ARCHIVÉ – Capital social et salaire : situation des immigrants récents au Canada

Informations archivées

Les informations archivées sont fournies aux fins de référence, de recherche ou de tenue de documents. Elles ne sont pas assujetties aux normes Web du gouvernement du Canada et n'ont pas été modifiées ou mises à jour depuis leur archivage. Pour obtenir ces informations dans un autre format, veuillez communiquez avec nous.

4. Structure théorique et empirique

4.1. Structure théorique

La structure théorique du présent document s’inspire d’un modèle proposé par Calvó-Armengol et Jackson (2007). Le marché du travail comprend des réseaux sociaux par lesquels les agents économiques obtiennent de l’information à propos d’emplois. Les auteurs modélisent la transmission de cette information entre les individus à l’aide d’une fonction qui suit le roulement des travailleurs et montrent qu’une augmentation du salaire ou une amélioration de la situation d’emploi sont positivement liées aux réseaux sociaux d’un agent à l’autre et au fil du temps.

Ce modèle prolonge le précédent modèle de Calvó-Armengol et Jackson (2003) en y ajoutant certaines caractéristiques permettant de tenir compte de l’hétérogénéité des emplois (et donc des salaires) et des qualifications des agents, des multiples offres, des salaires plus élevés en raison des offres externes, des changements d’emplois, etc. Une brève description du modèle est présentée ci-dessous.

N agents vivent et travaillent dans des périodes distinctes indexées en t. wit représente le salaire de l’agent i, au temps t. À la fin de la période t, wit = 0 si l’agent i n’a pas d’emploi. Nous pouvons déduire la situation d’emploi si d’un agent d’après son salaire. Si l’agent i est employé, sit = 1, et s’il ne l’est pas, alors sit = 0. Les vecteurs wt et st représentent donc les réalisations du niveau de salaire et de la situation d’emploi au temps t.

Au début d’une période, certains agents sont employés, d’autres non. À chaque période, un agent donné i reçoit de l’information à propos d’une possibilité d’emploi offrant un salaire wi avec une probabilité la probabilité qu’à la fois l’agent i obtienne de l’information à propos d’une possibilité d’emploi offrant un salaire wicomprise entre 0 et 1. Nous supposons que le processus d’obtention de l’information est indépendant des agents. Si l’agent est au chômage, il tentera d’obtenir l’emploi. Si l’agent est employé, selon que l’emploi constitue une amélioration de sa situation ou non, il choisira de conserver l’information ou de la transmettre à un parent, à un ami, ou à une connaissance choisi aléatoirement étant actuellement soit sans emploi, soit employé à un salaire plus faible que celui offert par ce nouvel emploi, en fonction de l’état des liens. En général, plus le salaire actuel de l’agent est élevé, plus la probabilité que le nouvel emploi ne soit pas une amélioration et que l’agent transmette l’information est élevée. L’information circule seulement entre les agents qui se connaissent. Pendant ce temps, certains agents perdent leur emploi dans une période donnée avec une probabilité de rupture exogène b. Alors, la probabilité qu’à la fois l’agent i obtienne de l’information à propos d’un emploi et que cet emploi se retrouve entre les mains de l’agent j est pij (w), où w est le statut salarial de tous les agents au début de la période :

Formule mathématique

nij =1 quand les individus i et j se connaissent et égale 0 quand ils ne se connaissent pas.

Dans ce modèle, le salaire obtenu par l’agent i est une fonction de son statut salarial passé et de son réseau. Le modèle fournit un outil pour analyser les effets des réseaux sociaux sur les dynamiques d’emploi et de salaire. Calvó-Armengol et Jackson ont utilisé ce modèle pour montrer que les salaires des agents qui ont créé des liens sont positivement corrélés dans tout le réseau dans une distribution à l’équilibre et, de plus, les salaires d’individus qui ont créé des liens sont positivement corrélés dans le temps[Note 7]. Il existe une corrélation négative à court terme entre la situation d’emploi, les salaires et la taille du réseau, qui résulte de la concurrence pour l’obtention de l’information à propos de certains emplois. Cependant, les bénéfices à long terme des réseaux sous forme d’amélioration du statut salarial l’emportent sur les effets à court terme de la concurrence. Les salaires augmentent avec la diversité et la qualité du réseau. Différents groupes sociaux ayant des réseaux d’information sur les emplois identiques mais des salaires initiaux différents obtiennent des résultats différents en termes de salaire.

