le rôle de l’éducation dans la baisse de la fécondité d’après-guerre · 2009-07-08 ·...
TRANSCRIPT
LAMETA Working Paper 2004-11
Le rôle de l’éducation dans la baisse de la fécondité d’après-guerre1
Cédric Doliger2
Résumé: L’objectif ce papier est, dans un premier temps de fournir un test empirique de la relation de causalité entre la fécondité et l’éducation en France durant la période d’après guerre, puis dans un second de déterminer si le mécanisme sous-jacent à cette relation relève plus de la théorie de Becker ou d’Easterlin. Il ressort alors que les idées des deux écoles sont similaires et complémentaire, puisque les résultats montrent que la hausse du niveau d’éducation entraîne la baisse de la fécondité des couples, et que cette relation est initiée par une augmentation des opportunités et des possibilités d’investissement dans le capital humain suite à une évolution de la situation sur le marché du travail qui font que les femmes entrent dans la population active pour satisfaire leur niveau de vie désiré. Un effet concomitant à ceci va être un recul de la mortalité infantile, qui permet également que les investissements dans l’éducation augmente et donc que la fécondité diminue.
Mots clefs: Education, Fécondité, Causalité à la Granger, modèle de la « valeur du temps », modèle du « revenu relatif ». Abstract: The subject of this paper is initially to provide an empirical test of the causal relation between fertility and education in France after WWII, then to determine if the underlying mechanism of this relation raises more on Becker’s or Easterlin’s theory. Thus, the two schools are similar and complementary since the results show that the rise of the educational level involves the fall of the couples’ fertility. Moreover, this relation is initiated by an increase in opportunities and possibilities of investment in the human capital following an evolution of the labour market which makes women enter the active population in order to satisfy their desired standard of living. A concomitant effect will be a retreat of infant mortality, which also allows an increase of investments in education and a decline in fertility. Keywords: Education, Fertility, Granger Causality, « price of time » model, « relative income » model.
1Je remercie vivement Claude Diebolt pour son aide précieuse. Les éventuelles erreurs ou omissions sont bien
sûr miennes. 2LAMETA/CNRS, Université Montpellier I. Address: Faculté des Sciences Economiques, Espace Richter,
Avenue de la Mer, C.S. 79606, 34960 Montpellier Cedex 2, France. Tel.: 33 (0)4.67.15.83.22, Fax.: 33
(0)4.67.15.84.67, E-mail: [email protected].
1
1 INTRODUCTION
Un des déterminants clefs de la croissance et de la structure de la population d’une
société, c’est son comportement de fécondité. En 1956, Kingsley Davis et Judith Blake
distinguent plusieurs types de variables influençant la fécondité telles que les aptitudes
biologiques, le régime des unions, les influences socioculturelles, … qu’ils ont appelées
variables intermédiaires et à travers lesquelles les facteurs culturels exercent leur influence.
D’autres influences ont également été proposées, dont les variables socioéconomiques des
individus, qui, à travers leur effet sur les variables intermédiaires, permet d’expliquer les
différents niveaux de fécondité. Cette catégorie regroupe en autre le niveau d’instruction,
l’activité professionnelle, le revenu…
Le principal objectif de cet article est alors de fournir un test empirique de la relation
entre le niveau d’éducation et la fécondité afin de déterminer si l’élévation du niveau
d’éducation peut « causer » une diminution significative de la fécondité en France depuis
1950, et ensuite d’analyser, parmi les autres principaux déterminants socioéconomiques, celui
sous-jacent à cette relation.
2 FONDEMENTS THEORIQUES ET EMPIRIQUES
2.1 Fondements théoriques
Les économistes ont développé deux modèles pour expliquer comment la fécondité
réagit aux facteurs économiques. Les deux sont basés sur une hypothèse commune d’une
relation entre revenu et fécondité et les deux tentent d’expliquer le Baby Boom et le Baby
Bust de l’après guerre, mais ils diffèrent fondamentalement sur l’identification des forces
derrières ces mouvements: la « valeur du temps » pour Becker et le « revenu relatif » pour
Easterlin.
Le modèle de Becker, plus connue sous le nom de la Nouvelle Economie de la Famille
de l’Ecole de Chicago, est fondé sur la théorie du choix du consommateur. Cette approche
2
micro-économique englobe les variables habituelles de revenu et de dépenses, mais également
la qualité des enfants et les contraintes en termes de temps et de coût d’opportunité vis-à-vis
des naissances, les opportunités incluant notamment les possibilités d’être mieux alimentées,
mieux éduquées, de faire des choses avec le temps maternel, d’acheter plus de choses. Etant
attendu que l’éducation est fortement associée aux revenus, et que les enfants sont considérés
comme une activité intensive en temps (particulièrement pour les femmes), la valeur du temps
féminin augmente avec le niveau d’éducation, et induit un effet négatif sur la fécondité. Le
modèle fait ainsi le lien entre les décisions prises en matière de fécondité et celles qui
touchent aux autres activités du ménage, comme la participation à la force de travail et la
consommation. Ensuite, Becker complète le modèle de la valeur du temps avec un argument
de « quantité–qualité »: les parents potentiels peuvent échanger la quantité contre la qualité.
Les parents ont une demande de qualité en plus de quantité d’enfants, et lorsque le revenu
augmente, la demande de qualité augmente plus rapidement que la demande de la quantité. En
fait, pour Becker, c’est la notion de la qualité des enfants qui va être l’un des facteurs clefs de
la relation inverse entre le revenu et le nombre d’enfants. Cette approche a été très
controversée et une grande partie des critiques porte sur son caractère jugé trop statique,
puisque celle-ci ne tient pas compte des changements de préférences au cours de la vie.
Nombre d’économistes ont alors proposé une perspective plus dynamique en
admettant la possibilité de changements des préférences. Un second courant s’organise donc
autour du modèle d’Easterlin, et complète ainsi le modèle de la nouvelle économie de la
famille strictement orienté vers la demande. A la différence du modèle de Becker, le modèle
d’Easterlin incorpore des préférences variables, puisqu’il y a une adaptation des préférences
en terme de fécondité vis-à-vis de la réalisation d’un style de vie désiré qui est conçu au cours
de l’adolescence dans le foyer familial. En fait, cette théorie est construite autour de deux
grandes parties complémentaires:
– l’effet sur les taux de natalité du nombre relatif des jeunes adultes,
– l’effet sur les taux de natalité des salaires et du chômage.
