Statistiques sur le travail : Documents de recherche
L’écart salarial entre les sexes au Canada : 1998 à 2018

Warning Consulter la version la plus récente.

Information archivée dans le Web

L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.

par Rachelle Pelletier, Martha Patterson, Centre de l’information sur le marché du travail, Statistique Canada et Melissa Moyser, Centre des statistiques sur le genre, la diversité et l’inclusion, Statistique Canada

Date de diffusion : le 7 octobre 2019 Date de correction : le 11 octobre 2019

Avis de Correction

Le taux de pourcentage de l’écart salarial entre les sexes pour la Colombie-Britannique a été corrigé à 18,6 de 18,9 dans le tableau ainsi qu’au texte associé de l’annexe B

Passer au texte

Début du texte

Remerciements

La présente étude est financée par le ministère des Femmes et de l’Égalité des genres Canada.

Faits saillants

Introduction

Au Canada, les femmes du principal groupe d’âge actif, c’est-à-dire celles âgées de 25 à 54 ans, gagnaient en moyenne 26,92 $ l’heure en 2018, tandis que leurs homologues de sexe masculin gagnaient 31,05 $Note . Autrement dit, les femmes gagnaient en moyenne 4,13 $ (ou 13,3 %) de moins l’heure que les hommes, ou 0,87 $ pour chaque dollar gagné par les hommes. Des études récentes ont démontré qu’en général, l’écart salarial entre les sexes a diminué au fil du temps, tant au Canada (Baker et Drolet, 2010; Drolet, 2011; Morissette et coll., 2013; Schirle, 2015; Moyser, 2017) qu’ailleurs (Blau et Kahn, 2017; Olsen et coll., 2018; McGuiness et Redmond, 2018). Toutefois, étant donné que les femmes au Canada ont dépassé les hommes au chapitre du niveau de scolarité, ont diversifié leurs domaines d’études postsecondaires et ont accru leur représentation dans des professions comportant un statut plus élevé (Moyser, 2019), la persistance de l’inégalité salariale sur la base du sexe mérite que l’on continue de s’y intéresser.

À partir des travaux de Baker et Drolet (2010), ainsi que Drolet (2011), la présente étude examine l’évolution de l’écart entre les sexes dans le salaire horaire moyen depuis 1998. En choisissant d’examiner le salaire horaire, par opposition à d’autres mesures de la rémunération, la présente étude fait ressortir les différences salariales entre les sexes pour une même unité de travailNote . L’analyse comprend à la fois des employés à temps plein et à temps partielNote et se limite aux personnes du principal groupe d’âge actif, c’est-à-dire celles âgées de 25 à 54 ans (voir l’annexe A : Sources des données et méthodes).

De façon plus particulière, la présente étude vise à répondre à trois questions :

  1. Comment l’écart salarial entre les sexes en 2018 se compare-t-il à celui de 1998?
  2. Quels sont les facteurs qui ont contribué au rétrécissement de l’écart salarial entre les sexes entre 1998 et 2018?
  3. Quels sont les facteurs à l’origine de l’écart salarial qui subsistait entre les sexes en 2018, et ces facteurs diffèrent-ils de ceux qui expliquaient l’écart en 1998?

Pour répondre à ces questions, la présente étude utilise la méthode de décomposition de Blinder-Oaxaca, ce qui va dans le sens de la majeure partie des travaux de recherche similaires effectués par le passé (Schirle, 2015; Drolet, 2011; Baker et Drolet, 2011; Baker et coll., 1995). La décomposition de Blinder-Oaxaca est une méthode statistique qui peut être utilisée pour quantifier la proportion de la différence salariale entre deux groupes pouvant être expliquée par divers facteurs de contrôle.

Les variables de contrôle utilisées dans la présente étude vont dans le sens des explications économiques traditionnelles de l’écart salarial entre les sexes, à savoir, les différences entre les sexes dans le capital humain et les caractéristiques de l’emploi, ainsi que la ségrégation entre les sexes au chapitre des professions et des industries (Blau et Kahn, 2017; Moyser, 2019). L’analyse est fondée sur des données annualisées de l’Enquête sur la population active (EPA), une enquête mensuelle transversale auprès des ménages qui est menée par Statistique Canada. Comprendre les effets de divers facteurs sur l’écart salarial entre les sexes, de même que leur évolution au fil du temps, contribue à des efforts plus larges en vue de suivre la disparité dans la rémunération entre les sexes au Canada, et pourrait montrer la voie vers des interventions pertinentes au niveau des politiques.

L’écart salarial entre les sexes s’est rétréci entre 1998 et 2018

Le salaire réel (ajusté pour tenir compte de l’inflation) a augmenté plus rapidement chez les femmes âgées de 25 à 54 ans que chez les hommes de ce même groupe d’âge entre 1998 et 2018 (tableau 1). En particulier, le salaire horaire moyen des femmes a augmenté de 20,5 % au cours de la période, tandis que celui des hommes s’est accru de 12,9 %. Par conséquent, l’écart salarial entre les sexes a diminué de 5,5 points de pourcentage, passant de 18,8 % en 1998 à 13,3 % en 2018.


Tableau 1
Salaires et écart salarial des employés du principal group d'âge actif (25 à 54 ans), dollars constants de 2018, 1998 à 2018
Sommaire du tableau
Le tableau montre les résultats de Salaires et écart salarial des employés du principal group d'âge actif (25 à 54 ans) Salaire horaire moyen réel, Écart salarial, Hommes et Femmes, calculées selon dollars, pourcentage et points de pourcentage unités de mesure (figurant comme en-tête de colonne).
Salaire horaire moyen réel Salaire horaire moyen réel Écart salarialTableau 1 Note 1 Écart salarialTableau 1 Note 2
Hommes Femmes
dollars dollars pourcentage
1998 27,51 22,34 5,17 18,8
2018 31,05 26,92 4,13 13,3
pourcentage dollars points de pourcentage
Variation, 1998 à 2018 12,9 20,5 -1,04 -5,5

La diminution de l’écart salarial s’est produite de façon assez échelonnée au cours de la période, alors que des baisses plus marquées ont été observées au début des années 2000 et pendant la récession de 2008-2009 (graphique 1). Ces deux baisses correspondent à des périodes de stagnation ou de recul du salaire des hommes, plutôt que de hausses dignes de mention du salaire des femmes.

Graphique 1 Écart salarial entre les hommes et les femmes, employés âgés de 25 à 54 ans, 1998 à 2018

Tableau de données du graphique 1 
Tableau de données du graphique 1
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 1. Les données sont présentées selon Année (titres de rangée) et pourcentage(figurant comme en-tête de colonne).
Année pourcentage
1998 18,8
1999 19,3
2000 19,6
2001 19,4
2002 18,1
2003 17,5
2004 16,7
2005 15,9
2006 16,2
2007 16,2
2008 16,4
2009 15,3
2010 14,8
2011 13,8
2012 13,9
2013 14,2
2014 13,8
2015 14,1
2016 13,7
2017 13,3
2018 13,3

Qu’est-ce qui a été à l’origine du rétrécissement de l’écart salarial entre les sexes entre 1998 et 2018?