Le présent document rend compte d’un test empirique, réalisé dans le contexte de l’immigration, des résultats qu’implique ce modèle de réseaux, et plus particulièrement de l’affirmation selon laquelle la taille et le contenu du réseau ont un impact sur les résultats sur le marché du travail.

4.2. Méthode d’estimation et spécification du modèle

Les données de panel ou longitudinales fournissent plus d’information que les données en coupe transversale, ce qui améliore la précision des estimations et permet également aux chercheurs de tenir compte de l’hétérogénéité non observée liée au biais de variables omises dans les modèles en coupe transversale. Les travaux empiriques réalisés ici utilisent donc des modèles de données de panel pour cerner les effets du capital social sur le salaire des immigrants, tirant profit de la nature longitudinale des données.

Le modèle de données de panel de base s’écrit :

Formule mathématique

yit est le logarithme du salaire, et xit représente les caractéristiques socioéconomiques des immigrants de l’ELIC, y compris les réseaux sociaux. Parmi les xit, certaines variables telles que l’âge ou l’état civil varient avec le temps, alors que d’autres, telles que le pays d’origine ou la catégorie d’immigrants, ne changent pas.L'effet spécifique individuel incluant le résiduel régulier est le terme résiduel. αi est l’effet spécifique individuel, et il diffère selon les individus mais reste constant pour chaque individu. est le résidu classique, il est strictement exogène et présente les propriétés habituelles, c’est-à-dire moyenne nulle, non autocorrélé, indépendant des x, indépendant des αi et homoscédastique.

Formule mathématique

Les différents modèles de données de panel dépendent des hypothèses qui sont faites à propos des effets spécifiques individuels αi.

4.2.1 Modèle à effets aléatoires

Une variante du modèle (1) suppose que les effets individuels non observés sont des variables aléatoires distribuées indépendamment des variables explicatives (hypothèse (3) ci-dessous). Il s’agit du modèle à effets aléatoires (EA).

Formule mathématique

L’estimateur EA est un estimateur des moindres carrés généralisés (MCG) qui utilise à la fois les variations intra-groupes (écart par rapport à la moyenne individuelle) et inter-groupes (moyenne individuelle), mais les pondère selon la taille relative de le facteur de la pondération transformant l'estimateur des aléatoire-effets GLS et la variance du résiduel régulier. Cela est équivalent aux deux étapes suivantes :

1) transformer les données : Formule mathématique;

2) régresser la transformation des aléatoire-effets GLS de y en utilisant à la fois les variations intra-groupes et inter-groupessur la transformation des aléatoire-effets GLS de x en utilisant à la fois les variations intra-groupes et inter-groupes. Les paramètres de variance la variance du résiduel régulier et la variance de l'effet spécifique individuelpeuvent être estimés à partir des résidus des régressions intra-groupes et inter-groupes.

Toutefois, dans de nombreux cas, il est peu probable que l’hypothèse (3) soit vérifiée. Dans la présente étude, les effets invariants individuels non observés αi peuvent inclure des caractéristiques personnelles telles que le talent, la motivation et les préférences, qui sont très souvent liées à certaines variables explicatives des salaires, comme le niveau de scolarité, le type de réseau social, son contenu, etc. Dans ce cas, E (αi | xit) ≠ 0, et l’estimateur des effets aléatoires est biaisé et non convergent.

4.2.2. Modèle à effets fixes

Le modèle à effets fixes (EF) examine les effets individuels non observés comme des variables aléatoires qui sont potentiellement corrélées avec les variables explicatives. Contrairement aux estimateurs des effets aléatoires, les estimateurs EF ne font aucune hypothèse sur la structure de corrélation entre αi et les variables explicatives. Comme nous ne connaissons pas les propriétés statistiques de αi, il peut être éliminé du modèle. Parmi les différentes façons d’éliminer αi, la transformation intra-groupe ou écart par rapport à la moyenne est simple à comprendre : l’estimateur EF est une régression de l’écart par rapport à la moyenne individuelle de y sur l’écart par rapport à la moyenne individuelle de x. Étant donné l’hypothèse (2), β peut être estimé de façon convergente à l’aide de l’estimateur EF.