D’une part, quand il y a peu de jeunes travailleurs, il y a une amélioration de leur niveau de
vie, ce qui a pour conséquence une augmentation du mariage et de la maternité. Ceci est alors
suivi 20 ans plus tard d’une abondance croissante de jeunes travailleurs et par conséquent
d’une baisse du mariage et de la fécondité. Cette relation peut être expliquée par des simples
arguments d’offre et de demande: quand l’offre des jeunes travailleurs est élevée, il y a une
3
concurrence serrée entre eux pour un nombre limité d’emplois nécessitant des jeunes
travailleurs, alors que durant les périodes de faibles offres, les travailleurs peuvent choisir
entre les emplois, accepter seulement ceux offrant des salaires élevés et des opportunités
d’avancement. D’autre part, il utilise la théorie du « revenu relatif » (c'est-à-dire l’effet sur les
taux de natalité des salaires et du chômage) pour expliquer ceci. Il soutient que les
déterminants du mariage et du taux de fécondité sont les possibilités de gains pour le couple,
leurs aspirations matérielles et leurs socialisations (religion, éducation et environnement). Le
revenu relatif du couple, qui est le rapport de leur possibilité de gains sur leurs aspirations
matérielles, est estimé par le rapport du revenu actuel de l’homme (les espérances de gains)
sur les revenus passés de ses parents (les aspirations matérielles). Easterlin avance alors que
lorsque le revenu relatif augmente, il y a moins de pression économique sur le couple, et ainsi
ils sont plus libres de se marier et d’avoir des enfants. Il pose également que le revenu relatif
est aussi une mesure du chômage relatif. En effet, les mouvements de fécondité peuvent être
reliés à un indicateur d’emploi relatif qui est le rapport du chômage actuel moyen, qui reflète
l’expérience sur le marché du travail des jeunes couples, sur le chômage moyen d’une plus
longue période, qui reflète quand à lui l’expérience des parents sur le marché du travail et qui
traduit les aspirations, les attentes des jeunes couples. C’est alors ce rapport, cette
comparaison relative des situations qui fait que les couples décident d’avoir plus ou moins
d’enfants: une situation plus favorable indiquant un nombre d’enfant plus important. En
résumé, le désir d’enfant est formé suite à des effets de revenus qui sont causés par l’entrée de
cohortes de tailles différentes sur le marché du travail, une cohorte à faible effectif permettant
une meilleure insertion sur le marché du travail, un meilleur niveau de vie, et donc une plus
grande fécondité. Il en résulte vingt plus tard une cohorte plus nombreuse, une insertion plus
difficile et donc une fécondité moindre.
Cependant, l’éducation peut également influencer la demande d’enfant à travers une
modification des préférences et de l’offre d’enfant à travers une amélioration de la santé et de
l’alimentation. Certains démographes avancent ainsi que la diminution de la mortalité, dont la
mortalité infantile, est le principal déterminant de la chute de la fécondité puisqu’à des
niveaux importants de mortalité, même si la fécondité est élevée, l’offre d’enfant survivant est
souvent en dessous de sa demande. Mais une fois que la survie s’améliore, l’offre d’enfants
dépasse la demande à moins qu’il n’y ait une réduction de la fécondité. Dans ce cas, la
relation négative entre l’éducation et la mortalité peut aider à comprendre certains des effets
de l’éducation sur la fécondité, les investissements dans l’éducation des enfants pouvant
4
augmenter. Ceci d’autant plus que lorsque la mortalité infantile diminue les investissements
dan l’éducation des enfants peut augmenter.
2.2 Résultats empiriques
Une relation empirique forte a pu être établie en ce qui concerne le lien négatif entre le
niveau d’éducation et le nombre de naissances. Cependant, au niveau microéconomique,
celle-ci n’est pas aussi évidente.
Bien que les différentes études empiriques montrent certaines contradictions dans les
résultats, et ceci notamment à cause des différences dans les modèles retenus, dans les
méthodes d’estimation ou dans le choix des données, la méthodologie de ces analyses est
sujette à certaines limites.
– Ces travaux sont confinés à une inspection visuelle et/ou à une analyse
transversale. Les conclusions sont alors principalement sur la base de
corrélation, mais les corrélations entre les variables ne signifient pas
nécessairement une relation de causalité. Or la mise en évidence de relations
causales permet une meilleure appréhension et compréhension des
phénomènes éducatifs, démographiques et économiques, et amène des
informations supplémentaires quand à l’antériorité des événements entre eux,
et par la même permet la mise en place d’une politique éducative,
démographique ou économique optimisée.
– Ces travaux reconnaissent théoriquement la dynamique de l’offre et la
demande dans la détermination du taux de fécondité mais ne tentent pas de
saisir cette dynamique entre la fécondité et ses déterminants.
D’autre part, la plupart des études de régression (Michael, 1973, Easterlin, 1989,
Becker, 1991, Sander, 1992) trouvent que le niveau d’éducation réduit la fécondité, mais bien
que ces études fassent des contributions significatives, leur faiblesse est qu’elles tentent
d’égaliser la corrélation avec la causalité. De plus, l’effet des variables socioéconomiques est
rarement instantané. Un retard est souvent constaté à cause du fait que les couples ne peuvent
pas immédiatement ajuster leur niveau de fécondité dès qu’il y a un changement de leur
situation financière. Ceci s’explique notamment par le temps nécessaire pour prendre la
5
décision qu’ils sont financièrement prêts à avoir un enfant, pour concevoir l’enfant et pour la
durée de la grossesse. Par ailleurs, il n’est pas inhabituel en socioéconomie pour une variable
d’être affectée par son propre comportement passé. Ainsi la détermination de la fécondité doit
être vue non seulement d’une manière dynamique, mais aussi comme un processus
autorégressif.
Enfin, du point de vue empirique, selon Schultz (1985/1986) il est important de
modéliser correctement les relations entre l’éducation, la participation au marché du travail,
les salaires individuels et les décisions de fécondité. En effet, dans la théorie du capital
humain et dans la théorie économique de la famille, les salaires et certains éléments du coût
de l’enfant reflètent les décisions de participation sur le marché du travail et d’investissement
en capital humain, or ces décisions peuvent être liées à certains choix antérieurs du point de
vue de la fécondité. Par conséquent, lorsque les salaires dépendent des décisions passées des
couples, des biais d’équations simultanées peuvent fausser les relations observées.
