Salaires dans les entreprises green STAMPER LAURENT .pdf



Nom original: Salaires dans les entreprises green - STAMPER - LAURENT.pdf
Auteur: Administrateur

Ce document au format PDF 1.5 a été généré par Microsoft® Word 2016, et a été envoyé sur fichier-pdf.fr le 18/04/2018 à 11:35, depuis l'adresse IP 37.173.x.x. La présente page de téléchargement du fichier a été vue 197 fois.
Taille du document: 1.6 Mo (26 pages).
Confidentialité: fichier public




Télécharger le fichier (PDF)










Aperçu du document


UNIVERSITÉ PARIS 1 PANTHÉON SORBONNE
MASTER 2 – POLITIQUES PUBLIQUES
ANNÉE UNIVERSITAIRE 2017-2018

Pratique de l’Econométrie
Les salaires sont-ils plus élevés dans des entreprises Green ?
Enquête COI 2006

Etude réalisée par LAURENT Pierre et STAMPER Emeric
1

SOMMAIRE
I) Introduction

Page 3

II) Explication de l’étude

Page 4 à 13

III) Explication du modèle économétrique et analyse des résultats
Page 14 et 15

IV) Conclusion

Page 16

V) Annexes

Page 17 à 26

2

I)

Introduction

Avec le nouveau millénaire viennent des enjeux majeurs pour l’humanité, la préservation de l’environnement
fait partie de ces défis. Les unités de production étant une des principales sources de dégradation de l’environnement,
elles
peuvent
être
aussi
un
vecteur
de
transition
vers
le
développement
durable.
En alliant économie, social et environnement les normes ISO 14001 ainsi que différents labels (AB, commerce
équitable, etc.) s’inscrivent dans cette perspective au sein des entreprises, ces signaux de comportement respectueux
de
l’environnement
seront
appelés
« green »
dans
l’étude.
La famille de normes ISO 14000 donne des outils pratiques aux entreprises et aux organisations de tous types qui
souhaitent
maîtriser
leurs
responsabilités
environnementales.
La norme ISO 14001, objet de cette étude, s'intègre dans le cadre du développement durable et repose également sur
une démarche volontaire d'amélioration continue. Elle définit une série d'exigences spécifiques à la mise en place
d'un système de management environnemental au sein d'une organisation.
Ainsi le fait de devenir “green” requiert un effort supplémentaire pour les salariés, comme pour les entreprises, afin
de
s’adapter
à
ces
nouvelles
normes
plus
exigeantes.
Afin d’inciter les salariés à adopter ces nouvelles méthodes respectueuses de l’environnement l’augmentation de
salaire1, le départ de certains salariés peu productifs ne pouvant pas fournir cet effort supplémentaire (ie ayant un
salaire plus faible) ou encore l’arrivée de nouveaux salariés, plus productifs, disposés à fournir un effort plus élevé
en contrepartie d’une rémunération supérieure, sont autant d’hypothèses envisageables suite à la “verdisation” de
l’entreprise.
À l’inverse, un pourrait observer un effet nul, voire négatif, sur les salaires de la labellisation “green” si les coûts de
cette transformation se sont avérés supérieurs aux bénéfices attendus ou que les salariés les plus productifs n’ont pas
été enclins à ce changement organisationnel sans une contrepartie suffisante (refus d’interférence dans leur travail,
incitations insuffisantes 2), engendrant l’embauche de personnel moins productif et donc moins rémunéré.
Ainsi si la labellisation “green” semble bénéfique pour l’environnement ses effets sur les salaires peuvent être
fortement
ambigus
d’un
point
de
vue
théorique.

Cet effort supplémentaire demandé aux salariés se traduit-il par une augmentation de salaire ?
La norme ISO 14001 étant facultative, il conviendrait d’étudier si l’obtention de celle-ci mène à une
distribution plus élevée de salaires grâce à la comparaison entre deux entreprises jumelles statistiquement.

1

Référence au salaire d’efficience de C.SHAPIRO et J.STIGLITZ, «Equilibrium unemployment as a worker discipline
device», American Economic Review, 1984
2
Référence à la théorie des X et des Y de D.MC GREGOR. The Human Side of Enterprise, 1960.

3

II)

Explication de l’étude

Dans l’optique de répondre à cette question, sera utilisée la base de données issue de l’enquête COI DADS
2006, soient 12984 observations, qui comprend de nouvelles thématiques qui ont contribué à faire évoluer les
questionnaires « entreprises /employeurs » et « salariés ».
Notamment la base de données capture les effets des nouvelles frontières des organisations, de la gestion des
connaissances, et de celle des compétences. L’enquête prend compte des « nouveautés » technologiques ou
organisationnelles telles que l’utilisation de l’ordinateur ou de la possibilité d’être joint en dehors du travail.
Ainsi, il convient de définir les variables de contrôle afin de dégager l’effet principal du « green » sur les salaires.
Dans un premier temps, on regarde de manière naïve, sans variables de contrôle, s’il y a une différence significative
de moyenne de salaires bruts entre les entreprises “Green” et les “Non green” via un test de student avec variances
égales (ici le résultat reste identique avec des variances inégales, il suffit de rajouter l’option sous Stata “unequal”).

Test de Student avec variances égales
Groupe
d’intérêt

Observations

Moyenne

Erreur
Standard

Écart Type

Non - Green

9,417

30503,38

181,3702

17600,39

30147,85

30858,90

Green

3,567

34412,47

323,593

19326,39

33778,02

35046,92

Total

12,984

31577,29

159,4963

18174,18

31264,66

31889,93

-3909,095

355,6779

-4606,275

-3211,914

Différence

Différence = moyenne (non green) - moyenne (green)
H0 : différence = 0
Ha : différence < 0
Pr(T<t)=0.0000

Interval de confiance à 95%

t=-10,9905
Degrés de liberté = 12982

Ha : différence !=0
Pr(|T|>|t|)=0.0000

Ha: différence>0
Pr(T>t)=1.0000

Le test de student est concluant : on observe de manière très significative (p-value=0) que les entreprises “green” ont
un écart de moyenne de salaires bruts de -3909,10€. Toutefois ces écarts peuvent provenir d'éléments externes au fait
d’être “green” ou non. Il convient donc de déterminer les variables pouvant expliquer des différences de rémunération
au sein des entreprises.
Cinq grandes catégories de variables de contrôle peuvent être distinguées : celles ayant trait aux
caractéristiques de l’individu (A) ; aux caractéristiques de l’emploi au sein l’entreprise (B); à la difficulté du
travail (C); aux conditions et technicités de travail (D) et enfin celles relatives au mode et à la fixation de la
rémunération (E).

