Mémoire d'analyse des données, travailler plus, analyse discriminante, fonction discriminante linéaire, resubstitution, validation croisée, jeune cadre, sexagénaires, artisans divorcés
Force est de constater que l'arbitrage entre le travail et le loisir a toujours intéressé les économistes. En effet, plus les individus privilégient le travail au loisir, plus la croissance est importante. D'autre part, il est toujours utile à l'Etat de déterminer les individus qui veulent travailler plus pour pouvoir prendre les bonnes décisions comme la limitation des heures de travail. Les entreprises peuvent aussi être intéressés de connaître le profil des gens qui veulent travailler plus pour bien choisir leurs salariés. On a tous besoin de travailler pour subvenir à nos besoins, mais la volonté de travailler davantage varie d'une personne à l'autre selon plusieurs critères. Par exemple, les ouvriers et les employés, dont les conditions de travail sont les plus difficiles, ne sont pas très ouverts à l'idée de travailler plus. Par ailleurs, la volonté de travailler davantage n'est pas la même pour un homme célibataire et une femme mariée ayant trois enfants. Commençons d'abord par résumer les résultats auxquels nous sommes parvenus dans le mémoire de statistiques. Après avoir analysé le lien entre les différentes variables de différentes catégories, nous déduisons que les critères qui influencent le plus la volonté de travailler plus sont : l'âge, la catégorie socioprofessionnelle ainsi que l'état matrimonial. Nous avons vu aussi que s'il n'existait pas de corrélation linéaire entre la volonté de travailler plus et le nombre d'enfants, ces deux variables étaient néanmoins positivement liées. Par ailleurs, la régression logistique nous a permis d'avoir la probabilité qu'un individu donné veuille travailler davantage, et ceci selon son profil (âge, état matrimonial…). Nous allons poursuivre alors le travail sur la même base de données mais en ne gardant que les variables qui nous ont semblé déterminantes au terme du mémoire de statistiques, à savoir l'âge, le sexe, la situation matrimoniale, le nombre d'enfants, le nombre de personnes dans le ménages et la catégorie socioprofessionnelle. Nous commencerons donc par réaliser une ACM1 en gardant les variables citées auparavant comme variables actives. Pour analyser la variable TRADAV2 on pourra l'ajouter comme variable supplémentaire. Ensuite, nous allons réaliser une analyser discriminante pour connaître l'impact des variables cités plus loin sur la volonté de travailler plus avant de regrouper notre échantillon de population en des classes qu'on essaiera de déterminer les caractéristiques et évaluer leur volonté de travailler davantage.
[...] cumulé Total 11.13 100.00 Degrés de liberté = 729 Une règle du coude, ainsi que la facilité d'interprétation des résultats nous invitent à ne garder que les trois premiers axes Vaut 1 si l'individu a envie de travailler et 0 sinon Ensuite, à l'aide de la macro INSEE %aideacm (cf. annexe) nous avons pu analyser chacun de ces axes : 3. Axe1 : On remarque que les variables les plus importantes dans cet axe sont NBENF avec une contribution de 33,2% et MATRI avec une contribution de 29,5% (bien qu'elle n'ait que quatre modalités). [...]
[...] D'autre part, il est toujours utile à l'Etat de déterminer les individus qui veulent travailler plus pour pouvoir prendre les bonnes décisions comme la limitation des heures de travail. Les entreprises peuvent aussi être intéressés de connaître le profil des gens qui veulent travailler plus pour bien choisir leurs salariés. On a tous besoin de travailler pour subvenir à nos besoins, mais la volonté de travailler davantage varie d'une personne à l'autre selon plusieurs critères. Par exemple, les ouvriers et les employés, dont les conditions de travail sont les plus difficiles, ne sont pas très ouverts à l'idée de travailler plus. [...]
[...] Par ailleurs, on peut dire que ce résultat traduit la présence d'un effet Guttman : dans un tel cas, pratiquement toute l'information est contenue dans le premier facteur. Dans ce cas, le premier axe oppose les valeurs extrêmes et classe les valeurs, tandis que le l'autre oppose les intermédiaires aux extrêmes. L'effet Guttman est repérable par la forme parabolique du nuage de points des individus et des modalités le long du premier axe. Seul le premier axe est interprétable, le second axe étant fonction du premier et ainsi de suite II. [...]
[...] Modalités supplémentaires Variable Modalité ! Oui CONTR ! POIDS . ! _ AXE1 _ ! COORD CTR CO2 RCO2 QLT V.TEST 49.55 ! . Axe2: La variable âge a une contribution importante à cet axe bien qu'elle ne comporte que deux modalités. On note en outre l'importance de la variable NBPERS (contribution de 26,9%). [...]
[...] En fait, on a vu que l'axe 1 opposait les familles nombreuses aux familles peu nombreuses tandis que cet axe oppose les familles nombreuses aux familles moyennes. En fait du côté négatif de l'axe on trouve les modalités suivantes : 2ENF 4PERS FEMME P. INTERMEDIAIRE Et du côté positif on trouve : >4PERS 3ENF ou 2ENF OUVRIER HOMME On note en outre que les individus ayant le premier groupe de modalités possèdent ont une volonté moindre de travailler plus que ceux possédant le deuxième groupe de modalités. Modalités supplémentaires ! CONTR POIDS ! _ AXE3 _ ! [...]
Référence bibliographique
Source fiable, format APALecture en ligne
avec notre liseuse dédiée !Contenu vérifié
par notre comité de lecture
