’un résultat particulièrement surprenant, ne constitue plus un facteur d’accroissement du revenu horaire [2]. Les caractéristiques non observées des individus capteraient donc la totalité de l’effet initialement supposé de l’éducation sur les revenus. Par conséquent, l’éducation ne servirait que d’indicateur de la motivation et des facilités de chacun à travailler.

28Bien qu’il s’agisse là d’une conclusion qui ne serait pas sans déplaire aux défenseurs de la théorie du filtre, elle nous semble peu satisfaisante. Nous approfondissons alors l’analyse en remettant en cause l’hypothèse d’un marché du travail concurrentiel.

TAUX DE RENDEMENT DE L’ÉDUCATION SUR UN MARCHÉ DU TRAVAIL SEGMENTÉ

29Si le marché du travail est segmenté, le fonctionnement des différents secteurs qui le composent ne résulte pas d’imperfections de la concurrence s’exerçant sur le marché du travail pris comme un tout, mais de leur logique propre. Il devient donc nécessaire d’analyser les déterminants du revenu en distinguant celui-ci selon le secteur duquel il est issu.

Application de la théorie du dualisme dans les pays en développement

30La théorie du dualisme distingue le secteur primaire et le secteur secondaire, tous deux ne correspondant ni aux mêmes types d’emplois, ni aux mêmes modes de fonctionnement. Les emplois du secteur primaire sont mieux rémunérés, plus qualifiés, bénéficient de conditions de travail et de perspectives de carrière plus favorables que ceux du secteur secondaire. Or, en raison de barrières à l’entrée mais aussi de politiques d’embauche discriminatoires, il est difficile de passer du secteur secondaire au secteur primaire.

31Cette théorie paraît aisément transposable au cas des villes en développement où le marché du travail connaît de nombreux dysfonctionnements. Doeringer [1988] s’est ainsi autorisé à associer le secteur formel au secteur primaire et l’informel au secteur secondaire, dans le cas de la Jamaïque. En effet, si le premier est incapable d’absorber toute la main-d’œuvre disponible, le second constitue généralement un secteur de repli.

32Cette segmentation semble aussi prévaloir sur le marché du travail d’Antananarivo en 1997. Alors que 40,5 % des actifs occupés sont employés dans le secteur formel, 59,5 % le sont dans le secteur informel [1], le poids de ce dernier ayant crû depuis les débuts de la crise économique, avec le tarissement du recrutement des fonctionnaires notamment.

Estimations économétriques

33L’équation de revenus estimée dans chacun des deux secteurs est proche de l’équation (7), à deux exceptions près.

34D’une part, le coefficient de sélectivité diffère : il est désormais lié à l’affectation au secteur formel ou informel. Pour corriger le biais de sélection sur le marché du travail (y participer ou pas) puis le biais d’affectation à l’un ou l’autre secteur d’activité, nous estimons donc un modèle séquentiel en trois phases. D’autre part, la forme quadratique du niveau d’éducation est abandonnée car l’estimation de ln Yi d’après l’équation (7) a permis de montrer qu’une fois instrumenté, le niveau d’éducation au carré n’améliorait pas significativement le modèle.

35Les résultats obtenus sont présentés dans le tableau 2.

36Bien que les résultats semblent très proches dans les deux secteurs, l’analyse de la variance et le test de Chow nous conduisent à rejeter l’hypothèse d’une structure homogène du marché du travail, au seuil de 1 %. Supposer l’existence d’un marché du travail segmenté avec des modes de fixation des revenus différents d’un secteur à l’autre permet donc de mieux décrire le fonctionnement du marché du travail, à Antananarivo.

37D’après l’estimation mincerienne [équation (1)], le taux de rendement de l’éducation atteint 9 % dans le secteur formel et 7 % dans l’informel. Or, quand le niveau d’études est instrumenté, que les biais de sélection et d’affectation sont contrôlés, et que le type d’éducation et l’environnement parental deviennent des variables explicatives, le taux de rendement de l’éducation perd sa significativité. En 1997, une année d’études supplémentaire n’engendre donc aucun supplément de revenu qui soit significatif. Ce résultat peut s’expliquer par l’existence d’un stock de travailleurs éduqués excédentaire par rapport aux opportunités d’emplois qualifiés. En effet, dans la capitale malgache, des postes peu rémunérateurs attirent désormais des individus sur-qualifiés relativement aux compétences que ces emplois exigent [1].

Tableau 2.