4

A) Les variables liées aux caractéristiques de l’individu
Les caractéristiques des individus définissent leur productivité et par conséquent leur salaire. Des discriminations
salariales peuvent exister sur le marché du travail en se basant sur les origines ou le sexe des individus, causant ainsi
des différences notables de salaire.
Il est donc important de contrôler le lien entre le statut « green » et les salaires par différentes variables représentatives
de ces différences de caractéristiques individuelles.
On observe des différences importantes de salaire entre les hommes et des femmes, la variable qualitative
SEXE (qui sera transformée en « homme » si SEXE=1) permettra de contrôler l’effet de « green » sur les salaires par
le sexe des individus.

Distribution des salaires bruts (en €)
Sexe

Moyenne

Écart Type

Freq.

Femme

26763.563

14730.08

4,825

Homme

34423.995

19378.944

8,159

Total

31577.293

18174.18

12,984

Il en est de même pour l’âge, classiquement on trouve une corrélation positive entre l’âge et le salaire, sera
utilisée la variable quantitative AGEDET 3, variable continue, qui nous permet bien d’observer une corrélation
positive entre les deux. On utilise ici cette variable à travers un logarithme, en effet on peut s’attendre à ce que
l’effet marginal des différences d’âge sur les salaires soit décroissant. Ici est représentée la distribution des salaires
suivant un découpage en classe d’âge d’étendue de 5 ans opérée par la variable AGQ dans la base de données 4.

3
4

Voir Tableau 1 dans les Annexes pour avoir la corrélation entre le salaire brut et l’âge
Voir Tableau 3 dans les Annexes pour avoir la distribution entre la nouvelle variable d’âge et le salaire brut

5

Distribution des salaires bruts (en €)
Classe d’âge

Moyenne

Écart Type

Freq.

15 à 19 ans

12931.827

5147.7351

75

20 à 24 ans

18904.922

6803.6549

588

25 à 29 ans

25598.82

10155.063

1,721

30 à 34 ans

29214.582

14291.901

1,629

35 à 39 ans

31829.191

17347.35

2,430

40 à 44 ans

32807.196

18786.066

1,846

19955.539

2,105

45 à 49 ans

34297.536

50 à 54 ans

35587.303

20407.286

1,388

55 à 59 ans

38628.31

22868.352

1,137

60 à 64 ans

44808.919

30439.47

62

65 ans et plus

23472

27764.774

3

Total

31577.293

18174.18

12,984

Des différences notables sont observées à travers les groupes socioprofessionnels en termes de salaires. En
effet, en utilisant la variable CSCOR qui a 4 modalités (cadres ; professions intermédiraires ; employés ; ouvriers)
d’importantes différences de salaire peuvent être observées dans la distribution des salaires bruts, pouvant ainsi
biaiser l’effet du “green” sur les salaires si elle est omise.

6

Distribution des salaires bruts (en €)
Groupe Socioprofessionnel

Moyenne

Écart Type

Freq.

Cadres

60807.76

23444.18

1,991

Professions intermédiaires

33585.741

11869.239

3,276

Employés

21560.156

7582.5322

2,461

Ouvriers

23943.092

7853.1045

5,256

Total

31577.293

18174.18

12,984

Outre ces trois variables de contrôle classiques, on peut ajouter la variable NAFEN_G16 qui permettra de
capter les variations du salaire dues au secteur d’activité. 5 Il est en de même de la TU99 qui permet des entreprises
selon leur localisation : intuitivement on pourrait penser que les salaires sont moins élevés en campagne où le “coût
de la vie” y est plus bas comparativement aux grandes villes, d’autant plus si l’entreprise se situe en région parisienne.
Il en est de même pour le diplôme (capturé par la variable DIPLÔME6 dans la base de données modalités 1-primaire
; 2-secondaire 1er cycle ; 3-technique cycle court : préparation d’un CAP, BEP, en apprentissage ; 4 : technique cycle
court : préparation d’un CAP, BEP, hors apprentissage ; 5-secondaire générale (seconde à la terminale) ; 6preparation d’un bac professionnel ; 7-superieur 1er cycle (y compris BTS, IUT,…) ; 8-superieur 2d cycle ; 9superieur 3e cycle ; 10-grande ecole, ecole d’ingenieur, ecole de commerce).
Le handicap (variable HANDICAP) peut lui aussi impacter le salaire puisqu’on risque d’avoir une discrimination à
l’embauche 7
Le fait d’être né français peut aussi, à travers les discriminations ou les différences de statuts des salariés étrangers,
peut impacter le salaire, il est donc important de le prendre en compte. La variable naissance_fr que nous avons créée
prend la valeur 1 si au moins 1 des deux parents est français (données issues de PAYSP et PAYSM)8.
Après avoir pris en compte les variables liées aux caractéristiques de l’individu, il convient de sélectionner les
variables liées aux caractéristiques de l’entreprise qui influencent potentiellement le salaire, afin de nettoyer l’effet
“green” de leurs impacts.

5

Voir Tableau 11 dans les Annexes pour avoir la distribution entre le salaire brut et le secteur d’activité
Voir Tableau 5 dans les Annexes pour avoir la distribution entre le salaire brut et le diplôme
7
Voir Tableau 6 dans les Annexes pour avoir la distribution entre le salaire brut et le handicap
8
Voir Tableau 7 dans les Annexes pour avoir la distribution entre le salaire brut et le fait d’être né français
6

7

B) Les variables liées aux caractéristiques de l’emploi au sein de l’entreprise
Plusieurs variables ayant trait aux caractéristiques de l’entreprise peuvent permettre d’expliquer la distribution
des salaires et donc doivent être prises en compte dans le modèle économétrique.
Parmi elles le type d’emploi proposé par l’entreprise participe à la détermination du niveau de rémunération. À partir
de la variable TPARTIEL afin d’évaluer dans le modèle économétrique les effets d’être en temps partiel ou non.
(Convertie au format numérique avec la variable tpartiel_2 égale à 1 si l’individu est à temps partiel). On peut
observer les différences de salaire dans le tableau 8.).

Distribution des salaires bruts (en €)
Horaires hebdomadaires

Moyenne

Écart Type

Freq.

Temps plein

32652.791

18183.614

11,957

Temps partiel

19055.646

12498.037

1,027

Total

31577.293

18174.18

12,984

Il convient aussi de considérer les effets différenciés d’avoir des salariés sous ses ordres ou non sur le salaire, et ce
suivant leur nombre. Sera utilisée la variable CHEF qui capture l’exercice hiérarchique et TCHEFNB, qui capture le
nombre de salariés encadrés (classifiée en trois variables chef_moins5 ; chef_5_50 et chef_plus_50).