Pour toutes ces raisons, il est nécessaire d’examiner l’effet de l’éducation sur la
fécondité en appliquant la technique de la modélisation VAR de l’analyse des séries
temporelles, et pour cela, dans un premier temps nous tenterons, en prolongement de travaux
précédents (Doliger, à paraître ; Diebolt et Doliger, 2004), de relier l’éducation à la fécondité
dans un cadre temporel de causalité à la Granger. Puis dans un second, de déterminer le ou les
mécanismes à travers lesquels cette relation opère, en intégrant, dans ce même cadre, les
différentes variables socioéconomiques proposées par Becker et Easterlin à propos de la
baisse de la fécondité, ainsi que le taux de mortalité infantile.
3 DONNEES
Dans le cadre de cet article et pour la mise en évidence, à la fois de la structure
éducative dans la dynamique démographique et du mécanisme socioéconomique sous jacent,
nous nous proposons de retenir trois types de variables: les variables éducatives,
démographiques et socioéconomiques. Ces différentes catégories de variables seront
analysées dans le cas de la France sur la période 1950-1995 pour plusieurs raisons. La
première est que cette période permet d’éviter les problèmes de rupture dans les séries
6
(notamment à cause des guerres) et ainsi d’avoir des résultats plus robustes du point de vue de
l’analyse, notamment vis-à-vis des tests de stationnarisation. La seconde est quelle permet de
déterminer le mécanisme contemporain responsable de la dynamique entre la sphère éducative
et démographique.
En ce qui concerne les variables éducatives, nous nous proposons de retenir les
effectifs de l’enseignement secondaire (SEC) et supérieur (SUP) comme indicateurs
pertinents de la situation en terme de niveau d’éducation et de scolarisation. Il convient de
préciser qu’aucune distinction n’est faites entre les effectifs scolarisés hommes et femmes
puisque sur la période retenue la fécondité peut être considérée comme une décision
commune au ménage, et non pas sous l’égide d’une de ces catégories comme cela pouvait être
le cas au début du siècle. De plus, nous n’intégrons pas les effectifs du primaire puisque avec
les lois Ferry (1879 à 1892) l’école devient obligatoire de 6 à 13 ans, et donc intégrer cette
catégorie dans l’analyse ne serai pas pertinent3 sur la période considérée.
Du point de vue des variables démographiques nous retenons l’indice synthétique de
fécondité4 (ISF) pour traduire le comportement de fécondité, celui-ci étant l’indicateur utilisé
dans la plupart des analyses sur la fécondité. Nous tenons compte également de l’influence de
la mortalité avec le taux de mortalité infantile (TMI).
Enfin, vis-à-vis des variables socioéconomiques, nous retenons le salaire moyen
(SAL) et le chômage (CHO) comme indicateurs de la situation perçu par les individus sur le
marché du travail et donc de l’évolution des aspirations matérielles. Le PIB par tête (PIBT)
pour la richesse disponible par individu et donc les possibilités d’investissement dans le
capital humain Et la participation des femmes à la population active (PAF) pour évaluer le
comportement des femmes vis-à-vis du marché du travail.
Toutes ces données sont extraites des annuaires statistiques de la France de l’Institut
National de la Statistique et des Etudes Economiques (INSEE), à l’exception du PIB par tête
3Cette catégorie est cependant pertinente dans d’autres cas, notamment pour les périodes ou les pays où l’école
n’est pas obligatoire, et surtout dans le cas des pays en voie de développement. 4C’est la somme des taux de fécondité par âge d’une année t, en d’autre terme c’est le nombre moyen d’enfants
qui serait nés vivants d’une femme pendant sa vie si elle vivait ses années de procréation en se conformant aux
taux de fécondité par âge d’une année donnée.
7
qui est extrait de la base de données de Angus Maddison (1995) dans “Monitoring the World
Economy”, 1820-1992.
FIGURE 1: SERIES RETENUES
1.6
1.8
2.0
2.2
2.4
2.6
2.8
3.0
50 55 60 65 70 75 80 85 90
ISF
6.8
7.2
7.6
8.0
8.4
8.8
50 55 60 65 70 75 80 85 90
SEC
4.5
5.0
5.5
6.0
6.5
7.0
7.5
8.0
50 55 60 65 70 75 80 85 90
SUP
10.0
10.2
10.4
10.6
10.8
11.0
11.2
11.4
11.6
50 55 60 65 70 75 80 85 90
SAL
5.0
5.5
6.0
6.5
7.0
7.5
8.0
8.5
50 55 60 65 70 75 80 85 90
CHO
8.8
8.9
9.0
9.1
9.2
9.3
9.4
50 55 60 65 70 75 80 85 90
PAF
8.4
8.6
8.8
9.0
9.2
9.4
9.6
9.8
10.0
50 55 60 65 70 75 80 85 90
PIBT
0
10
20
30
40
50
60
50 55 60 65 70 75 80 85 90
TMI
4 METHODOLOGIE
4.1 Tests de racine unitaire et ordre d’intégration
Il est essentiel d’analyser les propriétés de stationnarité des séries retenues avant de
mener une analyse en terme de causalité. Nous nous proposons alors d’utiliser les test de
racine unitaire standards (Dickey Fuller, 1981, Phillips Perron, 1988) et les tests de racine
unitaire efficients (Elliott Rothenberg et Stock, 1996, Ng Perron, 2001) pour déterminer
l’ordre d’intégration des variables et stationnariser les séries. Pour le lecteur intéressé confère
Darne et Diebolt (2004).
8
4.2 Analyse de la cointégration et causalité à la Granger
L’analyse de la cointégration présentée par Engle et Granger (1987) permet
d’identifier la véritable relation entre deux variables en recherchant l’existence éventuelle
d’un vecteur d’intégration et en éliminant son effet. Deux séries Xt et Yt sont dites
cointégrées, c'est-à-dire (Xt,Yt) → CI(d,b) si:
– Elles sont affectées du même ordre d’intégration, « d ».
– Une combinaison linéaire de ces séries permet de se ramener à une série
d’ordre d’intégration inférieur, c'est-à-dire: Xt → I(d) et Yt → I(d), telles que
(aXt + bYt) → I(d-b) avec d ≥ b ≥ 0.
Le test retenu pour analyser les éventuelles relations de cointégration entre les variables est le
test de Johansen (1988). Si cette étape met en évidence de telles relations, l’étude se fera sur
un modèle VECM5, dans le cas contraire, nous poursuivons l’analyse à l’aide d’un modèle
VAR6.