Les facteurs qui ont contribué au rétrécissement de l’écart salarial entre les sexes au fil du temps peuvent être identifiés et analysés au moyen d’une décomposition dynamique de Blinder-Oaxaca. Une description complète de cette méthode figure à l’annexe A : Sources des données et méthodes. En bref, cette procédure permet de séparer les changements dans l’écart salarial entre les sexes au fil du temps en deux parties : tout d’abord, la partie expliquée par les changements relatifs dans les caractéristiques des hommes et des femmes au cours de la période (comme le niveau de scolarité ou la répartition par profession) et, en deuxième lieu, la partie qui n’est pas expliquée par ces facteurs.

La partie non expliquée est attribuable à une combinaison de deux effets, à savoir, les répercussions de toutes les caractéristiques observables liées à la rémunération qu’il n’a pas été possible d’inclure dans le modèle, ainsi que l’effet de tous les facteurs non observables. Pour obtenir plus de détails et des exemples de ce qui constitue la partie non expliquée, voir l’encadré : De quoi est constituée la partie non expliquée?

Début de l'encadré

De quoi est constituée la partie non expliquée?

Il peut être tentant de considérer la partie non expliquée des résultats de la décomposition de Blinder-Oaxaca comme une preuve d’une discrimination salariale fondée sur le sexe. Toutefois, il est important de comprendre que cette partie comprend deux types d’effets.

Tout d’abord, il y a l’effet de toutes les caractéristiques mesurables liées à la rémunération qu’il n’a pas été possible d’inclure dans cette étude particulière. Un exemple digne de mention dans la présente étude est l’expérience de travail totale, au sujet de laquelle l’Enquête sur la population active ne fournit pas de données. La prévalence plus forte des interruptions de travail chez les femmes, qui est étroitement liée à leurs responsabilités envers la famille (Moyser, 2019), est une composante importante des différences entre les sexes dans la rémunération annuelle ou toute la vie durant. Il a aussi été démontré que cette composante est à l’origine d’une partie des différences dans le salaire horaire (Drolet, 2002; Blau et Kahn, 2017; Olsen et coll., 2018). Dans la présente étude, tous ces effets se retrouvent dans la partie non expliquée de l’écart. Le domaine d’études représente un autre exemple d’une caractéristique observable qui n’est pas disponible dans la présente étude et qui pourrait apporter plus de nuances aux effets du niveau de scolarité et de la profession ou de l’industrie.

Le deuxième type d’effets compris dans la partie non expliquée est celui des caractéristiques non observables liées à la rémunération. En théorie, cela pourrait comprendre les différences de comportement entre les sexes, comme la motivation et l’effort au travail ou la négociation salariale, ainsi que les répercussions explicites ou implicites de la discrimination salariale fondée sur le sexe, les attentes sociétales ou les contraintes de choix en ce qui a trait aux rôles des sexes dans le travail salarié, ainsi que d’autres enjeux connexes. Ces types de facteurs sont très difficiles à mesurer au moyen des enquêtes traditionnelles, et il existe un vaste débat concernant l’importance relative ou la force de l’un ou l’autre de ces effets. Voir Moyser (2019) pour un examen plus approfondi de cette question.

Fin de l'encadré

Les variables de contrôle utilisées dans la présente étude sont les suivantes (voir l’annexe A : Sources des données et méthodes pour une description plus détaillée) :

Plus de la moitié du rétrécissement de l’écart s’explique par des changements dans les caractéristiques des hommes et des femmes

Les résultats de la décomposition dynamique de Blinder-Oaxaca (tableau 2) montrent que les variables comprises dans le modèle ont permis d’expliquer au total 56,6 % de la réduction de l’écart salarial entre les sexes entre 1998 et 2018. Pour chaque variable, un pourcentage positif signifie que la variable a contribué à réduire l’écart salarial, tandis qu’un pourcentage négatif signifie qu’elle a eu pour effet d’élargir l’écart. Plus le pourcentage associé à une variable donnée est grand, plus l’effet est grand. L’effet combiné de toutes les variables explique au total 56,6 % des changements dans l’écart salarial entre les sexes.

En général, une variable peut contribuer à rétrécir (ou élargir) l’écart salarial entre les sexes pour deux raisons. Tout d’abord, les caractéristiques moyennes des femmes (le niveau de scolarité, l’ancienneté, etc.) pourraient changer par rapport à celles des hommes. En deuxième lieu, la prime salariale, aussi appelée « rendement » liée à ces caractéristiques pourrait évoluer différemment chez les hommes que chez les femmes. L’un ou l’autre de ces facteurs pourrait avoir pour effet de rétrécir ou d’élargir l’écart salarial entre les sexes, selon que le changement favorise la rémunération des hommes ou celle des femmes. Des détails sur la façon dont chaque variable individuelle a contribué à rétrécir ou à élargir l’écart figurent plus bas. Dans le cas des variables qui comportent plusieurs sous-catégories (p. ex. la profession et l’industrie), d’autres détails sont aussi fournis sur les sous-catégories qui ont contribué le plus aux changements au fil du tempsNote .


Tableau 2
Décomposition de la diminution de l'écart salarial, pourcentages, 1998 à 2018
Sommaire du tableau
Le tableau montre les résultats de Décomposition de la diminution de l'écart salarial pourcentage(figurant comme en-tête de colonne).
pourcentage
Total, partie expliquée (sommes des effets des variables ci-dessous) 56,6
Capital humain 18,2
Éducation 12,7
Durée de l'emploi 5,5
Caractéristiques de l'emploi 22,1
Temps partiel 4,8
Secteur public 4,8
Syndicalisation 9,3
Taille d'entreprise 3,1
Profession et industrie 18,4
Profession 26,3
Industrie -8,0
Caractéristiques démographiques -2,1
Âge -1,9
Province -3,3
Enfant(s) 1,4
État matrimonial 1,6
Total, partie inexpliquée 43,4

Le changement dans la répartition entre les professions a joué un rôle clé

Entre 1998 et 2018, la répartition par profession des hommes et des femmes a permis d’expliquer un peu plus du quart (26,3 %) de la réduction de l’écart salarial entre les sexes. Des effets notables de rétrécissement provenaient des professions en droit et services sociaux, communautaires et gouvernementaux (8,5 %), des professions en enseignement (7,7 %) et des professions en affaires et en finance (7,2 %). Ces trois groupes professionnels où la rémunération est élevée employaient une proportion plus forte de femmes du principal groupe d’âge actif en 2018 qu’en 1998. De même, la rémunération a augmenté plus rapidement chez les femmes que chez les hommes dans deux de ces trois groupes (professions en droit et en services sociaux, communautaires et gouvernementaux et professions en affaires et en finance).

En dépit de l’effet positif net de la profession sur le rétrécissement de l’écart salarial entre les sexes, certaines professions ont contribué à élargir l’écart, et plus précisément celles en sciences naturelles et appliquées (-9,2 %), ainsi que celles du personnel de supervision du travail administratif et financier et du personnel administratif (-7,4 %). Ces deux groupes employaient une proportion plus importante d’hommes du principal groupe d’âge actif en 2018 qu’en 1998, et la rémunération a aussi augmenté plus rapidement chez les hommes que chez les femmes dans les professions en sciences naturelles et appliquées.