Estimations des revenus du travail des hommes, dans les secteurs formel

Tableau 2.
Tableau 2. Estimations des revenus du travail des hommes, dans les secteurs formel et informel, en 1997 Secteur formel Secteur informel ln Y ln Y i [équation (1)] ln Yi corrigéi [équation (1)] ln Yi corrigé Constante........................................ – 1,16*** – 1,77*** – 1,6*** – 2,17*** (0,29) (0,71) (0,32) (0,44) Niveau d’études, instrumenté dans 0,09*** 0,005 0,07*** 0,04 ln Yi corrigé.................................... (0,009) (0,03) (0,01) (0,04) Âge.................................................. 0,0002 0,03* 0,03* 0,05*** (0,01) (0,02) (0,02) (0,02) (Âge)2............................................. 0,0003 – 0,00002-0,0002 – 0,0004* (0,0002) (0,0002) (0,0002) (0,0002) Type d’éducation — publique................................. 0,03 0,08 (0,09) (0,11) — privée..................................... Ref Ref Niveau d’études du père................. 0,05*** 0,07*** (0,02) (0,02) Niveau d’études de la mère............ 0,08*** 0,06** (0,02) (0,03) Coefficient d’affectation dans les 0,03 – 0,36 secteurs formel ou informel............ (0,26) (0,24) R2 corrigé (en %)............................ 31,1 22,7 12,6 9,4 Nombre d’observations................... 341 339 311 303 Source : Enquête SET 97, enquête 1-2-3 phase 1 [1997], nos propres calculs. Note : Ref = variable indicatrice de référence. Seuil de significativité : ***1 %, **5 %, *10 %. Les écarts types sont notés entre parenthèses.

Estimations des revenus du travail des hommes, dans les secteurs formel

Enquête SET 97, enquête 1-2-3 phase 1 [1997], nos propres calculs.

38Le fait que ce phénomène soit constaté dans les deux secteurs ne permet cependant pas de conclure à une homogénéité des revenus : de simples analyses descriptives montrent une nette différence entre les revenus moyens de chaque secteur, en 1997. Ainsi, quel que soit leur niveau d’études (à l’exception de l’éducation supérieure), les travailleurs du secteur formel perçoivent entre 60 % et 100 % de revenu en plus. Les coefficients positifs de la variable d’âge indiquent alors que si les revenus ont globalement chuté à Antananarivo, leur décroissance s’est avérée relativement plus forte dans le secteur informel.

39Parallèlement, le tableau 2 montre que le type d’éducation n’est significatif, ni dans le secteur formel ni dans le secteur informel, contrairement aux hypothèses formulées en introduction de cet article. Avoir reçu une éducation publique ou privée n’influe donc nullement sur les revenus perçus. Rappelons, cependant, que le type d’éducation modifie significativement la probabilité d’exercer un emploi.

40Enfin, le coefficient d’affectation dans l’un ou l’autre secteur n’est pas significatif. Les caractéristiques non observées qui accroissent la probabilité d’exercer un emploi formel ne prédisposent donc pas les travailleurs concernés à gagner significativement plus ou moins que les autres. De fait, on peut penser que l’attirance pour le secteur formel ne résulte pas seulement du salaire escompté mais aussi de critères tels que la sécurité de l’emploi, les possibilités de promotion mais aussi les potentiels avantages en nature.

CONCLUSION

41Nous avons cherché à montrer dans quelle mesure le taux de rendement de l’éducation était surestimé si l’on appliquait le modèle standard de Mincer [1974]. Pour ce faire, nous l’avons enrichi en corrigeant la participation sélective au marché du travail, en instrumentant le niveau d’éducation et en supposant d’autres déterminants du revenu, dont le type d’éducation.

42Sous l’hypothèse d’un marché du travail concurrentiel dans la capitale malgache, le taux de rendement de l’éducation, qui atteignait 10 % dans le modèle de Mincer, perd alors toute significativité. De plus, si l’éducation publique comparée à l’éducation privée réduit significativement la probabilité de travailler, elle n’exerce aucun effet significatif sur les revenus.

43Afin de tester la robustesse de ces résultats, l’équation de revenus a ensuite été estimée distinctement pour les secteurs formel et informel, le marché du travail se révélant segmenté à Antananarivo. Le taux de rendement de l’éducation demeure non significatif dans les deux secteurs, ce qui remet en question l’hypothèse même de la théorie du capital humain.

44Toutefois, la faiblesse du R2 corrigé, dans le secteur informel notamment, laisse supposer que les variables retenues dans notre analyse n’expliquent qu’une faible part de la variance des revenus. Pour mieux appréhender les rendements de l’éducation, il serait donc nécessaire de bénéficier d’une meilleure connaissance à la fois de la demande de travail et des facteurs politiques et conjoncturels qui caractérisent Madagascar.