Quant au choix entre modèle à effets aléatoires et modèle à effets fixes, Hausman (1978) suggère un test de spécification qui compare l’estimateur EA et l’estimateur EF, les deux étant convergents sous l’hypothèse nulle H0: E (αi | xit) = 0. Si l’hypothèse nulle est rejetée, on adoptera le modèle à effets fixes et si elle n’est pas rejetée, on choisira le modèle à effets aléatoires. Ce test a été effectué dans la présente étude et les résultats sont présentés dans le tableau des résultats des estimations.

Toutefois, un inconvénient majeur de l’estimateur des effets fixes est que les coefficients des variables explicatives qui ne varient pas dans le temps ne sont pas définis. Par conséquent, dans cette étude, il n’est pas approprié d’estimer les effets sur les gains des variables qui ne changent pas avec le temps, telles que le groupe ethnique, le niveau de scolarité avant l’arrivée et la catégorie d’immigrants.

4.2.3. Modèle de Hausman-Taylor

Étant donné que le capital social a de fortes chances d’être corrélé avec les effets spécifiques individuels αi, comme le talent et la motivation, le choix d’un modèle à effets fixes paraît évident. Cependant, si on s’intéresse à l’effet d’une variable qui ne change pas dans le temps, un modèle à effets fixes ne peut pas l’estimer. Hausman et Taylor (1981) ont étudié le modèle suivant :

Formule mathématique

x1it et x2it sont des variables qui évoluent dans le temps (par exemple l’âge, l’état civil et le nombre d’amis) tandis que w1i et w2i sont des variables qui ne changent pas dans le temps (par exemple la catégorie d’immigrants, le pays d’origine, l’expérience prémigratoire et les réseaux sociaux à l’arrivée). x1it et w1i  sont présumés non corrélés avec les effets individuels αi (par exemple l’âge et le pays d’origine), tandis que x2it et w2i sont présumés corrélés avec αi (par exemple l’éducation et les réseaux sociaux à l’arrivée), c’est‑à‑dire endogènes,

Formule mathématique

Hausman et Taylor ont suggéré d’utiliser les variables exogènes qui évoluent dans le temps x1it afin d’estimer β1 mais aussi comme instruments pour w2i permettant l’estimation de . Comparativement au modèle à effets aléatoires, qui suppose l’exogénéité de toutes les variables explicatives par rapport à l’hétérogénéité non observée, et au modèle à effets fixes, qui tient compte de l’endogénéité de toutes les variables indépendantes par rapport à l’hétérogénéité individuelle, le modèle de Hausman-Taylor permet donc à seulement certaines variables indépendantes d’être corrélées avec les effets individuels. Dans notre équation des gains, les termes spécifiques des individus αi peuvent dénoter le talent, la personnalité, la motivation et l’attitude à l’égard des réseaux sociaux et du travail, et cela peut être corrélé avec les variables de capital social telles que le niveau de scolarité et de compétence, l’ancienneté et les heures travaillées. Par conséquent, de telles variables sont supposées endogènes (c’est-à-dire x2it ou w2i) par rapport aux effets spécifiques individuels. Toutes les autres variables sont supposées exogènes (c’est-à-dire x1it ou w1i).

Sous les hypothèses (2) et (5), l’estimateur de Hausman-Taylor fournit de façon convergente et efficace des estimations de β, alors que l’estimateur à effets fixes estime β de façon convergente sous les hypothèses plus faibles (2) mais ne l’estime pas de manière efficace. Ainsi, on utilise un test de Hausman basé sur la différence entre l’estimateur de Hausman-Taylor et l’estimateur à effets fixes pour tester l’hypothèse (5). Les résultats du test, présentés dans le tableau de résultats des estimations, indiquent que l’utilisation des variables de capital social comme instruments (scolarité, niveau de compétence, ancienneté et heures travaillées) suffit pour éliminer toute corrélation entre les effets spécifiques individuels (talent, motivation, etc.) et les variables explicatives restantes.