Les changements dans la répartition entre les industries ont eu l’effet contraire

Même si les changements dans la répartition entre les professions ont contribué à réduire l’écart salarial entre les sexes entre 1998 et 2018, la répartition des hommes et des femmes entre les industries a contribué à l’élargir (-8,0 %). Cela est principalement attribuable au secteur de la construction (-14,0 %) où la rémunération est élevée, où les hommes prédominent et où l’emploi a augmenté au cours de la période. Le secteur de la fabrication a contribué à contrer l’effet de celui de la construction, et il a été à l’origine de 7,3 % du rétrécissement de l’écart durant la période de 20 ans. Cela est en grande partie attribuable à la baisse de l’emploi dans la fabrication qui s’est produite au cours de la période, 25,2 % des hommes du principal groupe d’âge actif travaillaient dans ce secteur en 1998, comparativement à 15,5 % en 2018Note .

L’augmentation du niveau de scolarité des femmes a contribué à rétrécir l’écart

L’augmentation du niveau de scolarité des femmes par rapport à celui des hommes est le deuxième déterminant en importance de la diminution de l’écart salarial entre les sexes entre 1998 et 2018. Même si des proportions équivalentes de femmes et d’hommes étaient titulaires d’un diplôme universitaire au niveau du baccalauréat ou à un niveau supérieur en 1998 (21,6 % et 21,5 %, respectivement), la proportion de femmes titulaires d’au moins un baccalauréat a augmenté dans une plus grande mesure au cours des 20 années suivantes que la proportion équivalente d’hommes (+19,6 points de pourcentage comparativement à +10,8 points de pourcentage). Étant donné que les travailleurs ayant un niveau de scolarité plus élevé gagnaient davantage en moyenne, l’augmentation relative du niveau de scolarité des femmes a été à l’origine de 12,7 % de la réduction de l’écart salarial entre les sexes qui s’est produite au cours de cette période.

L’autre variable du capital humain, l’ancienneté, a été à l’origine de 5,5 % de la réduction de l’écart. Cela est dû pour une large part à une baisse de l’ancienneté des hommes par rapport à celle des femmes entre 1998 et 2018. En 2018, l’ancienneté moyenne des femmes (89,4 mois) était supérieure à celle des hommes (86,8 mois).

La moins grande syndicalisation chez les hommes a aussi eu un effet de rétrécissement

Les changements dans les caractéristiques d’emploi ont aussi contribué à la réduction de l’écart salarial entre les sexes qui s’est produite au cours de la période de 20 ans, et la syndicalisation a joué un rôle particulièrement important à cet égard. Même si la proportion d’hommes appartenant à un syndicat ou assujettis à une convention collective a diminué de 8,6 points de pourcentage entre 1998 et 2018 (pour passer de 38,2 % à 29,5 %), la proportion équivalente pour les femmes est demeurée constante à un peu moins de 36 %. Ces tendances divergentes rendent largement compte du fait que les hommes syndiqués étaient concentrés dans la fabrication, un secteur en déclin au cours de la première moitié de la période, tandis que les femmes occupant des emplois syndiqués étaient concentrées dans les soins de santé et l’assistance sociale, ainsi que dans les services d’enseignement. Étant donné que la syndicalisation est associée à une rémunération moyenne plus élevée, la baisse de la proportion d’hommes syndiqués a fait en sorte que cette variable a contribué à 9,3 % de la baisse de l’écart salarial entre les sexes qui s’est produite entre 1998 et 2018.

Les autres variables des caractéristiques d’emploi ont chacune représenté une part plus faible du rétrécissement au cours de la période, l’emploi à temps partiel et l’emploi dans le secteur public se situant à 4,8 % dans chaque cas, et la taille de l’entreprise, à 3,1 %. Pour ce qui est de l’emploi à temps partiel, l’effet de rétrécissement a été lié à une baisse de la proportion de femmes travaillant à temps partiel, celle-ci étant passée de 21,0 % en 1998 à 16,0 % en 2018. Parallèlement, le rétrécissement attribuable à l’emploi dans le secteur public peut être expliqué par une augmentation de la proportion de femmes travaillant dans ce secteur (34,1 % en 2018 comparativement à 31,1 % en 1998), tandis que le rendement de la rémunération pour ces travailleurs a aussi augmenté. Enfin, la partie du rétrécissement expliquée par la taille de l’entreprise est attribuable principalement à une augmentation de la proportion de femmes travaillant pour de grandes entreprises (définies comme comptant plus de 500 travailleurs), qui ont tendance à avoir des primes salariales plus élevées que les petites entreprises.

Une part importante du rétrécissement ne peut être expliquée par les variables de contrôle

Enfin, 43,4 % de la diminution de l’écart salarial entre les sexes entre 1998 et 2018 n’a pu être expliquée par les caractéristiques décrites ci-dessus. Cela signifie qu’un peu moins de la moitié de la réduction de l’écart au cours de la période de 20 ans était attribuable à des différences dans les caractéristiques qui n’étaient pas incluses dans le modèle, et/ou à des facteurs non observables (voir l’encadré : De quoi est constituée la partie non expliquée?). Cette proportion inexpliquée de la variation va dans le sens des recherches antérieures concernant le rétrécissement de l’écart salarial entre les sexes au Canada (Drolet, 2011).

Quels sont les facteurs à l’origine de l’écart salarial en 2018, et sont-ils différents de ceux de 1998?

Même si la section précédente comportait une description des facteurs qui ont contribué à rétrécir l’écart salarial entre les sexes entre 1998 et 2018, la présente section est axée sur l’écart salarial total entre les sexes qui existait tant en 1998 qu’en 2018, ainsi que sur les facteurs à l’origine de cet écart chaque année (tableau 3). Ainsi, les pourcentages associés à chaque variable prennent une nouvelle signification dans la présente section, représentant maintenant la mesure dans laquelle ils ont contribué individuellement à l’écart salarial entre les sexes. Plus la valeur est importante, plus l’effet est grand, une valeur négative indiquant que, toutes choses étant égales par ailleurs, cette variable ferait en sorte que les femmes aient une rémunération moyenne supérieure à celle des hommes. Même si les résultats dont il est question dans la présente section concernent le Canada dans son ensemble, certaines données sur l’écart salarial entre les sexes en 2018 selon la province sont présentées à l’annexe B : Résultats provinciaux.


