Variables explicatives

Des facteurs autres que la réforme affecteraient le fait d’être un travailleur saisonnier ou permanent. C’est pourquoi, il est utile dans le but d’acroître l’éfficacité des estimations d’inclure au modèle final certaines variables explicatives. Les premiers déterminants du travail saisonnier dont nous tenons compte sont les variables sexe, âge et scolarité.

Genre : Plusieurs études dont celle de (De Raaf et collab., 2003) ont montré que les tra- vailleurs saisonniers sont susceptibles d’être de sexe masculin. Ces résultats ont été confir- més par une étude réalisée par RHDCC (2009). Le genre est alors susceptible d’influencer le fait d’être saisonnier ou permanent. Ainsi, il peut être intéressant comme variable ex- plicative dans le cas de notre travail. C’est une variable dichotomique qui prend la valeur 1 si l’individu est une femme et 0 s’il est un homme :

(1) les femmes et (0) les hommes.

Selon les statistiques du tableau tableau 3.2, la proportion des hommes (50,89%) dans les groupes américains est légèrement supérieure à celle du groupe canadien (49,29%). Dans l’échantillon américain, les hommes sont plus représentés que les femmes (49,11%). Par contre, du côté canadien, ce sont les femmes (50,71%) qui sont légèrement plus représen- tées.

Age : Tout comme le sexe,De Raaf et collab.(2003) mentionnent dans leur article que les travailleurs saisonniers sont susceptibles d’être plus âgés . Nous considérons la variable âge comme une variable explicative dans notre modèle étant donné sa susceptibilité à influen- cer le travailleur saisonnier. Ainsi, 12 tranches d’âge ont été définies pour cette variable, allant de 15 à 19 jusqu’à 70 ans et plus. Les tableaux annexe B-1 et B-2 représentent respectivement les répartitions des individus dans les deux groupes en fonction de l’âge. On peut noter que la tranche d’âge comprise entre 70 ans et plus est la plus représentée tant dans le groupe traité (11,67%) que dans le groupe témoin (15,13%).

Education : SelonDe Raaf et collab.(2003) les travailleurs saisonniers sont moins scolari- sés. Ce résultat montre que le niveau de scolarité peut avoir un effet sur le fait d’être un travailleur saisonnier ou permanent. De plus, ces personnes rencontrent généralement des difficultés à se trouver un emploi permanent. Alors, nous introduisons dans notre modèle le niveau d’éducation comme variable explicative. La catégorisation du niveau d’éduca- tion dans le CPS a été réajustée en fonction de celle du Canada afin de pouvoir rendre la variable utilisable dans le cadre de l’étude. Ainsi, nous déterminons 7 niveaux ( 0 à 6) de scolarité pour cette variable :

0 . 0 à 8 ans de scolarité 1. Études secondaires partielles 2. 11-13 ans, diplôme d’études secondaires 3. Études postsecondaires partielles 4. Certificat ou diplôme d’études postse- condaires 5. Université - baccalauréat 6. Université - diplôme de 2e cycle

Les tableaux annexe B-3 et B-4 présentent la repartition de l’échantillon pour chaque groupe en fonction du niveau de scolarité. Selon ces tableaux, les individus avec un ni- veau de scolarité (3) et (4) ont la plus grande proportion pour ce qui est de l’échantillon américain avec respectivement 28,70% et 28,91%. Cependant, pour l’échantillon canadien, le niveau (4) est plus représenté (31,19%)suivi du niveau (3), soit 20,51%.

