Evaluation micro-économétrique de l’impact des aides HCR sur l’emploi et les salaires
III. Effet net sur l'emplo
La section précédente suppose que le traitement étudié, l'évolution du coût du travail avec ou sans exonération, est exogène aux différents outputs observés. Cette hypothèse s'avère trop restrictive puisque l'évolution de la structure de la main-d'œuvre en termes de salaires et d'effectif influence directement l'emploi de l'entreprise mais également l'ampleur du traitement étudié. Par exemple, si l'entreprise embauche davantage de salariés au Smic, elle bénéficiera ex post d'une hausse de ses exonérations. Ce problème d'endogénéité risque donc de surestimer l'effet du traitement. Afin de rendre exogène le traitement, une stratégie alternative est proposée dans cette dernière section reposant sur la simulation du coût du travail.
3.1. Stratégie économétrique
Pour mesurer l'impact des exonérations sur les variables d'intérêt des estimations paramétriques puis non paramétriques sont mobilisées afin de dégager des effets robustes. L’estimation paramétrique de référence est celle des moindres carrés ordinaires (MCO). Cette méthode vise à estimer l’effet moyen du traitement. Les tests de significativité réalisé s’appuie sur une hypothèse de normalité des termes d'erreur. Dans un second temps, des estimations alternatives sont réalisées en utilisant la méthode du score de propension.
Afin de spécifier l'impact des exonérations sur l'emploi, la variable d'intérêt retenu correspond à l'écart entre l'évolution du coût du travail sur la période 2003 à 2006 avec ou sans exonérations générales et aides HCR40.
La prise en compte des très petites entreprises perturbe fortement l’analyse et a un impact limité sur les résultats en termes d'emploi total. C'est pourquoi, sont exclues de l'analyse les entreprises dont l'effectif est inférieur à 2 salariés41.
L'écart médian calculé pour ce sous-échantillon est de 4,2 points pour l'ensemble de l'échantillon, de 6,8 points pour les entreprises HCR aidées (de 7,7 dans la Restauration traditionnelle) et de 1,9 pour les entreprises des secteurs témoins. Le graphique 4.7 présente la distribution de ces écarts selon le type de secteur. Notons qu'une valeur négative de cet écart correspond à une diminution pour l'entreprise de son taux moyen d'exonération entre les deux dates. Seules 15% des entreprises se trouvent dans cette situation et dans 74% des cas il s'agit des entreprises témoins.
40 L'annexe A6 présente les résultats obtenus lorsque le traitement est défini sur une base purement sectorielle.
Les entreprises traitées étant celles appartenant aux sous-secteurs HCR éligibles aux aides.
41 Cette opération exclut 70 entreprises et n'affecte pas la structure de l'échantillon. Par ailleurs, le comportement
140
Graphique 4.7 : Distribution de l'écart en points de pourcentage entre l'évolution du coût du travail entre 2003 et 2006 avec et sans exonérations
Base cylindrée sur la période 2002 à 2006 (entreprises de 2 salariés et plus)
Source : aide HCR -Unedic ; Dads -Insee ; Séquoia - Acoss.
0
.0
5
.1
-10 0 10 20
Ecart en points de % entre le coût avec et sans exonérations HCR aidés HCR non aidés Autres témoins
141
a) Analyse paramétrique
La méthode des moindres carrés ordinaires permet d’estimer de manière convergente et sans biais l’effet moyen du traitement si ce dernier est exogène. Les tests de significativité des coefficients sont conditionnés par une hypothèse de normalité. Le modèle s’écrit sous la forme suivante :
avec
le logarithme du facteur de croissance de la variable expliquée, X un vecteur de variables explicatives, Ti le traitement c'est à dire l'écart entre le coût du travail avec ou sans
exonération et u un terme d’erreur. Le vecteur X contient les secteurs d'activité (9 catégories), la taille de l'entreprise (5 catégories), la localisation géographique, l'évolution passée de l'emploi, le taux de salariés à temps partiel, le niveau de marge par rapport à celui du secteur, l'intensité capitalistique, le salaire horaire net en 2003 et son évolution de 2002 à 2003 et l'ampleur des exonérations appréhendée par le taux d'exonération apparent.