Tableau 3
Expliquer l'écart salarial entre les hommes et les femmes, pourcentages, 1998 à 2018
Sommaire du tableau
Le tableau montre les résultats de Expliquer l'écart salarial entre les hommes et les femmes 1998 et 2018, calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
1998 2018
pourcentage
Total, partie expliquée (sommes des effets des variables ci-dessous) 28,0 36,6
Capital humain 1,8 -6,1
Éducation -0,5 -4,8
Durée de l'emploi 2,3 -1,3
Caractéristiques de l'emploi 10,1 -0,7
Temps partiel 8,9 9,2
Secteur public -0,6 -5,3
Syndicalisation 0,7 -3,4
Taille d'entreprise 1,1 -1,1
Profession et industrie 18,3 44,8
Profession 1,8 5,1
Industrie 16,5 39,7
Caractéristiques démographiques -2,2 -1,6
Âge -0,4 -0,3
Province -0,1 1,0
Enfant(s) -0,3 -0,8
État matrimonial -1,4 -1,5
Total, partie inexpliquée 72,0 63,4

Ensemble, les variables incluses dans le modèle ont permis d’expliquer plus du tiers (36,6 %) de l’écart salarial entre les sexes en 2018, comparativement à 28,0 % en 1998. Les deux années, l’écart salarial a donc découlé de facteurs non expliqués, ce qui est conforme aux recherches antérieures (p. ex. Blau et Kahn, 2017; Fortin et coll., 2017; McGuiness et Redmond, 2018; Schirle, 2015).

De nombreuses études ont permis d’observer que, alors que les caractéristiques des femmes (par exemple, le niveau de scolarité) convergent de plus en plus avec celles des hommes ou les surpassent, elles expliquent dans une moins grande mesure l’écart salarial qui subsiste entre les sexes, et la partie non expliquée de l’écart augmente (p. ex. Blau et Kahn, 2017; Fortin et coll., 2017; McGuiness et Redmond 2018). Toutefois, dans la présente étude, la partie non expliquée a diminué pour passer de 72,0 % en 1998 à 63,4 % en 2018. Cet écart peut être dû à la variabilité de la partie non expliquée d’une année à l’autre (graphique 2). Compte tenu de cela, ainsi que de l’absence de tendance claire au fil du temps, la présente étude laisse supposer qu’il faut faire preuve de prudence au moment de tirer des conclusions concernant les tendances des parties expliquées et non expliquées qui sont fondées sur deux effets seulement.

Graphique 2 Partie inexpliquée de l'écart salarial, 1998 à 2018

Tableau de données du graphique 2 
Tableau de données du graphique 2
Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 2. Les données sont présentées selon Année (titres de rangée) et pourcentage(figurant comme en-tête de colonne).
Année pourcentage
1998 72,0
1999 64,4
2000 62,4
2001 63,2
2002 63,7
2003 66,9
2004 62,5
2005 61,3
2006 59,9
2007 61,5
2008 56,6
2009 62,6
2010 59,7
2011 61,1
2012 61,8
2013 59,9
2014 57,4
2015 63,0
2016 58,9
2017 61,6
2018 63,4

La majeure partie de l’écart restant est expliquée par la répartition entre les industries

La répartition des hommes et des femmes entre les industries a permis d’expliquer la partie la plus importante de l’écart salarial entre les sexes, tant en 1998 (16,5 %) qu’en 2018 (39,7 %). En outre, ce sont les trois mêmes secteurs qui ont été à l’origine de l’écart salarial entre les sexes les deux années : construction (6,3 % en 1998 et 17,7 % en 2018), fabrication (8,5 % en 1998 et 9,1 % en 2018), et extraction minière, exploitation en carrière, et extraction de pétrole et de gaz (3,5 % en 1998 et 6,7 % en 2018)Note . Ces trois secteurs ont été principalement à l’origine de l’écart salarial entre les sexes, tant en 1998 qu’en 2018, du fait qu’ils emploient des proportions substantiellement plus importantes d’hommes que de femmes et en raison de leurs salaires relativement élevés.

Parallèlement à l’industrie, la répartition entre les professions a aussi contribué à expliquer une petite partie de l’écart en 1998 (1,8 %) et en 2018 (5,1 %). Parmi toutes les professions, ce sont celles dominées par les hommes dans les sciences naturelles et appliquées qui ont contribué le plus à l’existence d’un écart salarial, tant en 1998 qu’en 2018. Cela est conforme aux résultats dont il est question dans la section précédente et montre que l’augmentation de l’emploi et de la rémunération des hommes dans ce groupe professionnel a eu pour effet d’élargir l’écart au fil du temps.

L’emploi à temps partiel contribue à l’écart

Mis à part les différences entre les sexes au chapitre de l’industrie et de la profession, la surreprésentation des femmes dans l’emploi à temps partiel a expliqué à elle seule une partie notable de l’écart en 1998 (8,9 %) et 2018 (9,2 %). Même si la section précédente a montré qu’une réduction du travail à temps partiel chez les femmes a contribué au rétrécissement de l’écart au cours de la période, et même si les femmes ont subi une pénalité salariale moins grande que les hommes pour leur travail à temps partiel, la probabilité plus grande pour les femmes de travailler à temps partiel a été un facteur à l’origine de l’existence d’un écart salarial entre les sexes, tant en 1998 qu’en 2018.

Même s’ils n’ont à peu près pas eu d’effet en 1998, l’emploi dans le secteur public et la syndicalisation ont tous deux contribué à réduire l’écart en 2018, soit de -5,3 % et de -3,4 %, respectivement. Cela va dans le sens de la hausse de l’emploi dans le secteur public pour les femmes et de la baisse de la syndicalisation chez les hommes entre 1998 et 2018, dont il a été question précédemment.

Même si l’ancienneté a eu peu de répercussions sur l’écart en 2018, la plus grande ancienneté des hommes que des femmes en 1998 a permis d’expliquer une faible partie de l’écart (2,3 %) à ce moment-là. La scolarité n’a à peu près pas eu d’incidence sur l’écart en 1998, mais elle a permis de le rétrécir en 2018 (-4,8 %). Cette constatation témoigne du fait qu’un plus grand nombre de femmes que d’hommes étaient titulaires d’un diplôme universitaire au niveau du baccalauréat ou à un niveau supérieur en 2018.

Conclusion

En 2018, l’écart salarial dans la rémunération horaire des employés de 25 à 54 ans s’établissait à 13,3 %, en baisse de 5,5 points de pourcentage par rapport à 1998.

Plus de la moitié de ce rétrécissement est attribuable aux variables de contrôle de la présente étude (capital humain, caractéristiques de l’emploi, profession et industrie, et données démographiques), les changements dans la répartition des hommes et des femmes entre les professions y ayant contribué le plus. Le niveau de scolarité plus élevé des femmes par rapport aux hommes et la baisse de la proportion d’hommes occupant des emplois syndiqués ont aussi contribué au rétrécissement de l’écart salarial. Les différences entre les sexes au chapitre de l’industrie, et plus particulièrement la sous-représentation des femmes dans le secteur de la construction où la rémunération ne cesse d’augmenter, ont nui à la tendance au rétrécissement de l’écart salarial entre les sexes.

Pour ce qui est de l’explication de l’écart salarial entre les sexes restant en 2018, la présente étude a démontré que la répartition des femmes et des hommes entre les secteurs d’activité a joué un rôle clé. Il s’agissait aussi du facteur explicatif le plus important de l’écart en 1998. Les trois mêmes secteurs (construction; fabrication; et extraction minière, exploitation en carrière, et extraction de pétrole et de gaz) ont été à l’origine de la plus grande partie de l’effet observé les deux années. Le seul autre facteur expliquant une part importante de l’écart, tant en 1998 qu’en 2018, était le taux plus élevé de travail à temps partiel des femmes, qui donne lieu à une rémunération moyenne plus faible que le travail à temps plein.