3.3

Le modèle

Il convient maintenant de présenter plus en détail le modèle utilisé pour estimer l’effet de la réforme. Le cadre général de la méthode des différences en différences est le suivant :

Dans ce modèle, Di est une variable indicatrice égale à 1, si l’observation i fait partie du

groupe de traitement et égale à 0 s’il fait partie du groupe témoin. Tt est une variable

indicatrice égale à 1, si l’observation est dans la période post-réforme et égale à 0 sinon. α0 représente la moyenne des taux de mobilité avant la réforme, dans le cas du groupe

témoin. α1 sert à capter les différences entre le groupe témoin et le groupe traité préala-

blement au traitement alors que α2 capture l’ensemble des facteurs qui peuvent altérer «

y » que le traitement soit appliqué ou non. L’effet du traitement (l’estimateur de double différence), dans notre cas est estimé par l’interaction des deux variables précédentes et représenté par α3.

Nous tentons de démontrer que α3 est bel et bien l’estimateur de double différence.

Pour le groupe traitement, déterminons la différence des moyennes D1.

E(yit / Di = 1, Tt = 1, xit ) = α0 + α1 +α2 +α3 + α4

E (yit / Di = 1, Tt = 0, xit ) = α0 + α1 +α4

E (yit / Di = 1, Tt = 0, xit ) - (yit / Di = 1, Tt = 1, xit) = D1

= α0 + α1 +α2 +α3 + α4 - α0 - α1 - α4

D1 = α2 + α3

Pour le groupe témoin, déterminons la différence des moyennes D2

E (yit / Di = 0, Tt = 1, xit) = α0 + α2 + α4

E (yit / Di = 0, Tt = 1, xit )- E(yit/Di = 0, Tt = 0, xit) = D2

D2 = α2

Finalement, la double différence sera : DD = D1- D2 = α2 + α3 - α2 = α3

Ce qui montre que l’estimateur de la double différence est bel et bien α3.

La réforme vise l’ensemble des prestataires de l’assurance emploi dans tout le Canada. Par conséquence, les travailleurs canadiens forment le groupe traitement et nous considérons les travailleurs américains comme groupe témoin. En effet La méthode des "différences en différences" que nous utilisons requiert un groupe témoin plausible, c’est-à-dire suscep- tible d’avoir connu des évolutions temporelles comparables à celles du groupe traité. Dans notre cas, les États Unis devraient présenter des caractéristiques en matière d’emploi qui connaissent une évolution tendancielle comparable à celles du Canada. A ce sujet, une étude réalisée par Guillemette, Francis et Grey (2000) a montré que la variation saison- nière de l’emploi est proportionnellement beaucoup plus significative au Canada qu’aux États-Unis pour toute la période de 1976 à 1997. En d’autres termes, le niveau réel de l’emploi mensuel affiche une plus forte amplitude. Ainsi, bien que la variation saisonnière de l’emploi au Canada soit plus accentuée qu’au États-Unis, on note une proportionnalité dans la tendance de cette variation saisonnière de l’emploi entre les deux pays. De plus, la proximité et le partenariat commercial et économique avec les États-Unis expliquent le rapprochement des caractéristiques de l’économie des deux pays. Au regard de tout ce qui précède, nous faisons l’hypothèse que l’effet de la réforme sur la variable dépendante évoluerait parallèlement dans les deux pays

Le Canada (groupe de traitement) constitue le sous groupe 1 et les USA (groupe témoin) représentent le sous groupe 2. La réforme visée par l’étude est entrée en vigueur en janvier 2013. Ainsi, 2011 est considérée comme la période pré-réforme et 2013 la période post- reforme. Les données sont recueillies sous une base mensuelle. Nous avons retenus celles du mois de décembre pour les deux périodes.

Les paramètres du modèle sont : Di, prend la valeur 1 si l’individu i fait partie du groupe

de traitement (Canada) et 0 si États-Unis. Tt, prend 1 si période post-reforme (2013)

et 0 si période pré-reforme (2011). yit, prend la valeur 1 si l’individu i est un travailleur

permanent à la période t et 0 si saisonnier à la période t.

Notre modèle peut donc être présenté comme suit :

yit = α0 + α1Di + α2Tt + α3DiTt + α4xit + uit avec t= 1,2 (3)

α4 est l’effet de la variable explicative, xit un vecteur de variables explicatives et uitterme

Chapitre 4