4.2.4. Estimateur de variables instrumentales pour les modèles de données de panel

Il existe deux formes d’endogénéité dans ce contexte. La première provient des facteurs communs[Note 8] non observés qui sont abordés par l’estimateur de Hausman-Taylor. La seconde est la fameuse double causalité : le capital social est récompensé par une rémunération plus élevée et les travailleurs développent souvent des réseaux sociaux dans les emplois à forte rémunération (c’est-à-dire la covariance des indicateurs capitaux sociaux et du résiduel 0). Cette endogénéité potentielle des variables du capital social par rapport au terme d’erreur eit nécessite l’utilisation de méthodes de variables instrumentales (VI) comme le modèle des moindres carrés à deux étapes (MC2E) pour obtenir des estimations des paramètres convergentes.

Pour vérifier la sensibilité des résultats vis-à-vis les hypothèses identifiantes sur l’endogénéité du capital social, la régression des données de panel est élargie pour inclure des variables exogènes autres que celles provenant des données de l’ELIC. Inspiré de Warman (2005), le ratio de concentration ethnique dans la RMR/AR où un RL a vécu est construit à partir du recensement de 2001 et utilisé comme instrument. Alors, les termes d’interaction entre le ratio de concentration ethnique dans la RMR/AR et les groupes ethniques des RL sont utilisés comme des variables instrumentales additionnelles. Le mode d’obtention de l’emploi, la diversité du réseau et la participation organisationnelle sont instrumentés par ces variables instrumentales.

Les modèles des MC2E à effets fixes avec VI, des MC2E à effets aléatoires avec VI et des MC2E avec composante d’erreur de Baltagi (1981) sont employés pour tenir compte de l’endogénéité des variables du capital social et du succès sur le marché du travail en termes de salaires. Alors que les MC2E à effets fixes ne peuvent fournir d’estimations pour les variables qui n’évoluent pas dans le temps, le modèle de Baltagi offre une moyenne matricielle pondérée des estimations par MC2E et des estimations par MC2E à effets fixes[Note 9]. Les estimations par MC2E avec composante d’erreur sont présentées dans le document comme étant typiques des modèles de panel avec VI aux fins de comparaison avec les modèles de données de panel ordinaires. Les tests de Hausman sont réalisés dans le but de comparer les résultats de différents modèles de données de panel, y compris ceux avec variables instrumentales.

Malgré la grande variation des coefficients de capital social quand les modèles avec VI sont utilisés, il n’y a aucune trace significative d’endogénéité dans le capital social par rapport au terme d’écart.

4.2.5. Variables utilisées et spécification du modèle

Dans tous les modèles de l’étude, la variable dépendante est le logarithme du salaire hebdomadaire réel du ou des emplois courants. On obtient le salaire hebdomadaire en additionnant les salaires hebdomadaires de tous les emplois courants à chaque interview. Le salaire nominal est ensuite converti à la valeur réelle du dollar canadien de 2005 (c’est-à-dire que la période d’interview de la troisième vague est considérée comme l’année de référence), d’après l’IPC annuel de 2001 à 2005[Note 10].

Les variables de contrôle couvrent diverses caractéristiques personnelles, familiales (du ménage) et locales :