Distribution des salaires bruts (en €)
Hiérarchie

Moyenne

Écart Type

Freq.

Chef

42336.804

23878.032

3,697

Encadré

27294.11

13054.895

9,287

Total

31577.293

18174.18

12,984

Le poste dans lequel le salarié évolue au sein de l’entreprise participe à la détermination de sa rémunération. Sera
utilisée la variable FONCTION, qui décrit le poste occupé par le salarié.9 (1 : production, chantiers, exploitation ; 2 :

9

Voir Tableau 10 dans les Annexes pour avoir la distribution entre le salaire brut et la fonction

8

installation, réparation, maintenance ; 3 : nettoyage, gardiennage, travail ménager ; 4 : manutention, magasinage,
logistique 5 : secrétariat, saisie, accueil ; 6 : gestion, comptabilité ; 7 : commercial, technico-commercial ; 8 : études,
recherche et développement, méthodes ; 9 : enseignement ; 10 : soin des personnes ; 11 : autre fonction). Chacune
de ces modalités sera convertie en variable binaire prenant la valeur 1 si le salarié occupe ce poste, 0 sinon.
La taille de l’entreprise dans laquelle évolue le salarié, toutes choses égales par ailleurs, peut impacter le niveau de
son salaire. Intuitivement une grosse entreprise, notamment de par les économies d’échelles et l’importance de sa
trésorerie, distribuer des salaires plus élevés qu’une petite entreprise, et ce d’autant plus si le salarié est productif 10
afin de le conserver au sein de l’entreprise. Mais on peut s’attendre ici à ce que l’effet marginal soit décroissant, ainsi
sera utilisée la variable lsize (transformation en log de la variable effl_corr) pour capturer l’effet non linéaire de la
taille de l’entreprise sur le salaire11.
Enfin l’ancienneté du salarié impacte directement le niveau de salaire : son salaire est une fonction croissante de son
ancienneté. Il convient donc d’utiliser la variable ANCENTR5 (avec les modalités : 1 - moins d’un an ; 2 - 1an à
moins de 3 ans ; 3 - 3 ans à moins de 5 ans ; 4 - 5 ans à moins de 10 ans ; 5 - 10 ans et plus). Chacune de ces modalités
sera convertie en variable binaire prenant la valeur 1 si le salarié se situe dans cet intervalle d’ancienneté, 0 sinon12.
Après avoir pris en compte les variables liées aux caractéristiques du poste au sein de l’entreprise il convient de
sélectionner les variables liées à la difficulté du travail qui influencent potentiellement le salaire, afin de nettoyer
l’effet “green” de leurs impacts.

C) Les variables liées à la difficulté du travail
Le travail des salariés peut comporter des difficultés différentes pour un même poste, toutes choses égales par
ailleurs, ce qui pourrait ainsi se traduire par une augmentation des salaires pour ceux ayant des travaux plus pénibles.
Si le salarié fait des heures supplémentaires, cela peut potentiellement augmenter son salaire. La variable
COMPENSE permet de voir si les heures supplémentaires sont compensées financièrement 13.
Le fait que l’entreprise décide de manière discrétionnaire les horaires du salarié peut aussi se répercuter par un salaire
différent, sera donc utilisée la variable HORDETC (convertie en binaire hora_ent ; hora_choix et hora_sal suivant le
degré de
liberté qu’a
le salarié
dans
la
fixation
de ses
horaires
de travail) 14.
Par ailleurs, avoir des horaires de travail “non conventionnels” tel que travailler le dimanche ou la nuit conduit à une
différenciation des salariés, ce qui impacte leur salaire. La variable HORSHOR permet de capturer les effets sur le
salaire de ces horaires atypiques (crée à partir de DIMA + SAMA + NOCTA, elle prend la valeur 1 si la somme de
ces trois variables est supérieure ou égale à 1, 0 sinon) 15.

10

Référence aux modèles de Turnover de J.SALOP (1979) et J.STIGLITZ (1985)
Voir Tableau 13 dans les Annexes pour avoir la corrélation entre le salaire brut et la taille de l’entreprise
12
Voir Tableau 14 dans les Annexes pour avoir la distribution entre le salaire brut et l’ancienneté
13
Voir Tableau 15 dans les Annexes pour avoir la distribution entre le salaire brut et la compensation d’heures
supplémentaires
14
Voir Tableau 16 dans les Annexes pour avoir la distribution entre le salaire brut et la discrétion dans la fixation des horaires
15
Voir Tableau 17 dans les Annexes pour avoir la distribution entre le salaire brut et le fait d’avoir des horaires atypiques
11

9

Distribution des salaires bruts (en €)
Horaires hebdomadaires

Moyenne

Écart Type

Freq.

Horaires “Traditionnels”

31927.756

17837.475

6,474

Horaires “Atypiques”

31228.768

18497.733

6,510

Total

31577.293

18174.18

12,984

Le fait que les décisions du salarié, en autres à cause de la difficulté ou du risque de son travail, engendrent des
conséquences pour lui ou pour ses collègues peut entraîner une prime de risque qui viendrait augmenter le salaire
qu’il perçoit, il convient donc d’utiliser la variable CONSEQUENCES16 (crée à partir des variables de

conséquences CONSDANG (sur la sécurité du salarié) + CONSECU ( sur la sécurité d’autres personnes) +
CONSNEGA (sur des impacts négatifs pour le salarié) + CONSNEGB (sur des impacts négatifs pour d’autres
personnes) + CONSNEGC (sur des impacts négatifs pour l’entreprise) et qui prend la valeur 1 si la somme de ces
cinq
variables
est
supérieure
ou
égale
à
1,
0
sinon.
Le fait que le salarié travaille en autonomie peut impacter son salaire, notamment pour lui donner des incitations à
fournir l’effort maximal. Ainsi il convient d’utiliser la variable COMMENC17 qui prend la valeur 1 si les supérieurs
disent comment faire, 0 si les supérieurs donnent les objectifs et le salarié choisit la façon d’y arriver.
De même si des contraintes de rendements ou de rythme imposé sont présentes dans l’emploi du salarié, afin de
maximiser l’effort de celui-ci et de le compenser d’un rythme forcé un salaire plus important, toutes choses égales
par ailleurs peut se traduire par un salaire plus élevé. Sera donc utilisée la variable RYTHME_IMPOSE18 (crée à partir
des variables de contrainte de rythme rwdemint (interne) ; rwdemext (externe) ; rwnormh (délais de production en
une heure) ; rwnormj (délais de production en une journée) ; norme (délais de l’ordre du jour ou de l’heure) rwdepc
(à cause d’une machine) ; rwcoleg (à cause d’un ou plusieurs collègues)), qui prend la valeur 1 si la somme de ces
sept variables est supérieure ou égale à 1, 0 sinon.
Après avoir pris en compte les variables liées aux difficultés du travail impactant le salaire, il convient de sélectionner
les variables liées aux conditions de travail qui influencent potentiellement le salaire, afin de nettoyer l’effet “green”
de leurs impacts.