La méthode du test de causalité à la Granger est choisi parmi l’ensemble des méthodes
possibles, à la lumière des résultats favorables présentées par Guilkey et Salemi (1982) et
Geweke, Meese et Dent (1983) pour les petits échantillons (moins de 200 observations).
Ainsi, selon Granger (1969): la variable y1t cause la variable y2t, si la prévision de cette
dernière est améliorée en incorporant à l’analyse des informations relatives à y1t et à son
passé. Le test peut alors être conduit à l’aide d’un test de Fisher classique de nullité des
coefficients sur le modèle estimé (VAR ou VECM), équation par équation. Au niveau du
traitement statistique on acceptera une relation causale dans le cas où la probabilité calculée
est inférieure au risque de première espèce (10%).
4.3 Détermination du signe de la causalité
S’il existe une relation de causalité, il est possible de déterminer le signe général de
cette causalité. Soit alors l’équation de régression sur laquelle est fondée le test de causalité:
5Vector Error Correction Model. 6Vector Auto Regressive.
9
tknt
L
kk
L
kktkt yyy εβα ++= −−
==− ∑∑ 1
1122
Si cette relation de causalité existe entre y1t et y2t, le signe de celle-ci est déterminée par:
( )k
k
αααβββη+++−
+++=
...1...
21
21
4.4 Fonctions de réponses impulsionnelles et décomposition de la variance
Cependant la causalité dans les modèles VAR, ou VECM ne fournit pas d’indication
quant aux propriétés dynamiques du système et ne permet pas de juger de la force relative de
la chaîne de causalité ou de mesurer de façon quantitative les interactions dynamiques entre
les différentes variables. La décomposition de la variance et les fonctions de réponses
impulsionnelles vont alors fournir certaines de ces indications:
– L’analyse des fonctions de réponses impulsionnelles permet de mesurer
l’impact d’un choc sur les variables et de tracer l’effet d’un choc d’une
innovation, sur les valeurs courantes et futures des variables.
– La décomposition de la variance de l’erreur de prévision de chaque variable
par rapport à un choc décompose la variance d’une variable en des
composantes chocs des variables du système, et donne par là même une
information sur l’importance relative de chaque variable du modèle.
5 RESULTATS
5.1 Relation fécondité– éducation
10
Nous nous intéressons dans un premier temps à la relation entre l’éducation et la
fécondité, et nous considérons pour cela l’indice synthétique de fécondité noté ISF et les
effectifs de l’enseignement secondaire et supérieure, noté respectivement SEC et SUP.
Le processus de stationnarisation des variables à l’aide des tests de racine unitaire
(standards et efficients) indique que l’indice synthétique de fécondité est un processus DS,
tandis que les effectifs de l’enseignement supérieur et secondaire sont des processus TS. Une
condition nécessaire de la cointégration étant que les variables soient intégrées du même
ordre, le risque d’existence d’une relation de cointégration entre les séries est écarté, et
l’analyse de la causalité peut être effectuée sur la modélisation d’un modèle VAR optimal7.
L’application du test de causalité révèle alors le circuit de causalité suivant8:
FIGURE 2: CIRCUIT DE CAUSALITE
Ce circuit no
influence directemen
est négative (η < 0)
influence négative es
Le circuit de
variables, mais ne fo
quantitative des inter
peut alors fournir une
7Qui minimise les critères8Des résultats similaires
synthétique de fécondité.
EDUCATION FECONDITE
–
us indique d’une part, que l’enseignement secondaire et supérieur
t la fécondité des couples, et d’autre part que cette relation de causalité
, c’est à dire que l’éducation influence négativement la fécondité. Cette
t d’autant plus significative que le niveau d’éducation est élevé.
causalité donne une indication de la direction de la causalité entre les
urnit pas d’indication sur la force relative de la causalité ou de mesure
actions dynamiques entre les variables. La décomposition de la variance
première indication.
TABLE 1: DECOMPOSITION DE LA VARIANCE
d’entropie, c'est-à-dire les critères AIC et SBC.
sont obtenus en considérant le taux de reproduction brut ou net au lieu de l’indice
11
Variance Decomposition of DISF: Period DISF SSUP SSEC
3 95.53489 4.331642 0.13347015 83.49241 9.036171 7.471424
On constate qu’une proportion limitée de la variance du taux de fécondité (4%) est expliquée
par le choc sur l’enseignement supérieur dans le court terme (3 ans), tandis que dans le long
terme (15 ans) le choc dans l’enseignement supérieur explique 9% des innovations du taux de
fécondité. En ce qui concerne l’enseignement secondaire des résultats significatifs mais
moindre sont également obtenues. Ainsi, l’éducation a des interactions dynamiques dans le
long et le court terme avec le taux de fécondité, et cette interaction est d’autant plus
significative que le niveau d’éducation est élevé.
Enfin, les fonctions de réponses impulsionnelles vont fournir une autre indication sur
les forces relatives qui peuvent exister entre l’éducation et la fécondité:
FIGURE 3: FONCTIONS DE REPONSES IMPULSIONNELLES
-.01
.00
.01
.02
.03
.04
.05
.06
1 2 3 4 5 6 7 8 9 10
Response of DISF to SSUP
-.01
.00
.01
.02
.03
.04
.05
.06
1 2 3 4 5 6 7 8 9 10
Response of DISF to SSEC
Celles-ci confirment les résultats précédents, puisqu’un choc sur l’enseignement secondaire
ou supérieur a un impact significatif et négatif sur la fécondité.
En ce qui concerne le fait que la hausse du niveau d’éducation puisse entraîner la
baisse du comportement de fécondité des ménages, différentes propositions peuvent expliquer
ceci:
– Tout d’abord, l’éducation retarde l’âge au mariage, et donc l’âge auquel les
couples conçoivent leur premier enfant.
– Elle facilite l’acquisition et l’utilisation d’information en ce qui concerne les
outils contraceptifs modernes et le planning familial, et donc permet aux
couples de mieux contrôler leur fécondité.
12
– L’éducation (particulièrement féminine) agit également de façon positive sur la
participation des femmes à la force de travail, et affecte ainsi négativement la
taille désirée de la famille (Holsinger et Kasarda, 1976, Easterlin, 1989,
Cochrane et al., 1990).
