Ressources humaines et Développement des compétences Canada
Symbole du gouvernement du Canada

Ressources humaines et Développement des compétences Canada

www.rhdcc.gc.ca

Éducation et premiers résultats sur le marché du travail au Canada - décembre 2007

4. Résultats de régression

4.1 Incidence de la scolarisation sur le salaire

La variation salariale selon les niveaux de scolarité que nous avons décrite ne tient pas compte de tout autre écart susceptible d'exister entre les gens ayant des niveaux différents de scolarité. Pour faire voir l'importance de prendre en compte de telles différences en vue de mieux mesurer l'effet salarial de la scolarisation, nous avons estimé un ensemble de modèles linéaires de régression qui diffèrent par leur jeu de variables de contrôle. Nous avons établi des estimations distinctes pour les diverses régions; les résultats des hommes figurent aux tableaux 11a à 11d et ceux des femmes, aux tableaux 12a à 12d. Outre ces résultats, les tableaux 11e et 12e décrivent les estimations après regroupement des données de toutes les régions. À chaque tableau, la première colonne indique les différences de salaire en expression logarithmique entre les niveaux de scolarité (toutes par rapport à la catégorie des décrocheurs du palier secondaire) par une régression ne comportant aucune autre caractéristique observable des intéressés. La tendance qui se dégage de ces chiffres correspond, bien sûr, à celle des tableaux 9a et 9b. À la colonne deux, nous ajoutons une variable de contrôle pour le temps écoulé depuis les dernières études. En fonction des différences de capacités sur le marché du travail, la spécification de régression de la colonne trois renseigne aussi sur la moyenne des notes à l'école secondaire et sur les capacités scolaires autodéclarées qui, dans tous les cas, seraient par hypothèse en étroite corrélation avec les capacités sur le marché du travail. La dernière spécification ajoute enfin les antécédents familiaux aux variables explicatives de la spécification III.

Tableau 11a: Régressions salariales pour les hommes dans la région de l'Atlantique
  Spécification
  I II III IV
Études secondaires seulement 0,062 0,082 0,075 0,034)
  (1,07) (1,36) (1,25 (0,54)
Études postsecondaires non universitaires 0,246** 0,290** 0,278** 0,229**
  (4,14) (4,07) (3,89) (3,12)
Études postsecondaires universitaires 0,187** 0,239** 0,176* 0,125
  (2,61) (2,67) (1,90) (1,30)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 526
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 11b: Régressions salariales pour les hommes au Québec
  Spécification
  I II III IV
Études secondaires seulement 0,005 0,009 0,012 0,007
  (0,12) (0,21) (0,25) (0,15)
Études postsecondaires non universitaires 0,177** 0,148** 0,135** 0,120**
  (4,21) (2,85) (2,56) (2,23)
Études postsecondaires universitaires 0,161** 0,119 0,069 0,065
  (2,34) (1,43) (0,79) (0,74)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 601
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 11c: Régressions salariales pour les hommes en Ontario
  Spécification
  I II III IV
Études secondaires seulement 0,090* 0,091* 0,095* 0,087
  (1,68) (1,65) (1,71) (1,55)
Études postsecondaires non universitaires 0,272** 0,260** 0,248** 0,233**
  (4,74) (3,95) (3,71) (3,42)
Études postsecondaires universitaires 0,241** 0,209** 0,181** 0,157*
  (3,74) (2,65) (2,17) (1,86)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 853
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 11d: Régressions salariales pour les hommes dans l'Ouest canadien
  Spécification
  I II III IV
Études secondaires seulement 0,053 0,101** 0,122** 0,100**
  (1,48) (2,73) (3,21) (2,64)
Études postsecondaires non universitaires 0,161** 0,278** 0,309** 0,292**
  (3,99) (5,78) (6,31) (5,98)
Études postsecondaires universitaires 0,204** 0,359** 0,378** 0,352**
  (4,13) (5,87) (5,83) (5,43)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 853
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 11e: Régressions salariales pour les hommes au Canada (ensemble des régions)
  Spécification
  I II III IV
Études secondaires seulement 0,050** 0,070** 0,076** 0,062**
  (2,18) (2,95) ** (3,15) ** (2,60) **
Études postsecondaires non universitaires 0,190** 0,216** 0,217** 0,199**
  (7,69) ** (7,37) ** (7,32) ** (6,67) **
Études postsecondaires universitaires 0,188** 0,218** 0,193** 0,166**
  (6,06) ** (5,65)** (4,74)** (4,06) **
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 2 906
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