16

Voir Tableau 18 dans les Annexes pour avoir la distribution entre le salaire brut et le risque d’avoir des conséquences
Voir Tableau 19 dans les Annexes pour avoir la distribution entre le salaire brut et l’autonomie
18
Voir Tableau 20 dans les Annexes pour avoir la distribution entre le salaire brut et le fait d’avoir un rythme imposé
17

10

D) Les variables liées aux conditions et technicités du travail
Le travail des salariés peut comporter des conditions et de technicités de travail différentes, toutes choses
égales par ailleurs, ce qui pourrait ainsi se traduire par des différences de salaires.
Notamment l’utilisation d’ordinateur, encore peu répandue au début des années 2000, peut se traduire par une
technicité plus importante, un savoir plus rare qui viendrait augmenter le salaire. Sera donc utilisée la variable
UTILORDI19 qui prend la valeur 1 si le salarié utilise un ordinateur, 0 sinon.

Distribution des salaires bruts (en €)
Utilisation d’un ordinateur

Moyenne

Écart Type

Freq.

Non

22756.473

8835.5625

3,741

Oui

35147.42

19701.954

9,243

Total

31577.293

18174.18

12,984

Il en est de même si l’emploi nécessite que le salarié soit joignable en dehors du travail : une contrainte
supplémentaire pourrait se traduire par un salaire supérieur. Sera donc utilisée la variable JOINDRE qui prend la
valeur 0 si le salarié n’a pas à être joignable en dehors des horaires de travail, 1 si parfois ou souvent il doit l’être 20.
Le télétravail peut aussi avoir un impact positif sur le salaire puisque l’entreprise économisant des frais (déplacement,
locaux, etc.) peut reverser une partie de ces gains au salarié afin qu’il maximise son effort. Ainsi il convient d’utiliser
la
variable
DOMIC 21
pour
capturer
le
fait
de
travail
ou
non
chez
soi.
Le fait de travailler en équipe ou d’être en contact avec le public générant une contrainte supplémentaire et demandant
un effort supplémentaire d’adaptation pouvant se traduire par un salaire supérieur, il convient d’utiliser la variable
equipe222 qui prend la valeur 1 si la variable de partenaires de travail colsup (travailler avec des supérieurs) ou
colsubor (des subordonnés) ou colserv (même service) ou colsera (d’autres services) est positive et que coltemps
(travailler tout le temps avec des collègues) aussi, 0 sinon. Pour l’effet dû au travail avec le public sera utilisée la
variable PUBLIC23. (1 : travail parfois/en permanence avec le public, 0 sinon).

19

Voir Tableau 21 dans les Annexes pour avoir la distribution entre le salaire brut et l’utilisation d’un ordinateur
Voir Tableau 22 dans les Annexes pour avoir la distribution entre le salaire brut et la joignabilité du salarié
21
Voir Tableau 23 dans les Annexes pour avoir la distribution entre le salaire brut et le télétravail
22
Voir Tableau 24 dans les Annexes pour avoir la distribution entre le salaire brut et le travail en équipe
23
Voir Tableau 25 dans les Annexes pour avoir la distribution entre le salaire brut et le contact avec le public
20

11

Enfin, tout comme le diplôme, le nombre de formations impacte la productivité du salarié, l’adapte aux besoins de
l’entreprise ce qui peut se traduire par un salaire plus élevé toutes choses égales par ailleurs. Ainsi pour capturer cet
effet il convient d’utiliser la variable discrète NBFORM24 (traduit en variable numérique sous nbform_2) qui
comptabilise le nombre de formations dont a bénéficié le salarié.
Après avoir pris en compte les variables liées aux conditions et technicités du travail impactant le salaire, il
convient de sélectionner les variables liées au mode et à la fixation de la rémunération du travail qui influencent
potentiellement le salaire, afin de nettoyer l’effet “green” de leurs impacts.
E) Les variables liées au mode et à la fixation de la rémunération
Le travail des salariés peut faire l’objet de différents modes de rémunération ou bien d’une plus grande
négociation dans la fixation du salaire toutes choses égales par ailleurs, ce qui pourrait ainsi se traduire par des
différences
notables.
Le fait d’avoir une partie ou la totalité du salaire qui est variable se traduit par la présence plus ou moins importante
de risque pour le salarié, risque pouvant potentiellement être transféré dans une rémunération plus importante
(assurance) ou bien si le risque se réalise par un salaire plus faible. Ainsi il convient d’utiliser la variable SALVAR25
qui prend la valeur 1 si une partie ou la totalité du salaire est variable, 0 sinon.

Distribution des salaires bruts (en €)
Salaire variable

Moyenne

Écart Type

Freq.

Non

28717.312

14508.118

7,903

Oui

36025.714

22005.061

5,081

Total

31577.293

18174.18

12,984

Le risque de perdre son emploi peut lui aussi constituer engendrer des salaires différents pour les salariés : afin de
conserver ses salariés l’entreprise pour leur assurer qu’ils conserveront dans un futur proche leur emploi il peut leur
être demandé une baisse dans la rémunération. Afin de capter ce phénomène, la variable INSTABLE26 sera créée, elle
prendra la valeur 1 si la somme de PERTEMP (risque de perdre l’emploi dans l’année) + CHANGEMP (risque de
changer de métier ou de qualification dans les trois prochaines années) est positive, 0 sinon.
L’évaluation quant à elle permet aux entreprises d’affiner les objectifs suivant les performances du salarié, si elles
peuvent rarement se traduire par une baisse de salaire à cause des rigidités salariales, elles peuvent toutefois avoir
pour conséquence d’augmenter les salaires des plus productifs en permettant d’individualiser les primes. La variable

24

Voir Tableau 26 dans les Annexes pour avoir la distribution entre le salaire brut et le nombre de formations reçues
Voir Tableau 27 dans les Annexes pour avoir la distribution entre le salaire brut et la variabilité du salaire
26
Voir Tableau 28 dans les Annexes pour avoir la distribution entre le salaire brut et le risque de perte d’emploi
25

12

EVALUE27 sera donc utilisée, car elle permet de capturer le fait que le salarié soit évalué au moins une fois par an
(prend la valeur 1 si oui, 0 sinon).
Le fait d’avoir des élus autour de soi dans le travail peut permettre au salarié d'accéder à une augmentation plus
facilement c’est pourquoi la variable ELUS28 sera créée, elle prendra la valeur 1 si DELELU (dans l’entreprise il y a
des représentants du personnel élus) + DELSYND (dans l’entreprise il y a des délégués syndicaux) afin de capturer
cet élément. On peut aussi légitimement penser qu’être syndicalisé peut permettre aux salariés de faire une pression
supplémentaire envers l’employeur et de mieux se renseigner sur les pratiques des autres entreprises afin de négocier
à la hausse son salaire. Sera donc utilisée la variable SYNDICA29 qui prend la valeur 1 si le salarié est syndicalisé, 0
sinon.
Enfin comme dernière variable seront prises en comptes les heures travaillées, a priori plus on travaillera longtemps
dans la semaine plus on touchera un salaire élevé30, ici cette variable prend en compte à la fois les horaires habituels
et non habituels.
Après avoir exposé l’ensemble des variables de contrôle qui peuvent impacter le salaire brut, il convient
d’exposer la méthode économétrique qui sera utilisée afin de déterminer l’impact de faire partie d’une entreprise
“green” sur les salaires.