– La hausse des effectifs dans l’enseignement peut induire aussi un effet
d’encombrement dans l’éducation, c’est à dire une cohorte de taille importante
qui implique une insertion plus difficile sur le marché du travail, un niveau de
vie moindre, et donc une fécondité moindre (Easterlin, 1968).
– Une augmentation du niveau d’éducation peut traduire une pression sur la
fécondité à travers une augmentation des salaires qui, à la fois élève la valeur
du temps et donc le coût d’opportunité du temps consacré aux enfants (Becker,
1965), et peut avoir un effet de substitution « qualité quantité » (Becker, 1976).
– La mortalité infantile peut également conduire à réduire la fécondité,
l’investissement en capital humain dans chaque enfant pouvant augmenter
lorsque celle-ci diminue.
La dominance de l’effet de l’enseignement supérieur sur le comportement de fécondité
des ménages, par rapport à l’enseignement secondaire, aussi bien dans le circuit de causalité,
que dans la décomposition de la variance, peut être expliqué principalement par le coût
d’opportunité, c’est à dire la valeur du temps consacré aux enfants, qui sera d’autant plus
importante dans le cas où le ménage aura suivi des études supérieures (son revenu étant plus
élevé) et tend donc à privilégier la théorie de Becker.
Il convient alors d’intégrer les différents mécanismes vus précédemment qui peuvent
expliquer le rôle de l’éducation dans la baisse de la fécondité en France depuis les années 50,
afin de voir si ce résultat se confirme, et dans le cas contraire quel est le mécanisme à
l’origine de cette relation. Nous établissons donc un nouveau cadre d’analyse qui intégre à la
fois les aspects de Becker et d’Easterlin.
5.2 Mécanisme(s) sous-jacent(s) à la relation
Pour cette seconde analyse nous conservons les mêmes variables que précédemment, à
savoir l’indice de synthétique de fécondité et les effectifs de l’enseignement secondaire et
13
supérieur, auxquelles nous ajoutons différentes variables correspondant aux différents
mécanismes sous-jacents possibles.
La première variable à considérer au niveau du ménage, aussi bien du point de vue de
Becker que d’Easterlin, c’est la participation des femmes à la force de travail (noté PAF). En
effet, le modèle de la « valeur du temps » suppose que puisque l’attention portée aux enfants
est traditionnellement sous la responsabilité des femmes, le revenus des hommes ont
exclusivement un effet revenu sur la fécondité tandis que le revenu des femmes a un effet
prix, et donc que la relation négative entre éducation et fécondité passe par la participation des
femmes à la population active. D’autre part, bien qu’Easterlin suppose que le rôle des femmes
est passif, Macunovich (1996) reconnaît le rôle actif des femmes face au changement des
gains relatifs des hommes. Elle soutient notamment que les femmes ont des aspirations
matérielles, mais que dans le passé, pour se conformer au point de vue de la société, elles
considérées exclusivement les possibilités de gains des hommes. Mais durant la période
d’après guerre, les femmes voyant que la probabilité d’atteindre leur propre niveau de vie
désiré par rapport seulement aux possibilités de gains des hommes avait peu de chance
d’augmenter elles anticipèrent qu’elles avaient besoin d’entrer dans la force de travail et donc
commencèrent à obtenir des niveaux d’éducation plus élevées.
Ensuite, il est important de considérer le salaire (noté SAL) et le chômage (noté CHO)
pour tenir compte de la situation perçu par les individus sur le marché du travail comme le
propose la théorie d’Easterlin, et le PIB par tête (noté PIBt), qui représente la richesse
individuelle et les possibilités d’investissements en capital humain, pour tenir compte des
opportunités et des possibilités de substitution « qualité–quantité » du modèle de Becker.
Enfin, on considère le taux de mortalité infantile (noté TMI), puisque comme nous
l’avons vu précédemment, ce facteur peut être également considéré comme un mécanisme par
lequel l’éducation peut expliquer la baisse de la fécondité, notamment à travers la relation
négative entre l’éducation et la mortalité, l’augmentation de l’investissement dans le capital
humain pouvant être plus important lorsque la mortalité est moindre.
Les différents tests de stationnarisation nous indiquent que parmi les variables
retenues seul le taux de mortalité infantile (TMI) et la participation des femmes à la
population active (PAF) sont des processus TS. Il existe donc un risque de cointégration entre
14
les séries ISF, SAL, CHO, et PIBT qu’il convient d’analyser avec la statistique de Johansen
(1988):
TABLE 2: TEST DE COINTEGRATION DE JOHANSEN Hypothesized 5 Percent 1 PercentNo. of CE(s) Eigenvalue Statistic Critical Value Critical Value
None 0.428922 24.08989 27.07 32.24At most 1 0.377806 20.40362 20.97 25.52At most 2 0.226279 11.03141 14.07 18.63
At most 3 * 0.097060 4.390273 3.76 6.65Test indicates no cointegration at both 5% and 1% levels
Celle-ci nous indique que l’hypothèse nulle peut être acceptée au seuil de 1% et 5%, et donc
qu’il n’y a pas de relation de cointégration entre les séries intégrées d’ordre 1.
Ce nouveau cadre d’analyse permet d’obtenir le circuit de causalité suivant9:
FIGURE 4: CIRCUIT DE CAUSALITE
–
MORTALITE INFANTILE FECONDITE – –
PARTICIPATION + +
DES FEMMES EDUCATION A LA FORCE DE TRAVAIL
SALAIRES + PIBT
CHOMAGE
Nous constatons tout d’abord que le niveau d’éducation est influencé directement et
positivement par le taux de croissance des salaires, et indirectement, via les salaires par le
taux de croissance du chômage. Ainsi, la fécondité est influencée indirectement et
négativement, via l’éducation, par la situation perçue par les individus sur le marché du
9Afin de faciliter la lecture du circuit de causalité, seul les signes de causalité concernant la fécondité et
l’éducation sont reportés.
15
travail, et donc par leur situation par rapport à leurs aspirations matérielles, ce qui confirme la
théorie d’Easterlin.
D’autre part, il y a un effet de feedback entre l’éducation et la participation des
femmes à la force de travail. C’est à dire que d’un côté l’éducation permet aux femmes
d’accéder plus facilement au marché du travail, et que de l’autre le désir d’accès au marché du
travail passe par l’éducation. Cette relation entre éducation et participation des femmes à la
population active se fait également via la fécondité, c’est à dire que le recul de la fécondité va
permettre aussi en retour aux femmes d’accéder au marché du travail. En fait, les faibles taux
de natalité sont le résultat de l’augmentation des femmes participant à la force de travail, mais
puisque la fécondité diminue les femmes sont également plus libres d’entrer dans la force de
travail.