Même si les facteurs mentionnés précédemment ont joué un rôle important, plus des deux tiers de l’écart salarial entre les sexes restant en 2018 n’ont pu être expliqués par des variables liées au capital humain, aux caractéristiques de l’emploi, à la profession et à l’industrie, ainsi qu’aux caractéristiques démographiques. Cela fait ressortir la nécessité permanente d’une analyse dans ce domaine, afin de mieux comprendre la disparité salariale entre les sexes.

Parmi les avenues de recherche possibles figurent les différences dans l’expérience de travail entre les hommes et les femmes. Les femmes ont tendance à avoir un moins grand nombre d’années d’expérience de travail au total, en raison de leur probabilité plus grande d’interruptions de travail, particulièrement liées à la maternité et à l’éducation des enfants (Moyser, 2019). Des recherches antérieures au Canada (Drolet, 2002), ainsi que des recherches plus récentes aux États-Unis (Blau et Kahn, 2017) et au Royaume-Uni (Olsen et coll., 2018), ont démontré que les antécédents de travail peuvent expliquer une part importante de l’écart salarial entre les sexes. Par conséquent, la recherche de façons d’intégrer l’expérience de travail réelle dans les modèles sera probablement une composante importante pour aider à la compréhension de l’écart salarial entre les sexes dans l’avenir au Canada.

Il est aussi possible d’étudier l’écart salarial entre les sexes parmi des sous-groupes particuliers, et plus spécialement pour les populations plus vulnérables. Même s’il existe plusieurs études sur les écarts salariaux entre les immigrants et les personnes nées au Canada (p. ex. Hou et Lu, 2017), ou entre les Canadiens autochtones et non autochtones (p. ex Lamb et coll., 2018; Nadeau et Seckin, 2010;), les écarts salariaux entre les sexes dans ces sous-groupes et dans d’autres, y compris les personnes handicapées, pourraient faire l’objet d’un examen plus poussé et d’une plus grande décomposition.

Enfin, compte tenu du rôle important que les changements dans la répartition entre les professions et les industries ont joué et continuent de jouer pour expliquer l’évolution de l’écart salarial, il s’agit d’un angle important pour de futures recherches. La compréhension du pourquoi et du comment de la ségrégation entre les professions et les industries, ainsi que de la raison pour laquelle le rendement moyen de l’emploi dans certaines professions et industries diffère entre les hommes et les femmes, pourrait être utile pour les décideurs et d’autres intervenants susceptibles de s’attaquer aux différences entre les sexes dans ces domaines.

Annexe A : Sources des données et méthodes

Source des données

La présente étude repose sur des données annualisées de l’Enquête sur la population active (EPA), une enquête mensuelle auprès des ménages menée par Statistique CanadaNote . Les poids de l’enquête ont été divisés par 12 pour calculer des estimations annuelles à partir des données mensuelles. L’EPA fournit des données à jour et fiables sur le marché du travail au Canada et, à cette fin, répartit les personnes en âge de travailler (celles âgées de 15 ans et plus) en trois catégories — occupées, en chômage et inactives.

L’EPA fournit des données sur la rémunération horaire des hommes et des femmes, ainsi que sur des variables démographiques clés et un certain nombre d’autres facteurs couramment reliés à l’écart salarial entre les sexes, y compris : l’âge, l’état matrimonial, la province, le plus haut niveau de scolarité atteint, le nombre d’enfants, le travail à temps partiel ou à temps plein, l’ancienneté, la taille de l’entreprise, la syndicalisation, le statut d’employé du secteur public ou du secteur privé, la profession et l’industrie.

Les données de l’enquête sont fondées sur un échantillon d’environ 56 000 ménages et excluent les personnes vivant dans des réserves et d’autres établissements autochtones, les membres à temps plein des Forces armées canadiennes, la population vivant en établissements et les ménages des régions extrêmement éloignées qui ont une très faible densité de population.

Méthodologie

Modèles et variables indépendantes

Tout d’abord, pour assurer la comparabilité et l’uniformité avec d’autres études de l’écart salarial entre les sexes au Canada et partout dans le monde, l’échantillon est limité aux hommes et aux femmes du principal groupe d’âge actif, c’est-à-dire ceux de 25 à 54 ansNote Note . Ce faisant, les résultats sont moins susceptibles d’être affectés par les transitions liées aux études et à la retraite, les travailleurs de ce principal groupe d’âge actif étant plus susceptibles d’avoir une carrière que d’occuper un emploi transitoire. Par ailleurs, l’échantillon exclut les travailleurs autonomes, étant donné que l’accent est mis sur la rémunération versée par un employeur et que la rémunération horaire des travailleurs autonomes n’est pas disponible dans l’EPA. Pour illustrer le changement dans l’écart salarial entre les sexes au cours des 20 dernières années, on utilise les données de 1998 à 2018Note .

Une fois l’échantillon sélectionné, une méthode doit être choisie pour mesurer et comparer la rémunération des hommes et des femmes. Dans ce cas, on utilise la rémunération horaire plutôt que la rémunération hebdomadaire ou le revenu annuel afin d’éviter de comparer différentes quantités de travail. La rémunération horaire réelle doit être calculée à partir de cette rémunération horaire nominale, en la divisant par l’Indice des prix à la consommationNote (IPC) pour l’année, puis en multipliant le résultat par 100. Pour la présente étude, l’IPC=100 en 2018, ce qui signifie que les résultats sont présentés en dollars constants de 2018.

Conformément aux recherches existantes sur le sujet, les structures de rémunération des hommes et des femmes pour chacune des années sont estimées au moyen d’une régression par la méthode des moindres carrés ordinaires (MCO). L’équation est la suivante :

l n S a l a i r e = α + β X + ε MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBaiaadofacaWGHbGaamiBaiaadggacaWGPbGaamOC aiaadwgacqGH9aqpcqaHXoqycqGHRaWkcqaHYoGycaWGybGaey4kaS IaeqyTdugaaa@46EC@

l n S a l a i r e MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBaiaadofacaWGHbGaamiBaiaadggacaWGPbGaamOC aiaadwgaaaa@3E5E@ est le logarithme naturel de la rémunération horaire réelle, α MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacqaHXoqyaaa@37B5@ , l’ordonnée à l’origine, β MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacqaHYoGyaaa@37B7@ , l’ensemble de coefficients montrant le rendement des variables déterminant la rémunération représentées par X MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGybaaaa@36F3@ , et ε MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacqaH1oqzaaa@37BD@ , le terme d’erreur.