Pour les hommes dans la région de l'Atlantique, on ne note aucune différence salariale significative entre les gens ayant décroché de l'école secondaire et ceux qui ont fait seulement les études secondaires. Un avantage salarial significatif d'environ 25 % s'attache aux diplômes du niveau postsecondaire non universitaire et il est relativement stable d'une spécification de régression à l'autre. Comme au tableau 9a, les diplômés d'université ont un salaire moyen inférieur à celui des diplômés des programmes postsecondaires non universitaires, mais la différence n'est pas statistiquement significative. En fait, il n'y a pas d'écart salarial significatif dans la spécification de régression la plus générale entre les décrocheurs du palier secondaire et les diplômés d'université. Comme nous l'avons précisé, cela s'explique sans doute par la nature d'un échantillon formé de gens qui avaient de 22 à 24 ans en décembre 2003. Ajoutons qu'une proportion appréciable de l'échantillon est toujours à cette date aux études postsecondaires sous une forme ou une autre. Au Québec et en Ontario, on observe une tendance semblable à celle de la région de l'Atlantique, bien que la différence salariale entre les décrocheurs du palier secondaire et les diplômés du niveau postsecondaire non universitaire soit moindre au Québec que dans les deux autres régions. Signalons enfin que, pour l'Ouest canadien, les estimations de la spécification la plus générale font voir un écart salarial significatif entre les décrocheurs de l'école secondaire et les gens ayant fait les études secondaires ou plus. De toutes les régions, c'est celle de l'Ouest où l'incidence de la scolarisation sur le salaire est la plus marquée.

Tableau 12a: Régressions salariales pour les femmes dans la région de l'Atlantique
  Spécification
  I II III IV
Études secondaires seulement -0,055 -0,065 -0,104 -0,062
  (0,63) (0,74) (1,22) (0,70)
Études postsecondaires non universitaires 0,112 0,086 0,007 0,047
  (1,28) (0,97) (0,08) (0,53)
Études postsecondaires universitaires 0,435** 0,368** 0,223** 0,222**
  (4,88) (3,81) (2,31) (2,22)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 518
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

Pour les hommes dans la région de l'Atlantique, on ne note aucune différence salariale significative entre les gens ayant décroché de l'école secondaire et ceux qui ont fait seulement les études secondaires. Un avantage salarial significatif d'environ 25 % s'attache aux diplômes du niveau postsecondaire non universitaire et il est relativement stable d'une spécification de régression à l'autre. Comme au tableau 9a, les diplômés d'université ont un salaire moyen inférieur à celui des diplômés des programmes postsecondaires non universitaires, mais la différence n'est pas statistiquement significative. En fait, il n'y a pas d'écart salarial significatif dans la spécification de régression la plus générale entre les décrocheurs du palier secondaire et les diplômés d'université. Comme nous l'avons précisé, cela s'explique sans doute par la nature d'un échantillon formé de gens qui avaient de 22 à 24 ans en décembre 2003. Ajoutons qu'une proportion appréciable de l'échantillon est toujours à cette date aux études postsecondaires sous une forme ou une autre. Au Québec et en Ontario, on observe une tendance semblable à celle de la région de l'Atlantique, bien que la différence salariale entre les décrocheurs du palier secondaire et les diplômés du niveau postsecondaire non universitaire soit moindre au Québec que dans les deux autres régions. Signalons enfin que, pour l'Ouest canadien, les estimations de la spécification la plus générale font voir un écart salarial significatif entre les décrocheurs de l'école secondaire et les gens ayant fait les études secondaires ou plus. De toutes les régions, c'est celle de l'Ouest où l'incidence de la scolarisation sur le salaire est la plus marquée.

Tableau 12b: Régressions salariales pour les femmes au Québec
  Spécification
  I II III IV
Études secondaires seulement 0,088 0,082 0,103 0,102*
  (1,51) (1,35) (1,69) (1,69)
Études postsecondaires non universitaires 0,355** 0,342** 0,310** 0,313**
  (6,28) (5,50) (4,92) (4,97)
Études postsecondaires universitaires 0,459** 0,416** 0,321** 0,329**
  (7,26) (5,51) (4,14) (4,16)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 611
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 12c: Régressions salariales pour les femmes en Ontario
  Spécification
  I II III IV
Études secondaires seulement 0,155** 0,178** 0,172** 0,193**
  (2,28) (2,58) (2,50) (2,76)
Études postsecondaires non universitaires 0,285** 0,317** 0,288** 0,312**
  (4,23) (4,34) (3,95) (4,22)
Études postsecondaires universitaires 0,399** 0,423** 0,364** 0,381**
  (5,70) (5,07) (4,27) (4,41)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 833
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 12d: Régressions salariales pour les femmes dans l'Ouest canadien
  Spécification
  I II III IV
Études secondaires seulement 0,124** 0,113** 0,119** 0,118**
  (2,30) (2,06) (2,15) (2,11)
Études postsecondaires non universitaires 0,233** 0,215** 0,213** 0,216**
  (4,23) (3,56) (3,47) (3,47)
Études postsecondaires universitaires 0,439** 0,405** 0,395** 0,396**
  (7,53) (5,84) (5,57) (5,53)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 948
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