27

Voir Tableau 29 dans les Annexes pour avoir la distribution entre le salaire brut et l'évaluation des salariés
Voir Tableau 30 dans les Annexes pour avoir la distribution entre le salaire brut et la présence d’élus dans l’entreprise
29
Voir Tableau 31 dans les Annexes pour avoir la distribution entre le salaire brut et le fait d’être syndicalisé
30
Voir Tableau 32 dans les Annexes pour avoir la distribution entre le salaire brut et le nombre d’heures travaillées
28

13

III)

Explication du modèle économétrique et analyse des résultats

La base de données COI 2006 ne nous permettant pas de comparer les entreprises avant et après l’obtention
de la norme ISO 14001, ne sont disponibles que les données pour l’année 2006, et une régression probit ne nous
permettant pas d’éliminer les effets de structure lors de l’estimation, nous utilisons ici la méthode du propensity score
matching, afin de recréer une pseudo expérience, en associant les entreprises ayant la certification à d’autres
entreprises semblables n’ayant pas la norme.
On a ainsi un groupe de contrôle et un groupe de traité. Les différentes variables définies précédemment
serviront à définir des jumeaux statistiques ayant pour seule différence la norme « green ». On peut ainsi comparer
ces deux groupes et obtenir des résultats qui prennent en compte un maximum d’effet structure.
Le choix des variables à introduire dans le modèle était donc crucial, car selon les variables choisies pour procéder à
la comparaison entre le groupe traité et le groupe témoin, les résultats peuvent être très différents, voire s’opposer.
En effet, plus le nombre de variables introduites sera élevé, meilleure sera la description de l’effet du traitement, ici
devenir « green ». Cependant, les scores des individus traités et non traités risquent de se dissocier, ce qui réduit la
zone de support commun.
Le support commun est la zone de superposition des deux groupes sur l’ensemble des valeurs. Il permet de s’assurer
qu’il est possible, pour chaque individu du groupe traité, de trouver au moins un participant du groupe témoin ayant
les mêmes caractéristiques initiales. Il y a un arbitrage entre consistance et efficience : omettre des variables
importantes peut introduire un biais dans l’estimation des effets du traitement, tandis que surcontrôler peut accroître
la variance des estimateurs.
Comme variable dépendante, pour le salaire, sera utilisé le salaire brut. La variable ISO ne permettant pas de
bénéficier d’exonérations fiscales la variable salaire brut, en tant que revenue primaire (avant redistribution et
prélèvements obligatoires) semble être la meilleure illustration du lien entre salaires et la qualification green.
En effet, elle décrit directement le lien entre les salariés et l’entreprise. De plus, pour une meilleure estimation des
résultats on utilise le logarithme du salaire brut, qui permet de capter une certaine non-linéarité dans la distribution
des salaires, on peut s’attendre à ce que les salaires les plus hauts soient moins impactés par l’obtention de l’ISO.
Pour mettre en place le PS Matching il convient de choisir une méthode d’appariement. Ici on fait le choix de la
méthode du neareast-neighbor.
Une fois le PS Matching lancé on fait un test de student sur l’égalité des moyennes pour chaque variable entre les
deux groupes. Pour un certain nombre de ces variables une nette distinction entre le groupe des traités et le groupe
de
contrôle
n’apparait
pas.
Elles
seront
donc
retirées
de
la
procédure.

Lors de cette opération, il y a une perte des variables de hiérarchie, de secteur, sur les heures travaillées, de
détermination de la rémunération, et de technicité de la tâche. Cependant il reste suffisamment de variables pour que
l’estimation soit pertinente. 31

Voir les tableaux 33 et 35 dans les Annexes pour avoir le logit associé à l’ultime PSM et les test de Student sur les
variable.
31

14

Variable
Sample
Treated
Controls
Difference
S.E.
T-stat
l_salnet Unmatched 10.0282304 9.91236352 .115866926 .00967274 11.98
ATT
10.0273051 9.97147718 .055827872 .016113693 3.46
ATU
9.91222611 9.94228551 .030059394
ATE
.037128183

Le PS Matching est donc réitéré avec uniquement les variables non significatives sur le t test. Cela nous
donne une ATT de 0,0528. Ainsi on peut dire que le fait d’appartenir à une entreprise « green » entraîne une
augmentation de 5,28 % du salaire brut. Quant au salaire net une différence de 5,58 % est observée, un résultat
assez proche du résultat précédent, confortant l’effet observé.
Si on s’intéresse à l’écart type de notre ATT, on a un écart type de 0,0157. Ainsi on peut dire qu’on a bien un effet
positif de la variable green sur le niveau des salaires.
Par rapport à la méthode d’appariement, on peut dire qu’on ne perd pas une seule observation dans la construction
des jumeaux statistiques, là aussi ce résultat est plutôt positif, cela nous montre que nos variables sont biens
construites et qu’on utilise toute l’information disponible.
Si le test est réitéré avec comme méthode d’appariement la méthode du Kernel (Epachnikov) on obtient une ATT
de 5,25 %, on n’a donc pas de grande différence selon la méthode d’appariement. Nos estimations ne semblent
donc pas biaisées par l’appareillement.
Quant au support commun, on remarque qu’on a que 21 observations « off support »32, ce qui est assez peu par
rapport à la taille de l’échantillon de 12 984 observations. Là aussi ce résultat conforte notre estimation.
Avec une simple différence de moyenne sur les salaires bruts (en logarithme) on obtenait une différence de 12,16
%. On peut donc en déduire que le biais de sélection représentait environ 6 % de la variation des salaires.
Le PS matching était donc pertinent pour l’estimation de l’impact de la modalité green sur les salaires.
Notre étude offre donc une estimation pertinente de l’impact de la norme green sur les salaires.