Notes

  • [*]
    Université Paris IX-Dauphine, Place du Maréchal-de-Lattre-de-Tassigny, 75775 Paris Cedex 16. E-mail : fflorence. arestoff@ dauphine. fr L’auteur remercie le professeur Jean-Claude Berthélémy pour l’ensemble de ses remarques et le GIS DIAL au sein duquel a été écrite la première version de cet article.
  • [1]
    DIAL-INSTAT-ORSTOM.
  • [2]
    SET = Santé-Éducation-Transferts.
  • [1]
    Sont considérés comme migrants les individus nés hors de l’agglomération d’Antananarivo.
  • [2]
    Le type d’éducation est une variable indicatrice qui prend la valeur 1 quand l’individu a été inscrit dans un plus grand nombre d’écoles publiques que d’écoles privées au cours de sa scolarité, et la valeur 0 sinon.
  • [3]
    Le revenu des parents quand l’individu avait 15 ans est estimé et non observé.
  • [1]
    En régressant les résidus des DMC sur les variables instrumentales de S et de S2, nous démontrons aussi la qualité des instruments retenus.
  • [2]
    Ce résultat perdure si l’on suppose un effet linéaire et non plus quadratique du niveau d’études sur les revenus.
  • [1]
    Le secteur informel regroupe, ici, l’ensemble des unités de production qui ne possèdent pas de numéro statistique ou, dans le cas des patrons et des travailleurs à leur propre compte, qui ne tiennent pas de comptabilité.
  • [1]
    Knight et Sabot [1987] ont constaté un phénomène du même type, au Kenya et en Tanzanie.
Français

Dans cet article, nous proposons une modélisation des rendements de l’éducation visant à enrichir le modèle de Mincer [1974] selon lequel les revenus ne sont fonction que du niveau d’éducation et de l’expérience professionnelle. Nous considérons d’autres déterminants des revenus dont le type d’éducation (public ou privé), tout en corrigeant le biais de sélection sur le marché du travail et le biais d’endogénéité du niveau d’études. Le taux de rendement de l’éducation se révèle alors non significatif à Madagascar, que le marché du travail soit supposé concurrentiel ou segmenté.

RÉFÉRENCES BIBLIOGRAPHIQUES

  • ARESTOFF F. [2000], Eff?cacité comparée de l’éducation publique et privée. Une application micro-économétrique au cas de Madagascar, thèse de doctorat, Université Paris X-Nanterre.
  • BECKER G. [1975], Human Capital, 2e éd., Chicago, University of Chicago Press.
  • En ligneBEDI A.S., GARG A. [2000], « The Effectiveness of Private versus Public Schools : the case of Indonesia », Journal of Development Economics, 61, p. 463-494.
  • En ligneDOERINGER P.B. [1988], « Market Structure, Jobs, and Productivity : Observations from Jamaica », World Development, 16 (4), p. 465-482.
  • En ligneHECKMAN J.J. [1974], « Shadow Prices, Market Wages, and Labor Supply », Econometrica, 42, p. 679-694.
  • En ligneHECKMAN J.J. [1979], « Sample Selection Bias as Specification Error », Econometrica, 47 (1), p. 153-161.
  • En ligneHECKMAN J.J., LAYNE-FARRAR A., TODD P. [1996], « Human Capital Pricing Equations with an Application to Estimating the Effect of Schooling Quality on Earnings », The Review of Economics and Statistics, 78 (4), p. 562-610.
  • En ligneKNIGHT J.B., SABOT R.H. [1987], « The Rate of Return on Educational Expansion », Economics of Education Review, 6 (3), p. 255-262.
  • MINCER J. [1974], Schooling, Experience and Earnings, New York, National Bureau of Economic Research.
Florence Arestoff [*]
  • [*]
    Université Paris IX-Dauphine, Place du Maréchal-de-Lattre-de-Tassigny, 75775 Paris Cedex 16. E-mail : fflorence. arestoff@ dauphine. fr L’auteur remercie le professeur Jean-Claude Berthélémy pour l’ensemble de ses remarques et le GIS DIAL au sein duquel a été écrite la première version de cet article.
Pour citer cet article
Distribution électronique Cairn.info pour Presses de Sciences Po © Presses de Sciences Po. Tous droits réservés pour tous pays. Il est interdit, sauf accord préalable et écrit de l’éditeur, de reproduire (notamment par photocopie) partiellement ou totalement le présent article, de le stocker dans une banque de données ou de le communiquer au public sous quelque forme et de quelque manière que ce soit.
keyboard_arrow_up
Chargement
Chargement en cours.
Veuillez patienter...