 

Tableau 12e: Régressions salariales pour les femmes au Canada (ensemble des régions)
  Spécification
  I II III IV
Études secondaires seulement 0,110** 0,109** 0,116** 0,114**
  (3,49) (3,41) (3,67) (3,58)
Études postsecondaires non universitaires 0,271** 0,267** 0,253** 0,253**
  (8,64) (7,82) (7,47) (7,43)
Études postsecondaires universitaires 0,418** 0,392** 0,347** 0,343**
  (12,53) (9,90) (8,67) (8,52)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Non Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Non Non Oui Oui
Antécédents familiaux Non Non Non Oui
Taille d'échantillon : 2 805
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

Les tableaux 12a à 12d montrent les effets de la scolarisation sur les salaires chez les femmes des quatre régions (le tableau 12e fait de même après agrégation des données à l'échelle des régions). En règle générale, l'effet salarial est plus important que chez les hommes. Dans toutes les régions sauf dans la région de l'Atlantique, le salaire est en hausse significative avec la scolarisation. La différence salariale entre les catégories « études postsecondaires non universitaires » et « études postsecondaires universitaires » est petite au Québec, mais appréciable en Ontario et dans l'Ouest canadien. Dans l'ensemble et comme le confirment les tableaux 9a et 9b, l'éducation influe bien plus nettement sur le salaire chez les femmes que chez les hommes. Cela s'accorde avec les données d'autres études (voir, par exemple, Hansen, 2006, Burbidge et coll., 2003, et Ferrer et Riddell, 2002). Qu'une proportion appréciable de l'échantillon soit toujours aux études en décembre 2003 risque d'entacher statistiquement l'analyse d'incidence de la scolarisation sur les salaires. Comme nous l'avons mentionné par exemple, tel sera le cas si ceux qui sont toujours aux études présentent de plus grandes capacités inobservées pour le marché du travail que les gens ayant un emploi. Soucieux de résoudre cet éventuel problème de sélection, nous présentons aux tableaux 13a et 13b des estimations de régression salariale en correction de biais de sélection. Nous obtenons ces estimations en spécifiant une fonction de vraisemblance qui modélise les probabilités de ne pas être aux études (et de plutôt travailler) avec les salaires de ceux qui travaillent. Si, par hypothèse, les capacités inobservées sur le marché du travail sont en corrélation avec les probabilités d'être aux études, on s'attendrait à ce que la corrélation soit négative entre les termes d'erreur idiosyncratique dans l'équation de la scolarisation et celle des salaires. Si les hypothèses auxquelles fait appel la spécification en correction de biais de sélection se vérifient, les estimations ainsi obtenues décriront uniformément l'incidence de la scolarisation sur le salaire chez ceux qui travaillent9.

Tableau 13a: Régressions salariales en correction de biais de sélection pour les hommes
  Atlantique Québec Ontario Ouest Ensemble des régions
Études secondaires seulement -0,031 0,036 0,094 -0,032 0,007
  (0,48) (0,71) (1,52) (0,76) (0,25)
Études postsecondaires non universitaires 0,126 0,162** 0,195** 0,124** 0,122**
  (1,61) (2,82) (2,39) (2,12) (3,53)
Études postsecondaires universitaires -0,016 0,212** 0,150 0,104 0,086*
  (0,87) (2,17) (1,52) (1,33) (1,81)
Corrélation -0,092 -0,073 -0,176** -0,239** -0,155**
  (1,17) (1,06) (2,03) (3,01) (3,62)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Oui Oui Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Oui Oui Oui Oui Oui
Antécédents familiaux Oui Oui Oui Oui Oui
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

Les estimations des hommes au tableau 13a font voir des effets de la scolarisation sur le salaire qui sont moindres qu'aux tableaux 11a à 11e. Pour l'ensemble des régions, les estimations semblent indiquer que, entre les décrocheurs du palier secondaire et les diplômés du niveau postsecondaire non universitaire, la différence salariale est d'environ 12 %, moins donc que les 20 % des estimations de régression sans correction de biais de sélection. L'effet salarial est de moins de 10 % pour les diplômés d'université (il est de 17 % dans les estimations sans correction) et il est très peu significatif au demeurant. Comme nous l'avons indiqué, ce sont les résultats à attendre si l'incidence de la scolarisation est en corrélation positive avec les capacités et que les gens plus capables sont aussi plus susceptibles d'être aux études en décembre 2003. C'est dire que les estimations sans correction aux tableaux 11a à 11e surévaluent les effets de la scolarisation sur les salaires chez ceux qui travaillent. Signalons enfin que, pour l'ensemble des régions, la corrélation est négative entre les termes d'erreur idiosyncratique dans les équations de la scolarisation et des salaires et qu'elle est précisément estimée pour toutes les régions sauf pour la région de l'Atlantique et le Québec.