Un autre élément important qui ressort de ce circuit de causalité, c'est l’impact notable
du PIB par tête à la fois sur l’éducation et sur la participation des femmes à la force de travail.
Cet effet indique que l’amélioration de la richesse individuelle, c'est-à-dire des opportunités et
des possibilités d’investissement dans le capital humain, conduit à une modification du niveau
d’éducation et de la participation des femmes à la force de travail. Ceci conduit là encore, via
l’éducation, à un effet indirect négatif sur la fécondité qui conforte les propositions du modèle
de Becker. Il est cependant intéressant de constater que le PIB par tête et donc les propositions
de Becker sont influencées directement par la situation perçue par les individus sur le marché
du travail (SAL et CHO).
Enfin l’intervention de la mortalité infantile10 en tant que mécanisme expliquant
l’interaction entre fécondité et éducation montre que le recul de la mortalité infantile conduit
à une augmentation de l’investissement dans le capital humain et donc de l’éducation, ce qui a
pour conséquence, là aussi, un recul de la fécondité. Ce recul de la mortalité étant dû à
l’amélioration des conditions de vie et de santé, elle est dû à l’amélioration de la situation
économique des ménages et est donc un effet concomitant à la participation des femmes à la
force de travail et à l’éducation. D’où les influences causales directe de SAL et de PIBT, et
indirecte de PAF et de l’éducation via PIBT sur TMI.
10Des résultats similaires sont obtenus avec le taux de mortalité.
16
Il convient alors d’analyser parmi l’ensemble de ces mécanismes, c'est-à-dire entre la
situation sur le marché du travail (c'est-à-dire l’évolution des aspirations matérielles), les
possibilités d’investissement dans le capital humain (c’est à dire l’effet de substitution
« qualité–quantité »), et le recul de la mortalité infantile, celui qui ressort le plus pour la
France sur la période considérée, et ceci notamment à l’aide de la décomposition de la
variance de l’éducation, l’éducation étant la variable par l’intermédiaire de laquelle les
différents mécanismes opèrent.
TABLE 3: DECOMPOSITION DE LA VARIANCE Variance Decomposition of SSEC: Period DISF SSEC SSUP DSAL DCHO DPIBT SPAF STMI
3 1.405522 68.86204 0.222682 7.940626 5.562932 9.657714 2.701676 3.64681015 1.135080 29.28568 0.126060 7.900863 14.25481 22.60068 15.43932 9.257510
Variance Decomposition of SSUP: Period DISF SSEC SSUP DSAL DCHO DPIBT SPAF STMI
3 1.137413 13.42495 78.08066 0.087862 0.036195 1.083426 0.519657 5.62983315 0.862800 14.04390 27.24702 0.755220 1.393280 15.30608 36.04878 4.342921
Variance Decomposition of DPIBT: Period DISF SSEC SSUP DSAL DCHO DPIBT SPAF STMI
3 1.712787 9.877584 0.148332 22.00791 23.01419 41.64965 1.027680 0.56186415 1.965286 11.63221 0.308548 19.80136 22.25580 39.10844 3.090508 1.837855
Variance Decomposition of STMI: Period DISF SSEC SSUP DSAL DCHO DPIBT SPAF STMI
3 0.152589 24.06135 2.811974 9.507111 6.285024 13.82203 10.24954 33.1103815 0.419142 20.34819 1.156771 8.900926 15.26954 20.78130 11.49543 21.62870
Il ressort que la variance de l’éducation est expliquée (respectivement pour le
secondaire et le supérieur) pour 9% et 1% dans le court terme, contre 22% et 15% dans le
long terme, par l’évolution des possibilités d’investissement en capital humain (PIBT), pour
environ 8% et 0,1% dans le court terme contre 8% et 1% dans le long terme par la situation
sur le marché du travail (SAL), et enfin pour 3,5% et 5,5% dans le court terme contre 9 % et
4% dans le long terme par le taux de mortalité infantile. Ainsi, il semble que le principal
mécanisme affectant l’éducation soit celui de Becker. Cependant nous constatons que du point
de vue du PIB par tête, que plus de 40% de sa variance est expliquée dans le long et court
terme par l’évolution des salaires et du chômage c'est-à-dire par la situation sur le marché du
travail. En d’autre terme les opportunités qui conduisent les individus à s’instruire davantage
est expliquée pour l’essentiel par la situation sur le marché du travail, et est donc conditionnée
17
en partie par l’évolution des aspirations matérielles. Enfin, en ce qui concerne le taux de
mortalité infantile, son influence sur la fécondité est indirecte, puisqu’elle est en fait le
résultat de l’évolution des mécanismes mis en cause précédemment, à savoir l’évolution du
niveau d’éducation, principalement secondaire (24% de la variance de TMI dans le court
terme, contre 20% dans le long terme, est expliqué par SEC), et l’évolution des salaires (9,5%
contre 8,9%), des améliorations économiques (13% contre 20% pour PIBT) et de la
participation des femmes à la force de travail (10% contre 11%).
En résumé, il semble donc que le mécanisme initiateur de la baisse de la fécondité soit
une évolution des opportunités suite à l’évolution de la situation sur le marché du travail, qui
font que les femmes entre sur le marché du travail pour satisfaire leur niveau de vie souhaité,
et que le niveau d’éducation augmente. Et un effet concomitant à ceci va être un recul de la
mortalité infantile qui permet également une hausse du niveau d’éducation, et donc un recul
de la fécondité.
Ainsi, bien que l’Ecole d’Easterlin se concentre sur « l’attitude à travers le confort
matériel de l’existence moderne » et que celle de Becker se concentre sur « la cherté
croissante des enfants et des adolescents », il n’y a pas de raison pour que les deux notions ne
puissent être considérées comme les parties d’une seule explication. En fait, les arguments des
deux écoles peuvent être considérés comme les composantes de l’explication complète des
variations de la fécondité, comme le souligne Banks en 1954 dans « Prosperity and
Parenthood ».