32

Voir Tableau 34

15

IV)

Conclusion

Le but de cette étude était de voir si l’obtention de la variable ISO engendrait une hausse de salaire. En
utilisant un PS matching on estime que la norme entraîne une hausse d’un peu plus de 5 % des salaires. Au vu de
l’ensemble des éléments de notre opération, ce résultat semble solide. On peut donc conclure que la norme ISO a
entraîné une hausse des salaires.
Cette hausse est plutôt encourageante face à la transition énergétique. En effet, si le passage vers une production
plus verte peut s’accompagner par une hausse des salaire l’application des politiques la soutenant sera plus facile,
du moins elle rencontrera moins de réticence de la part des salariés.
À l’inverse, notre étude semble trop peu détaillée pour conclure que la variable ISO entraîne une création de
richesse. La hausse du revenu qu’on observe peut très bien être due à un effet de demande, les consommateurs
privilégiant les entreprises responsables environnementalement. Ainsi notre étude ne fait pas de l’écologie le
moteur de la croissance pour le 21e siècle, toutefois ceci s’avère être un résultat positif vis-à-vis de l’acceptation
par les salariés de transition énergétique afin de relever les défis écologiques.

16

VI) Annexes
Tableau 1
salbrut agedet
corrélation
salbrut
1.0000
agedet
0.2539 1.0000
Tableau 2
Distribution du salaire brut (en euros)
Sexe
Moyenne
Écart Type
Femme 26763.563 14730.08
Homme 34423.995 19378.944
Total
31577.293 18174.18

Freq.
4,825
8,159
12,984

Tableau 3
age
15 à 29 ans
30 à 39 ans
40 à 49 ans
50 à 59 ans
60 ans et plus
Total

Distribution du salaire brut (en euros)
Moyenne
Écart Type
23549.308 9927.8928
30779.869 16239.338
33601.214 19429.7
36956.659 21599.02
43824.138 30456.106
31577.293 18174.18

Freq.
2,384
4,059
3,951
2,525
65
12,984

Tableau 4
Distribution du salaire brut (en euros)
Groupe Socioprofessionnel
Cadre
Profession Intermédiaire
Employés
Salariés
Total

Moyenne
60807.76
33585.741
21560.156
23943.092
31577.293

Écart Type
23444.18
11869.239
7582.5322
7853.1045
18174.18

Freq.
1,991
3,276
2,461
5,256
12,984

Tableau 5
Niveau d’études

Distribution du salaire brut (en euros)
Moyenne
Écart Type
17

Freq.

Primaire
H.Ecoles
Secondaire
Technique (cycle court en apprentissage)
Technique (cycle court hors apprentissage)
Secondaire Général
Prépa. BAC Pro
Supérieur 1er cycle
Supérieur 2e cycle
Supérieur 3e cycle
Total

24206.216
63390.176
24384.008
25839.065
27390.322
30127.897
27071.687
33854.12
39184.087
50657.797
31577.293

10564.736
26468.291
11155.154
10956.395
11748.769
16081.592
12426.934
17442.55
21982.531
25929.844
18174.18

677
597
903
1,864
2,961
1,066
1,228
2,350
716
622
12,984

Tableau 6
Distribution du salaire brut (en euros)
handicap
Non
Oui
Total

Moyenne
Écart Type
32160.479 18491.593
25016.993 12356.115
31577.293 18174.18

Freq.
11,924
1,060
12,984

Tableau 7
Français de naissance Distribution du salaire brut (en euros)
Moyenne
Écart Type
Non
28916.574 16369.419
Oui
32005.796 18413.094
Total
31577.293 18174.18

Freq.
1,801
11,183
12,984

Tableau 8
Distribution du salaire brut (en euros)
tpartiel_2
Non
Oui
Total

Moyenne
Écart Type
32652.791 18183.614
19055.646 12498.037
31577.293 18174.18

Tableau 9
Distribution du salaire brut (en euros)
chef Moyenne
Écart Type
Non
27294.11 13054.895
Oui
42336.804 23878.032
Total 31577.293 18174.18

Tableau 10
18

Freq.
9,287
3,697
12,984

Freq.
11,957
1,027
12,984

Distribution du salaire brut (en euros)
fonction
Moyenne
Écart Type Freq.
27815.601 12500.308
3,800
Production, chantiers, exploitation
Soin des personnes
Autre
Installation, réparation, maintenance

31824.082 22456.77
36875.76 23482.044
30367.826 12486.578

61
1,266
1,042

Nettoyage, gardiennage, travail menager

16572.32

7728.5426

450

Manutention, magasinage, logistique

25046.74

10417.822

1,286

Secrétariat, saisie, accueil

24605.881 9891.2294

857

Gestion, comptabilité

36505.592 20062.837

1,231

Commercial, technico-commercial
Etudes, recherche et développement
Enseignement
Total

36043.274 22483.063

1,891

45807.149 22018.453
32810.875 14690.48
31577.293 18174.18

1,084
16
12,984

Tableau 11

Agriculture, chasse, sylviculture

Distribution du salaire brut (en euros)
Moyenne
Écart Type
Freq.
28984
0
1

Industries agricoles et alimentaires

27785.546

14879.41

856

Industries des biens de consommation

32989.584

18409.757

800

Industrie automobile

30491.74

12810.853

285

Industries des biens d’équipement

35773.802

18932.315

1,072

Industries des biens intermédiaires

31226.701

15348.378

2,018

Energie

39612.286

20353.222

154

Construction

29922.47

14132.996

842

Commerce et reparations

28002.082

17925.046

2,308

Transports

28998.735

13257.871

995

Activites financieres

39319.606

19056.172

731

Activites immobilieres

33157.379

20873.538

219

Service aux entreprises

34826.973

22517.778

2,128

Service aux particuliers

25519.536

16761.571

509

Education, sante action sociale, administrations

27651.58

20978.638

50

Total

31579.712

18176.171

12,968

nafen_g16

Tableau 13
corrélation salbrut e~l_corr
salbrut
1.0000
effl_corr
0.0498 1.0000
Tableau 14

19

ancentr5
0 - moins d’un an
1 an moins de 3 ans
3 ans à moins de 5 ans
5 ans à moins de 10 ans
4 - 10 ans et plus
Total

Distribution du salaire
brut (en euros)
Moyenne
Écart
Type
14811.1
5823.7731
25088.027 15949.775
26749.508 15456.477
30010.419 16932.596
35069.203 19080.242
31577.293 18174.18