L’ensemble complet des variables utilisé dans la présente étude est le suivant :

  1. Scolarité maximale (trois groupes) : diplôme d’études secondaires ou niveau inférieur d’études, diplôme collégialNote ; et diplôme universitaireNote . Le groupe de référence est « diplôme d’études secondaires ou niveau inférieur d’études ».
  2. Ancienneté (qui désigne la durée d’occupation de l’emploi actuel; six groupes) : 1 an ou moins, plus de 1 an à 3 ans, plus de 3 ans à 5 ans, plus de 5 ans à 10 ans, plus de 10 ans à 20 ans, et plus de 20 ans. Le groupe de référence est « 1 an ou moins ».
  3. Temps partiel : égale à 1 si une personne est employée à temps partiel et à 0 si elle est employée à temps plein.
  4. Secteur public : égale à 1 si une personne est employée dans le secteur public et à 0 si elle est employée dans le secteur privé.
  5. Syndicat : égale à 1 si une personne appartient à un syndicat ou est assujettie à une convention collective et à 0 autrement.
  6. Taille de l’entreprise (le nombre total de personnes employées dans tous les emplacements de l’entreprise pour laquelle travaille une personne; quatre groupes) : petite (moins de 20 employés), petite-moyenne (20 à 99 employés), moyenne-grande (100 à 500 employés) et grande (plus de 500 employés). La catégorie « petite (moins de 20 employés) » est omise de la régression et utilisée comme catégorie de référence.
  7. Profession : les 40 grands groupes (2 chiffres) de la Classification nationale des professions (CNP). CNP 65, Représentants/représentantes de services et autre personnel de services à la clientèle et personnalisés, est la catégorie de référence.
  8. Industrie : secteur du Système de classification des industries de l’Amérique du Nord (SCIAN), divisé en 17 groupes. SCIAN 44-45, Commerce de détail, est la catégorie de référence.
  9. Âge (six groupes) : 25 à 29 ans, 30 à 34 ans, 35 à 39 ans, 40 à 44 ans, 45 à 49 ans et 50 à 54 ans. Le groupe des « 25 à 29 ans » est omis de la régression et utilisé comme catégorie de référence.
  10. Province : correspond à la province où vit une personne. L’Ontario est la catégorie de référence.
  11. Enfants : le nombre d’enfants du répondant (peu importe leur âge) vivant dans le ménage au moment de l’enquête.
  12. Couple (trois groupes) : célibataire, jamais marié(e); marié(e) ou vivant en union libre; et veuf(ve), séparé(e) ou divorcé(e). « Célibataire, jamais marié(e) » est utilisé comme groupe de référence.

Décomposition de Blinder-Oaxaca

L’étape suivante de l’examen de l’écart salarial entre les sexes consiste à utiliser la méthode de décomposition de Blinder-Oaxaca sur les résultats de la régression MCO. Cette méthode répartit l’écart entre une partie expliquée (le résultat des différences de caractéristiques entre les hommes et les femmes) et une partie non expliquée (attribuable à des caractéristiques qui n’étaient pas incluses dans le modèle, ainsi qu’à tous les facteurs non observables).

Afin de procéder à la décomposition de Blinder-Oaxaca, les résultats des régressions MCO les hommes et les femmes la même année doivent être regroupés et sont présentés ici comme :

l n S a l a i r e ¯ h = α h + β ^ h X ¯ h + ε h MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBamaanaaabaGaam4uaiaadggacaWGSbGaamyyaiaa dMgacaWGYbGaamyzaaaadaWgaaWcbaGaamiAaaqabaGccqGH9aqpcq aHXoqydaWgaaWcbaGaamiAaaqabaGccqGHRaWkdaqiaaqaaiabek7a IbGaayPadaWaaSbaaSqaaiaadIgaaeqaaOGabmiwayaaraWaaSbaaS qaaiaadIgaaeqaaOGaey4kaSIaeqyTdu2aaSbaaSqaaiaadIgaaeqa aaaa@4D7C@

et

l n S a l a i r e ¯ f = α f + β ^ f X ¯ f + ε f MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBamaanaaabaGaam4uaiaadggacaWGSbGaamyyaiaa dMgacaWGYbGaamyzaaaadaWgaaWcbaGaamOzaaqabaGccqGH9aqpcq aHXoqydaWgaaWcbaGaamOzaaqabaGccqGHRaWkdaqiaaqaaiabek7a IbGaayPadaWaaSbaaSqaaiaadAgaaeqaaOGabmiwayaaraWaaSbaaS qaaiaadAgaaeqaaOGaey4kaSIaeqyTdu2aaSbaaSqaaiaadAgaaeqa aaaa@4D72@

Dans ce cas, les h MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGObaaaa@3703@ et f MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGMbaaaa@3701@ représentent les chiffres qui sont utilisés pour les hommes et pour les femmes, et l n S a l a i r e ¯ MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBamaanaaabaGaam4uaiaadggacaWGSbGaamyyaiaa dMgacaWGYbGaamyzaaaaaaa@3E6F@ est le logarithme naturel de la rémunération horaire réelle moyenne. De même, β ^ MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qadaqiaaqaaiabek7aIbGaayPadaaaaa@3879@ représente les coefficients de régression estimée, et X ¯ MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qaceWGybGbaebaaaa@370B@ , les moyennes pour les variables qui déterminent la rémunération. Une fois ces résultats regroupés, une équation hypothétique pour les femmes est calculée et montre ce qu’elles gagneraient si elles recevaient la même rémunération que les hommes selon les caractéristiques qui déterminent la rémunération. Cette équation hypothétique est la suivante (à noter que l’astérisque dans l n S a l a i r e ¯ f * MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBamaanaaabaGaam4uaiaadggacaWGSbGaamyyaiaa dMgacaWGYbGaamyzaaaadaqhaaWcbaGaamOzaaqaaiaacQcaaaaaaa@4035@ représente l’équation hypothétique) :

l n S a l a i r e ¯ f * = α h + β ^ h X ¯ f + ε f MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGSbGaamOBamaanaaabaGaam4uaiaadggacaWGSbGaamyyaiaa dMgacaWGYbGaamyzaaaadaqhaaWcbaGaamOzaaqaaiaacQcaaaGccq GH9aqpcqaHXoqydaWgaaWcbaGaamiAaaqabaGccqGHRaWkdaqiaaqa aiabek7aIbGaayPadaWaaSbaaSqaaiaadIgaaeqaaOGabmiwayaara WaaSbaaSqaaiaadAgaaeqaaOGaey4kaSIaeqyTdu2aaSbaaSqaaiaa dAgaaeqaaaaa@4E25@

la partie expliquée de l’écart salarial entre les sexes étant exprimée comme :

Expliquée = l n S a l a i r e ¯ h l n S a l a i r e ¯ f * MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaqGfbGaaeiEaiaabchacaqGSbGaaeyAaiaabghacaqG1bGaaey6 aiaabwgacqGH9aqpcaWGSbGaamOBamaanaaabaGaam4uaiaadggaca WGSbGaamyyaiaadMgacaWGYbGaamyzaaaadaqhaaWcbaGaamiAaaqa aaaakiabgkHiTiaadYgacaWGUbWaa0aaaeaacaWGtbGaamyyaiaadY gacaWGHbGaamyAaiaadkhacaWGLbaaamaaDaaaleaacaWGMbaabaGa aiOkaaaaaaa@5476@

et la partie non expliquée de l’écart salarial entre les sexes étant exprimée comme :

Non expliquée = l n S a l a i r e ¯ f * l n S a l a i r e ¯ f MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaqGobGaae4Baiaab6gacaqGGaGaaeyzaiaabIhacaqGWbGaaeiB aiaabMgacaqGXbGaaeyDaiaabMoacaqGLbGaeyypa0JaamiBaiaad6 gadaqdaaqaaiaadofacaWGHbGaamiBaiaadggacaWGPbGaamOCaiaa dwgaaaWaa0baaSqaaiaadAgaaeaacaGGQaaaaOGaeyOeI0IaamiBai aad6gadaqdaaqaaiaadofacaWGHbGaamiBaiaadggacaWGPbGaamOC aiaadwgaaaWaa0baaSqaaiaadAgaaeaaaaaaaa@57EB@

Ce processus est par la suite repris pour toutes les autres années examinées, afin de permettre la comparaison des parties expliquée et non expliquée de l’écart salarial entre les sexes au fil du temps.