6 CONCLUSION
Cette étude, à travers une analyse de la causalité à la Granger, nous a montré dans un
premier temps le rôle significatif de l’éducation dans l’explication de la baisse de la fécondité
en France depuis 1950. Puis nous avons tenté de déterminer les mécanismes impliqués dans
18
cette relation. Il semble alors que les faibles taux de fécondité soient le résultat de
l’augmentation de la participation des femmes à la population active, et ce en augmentant leur
niveau d’éducation. La question est alors pourquoi les femmes changent elles leur
comportement ? La réponse qui ressort de cette analyse est que se sont les possibilités
d’investissement et les opportunités qui poussent les femmes à s’éduquer et à entrer dans la
population active, et que ces possibilités d’investissement et ses opportunités dépendent de la
situation perçue par les couples sur le marché du travail.
De plus, ces modifications du rôle économique des femmes devraient aider à perpétuer
une faible fécondité. En effet, la participation des femmes à la population active aidant à
atteindre ou à augmenter le niveau de vie des familles, celle ci intensifie les difficultés
relatives des jeunes couples essayant d’atteindre leur niveau de vie désiré uniquement avec les
gains du mari. Si les jeunes couples compensent ceci en empêchant la maternité et par l’entrée
des femmes dans la force de travail, ce genre de comportement tend à se perpétuer. Ermish
(1990) reconnaît aussi les influences intergénérationnelles de la participation des femmes à la
population active, et soutient que les filles de mères travaillant tendent à travailler elles aussi.
Cependant, une perspective intéressante est que dans les modèles économiques de
fécondité, les effets négatifs des diplômes féminins dépendent de l’allocation du temps des
membres du ménage entre l’éducation des enfants, les loisirs, les tâches ménagères et le
marché du travail. Il est alors envisageable que la hausse de la valeur du temps de la femme
puisse contribuer à une redistribution des rôles à l’intérieur du ménage et à une substitution
des activités de garde et d’éducation de l’enfant de la famille vers le marché (Schultz, 1986).
Donc à terme, il est possible que de tels ajustements contribuent à réduire l’effet négatif du
diplôme féminin sur la fécondité, pour parvenir au même effet que les diplômes masculins,
c’est à dire un effet positif sur la fécondité (effet revenu).
BIBLIOGRAPHIE ALAM S., AHMED M. & BUTT M. S., “The Dynamics of Fertility, Family Planning and
Female Education in Pakistan”, in: Journal of Asian Economics, 14, 2003, pp. 447-463.
BANKS J. A., Prosperity and Parenthood: A Study of Family Planning Among the Victorian Middle Classes, Routledge & Kegan Paul, London, 1954.
19
BASU A. M., “Why does Education Lead to Lower Fertility? A Critical Review of Some of the Possibilities”, in: World Development, 30, 2002, pp. 1779-1790.
BECKER G. S. & BARRO R. J., “A Reformulation of the Economic Theory of Fertility”, in: Quarterly Journal of Economics, 103, 1988, pp. 1-25.
BECKER G. S., “A Theory of the Allocation of Time”, in: Economic Journal, 75, 1965, pp. 493-517.
BECKER G. S., “An Economic Analysis of Fertility”, in: Universities National Bureau Committee for Economic Research (eds): Demographic and Economic Change in Developped Countries, Princeton University Press, Princeton, 1960, pp. 209-231.
BECKER G. S., “Fertility and the Economy”, in: Journal of Population Economics, 5, 1992, pp. 185-201.
BECKER G. S., A Treatise on the Family, Harvard University Press, Cambridge, 1991.
CHENG B. S. & NWACHUKWU S. L. S., “The effect of Education on Fertility in Taiwan: a Time Series Analysis”, in: Economics Letters, 56, 1997, pp. 95-99.
COCHRANE S. H., KHAN A. & OSHEBA I. K. T., “Education, Income and the Desired Fertility in Egypt: a Revised Perspective”, in: Economic Development and Cultural Change, 38, 1990, pp. 313-339.
DARNE O. & DIEBOLT C., “Units Roots and Infrequent Large Shocks: New International Evidence on Output”, in: Journal Of Monetary Economics, 2004, à paraître.
DAVIS K. & BLAKE J., “Social Structure and Fertility: an Analytic Framework”, in: Economic Development Cultural Change, 4, 1956, pp. 211-235.
DICKEY D. & FULLER W., “Distribution of the Estimators for Autoregressive Time Series with a Unit Root”, in: Journal of the American Statistical Association, 74, 1979, pp. 427-431.
DICKEY D. & FULLER W., “Likelihood Ratio Statistics for Autoregressive Time Series with a Unit Root”, in: Econometrica, 49, 1981, pp. 1057-1072.
DIEBOLT C. & DOLIGER C., “Demography: Chicken or Egg ? Explaining French Growth after World War II”, miméo, 2004.
DIEBOLT C. & LITAGO, “Education and Economic Growth in Germany before the Second World War. An Econometric Analysis of Dynamic Relations”, in: Historical Social Research, 22, 1997, pp. 132-149.
DOLIGER C., “Démographie et Croissance Economique en France après la seconde Guerre Mondiale: Une Approche Cliométrique”, in: Economies et Sociétés, à paraître.
EASTERLIN R. A., “Does Money Buy Happiness ?”, in: The Public Interest, 30, 1973, pp. 3-10.
EASTERLIN R. A., “Economic-Demographic Interactions and Long Swings in Economic Growth”, in: American Economic Review, 56, 1966, pp. 1063-1104.
EASTERLIN R. A., “Relative Economic Status and the American Fertility Swing”, in: Sheldon E. B. (ed): Familiy Economic Behavior: Problems and Prospects, Lippincott, Philadelphia, 1973, pp. 166-223.
EASTERLIN R. A., “Towards a Socio-economic Theory of Fertility: a Survey of Recent Reasearch on Economic Factors in American Fertility”, in: Behrman S. J. et al. (eds):
20
Fertility and Planning Family: a World View, University of Michigan Press, Ann Arbor, 1969, pp. 127-156.
EASTERLIN R.A., “An Economic Framework for Fertility Analysis”, in: Studies in Family Planning (US), 6, 1975, pp. 54-63.
EASTERLIN R.A., “Easterlin Hypothesis”, in: Eatwell John, Murray Milgate & Peter Newman (eds): The New Palgrave, a Dictionnary of Economics, Stockton Press, New York, 1987, pp. 1-4.
EASTERLIN R.A., “Fertility”, in: Eatwell John, Murray Milgate & Peter Newman (eds): The New Palgrave, a Dictionnary of Economics, Stockton Press, New York, 1987, pp. 302-308.