Tableau 13b: Régressions salariales en correction de biais de sélection pour les femmes
  Atlantique Québec Ontario Ouest Ensemble des régions
Études secondaires seulement -0,004* 0,085 0,159** 0,097 0,084**
  (0,04) (1,29) (2,03) (1,58) (2,31)
Études postsecondaires non universitaires 0,094 0,251** 0,220** 0,121 0,153**
  (0,92) (3,64) (2,38) (1,60) (3,67)
Études postsecondaires universitaires 0,278** 0,307** 0,242** 0,208** 0,224**
  (2,48) (3,44) (2,19) (2,36) (4,48)
Corrélation -0,089 -0,217 -0,128 -0,168 -0,158
  (0,98) (3,24) (1,47) (1,83) (3,49)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Oui Oui Oui Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Oui Oui Oui Oui Oui
Antécédents familiaux Oui Oui Oui Oui Oui
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

Le tableau 13b présente les estimations des femmes après correction de biais de sélection. Comme chez les hommes, la comparaison des estimations de ce tableau et des estimations correspondantes des tableaux 12a à 12e fait voir que les estimations non corrigées exagèrent l'incidence de la scolarisation sur le salaire. Toutefois, les différences salariales entre les niveaux de scolarité sont toujours plus marquées chez les femmes que chez les hommes. Ajoutons que, comme chez les hommes, la corrélation est négative entre les termes d'erreur idiosyncratique dans les équations respectives de la scolarisation et des salaires.

Pour résumer, disons que, selon les résultats, un avantage salarial significatif s'attache aux diplômes du palier postsecondaire au Canada pour les femmes. Les diplômées d'université (ayant au moins un baccalauréat) présentent un salaire moyen qui est d'environ 22 % supérieur à celui des décrocheuses du palier secondaire. Les résultats indiquent aussi que le salaire des diplômées du palier postsecondaire l'emporte sur celui des femmes qui ont fait seulement les études secondaires. Chez les hommes, l'avantage salarial des études postsecondaires est moindre. Il convient de noter que le gain salarial relativement modeste que procurent ces études a peut-être pour explication partielle le fait que l'échantillon soit formé de jeunes gens, bien que les spécifications de régression tiennent compte du temps écoulé depuis les dernières études.

4.2 Variation salariale selon le principal domaine d'études

Dans des études antérieures (voir, par exemple, Hansen, 2006, Drewes, 2006, et Boothby et Rowe, 2002), on a décrit une ample variation des salaires ou des gains selon les domaines d'études. Pour juger de l'importance du domaine d'études sur le plan salarial chez les diplômés du palier postsecondaire, nous avons estimé des régressions salariales séparément pour les hommes et les femmes, mais après agrégation à l'échelle des régions. Le tableau 14 en indique les résultats, c'est-à-dire les estimations de huit domaines d'études, celui des affaires servant de catégorie omise10. Ainsi, le salaire moyen est présenté pour un grand domaine d'études quelconque par rapport à la discipline des affaires. Pour la plupart, les estimations du tableau 14 ne sont pas statistiquement significatives, d'où l'impression que les premiers salaires (les échantillons sont uniquement formés des gens ayant obtenu leur diplôme d'un programme postsecondaire acceptable entre janvier 2000 et novembre 2003) sont relativement homogènes. Il reste que les salaires des diplômés en arts ou en technologie des communications sont significativement inférieurs à ceux des diplômés en administration des affaires. Chez les hommes, les diplômés en sciences humaines-sciences sociales-éducation présentent aussi des salaires significativement moindres par rapport à la discipline des affaires.

Tableau 14: Incidence du principal domaine d'études sur le salaire
  Hommes Femmes
Principal domaine d'études Estimation Statistique T Estimation Statistique T
Arts-technologie des communications -0,134** (2,14) -0,164** (3,42)
Sciences humaines-sciences sociales-éducation -0,197** (3,98) -0,030 (1,01)
Sciences physiques et biologiques-technologie -0,039 (0,48) -0,070 (1,29)
Mathématiques-génie-agronomie -0,027 (0,61) -0,119** (2,91)
Santé -0,039 (0,50) -0,009 (0,24)
Services personnels-transports 0,031 (0,52) -0,064 (1,43)
Autres 0,065 (0,79) -0,011 (0,14)
Taille d'échantillon : 926 1 454
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. Le principal domaine d'études est le premier grand domaine d'études ou de spécialisation du répondant. L'échantillon se limite aux répondants ayant obtenu un diplôme d'un programme postsecondaire acceptable en décembre 2003. Nous avons retranché les répondants ayant achevé ou fréquenté l'école postsecondaire avant janvier 2000, car leur domaine d'études était impossible à établir. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %. Le modèle de régression comporte des variables de contrôle pour le temps écoulé depuis les dernières études, l'âge, la moyenne des notes à l'école secondaire, les capacités scolaires autodéclarées (en lecture et en calcul), les antécédents familiaux, la région (variables fictives) et la profession. Enfin, la catégorie omise du principal domaine d'études est la catégorie « affaires ».