Freq.
10
1,474
1,581
3,414
6,505
12,984

Tableau 15
Distribution du salaire brut (en euros)
compense2
Non
Oui
Total

Moyenne
34162.019
29019.499
31577.293

Écart Type
20777.819
14725.348
18174.18

Freq.
6,458
6,526
12,984

Tableau 16
Distribution du salaire brut (en euros)
Qui choisit les horaires
Entreprise
Plusieurs choix proposés par l’entreprise
Salarié
Total

Moyenne
Écart Type
25975.97 11571.396
34175.138 16819.56
50780.647 26210.712
31577.293 18174.18

Freq.
8,211
2,750
2,023
12,984

Tableau 17
Distribution du salaire brut (en euros)
Horaires Atypiques
Non
Oui
Total

Moyenne
Écart Type
31927.756 17837.475
31228.768 18497.733
31577.293 18174.18

Freq.
6,474
6,510
12,984

Tableau 18
Distribution du salaire brut (en euros)
consequences Moyenne
Écart Type
Non
29544.87 17081.109
Oui
32045.721 18385.852
Total
31577.293 18174.18

Freq.
2,432
10,552
12,984

Tableau 19
Distribution du salaire brut (en euros)
Travail en Autonomie
Non
Oui
Total
Tableau 20
20

Moyenne
Écart Type
33430.531 19194.902
24774.975 11466.402
31577.293 18174.18

Freq.
10,204
2,780
12,984

rythme_impose
Non
Oui
Total

Distribution du salaire brut (en euros)
Moyenne
Écart Type
31576.43 19586.767
31577.435 17931.183
31577.293 18174.18

Freq.
1,840
11,144
12,984

Tableau 21
Distribution du salaire brut (en euros)
Utilisation d’un ordinateur
Non
Oui
Total

Moyenne
Écart Type
22756.473 8835.5625
35147.42 19701.954
31577.293 18174.18

Freq.
3,741
9,243
12,984

Distribution du salaire brut (en euros)
joindre
Jamais
Parfois
Tout le temps
Total

Moyenne
27814.216
48840.165
37576.702
31577.293

Freq.
8,841
747
3,396
12,984

Tableau 22
Écart Type
13956.431
27805.981
21156.531
18174.18

Tableau 23
Télétravail
Non
Oui
Total

Distribution du salaire brut (en euros)
Moyenne
Écart Type
28427.468 14189.717
53924.555 25995.014
31577.293 18174.18

Freq.
11,380
1,604
12,984

Tableau 24
Distribution du salaire brut (en euros)
Travail en équipe
Non
Oui
Total
Tableau 25
Distribution du salaire brut (en euros)
21

Moyenne
Écart Type
35200.783 20455.808
29172.157 16041.88
31577.293 18174.18

Freq.
5,180
7,804
12,984

Contact avec le public
Jamais
Parfois
Tout le temps
Total

Moyenne
29763.67
31978.526
35023.838
31577.293

Écart Type
15914.591
19024.249
20631.643
18174.18

Freq.
5,586
5,046
2,352
12,984

Tableau 26
Distribution du salaire brut (en euros)
Nombre de formations reçues Moyenne
Écart Type
0
24526.853 14664.994
1
29116.311 15343.407
2
33874.143 18191.849
3
37512.688 20007.227
4
45103.467 23636.98
5
49098.365 24177.887
Total
31577.293 18174.18

Freq.
2,804
4,084
3,477
1,851
653
115
12,984

Tableau 27
Distribution du salaire brut (en euros)
Salaire
Fixe
Variable
Total

Moyenne
Écart Type
28717.312 14508.118
36025.714 22005.061
31577.293 18174.18

Freq.
7,903
5,081
12,984

Tableau 28
Distribution du salaire brut (en
euros)
Moyenne
Écart Type

Risque
de perte
d’emploi
Non
31638.111
Oui
31462.122
Total
31577.293

17973.471
18549.789
18174.18

Freq.
8,497
4,487
12,984

Tableau 29
Il y a une évaluation au moins une fois par an
Non
Oui
Total

Distribution du salaire brut (en euros)
Moyenne
Écart Type
26756.457 14419.049
36468.44
20174.716
31577.293 18174.18

Tableau 30
Elus dans l’entreprise
Non
Oui
Total

Distribution du salaire brut (en euros)
Moyenne
Écart Type
25717.049 14782.31
32513.173 18488.183
31577.293 18174.18
22

Freq.
1,788
11,196
12,984

Freq.
6,539
6,445
12,984

Tableau 31
Distribution du salaire brut (en euros)
Syndicalisé
Non
Oui
Total

Moyenne
Écart Type
31428.19 18325.681
33004.697 16593.41
31577.293 18174.18

Freq.
11,756
1,228
12,984

Distribution du salaire brut (en euros)
htrav_2
moins de 15h
de 15 a moins de 30h
de 30 a moins de 35h
de 35 a moins de 40h
de 40 a moins de 50h
50h et plus
Total

Moyenne
16148.595
17404.698
25713.025
27281.291
39762.103
56825.468
31577.293

Freq.
111
705
600
7,828
2,671
1,069
12,984

Tableau 32
Écart Type
15711.354
10765.195
12625.968
11088.206
20066.337
28263.227
18174.18

Tableau 33

green_2006
lage
ouvrier
lsize
indagri
indinter
indequip
transport
actfi
actimmo
servent
educ_sante_admin
comm_20000_49999
comm_50000_99999
comm_200000_1999999
primaire
college
bac_pro
sup_1er
sup_2nd
sup_3eme
grande_ecole
htrav_4
2
3
hora_sal
consequences
commenc
rythme_impose
utilordi

Coef.
.2085359
.1507822
.309254
.1526639
.4763594
.2648363
-.4092466
-1.19515
-.4544247
-.4690482
-1.226251
-.0681533
-.0255503
-.0578714
-.0207259
-.0514314
.0470328
.0267184
.0229904
.1034491
.1560477

Std. Err.
.0584017
.0367878
.0086255
.0518683
.0378698
.0476821
.0592091
.0716342
.1151286
.0433002
.3753894
.0560184
.053094
.0328558
.0620619
.0534987
.0475698
.0408981
.0642596
.0695789
.0704461

z
3.57
4.10
35.85
2.94
12.58
5.55
-6.91
-16.68
-3.95
-10.83
-3.27
-1.22
-0.48
-1.76
-0.33
-0.96
0.99
0.65
0.36
1.49
2.22

P>z
0.000
0.000
0.000
0.003
0.000
0.000
0.000
0.000
0.000
0.000
0.001
0.224
0.630
0.078
0.738
0.336
0.323
0.514
0.721
0.137
0.027

[95% Conf.
.0940707
.0786794
.2923483
.0510039
.4021359
.1713812
-.5252943
-1.33555
-.6800726
-.553915
-1.962
-.1779474
-.1296126
-.1222675
-.1423651
-.1562869
-.0462022
-.0534403
-.102956
-.032923
.017976

