PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
PDF, FR, 219 p., 3,1 Mo - Femise
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
la probabilité pour un individu donné d’être dans un état à différents moments de son itinéraire,<br />
estimer autant de modèles que de dates retenues empêche de prendre en compte l’hétérogénéité<br />
individuelle non-observée et/ou non-observable. Lire la trajectoire de cet individu à travers les<br />
résultats des ces différents modèles ne permet pas d’en saisir véritablement le sens : la relation<br />
séquentielle entre les différentes variables tout au long du parcours sur le marché du travail n’est<br />
pas appréhendée. Si l’on se borne, en outre, à expliquer un état du marché du travail à la dernière<br />
des dates retenues, l’effet des variables changeant dans le temps (mobilité en début de vie active<br />
par exemple) a tendance à être surestimé par rapport à l’effet des variables constantes dans le<br />
temps. En fait, plus la date à laquelle on décide d’expliquer le risque de se retrouver dans un état<br />
particulier s’éloigne de la date de sortie du système de formation, plus l’effet des variables ne<br />
variant pas dans le temps (diplômes par exemple) est estompé. La porte est alors ouverte à des<br />
interprétations qui tendent à minimiser le rôle de la formation initiale délivrée par le système<br />
éducatif. Mais une telle interprétation repose sur une mauvaise appréciation des effets combinés<br />
des variables mises en jeu, résultant d’une mauvaise spécification du modèle statistique.<br />
L’estimation d’un modèle unique, qui viserait à expliquer la probabilité d’être dans un état aux<br />
différentes dates choisies mais qui ne tiendrait pas compte de l’hétérogénéité individuelle nonobservée<br />
et/ou non-observable aboutirait de même à des interprétations faussées. En effet,<br />
postuler l’homogénéité individuelle reviendrait à émettre une hypothèse implicite d’indépendance<br />
des effets des variables omises par rapport aux variables explicatives du modèle. L’hétérogénéité<br />
individuelle non-observée et/ou non-observable est considérée comme faisant partie du résidu,<br />
indépendant des variables explicatives du modèle : tel ne saurait – a priori – être le cas. Cette<br />
hypothèse, généralement non vérifiée mais nécessaire pour l’estimation de modèles sur données<br />
en coupe, conduit inévitablement à des estimateurs biaisés. Or, l’un des avantages des données<br />
longitudinales réside précisément dans la possibilité de décomposer le résidu du modèle : alors<br />
qu’une partie relève de l’hétérogénéité individuelle, l’autre est purement aléatoire et indépendante<br />
des variables explicatives. Il devient alors possible de contrôler l’effet des variables omises pour<br />
aboutir à une évaluation satisfaisante des effets des autres variables.<br />
C’est en partant de ces remarques intuitives que nous avons jugé nécessaire d’adapter<br />
nos données à un cadre longitudinal et estimer des modèles qui tiennent compte de toute<br />
l’hétérogénéité qui marque un itinéraire d’insertion.<br />
146