4.3 Variation salariale selon la profession

Le tableau 15 décrit les différences salariales entre les professions pour les diplômés du palier postsecondaire. Comme pour les estimations que nous venons de mentionner, les spécifications tiennent compte d'une grande diversité de caractéristiques observables. Les données font voir des différences salariales ténues et non significatives pour la plupart entre les principaux domaines d'études, mais celles du tableau 15 indiquent des écarts salariaux significatifs entre les professions. À cause de contraintes de taille d'échantillon, nous avons rangé les professions dans cinq catégories : sciences naturelles-santé; sciences sociales-éducation-administration publique-arts; vente-services; métiers-production primaire-transformation; affaires-gestion. Au tableau 15, les estimations montrent le salaire moyen dans une profession par rapport au salaire correspondant de la catégorie affaires-gestion. On peut voir que le salaire moyen est le plus élevé dans la catégorie sciences naturelles-santé, et ce, tant chez les hommes que chez les femmes. Il est le plus bas dans la catégorie vente-services. Ce qui étonnera peut-être quelque peu, c'est que le salaire moyen soit plus élevé dans la catégorie sciences sociales-éducation-administration publique-arts que dans la catégorie affaires-gestion. Une explication partielle en est peut-être la jeunesse de l'échantillon là encore. Hansen (2006) présente des résultats semblables à l'aide des données de l'Enquête nationale auprès des diplômés (END). Comme ces deux sources d'information portent avant tout sur les nouveaux actifs, il est probable que l'infériorité du salaire moyen dans la catégorie affaires par rapport à la catégorie sciences sociales tienne à des différences de salaire initial entre ces professions.

Tableau 15: Incidence de la profession sur le salaire
  Hommes Femmes
Principal domaine d'études Estimation Statistique T Estimation Statistique T
Sciences naturelles-santé 0,275** (5,93) 0,295** (7,96)
Sciences sociales-éducation-administration publique-arts 0,198** (3,75) 0,167** (5,35)
Vente-services -0,064 (1,47) -0,169** (6,02)
Métiers-production primaire-transformation 0,135** (2,88) 0,103* (1,70)
Taille d'échantillon : 926 1 454
Source : Les régressions par les moindres carrés ordinaires (MCO) sont fondées sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux enquêtés présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. Le principal domaine d'études est le premier grand domaine d'études ou de spécialisation du répondant. L'échantillon se limite aux répondants ayant obtenu un diplôme d'un programme postsecondaire acceptable en décembre 2003. Nous avons retranché les répondants ayant achevé ou fréquenté l'école postsecondaire avant janvier 2000, car leur domaine d'études était impossible à établir. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %. Le modèle de régression comporte des variables de contrôle pour le temps écoulé depuis les dernières études, l'âge, la moyenne des notes à l'école secondaire, les capacités scolaires autodéclarées (en lecture et en calcul), les antécédents familiaux, la région (variables fictives) et la profession. Enfin, la catégorie omise du principal domaine d'études est la catégorie « affaires ».

4.4 Incidence de la scolarisation sur la situation sur le marché du travail

Les études postsecondaires peuvent se révéler avantageuses non seulement parce qu'elles augmentent le salaire, mais aussi parce qu'elles diminuent les risques de chômage et prolongent la période où les gens auront un emploi. À la section 2.7 plus haut, un examen fondé sur les données du tableau 6 indique que la proportion de répondants en chômage a décru avec la scolarisation jusqu'au niveau postsecondaire non universitaire, mais qu'elle était semblable pour les diplômés d'université et les décrocheurs du palier secondaire. Nous avons posé l'hypothèse que ce résultat serait attribuable à l'absence de variables de contrôle pour les différences de temps écoulé depuis les dernières études. Les données du tableau 16 sont fondées sur des spécifications de modélisation avec des variables de contrôle pour un certain nombre de caractéristiques observables, dont le temps écoulé depuis les dernières études. Plus précisément, ce tableau montre les différences de probabilités de chômage et d'inactivité entre les niveaux de scolarité. Les effets marginaux estimés semblent indiquer que le chômage est significativement moins probable chez les diplômés du palier postsecondaire que chez les décrocheurs du palier secondaire. L'incidence est plus marquée chez les hommes que chez les femmes. Si on considère les effets de la scolarisation sur la durée de l'inactivité, la scolarité acquise serait d'une faible incidence négative chez les hommes et d'une incidence significative et appréciable chez les femmes. Il reste que, pour les femmes, les résultats font voir que l'achèvement des études secondaires avec ou sans poursuite des études vient significativement réduire cette durée.