Enfin, on peut effectuer un calcul pour décomposer en parties expliquée et non expliquée le changement dans l’écart salarial entre les sexes au fil du temps. La formule pour décomposer le changement entre les deux périodes (exprimées comme t MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWG0baaaa@370F@ et t 1 MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWG0bGaeyOeI0IaaGymaaaa@38B7@ ) est la suivante :

( l n S a l a i r e ¯ h , t l n S a l a i r e ¯ h , t 1 ) ( l n S a l a i r e ¯ f , t l n S a l a i r e ¯ f , t 1 ) = MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaGGOaGaamiBaiaad6gadaqdaaqaaiaadofacaWGHbGaamiBaiaa dggacaWGPbGaamOCaiaadwgaaaWaa0baaSqaaiaadIgacaGGSaGaam iDaaqaaaaakiabgkHiTiaadYgacaWGUbWaa0aaaeaacaWGtbGaamyy aiaadYgacaWGHbGaamyAaiaadkhacaWGLbaaamaaDaaaleaacaWGOb GaaiilaiaadshacqGHsislcaaIXaaabaaaaOGaaiykaiabgkHiTiaa cIcacaWGSbGaamOBamaanaaabaGaam4uaiaadggacaWGSbGaamyyai aadMgacaWGYbGaamyzaaaadaqhaaWcbaGaamOzaiaacYcacaWG0baa baaaaOGaeyOeI0IaamiBaiaad6gadaqdaaqaaiaadofacaWGHbGaam iBaiaadggacaWGPbGaamOCaiaadwgaaaWaa0baaSqaaiaadAgacaGG SaGaamiDaiabgkHiTiaaigdaaeaaaaGccaGGPaGaeyypa0daaa@6C79@ [ β ^ h , t ( X ¯ h , t X ¯ h , t 1 ) β ^ f , t ( X ¯ f , t X ¯ f , t 1 ) ] + [ X ¯ h , t 1 ( β ^ h , t β ^ h , t 1 ) X ¯ f , t 1 ( β ^ f , t β ^ f , t 1 ) ] MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaGGBbWaaecaaeaacqaHYoGyaiaawkWaamaaBaaaleaacaWGObGa aiilaiaadshaaeqaaOGaaiikaiqadIfagaqeamaaBaaaleaacaWGOb GaaiilaiaadshaaeqaaOGaeyOeI0IabmiwayaaraWaaSbaaSqaaiaa dIgacaGGSaGaamiDaiabgkHiTiaaigdaaeqaaOGaaiykaiabgkHiTm aaHaaabaGaeqOSdigacaGLcmaadaWgaaWcbaGaamOzaiaacYcacaWG 0baabeaakiaacIcaceWGybGbaebadaWgaaWcbaGaamOzaiaacYcaca WG0baabeaakiabgkHiTiqadIfagaqeamaaBaaaleaacaWGMbGaaiil aiaadshacqGHsislcaaIXaaabeaakiaacMcacaGGDbGaey4kaSIaai 4waiqadIfagaqeamaaBaaaleaacaWGObGaaiilaiaadshacqGHsisl caaIXaaabeaakiaacIcadaqiaaqaaiabek7aIbGaayPadaWaaSbaaS qaaiaadIgacaGGSaGaamiDaaqabaGccqGHsisldaqiaaqaaiabek7a IbGaayPadaWaaSbaaSqaaiaadIgacaGGSaGaamiDaiabgkHiTiaaig daaeqaaOGaaiykaiabgkHiTiqadIfagaqeamaaBaaaleaacaWGMbGa aiilaiaadshacqGHsislcaaIXaaabeaakiaacIcadaqiaaqaaiabek 7aIbGaayPadaWaaSbaaSqaaiaadAgacaGGSaGaamiDaaqabaGccqGH sisldaqiaaqaaiabek7aIbGaayPadaWaaSbaaSqaaiaadAgacaGGSa GaamiDaiabgkHiTiaaigdaaeqaaOGaaiykaiaac2faaaa@84EE@

[ β ^ h , t ( X ¯ h , t X ¯ h , t 1 ) β ^ f , t ( X ¯ f , t X ¯ f , t 1 ) ] MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaGGBbWaaecaaeaacqaHYoGyaiaawkWaamaaBaaaleaacaWGObGa aiilaiaadshaaeqaaOGaaiikaiqadIfagaqeamaaBaaaleaacaWGOb GaaiilaiaadshaaeqaaOGaeyOeI0IabmiwayaaraWaaSbaaSqaaiaa dIgacaGGSaGaamiDaiabgkHiTiaaigdaaeqaaOGaaiykaiabgkHiTm aaHaaabaGaeqOSdigacaGLcmaadaWgaaWcbaGaamOzaiaacYcacaWG 0baabeaakiaacIcaceWGybGbaebadaWgaaWcbaGaamOzaiaacYcaca WG0baabeaakiabgkHiTiqadIfagaqeamaaBaaaleaacaWGMbGaaiil aiaadshacqGHsislcaaIXaaabeaakiaacMcacaGGDbaaaa@59FB@ représente la partie expliquée du changement, et [ X ¯ h , t 1 ( β ^ h , t β ^ h , t 1 ) X ¯ f , t 1 ( β ^ f , t β ^ f , t 1 ) ] MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaGGBbGabmiwayaaraWaaSbaaSqaaiaadIgacaGGSaGaamiDaiab gkHiTiaaigdaaeqaaOGaaiikamaaHaaabaGaeqOSdigacaGLcmaada WgaaWcbaGaamiAaiaacYcacaWG0baabeaakiabgkHiTmaaHaaabaGa eqOSdigacaGLcmaadaWgaaWcbaGaamiAaiaacYcacaWG0bGaeyOeI0 IaaGymaaqabaGccaGGPaGaeyOeI0IabmiwayaaraWaaSbaaSqaaiaa dAgacaGGSaGaamiDaiabgkHiTiaaigdaaeqaaOGaaiikamaaHaaaba GaeqOSdigacaGLcmaadaWgaaWcbaGaamOzaiaacYcacaWG0baabeaa kiabgkHiTmaaHaaabaGaeqOSdigacaGLcmaadaWgaaWcbaGaamOzai aacYcacaWG0bGaeyOeI0IaaGymaaqabaGccaGGPaGaaiyxaaaa@6027@ , la partie non expliquée du changement.