Interval]
.323001
.2228849
.3261598
.254324
.5505828
.3582915
-.2931989
-1.054749
-.2287769
-.3841814
-.4905008
.0416408
.0785121
.0065248
.1009132
.053424
.1402678
.1068772
.1489369
.2398212
.2941195

-.0049186
-.0497552
-.0511717
.0977163
.0253444
-.0006427
.1098559

.0722611
.0552591
.043641
.0350037
.0324888
.0385029
.0387964

-0.07
-0.90
-1.17
2.79
0.78
-0.02
2.83

0.946
0.368
0.241
0.005
0.435
0.987
0.005

-.1465476
-.1580611
-.1367066
.0291104
-.0383324
-.0761069
.0338164

.1367105
.0585507
.0343631
.1663223
.0890213
.0748215
.1858955

23

joindre
domic
equipe2
nbform_2
1
2
4
5
tpartiel_2
fn_install
fn_nettoyage
fn_manu
fn_secret
fn_gestion
fn_enseignement
fn_soins
fn_autre
ancent_4
2
3
salvar
evalue
syndica
_cons

-.0375794
-.0294022
.0475559

.0165358 -2.27
.0477372 -0.62
.0278742 1.71

0.023 -.069989
0.538 -.1229654
0.088 -.0070765

-.0051699
.0641609
.1021884

-.0410498
.0334184
.0664759
.0650705
-.055463
-.0637109
.1323232
-.0761155
.0456976
-.0153844
.0267806
-.0946399
-.0583189

.0322711
.0332868
.0610243
.1323157
.0620662
.0491501
.0822702
.0473183
.058338
.0503071
.413132
.2812099
.0476649

-1.27
1.00
1.09
0.49
-0.89
-1.30
1.61
-1.61
0.78
-0.31
0.06
-0.34
-1.22

0.203
0.315
0.276
0.623
0.372
0.195
0.108
0.108
0.433
0.760
0.948
0.736
0.221

-.1043
-.0318226
-.0531296
-.1942635
-.1771104
-.1600433
-.0289234
-.1688576
-.0686429
-.1139844
-.7829433
-.6458011
-.1517403

.0222004
.0986593
.1860814
.3244044
.0661845
.0326215
.2935697
.0166266
.1600381
.0832157
.8365044
.4565213
.0351025

-.0712209
-.0716103
-.0009258
.2732776
.0354947
-3.529239

.0581519
.0593621
.0275609
.0292482
.0432888
.2338265

-1.22
-1.21
-0.03
9.34
0.82
-15.09

0.221
0.228
0.973
0.000
0.412
0.000

-.1851966
-.1879579
-.0549443
.2159521
-.0493497
-3.987531

.0427547
.0447374
.0530926
.330603
.1203391
-3.070948

Tableau 34
psmatch2:
Treatment
assignment
Untreated
Treated
Total

psmatch2: Common
support
Off suppo On suppor
10
9,407
11
3,556
21
12,963

24

Total
9,417
3,567
12,984

Tableau 35
Moyenne
Variable
lage
ouvrier
lsize
indagri
indinter
indequip
transport
actfi
actimmo
servent
educ_sante_admin
comm_20000_49999
comm_50000_99999
comm_200000_1999999
primaire
college
bac_pro
sup_1er
sup_2nd
sup_3eme
grande_ecole
2.htrav_4
3.htrav_4
hora_sal
consequences
commenc
rythme_impose
utilordi
joindre
domic
equipe2
1.nbform_2
2.nbform_2
4.nbform_2
5.nbform_2
tpartiel_2
fn_install
fn_nettoyage
fn_manu
fn_secret
fn_gestion
fn_enseignement
fn_soins
fn_autre
2.ancent_4
3.ancent_4
salvar
evalue
syndica

t-test
Treated Control
3.6788 3.6773
.44488 .42238
6.7462 6.7333
.08015 .07958
.25731 .25
.12795 .14061
.03909 .03684
.02306 .0194
.00956 .00872
.10461 .0973
.00056 .00112
.05737 .05877
.06834 .06046
.19854 .19994
.05456 .05034
.06552 .06721
.10349 .10517
.17013 .18391
.04893 .05118
.04499 .04049
.05568 .05681
.0464 .05006
.07368 .08071
.14454 .14314
.83605 .83718
.22272 .23031
.87317 .8653
.75619 .77053
.59646 .59871
.12317 .1167
.63864 .65523
.28234 .26715
.31159 .30681
.0658 .07058
.01097 .00731
.06412 .06243
.08661 .08633
.02868 .02587
.0883 .0838
.05427 .05343
.07677 .07002
.00084 .00112
.00197 .00197
.08183 .07733
.04724 .05062
.04443 .04753
.41592 .41057
.62795 .61389
.11952 .12205

25

V(T)/
%bias
0.6
4.6
0.8
0.2
1.9
-4.3
0.9
1.8
0.7
2.1
-1.1
-0.6
3.2
-0.3
1.9
-0.7
-0.6
-3.6
-1.0
2.1
-0.5
-1.6
-2.6
0.4
-0.3
-1.8
2.3
-3.2
-0.3
2.0
-3.4
3.3
1.1
-2.1
3.8
0.6
0.1
1.6
1.5
0.3
2.4
-0.8
0.0
1.6
-1.4
-1.4
1.1
2.9
-0.8

t p>t
0.24 0.812
1.91 0.056
0.34 0.733
0.09 0.930
0.71 0.479
-1.57 0.118
0.50 0.620
1.07 0.285
0.37 0.709
1.02 0.306
-0.82 0.414
-0.25 0.800
1.35 0.176
-0.15 0.882
0.80 0.425
-0.29 0.775
-0.23 0.816
-1.52 0.128
-0.43 0.664
0.94 0.348
-0.21 0.837
-0.72 0.472
-1.11 0.267
0.17 0.866
-0.13 0.898
-0.76 0.444
0.98 0.325
-1.42 0.155
-0.11 0.915
0.84 0.401
-1.46 0.143
1.43 0.151
0.44 0.663
-0.80 0.424
1.62 0.105
0.29 0.770
0.04 0.966
0.73 0.467
0.68 0.499
0.16 0.875
1.09 0.275
-0.38 0.705
0.00 1.000
0.70 0.483
-0.66 0.510
-0.62 0.533
0.46 0.647
1.22 0.222
-0.33 0.743

V(C)
0.98
.
0.97
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1.01
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.

26



Documents similaires


exercices facultatifs
correc v2
statistiques iv
statistiques iii
stat1exodereferencecorrige
revisions statistiques exercice


Sur le même sujet..