Tableau 16: Scolarisation et situation sur le marché du travail
  Hommes Femmes
  Chômage Inactivité Chômage Inactivité
Études secondaires seulement -0,018 0,008 -0,002 -0,148**
  (1,03) (0,52) (0,37) (3,80)
Études postsecondaires non universitaires -0,035** -0,028* -0,010* -0,198**
  (2,42) (1,70) (1,73) (5,49)
Études postsecondaires universitaires -0,045** -0,033 -0,011* -0,120*
  (5,05) (1,27) (1,76) (6,18)
La spécification comporte des variables de contrôle pour ce qui suit :
Temps écoulé depuis les dernières études et âge Oui Oui
Moyenne des notes à l'école secondaire et capacités scolaires Oui Oui
Antécédents familiaux Oui Oui
Région Oui Oui
Taille d'échantillon : 2 895 2 484
Source : L'estimation est fondée sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : Les échantillons se limitent aux gens qui, en décembre 2003, étaient occupés ou chômeurs (ils cherchaient du travail) ou qui, ce mois-là, n'étaient ni l'un ni l'autre (ils étaient inactifs). Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. Les données font voir les effets marginaux et la statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

4.5 Lien entre le principal domaine d'études et la profession

Notre propos est d'examiner non seulement les premiers résultats sur le marché du travail des diplômés du palier postsecondaire, mais aussi la correspondance entre la structure par profession de cette population et les compétences acquises par les études. Comme nous l'avons indiqué à la section 2.6, la correspondance est plutôt étroite entre le principal domaine d'études et la profession chez les répondants de cet échantillon. L'association est informative entre les deux dans cette section, mais sans nous donner d'indications sur la nature des caractéristiques qui importent pour que le domaine d'études et la profession exercée par la suite soient plus en correspondance. Pour cerner cet aspect plus avant, nous présentons au tableau 17 les résultats d'une régression de la correspondance entre domaine d'études et profession par rapport à un certain nombre de caractéristiques observables. La variable dépendante prend la valeur de 1 s'il existe une des combinaisons suivantes principal domaine d'études-profession :

Principal domaine d'études Profession
Sciences humaines-sciences sociales-éducation Sciences sociales-arts
Affaires Gestion-affaires
Sciences physiques et biologiques-technologie Sciences naturelles-santé
Mathématiques-génie-agronomie Sciences naturelles-santé
Santé Sciences naturelles-santé
Services personnels-transports Vente
Mathématiques-génie-agronomie Métiers-production primaire-transformation

Pour toute autre combinaison domaine d'études-profession, la variable dépendante prend la valeur nulle. Cette mesure de correspondance est imprécise, mais elle permet de porter un premier jugement sur les probabilités d'obtention d'un emploi qui corresponde - fût-ce faiblement - au principal domaine d'études. On peut aussi voir dans quelle mesure le système canadien d'enseignement supérieur procure des compétences qui sont en demande sur le marché du travail. Environ 60 % des hommes exerçaient une profession correspondant à leur principal domaine d'études. Le chiffre était quelque peu moins élevé chez les femmes (55 % environ).

Tableau 17: Effets des caractéristiques observables sur la correspondance entre le principal domaine d'études et la profession
  Hommes Femmes
  Estimation Statistique T Estimation Statistique T
Études postsecondaires universitaires -0,158** (3,68) -0,061* (1,79)
Temps écoulé depuis les dernières études 0,040** (2,82) -0,012 (1,03)
Notes 90+ 0,093** (1,36) 0,214** (3,90)
Notes 80-90 -0,015 (0,41) 0,083** (2,79)
Région de l'Atlantique 0,046 (0,75) 0,083 (1,60)
Québec 0,029** (0,67) 0,096** (2,85)
Ouest canadien 0,032 (0,79) 0,023 (0,71)
Taille d'échantillon : 926 1 454
Source : L'estimation est fondée sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : Les échantillons se limitent à ceux qui avaient obtenu un diplôme d'un programme postsecondaire acceptable en décembre 2003. Nous avons retranché les répondants ayant achevé ou fréquenté l'école postsecondaire avant janvier 2000, car leur domaine d'études était impossible à établir. La variable dépendante prend la valeur de un s'il y a correspondance entre le principal domaine d'études et la profession actuellement exercée et prend la valeur de zéro dans les autres cas. La spécification de régression comporte des variables de contrôle pour les capacités scolaires et les antécédents familiaux. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %.