  1. Variables démographiques : âge, état civil. Ces variables varient en fonction du temps et sont exogènes par rapport à l'effet spécifique individuel.
  2. Catégorie d’immigrants : variables dichotomiques égales à l’unité si le RL appartient à la catégorie Travailleurs qualifiés (demandeurs principaux), Travailleur qualifiés (conjoints et personnes à charge), Réfugiés ou Autres. Les RL appartenant à la catégorie Regroupement familial forment le groupe de référence. Ces variables sont exogènes et ne varient pas en fonction du temps
  3. Région de naissance : variables dichotomiques égales à l’unité si le RL est né en Asie-Pacifique, en Amérique centrale ou du Sud, dans un pays d’Europe autre que le R.-U. et l’Europe occidentale, en Afrique ou au Moyen-Orient. Les RL nés en Amérique du Nord, au R.-U. et en Europe occidentale forment le groupe de référence. Ces variables ne varient pas en fonction du temps et sont présumées exogènes.
  4. Province de résidence : variables dichotomiques égales à l’unité si le RL vivait dans l’une des provinces de l’Atlantique, au Québec, dans l’une des provinces des Prairies ou en Colombie-Britannique. Les RL vivant en Ontario forment le groupe de référence. Cinq variables dichotomiques égales à l’unité si le RL vivait dans l’une des cinq plus grandes RMR – Toronto, Montréal, Vancouver, Ottawa et Calgary. Ces variables ont été incluses afin de refléter les disparités sur le marché du travail local. Ces variables varient en fonction du temps et sont exogènes.
  5. Groupe ethnique : variables dichotomiques égales à l’unité si le RL appartient à l’un des groupes suivants : Chinois, Sud-Asiatiques, Noirs, Philippins, Latins, Asiatiques de l’Ouest et Arabes, Autre - Asiatique (Asiatiques du Sud-Est, Coréens et Japonais) ou Autre minorité visible. Les Blancs forment le groupe de référence[Note 11]. Comme pour la région de naissance, ces variables ne changent pas au fil du temps et sont exogènes.
  6. Scolarité : variables dichotomiques égales à l’unité si le RL avait une maîtrise, un diplôme collégial ou des études universitaires partielles, des études postsecondaires partielles, un diplôme d’études secondaires ou moins. Les RL ayant un baccalauréat forment le groupe de référence. Variable dichotomique égale à l’unité si le RL faisait des études au moment de l’interview. Ces variables varient en fonction du temps et sont présumées en corrélation avec le talent non observé.
  7. Langues : variables dichotomiques égales à l’unité si le RL connaissait l’anglais (parle l’anglais plutôt bien, bien, très bien ou comme langue maternelle) ou le français (parle le français plutôt bien, bien, très bien ou comme langue maternelle). Les deux variables varient en fonction du temps et sont présumées exogènes.
  8. Expérience : temps passé au Canada mesuré en semaines et série de variables dichotomiques égales à l’unité si le RL possédait une expérience de travail avant l’arrivée, était venu au Canada auparavant, avait travaillé au Canada en vertu d’un permis de travail auparavant, avait étudié au Canada en vertu d’un permis d’études auparavant, ou avait un emploi réservé au Canada avant l’arrivée. Évidemment, la durée de résidence au Canada varie en fonction du temps tandis que les variables associées à l’expérience détenue avant ou à l’arrivée sont constantes dans le temps. Toutes sont présumées exogènes.
  9. Profession et niveau de compétence : les principaux groupes professionnels ont été définis à l’aide de la Classification type des professions (CTP) de 1991, tandis que les niveaux de compétence ont été établis à l’aide de la Classification nationale des professions (CNP) de 2001. Les emplois en gestion sont du niveau de compétence A. Pour les RL occupant plusieurs emplois, le groupe professionnel et le niveau de compétence ont été établis pour l’emploi principal courant[Note 12]. Ces variables changent au fil du temps. Les variables associées aux groupes professionnels sont exogènes, tandis que celles associées aux niveaux de compétence sont présumées endogènes par rapport au talent individuel étant donné la forte corrélation avec le niveau de scolarité.
  10. Le nombre d’emplois courants et le total des heures travaillées par semaine sont inclus dans les variables de contrôle pour tenir compte de la comparabilité, puisque le salaire hebdomadaire représente la somme des salaires hebdomadaires de tous les emplois courants. La durée d’occupation d’un emploi est exprimée en nombre de semaines travaillées à l’emploi et est incluse comme variable de contrôle. Toutes ces variables varient au fil du temps. Les heures travaillées par semaine et la durée d’occupation d’un emploi sont des variables présumées endogènes.