EASTERLIN R.A., “On the Relation of Economics Factors to Recent and Projected Fertility Changes”, in: Demography, 3, 1966, pp. 131-153.
EASTERLIN R.A., Population, Labor Force, And Long Swings in Economic Growth: the American Experience, Colombia University Press, New York, 1968.
ELLIOTT G., ROTHENBERG T.J. & STOCK J.H., “Efficient Tests for an Autoregressive Unit Root”, in: Econometrica, 64, 1996, pp. 813-836.
ENGLE R.F. & GRANGER C.W.J., “Cointegration and Error Correction: Representation, Estimation and Testing”, in: Econometrica, 55, 1987, pp. 251-276.
ERMISCH J. F., “European Women’s Employment and Fertility Again”, in: Journal of Population Economics, 3, 1990, pp. 3-18.
GEWEKE J., MEESE R. & DENT W., “Comparing Alternative Tests of Causality in Temporal Systems: Analytic Results and Experimental Evidence”, in: Journal of Econometrics, 21, 1983, pp. 161-194.
GRANGER C.W.J., “Developments in the Study of Cointegrated Economic Variables”, in: Oxford Bulletin of Economics and Statistics, 48, 1986, pp. 213-228.
GRANGER C.W.J., “Investigating Causal Relations by Econometric Models and Cross-Spectral Methods”, in: Econometrica, 37, 1969, pp. 424-438.
GRANGER C.W.J., “Some Properties of Time Series Data and their Use in Econometric Model Specification”, in: Journal of Econometrics, 16, 1981, pp. 121-130.
GRANGER C.W.J., “Some Recent Developments in a Concept of Causality”, in: Journal of Econometrics, 39, 1988, pp. 199-212.
GRANGER C.W.J., “Testing for Causality: a Personal Viewpoint”, in: Journal of Economic Dynamic and Control, 2, 1980, pp. 329-352.
GUILKEY D.K. & SALEMI M.K., “Small Sample Properties of Three Tests of Causality for Granger Causal Ordering in a Bivariate Stochastic System”, in: Review of Economics and Statistics, 64, 1982, pp. 668-680.
HOLSINGER D. B. & KASARDA J. D., “Education and Human Fertility: Sociological Perspectives”, in: Richkler R. G. (ed): Population and Development: The Search for Selective Interventions, Johns Hopkins University Press, Baltimore, 1976, pp. 154-181.
INSEE, Annuaires Statistiques de la France.
21
JOHANSEN S. & JUSELIUS K, “Maximum Likelihood Estimation and Inference on Cointegration: With Applications to the Demand for Money”, in: Oxford Bulletin of Economics and Statistics, 52, 1990, pp. 169-210.
JOHANSEN S., “Statistical Analysis of Cointegration Vectors”, in: Journal of Economic Dynamics and Control, 12, 1988, pp. 231-254.
KWIATKOWSKI D., PHILLIPS P., SCHMIDT P. & SHIN Y., “Testing the Null Hypothesis of Stationarity against the Alternative of a Unit Root: How Sure are we that Economic Time Series have a Unit Root? ”, in: Journal of Econometrics, 54, 1992, pp. 159-178.
LEINBESTEIN H., “An Economic Interpretation of the Economic Theory of Fertility: Promising Path or Blind Alley ?”, in: Journal of Economic Literature, 12, 1974, pp. 457-479.
MACKINNON J.G., “Critical Value for Cointegration Tests”, in: Engle R.F. & Granger C.W.J. (eds): Long Run Economic Relationship: Readings in Cointegration, Oxford University Press, New York, 1991, pp. 266-276.
MACUNOVICH D., “A Review of Recent Developments in the Economics of Fertility”, in: Menchik P. (ed): Household and Family Economics, Kluwer Academic Publishers, Boston, 1996, pp. 91-150.
MADDISON A., Monitoring the World Economy, 1820-1992, Organization for Economic Cooperation and Development, Washington, 1995.
MASIH A. M. M. & MASIH R., “The Dynamics of Fertility, Family Planning and Female Education in Developping Economy”, Working Paper, 98.9, 1998.
MASIH A.M.M. & MASIH R., “Empirical Test to Discern the Dynamic Causal Chain in Macroeconomic Activity: New Evidence From Thailand And Malaysia Based on a Multivariate Cointegration, Vector Error-Correction Modeling Approach”, in: Journal of Policy Modeling, 18, 1996, pp. 531-560.
MICHAEL R. T., “Education and The Derived Demand for Children”, in: Journal of Political Economy, 81, 1973, pp. 128-164.
NG S. & PERRON P., “Lag lenght selection and the Construction of Unit Root Tests with Good Size and Power”, in: Econometrica, 69, 2001, pp. 1519-1554.
PHILLIPS P. & PERRON P., “Testing for Unit Root in Time Series Regression”, in: Biometrika, 75, 1988, pp. 335-346.
SANDER W., “The Effect of Women’s Schooling on Fertility”, in: Economics Letters, 40, 1992, pp. 229-233.
SCHULTZ T. P., “A Preliminary Survey of Economic Analyses of Fertility”, in: American Economic Review, 53, 1974, pp. 71-78.
SCHULTZ T. P., “Changing World Prices, Women’s Wage and Fertility Transition: Sweeden, 1860-1910”, in: Journal of Political Economy, 93, 1985, pp. 1126-1154.
SCHULTZ T. P., “The Value and Allocation if Time in High-Income Countries: Implications for Fertility”, in: Population and Development Review, 12 Suppl.,1986, pp. 87-108.
SCHULTZ T.P., “Determinants of Fertility: A Micro Economic Model of Choice”, in Coale A. J. (ed): Economic Factors in Population Growth, Halsted Press, New York, 1976, pp. 89-124.
22
SCHULTZ T.P., “Investment in Human Capital”, in: American Economic Review, 51, 1961, pp. 1-17.
SCHULTZ T.P., The Economic Value of Education, Columbia University Press, New York, 1963.
UNITED NATIONS, Fertility Behavior in the Context of Development: Evidence from the World Fertility Survey, Departement of International Economic and Social Information and Policy Analysis, Population Division, United Nations, New York, 1987.
UNITED NATIONS, Women’s Education and Fertility Behavior: Recent Evidence from the Demographic and Health Surveys, Population Division, United Nations, New York, 1995.
WRIGHT R.E., “The Easterlin Hypothesis and European Fertility Rates”, in: Population and Development Review, 15, 1989, pp. 107-122.
23