Les données du tableau 17 semblent indiquer que les diplômés d'université (études postsecondaires universitaires) sont moins susceptibles d'exercer une profession correspondant à leur principal domaine d'études. L'effet est plus marqué chez les hommes que chez les femmes avec pour explication possible qu'un grand nombre de programmes postsecondaires non universitaires permettent d'acquérir des compétences plus spécialisées que les programmes universitaires qui se concentrent plus sur des compétences générales. Que l'effet diffère selon le sexe peut être dû à ce que les diplômés de sexe masculin font preuve de moins de patience dans la recherche d'un emploi. Les résultats de régression indiquent en outre que la correspondance domaine d'études-profession s'améliore avec le temps écoulé depuis les dernières études. Ainsi, les diplômés récents du palier postsecondaire pourraient traverser une période de transition entre école et travail où ils prendront des emplois qui ne sont pas nécessairement en rapport avec les compétences acquises par les études. Il reste que l'effet n'est significatif que chez les hommes. La correspondance sera plus probable à mesure qu'augmente la moyenne des notes à l'école secondaire, mais l'effet est significatif dans ce cas chez les femmes seulement. La correspondance n'accuse aucune variation régionale significative dans le cas des hommes, mais dans le cas des femmes, elle est plus fréquente au Québec que dans les autres régions.

L'analyse qui précède a montré la corrélation entre certaines caractéristiques et la correspondance entre les capacités acquises à l'école et les capacités exploitées sur le marché du travail. Les données du tableau 18 font voir les effets d'une telle correspondance sur le salaire et l'incidence est positive et significative tant chez les hommes que chez les femmes. En fait, les estimations sont à peu près les mêmes chez les deux sexes et font voir que les diplômés exerçant une profession correspondant à leur domaine d'études gagnent en moyenne 18 % de plus environ que les autres diplômés aux caractéristiques par ailleurs semblables. Que la correspondance domaine d'études-profession assure un meilleur salaire (et une meilleure productivité) et qu'on observe que bien des répondants ne travaillent pas encore dans une profession en rapport avec leur principal domaine d'études, voilà qui indiquerait peut-être qu'un grand nombre de diplômés du palier postsecondaire sont surqualifiés pour l'emploi qu'ils occupent. Aspect intéressant, les chiffres ressemblent à ceux que présentent Li et coll. (2006) qui ont constaté que 48 % des jeunes diplômés d'université (moins de 30 ans) étaient en surqualification dans le poste qu'ils occupaient11. On peut cependant constater, comme le révèlent les résultats de régression par rapport aux facteurs déterminants d'une « correspondance », que les probabilités d'appariement domaine d'études-profession s'accroissent avec le temps. On est donc porté à croire que cette surqualification a tout d'un phénomène passager.

Tableau 18: Effets sur le salaire de la correspondance entre le principal domaine d'études et la profession
  Hommes Femmes
  Estimation Statistique T Estimation Statistique T
Correspondance entre le principal domaine d'études et la profession actuellement exercée 0,175** (6,53) 0,177** (8,26)
Taille d'échantillon : 926 1 454
Source : L'estimation est fondée sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux gens présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. Le principal domaine d'études est le premier grand domaine d'études ou de spécialisation du répondant. L'échantillon se limite aux répondants ayant obtenu un diplôme d'un programme postsecondaire acceptable en décembre 2003. Nous avons retranché les répondants ayant achevé ou fréquenté l'école postsecondaire avant janvier 2000, car leur domaine d'études était impossible à établir. La statistique T en valeur absolue figure entre parenthèses. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %. Le modèle de régression comporte des variables de contrôle pour le type d'études postsecondaires, le temps écoulé depuis les dernières études, l'âge, la moyenne des notes à l'école secondaire, les capacités scolaires autodéclarées (en lecture et en calcul), les antécédents familiaux et la région (variables fictives). Voir dans le texte le détail de la définition de la correspondance principal domaine d'études-profession actuelle.

4.6 Passage de l'école au travail, interruption des études et salaire

Le dernier ensemble de résultats de régression au tableau 19 décrit les effets du chômage dans la première année suivant les études sur le salaire ultérieur. Tant chez les femmes que chez les hommes, l'incidence de ce chômage est négative et significative. L'effet est plus négatif chez les femmes que chez les hommes et l'ordre de grandeur du coefficient pour les femmes indiquerait que le salaire moyen est d'environ 26 % moins élevé chez les femmes en chômage pendant au moins un mois dans la première année suivant les études que chez les femmes aux capacités semblables qui n'ont pas connu le chômage pendant cette période de transition. Chez les hommes, l'effet est de -15 %, mais il est possible que l'incidence négative du chômage diminue avec le temps écoulé depuis les dernières études. Pour vérifier cette hypothèse, nous avons mis en interaction l'indicateur du chômage et une mesure du temps écoulé depuis le dernier séjour à l'école (mesuré en mois). L'effet d'interaction est positif et significatif pour les femmes (0,004) et positif et non significatif (0,001) pour les hommes. Dans le cas des femmes, l'effet négatif du chômage décroît d'environ 5 % par an si bien qu'il disparaît après cinq ans. Dans le cas des hommes cependant, l'effet persiste et ne s'atténue donc pas au fil des ans.