Les indicateurs de capital social ont été élaborés d’après la structure des données de l’ELIC (Xue, 2007). Les réseaux sociaux sont de trois types : le réseau de parents, qui regroupe les membres de la famille et la parenté vivant au Canada; le réseau d’amis, qui compte les amis et les collègues de travail; le réseau organisationnel, qui est formé des relations que les immigrants établissent avec des groupes et organisations (organismes communautaires, groupes religieux, associations ethniques ou immigrantes, etc.). Différentes dimensions du capital social sont également prises en compte. Pour chaque type de réseau, des indicateurs ont été créés pour mesurer le stock de capital social : la taille, la proximité géographique, la diversité et la fréquence des communications.

Contrairement à ce qui a été fait dans l’analyse empirique de la probabilité d’obtenir un emploi (Xue, 2007), le réseau en milieu de travail a été inclus dans le réseau d’amis afin de mieux cerner les effets des caractéristiques du réseau interpersonnel au travail sur le salaire des immigrants. En particulier, alors que la rencontre de nouveaux amis au lieu de travail a été exclue du nombre de sources de rencontre de nouveaux amis dans l’étude de Xue (2007) pour l’analyse de la probabilité d’obtenir un emploi, étant donné l’endogénéité des deux variables, elle est considérée dans le présent document comme l’une des sources de rencontre d’amis, c’est‑à‑dire la taille du réseau d’amis, puisque l’échantillon qui nous intéresse inclut seulement les RL qui occupaient un emploi. Une nouvelle variable, soit la diversité ethnique du réseau en milieu de travail, qui tient compte du nombre relatif de superviseurs et de collègues appartenant au même groupe ethnique que le travailleur immigrant, est incluse dans les indicateurs de capital social utilisés pour estimer les salaires.

Pour le réseau organisationnel, en raison de la faible participation des immigrants en général aux groupes et aux organisations, une seule variable fictive indiquant si le RL a participé à un groupe ou à une organisation de tout genre est incluse dans les modèles d’estimation à la place des indices de taille, de diversité et de densité[Note 13]. 

Afin de saisir les effets directs des réseaux sur les salaires, les modes de recherche d’emploi ayant permis aux immigrants d’obtenir leur emploi principal courant sont également incluses dans les modèles en plus des indicateurs de capital social susmentionnés. Pour une description complète des variables, voir le tableau A.1 en annexe.

Toutes les variables du capital social sont présumées endogènes par rapport à l’hétérogénéité individuelle non observée dans les modèles de Hausman-Taylor.

Notes

7 Pour une preuve détaillée des propositions, voir Calvó-Armengol et Jackson (2007).

8 Ici, le talent non observé est rémunéré à un taux élevé, et les individus possédant un grand talent inné ont généralement de plus hauts niveaux de capital social et de scolarité.

9 Pour des détails techniques sur le modèle MC2E avec composante d’erreur de Baltagi, voir Baltagi (2005), chapitre 7, section 7.1.

10 Aux fins de la conversion, la vague 1 a eu lieu en 2001, la vague 2, en 2003 et la vague 3, en 2005.

11 L’ELIC contient des questions à la fois sur l’ethnicité et le groupe de minorité visible (groupe de population). Aux fins du présent document, la question sur le groupe de population a été utilisée pour élaborer les variables liées au groupe ethnique.

12 L’emploi principal courant est déterminé d’après les critères suivants : 1. Si le RL avait un seul emploi courant, il s’agissait de l’emploi principal. 2. Si le RL avait plus d’un emploi courant, l’emploi principal était celui comptant le plus d’heures travaillées par semaine. 3. Si plus d’un emploi courant répondait aux critères ci-dessus, l’emploi ayant la première date de début était choisi. 4. Si les critères ci-dessus ne permettaient pas de choisir parmi les emplois courants, le premier emploi déclaré était retenu.

13 Dans les estimations préliminaires, les indices de taille, de diversité et de densité ont été utilisés pour saisir les caractéristiques du réseau organisationnel (groupes et organisations), ce qui a produit des coefficients non significatifs pour tous les indicateurs du réseau organisationnel. Cela pourrait être attribuable au grand nombre de valeurs manquantes pour les indicateurs de taille, de diversité et de densité du réseau organisationnel vu la faible participation des immigrants en général aux organisations. Cependant, les résultats des estimations effectuées avec ces indices peuvent être fournis sur demande.

Date de modification :