Annexe B : Résultats provinciaux

La présente section comprend l’écart salarial entre les sexes et les résultats de la décomposition de Blinder-Oaxaca pour 2018, pour chaque province (tableau 4). Les écarts allaient de 7,4 % au Nouveau-Brunswick à 18,6 % en Colombie-Britannique. Il n’y avait pas d’écart statistiquement significatif entre les sexes dans la rémunération horaire à l’Île-du-Prince-Édouard. Comme le montrent les résultats nationaux, les différences entre les sexes au chapitre de la profession et de l’industrie ont été un facteur important pour expliquer l’écart salarial en 2018 dans toutes les provinces où un tel écart existait. Les différences entre les sexes dans le capital humain et les caractéristiques de l’emploi ont généralement pour effet de rétrécir l’écart salarial entre les sexes, ce qui laisse inexpliquée une part importante des écarts provinciaux lorsque l’on utilise les variables de la présente étude.


Tableau 4
Écart salarial entre les hommes et les femmes et décomposition de Blinder-Oaxaca, par province, 2018
Sommaire du tableau
Le tableau montre les résultats de Écart salarial entre les hommes et les femmes et décomposition de Blinder-Oaxaca Terre-Neuve-et-Labrador, Nouvelle-Écosse, Île-du-Prince-Édouard, Nouveau-Brunswick, Québec, Ontario, Manitoba, Saskatchewan, Alberta et Colombie-Britannique, calculées selon percent unités de mesure (figurant comme en-tête de colonne).
Terre-Neuve-et-Labrador Nouvelle-Écosse Île-du-Prince-Édouard Nouveau-Brunswick Québec Ontario Manitoba Saskatchewan Alberta Colombie-Britannique
Salaire horaire moyen, hommes, en dollars 29,16 $ 26,81 $ 24,33 $ 25,83 $ 28,71 $ 31,43 $ 27,96 $ 31,92 $ 35,99 $ 31,73 $
Salaire horaire moyen, femmes, en dollars 26,72 $ 24,30 $ 24,18 $ 23,91 $ 25,85 $ 27,60 $ 24,72 $ 27,04 $ 29,67 $ 25,83 $
Écart salarial entre les hommes et les femmesTableau 4 Note 1
en dollars 2,44 $ 2,51 $ Note ...: n'ayant pas lieu de figurer 1,92 $ 2,86 $ 3,83 $ 3,24 $ 4,88 $ 6,32 $ 5,90 $
en pourcentage 8,4 9,4 Note ...: n'ayant pas lieu de figurer 7,4 10,0 12,2 11,6 15,3 17,6 18,6
pourcentage
Total, partie expliquée de l'écart salarial 47,1 6,5 Note ...: n'ayant pas lieu de figurer 13,0 22,1 29,1 20,0 44,4 58,0 52,3
Capital humain -15,3 -11,7 Note ...: n'ayant pas lieu de figurer -18,8 -11,7 -6,5 -2,0 -5,5 -4,0 -1,0
Caractéristiques de l'emploi -10,6 -15,0 Note ...: n'ayant pas lieu de figurer -15,9 -7,9 -1,8 -1,7 7,0 0,3 6,0
Profession et industrie 74,3 39,5 Note ...: n'ayant pas lieu de figurer 58,1 44,3 39,7 28,3 45,1 64,6 48,7
Caractéristiques démographiques -1,3 -6,2 Note ...: n'ayant pas lieu de figurer -10,3 -2,6 -2,3 -4,7 -2,2 -2,9 -1,5
Total, partie inexpliquée de l'écart salarial 52,9 93,5 Note ...: n'ayant pas lieu de figurer 87,0 77,9 70,9 80,0 55,6 42,0 47,7

Bibliographie

BAKER, Michael, Dwayne BENJAMIN, Andrée DESAULNIERS et Mary GRANT. 1995. « The distribution of the male-female earnings differential, 1970-1990 ». Revue canadienne d’économique, vol. 28, no 3, p. 479 à 501.

BAKER, Michael, et Marie DROLET. 2010. « A new view of the male/female pay gap ». Analyse de Politiques, vol. 36, no 4, p. 429 à 464.

BLAU, Francine D., et Lawrence M. KAHN. 2017. « The gender wage gap: Extent, trends, and explanations ». Journal of Economic Literature, vol. 55, no 3, p. 789 à 865.

DROLET, Marie. 2011. « Pourquoi l’écart salarial entre les hommes et les femmes a-t-il diminué? » L’emploi et le revenu en perspective, vol. 23, no 1, p. 3 à 13. Produit no 75-001-X au catalogue de Statistique Canada.

DROLET, Marie. 2002. « New evidence on gender pay differentials: Does measurement matter? » Analyse de Politiques, vol. 28, no 1.

FORTIN, Nicole M., Brian BELL et Michael BÖHM. 2017. « Top earnings inequality and the gender pay gap: Canada, Sweden, and the United Kingdom ». Labour Economics, vol. 47, p. 107 à 123.

HOU, Feng, et Yuquian LU. 2017. « Étudiants internationaux, immigration et croissance des revenus : l’effet d’études universitaires prémigratoires au Canada ». Direction des études analytiques : documents de recherche. Produit no 11F0019M au catalogue de Statistique Canada, no 395.

LAMB, Danielle, Margaret YAP et Michael TURK. 2018. « Écarts salariaux entre Autochtones et non-Autochtones au Canada à partir des données de l’Enquête nationale auprès des ménages de 2011 ». Relations industrielles, vol. 73, no 2, p. 225 à 251.

MCGUINNESS, Seamus, et Paul REDMOND. 2018. « The gender wage gap in Europe: Job preferences, gender convergence and distributional effects ». Oxford Bulletin of Economics and Statistics, vol. 81, no 3, p. 564 à 587.

MORISSETTE, René, Garnett PICOT et Yuqian LU. 2013. « Évolution des salaires des Canadiens au cours des trois dernières décennies ». Direction des études analytiques : documents de recherche. Produit no 11F0019M au catalogue de Statistique Canada, no 347.

MOYSER, Melissa. 2017. « Les femmes et le travail rémunéré ». Femmes au Canada : rapport statistique fondé sur le sexe. Produit no 89-503-X au catalogue de Statistique Canada.

MOYSER, Melissa. 2019. « Mesure et analyse de l’écart de rémunération entre les sexes : un aperçu conceptuel et méthodologique ». Études sur le genre et les identités croisées. Ottawa, Statistique Canada.

NADEAU, Serge, et Aylin SECKIN. 2010. « The immigrant wage gap in Canada: Quebec and the rest of Canada ». Analyse de Politiques, vol. 36, no 3, p. 265 à 285.

OLSEN, Wendy, Vanessa GASH, Sook KIM et Min ZHANG. 2018. « The gender pay gap in the UK: evidence from the UKHLS ». Londres, Royaume-Uni, Department for Education, Government Equalities Office.

SCHIRLE, Tammy. 2015. « The gender wage gap in the Canadian provinces, 1997-2014 ». Analyse de Politiques, vol. 41, no 4, p. 309 à 319.

Date de modification :