Le tableau 19 décrit également l'incidence de la durée d'interruption entre les études secondaires et les études postsecondaires sur le salaire obtenu par la suite. Cette variable prend la valeur de zéro pour tous les travailleurs qui n'ont pas fréquenté le palier postsecondaire. L'effet est négatif et significatif pour les femmes et négatif et non significatif pour les hommes, indice que, en passant directement de l'école secondaire à l'école postsecondaire, on obtient un avantage salarial significatif mais modeste. Nous avons aussi mis en interaction la mesure de l'interruption des études et la catégorie des études postsecondaires (universitaires ou non). Ces estimations font voir qu'une telle interruption commande une pénalité salariale, celle-ci n'étant significative que pour les femmes qui, en décembre 2003, n'avaient pas mené à bien des études postsecondaires. Il est donc possible que l'estimation négative du rapport entre l'interruption des études et le salaire ultérieur ne dégage pas un rapport de causalité, mais plutôt une corrélation avec des caractéristiques inobservées qui influent sur le salaire.

Tableau 19: Effets sur le salaire du chômage et de l'interruption des études
  Hommes Femmes
  Estimation Erreur-type Estimation Erreur-type
Chômage -0,263** 0,057 -0,147** 0,059
En interaction avec le temps écoulé depuis les dernières études 0,004** 0,002 0,001 0,002
Durée (mois) de l'interruption des études -0,005** 0,002 -0,003 0,002
En interaction avec les études postsecondaires non universitaires 0,002 0,002 -0,003 0,002
En interaction avec les études postsecondaires universitaires 0,009** 0,004 0,004 0,006
Source : L'estimation est fondée sur des données relatives à la cohorte la plus ancienne de l'Enquête auprès des jeunes en transition (EJET), cycle 3.
Note : La variable dépendante est le logarithme du salaire horaire. Les échantillons se limitent aux gens présentant une valeur positive de salaire horaire dans l'emploi occupé en décembre 2003. Nous avons exclu les étudiants à plein temps et les travailleurs indépendants. * indique une signification statistique au niveau de 10 % et **, au niveau de 5 %. Le modèle de régression comporte des variables de contrôle pour le type d'études postsecondaires, le temps écoulé depuis les dernières études, l'âge, la moyenne des notes à l'école secondaire, les capacités scolaires autodéclarées (en lecture et en calcul), les antécédents familiaux et la région (variables fictives).

4.7 Mobilité régionale chez les diplômés du palier postsecondaire

Jusqu'à présent, nous avons analysé sous différents aspects les résultats sur le marché du travail dans quatre régions, à savoir la région de l'Atlantique, le Québec, l'Ontario et l'Ouest canadien. Pour chaque répondant, il s'agit de la région de résidence au moment de l'interview du cycle 3, mais un certain nombre de diplômés du palier postsecondaire résident dans une région autre que celle où ils ont obtenu leur diplôme. Sur le nombre de diplômés du postsecondaire qui résidaient au Québec en 2003, 4 % avaient acquis leur diplôme dans une autre province. Ce pourcentage est quelque peu moindre que pour les répondants qui résident en Ontario (8 %). Pour les répondants des autres provinces, les chiffres ressemblent à ceux de l'Ontario. Ainsi, la migration interprovinciale est un phénomène relativement rare, même pour cette sous-population hautement mobile.

Pour jauger les effets salariaux d'une telle migration, nous avons créé un indicateur qui prend la valeur de un si le répondant a obtenu son diplôme postsecondaire dans sa province de résidence au moment de l'interview du cycle 3 et qui, dans les autres cas, prend la valeur nulle. Après insertion dans les équations de régression salariale, les coefficients liés à cet indicateur étaient positifs, mais sans jamais être statistiquement significatifs. Ce résultat s'observait pour les deux sexes et après agrégation des données à l'échelle des régions et des sexes.

  • 9Les estimations peuvent être sensibles à l'hypothèse de normalité à laquelle fait appel le modèle en correction de biais de sélection. Un autre problème que posent ces types de modèles est celui de l'identification et, dans notre exposé, celle-ci s'obtient par des hypothèses de forme fonctionnelle. Autre possibilité, il y aurait identification si on cherchait des variables expliquant les décisions de fréquentation scolaire, mais non les salaires.
  • 10Les spécifications de régression comportent des variables de contrôle pour des caractéristiques observables comme celles des spécifications des tableaux 13a et 13b, mais aussi de telles variables pour la région et la profession.
  • 11Li et coll. (2006) ont exploité les données de l'Enquête sur la dynamique du travail et du revenu (EDTR) et défini la surqualification par l'exercice d'une profession exigeant les études secondaires au plus. Comme nous, ces auteurs indiquent que la surqualification est un phénomène qui diminue avec le temps.

Pied de page

Date de modification :
2008-01-24