b) Analyse non paramétrique
Pour identifier parfaitement l’impact des exonérations, il faudrait observer l’évolution des performances d’une même entreprise dans différents états du monde possibles. Or, pour chaque entreprise seule la situation correspondant à l’évolution des aides effectivement obtenues est observable. L’enjeu de l’analyse économétrique est d’estimer la situation qui aurait résulté d’une évolution alternative des aides octroyées. Pour cela, nous mobilisons la méthode de l’estimateur à noyau développée par Heckman, Ichimura et Todd (1998).
Cet estimateur repose sur la construction, pour chaque entreprise traitée (i.e. ayant bénéficié d’un plus fort accroissement du coût du travail, par exemple), d’une entreprise contrefactuelle correspondant à une moyenne pondérée de l’ensemble des entreprises du groupe de contrôle. La pondération retenue est déterminée en fonction de la distance entre le score obtenu par une entreprise (i.e. la probabilité que l’entreprise ait bénéficié d'une hausse de son coût conditionnellement à ses caractéristiques) et celui de chacune des entreprises du groupe de contrôle.
Initialement l’estimateur de Heckman, Ichimura et Todd (1998) porte sur l’effet d’un traitement dichotomique. Il est toutefois possible de le généraliser au cas d’un traitement polytomique (Imbens, 2000 ; Lechner, 1999, 2001 ; Brodaty, et al., 2000).
Notons kl k T
C = l’effet causal recherché qui correspond à l’écart d’un indicateur de performance, noté
Y
, entre la situation où l’entreprise a bénéficié d’une variation k du traitement par rapport à une variation lavec k>l. Rappelons que le traitement considéré ici est l'écart d'évolution du coût du travail simulé.On a :
(Y
T
k) (EY
T
k)
E
C
Tkl=k≡
ik i=
−
il i=
Comme pour tous les modèles d’appariement, le problème provient du fait que E
(
YilTi=k)
n’est pas observable.
L'identification de l'effet est possible en introduisant une hypothèse non testable : l'hypothèse d'indépendance conditionnelle. Dans le cas d'un traitement multiple cela signifie que tous les
effets potentiels de chaq conditionnellement à X. Forme
L’effet causal utilisé pour cont
k
N
correspond au nombre d’en kT
est l’ensemble comprenan gaussien et h un paramètre de des probabilités estimées issuet
Ces estimateurs sont calculés deux distributions de probabili obtenir les écarts-types asymp 100 simulations consécutives. Les variables de contrôle in pourcentage de salariés à tem pourcentage de salariés à temp du taux d'exonération apparen horaire.
3.2. Estimation du cho
a) effet net
Les résultats de l'analyse non différentes variables d'intérêt équivalent temps plein, le vo rémunération est proche du Sm Globalement, l'augmentation m de la population (secteurs HCR secteur HCR. On retient sept c du coût du travail (de plus 2% 2%[ ; [2% à 4%[ [4% à 6%[ ; incluant l'augmentation médian entre [1% à 2%[.
Les statistiques présentées dan secteur des entreprises apparte se concentrent fortement parmi
42
3,5% en moyenne
haque sous-traitement sont indépendants mellement on écrit :
ntourner ce problème s’écrit de la manière suiv
’entreprises ayant bénéficié d’une variation l du
ant ces entreprises K[.]désigne une fonctio de lissage, fixé à 0,06. Les probabilités so ssues d’un modèle Probit ordonné qui nous p
. On a en effet :
és sur le support commun, c'est-à-dire sur la pa bilité des entreprises traitées et du groupe de co
mptotiques la méthode du bootstrap est mobi s.
introduites X sont la taille de l'entreprise emps partiel (4 catégories), le secteur d'activité
mps partiel, la localisation géographique, le log ent, le salaire horaire, l'évolution passée de l'e