Modélisation par régression logistique des déterminants du déclassement subjectif des diplômés de licence fondamentale et licence professionnelle de l'Université Gamal Abdel Nasser de Conakry (2016-2020)

Résumé

Résumé
Cette étude examine les déterminants du déclassement subjectif parmi 213 diplômés de licence fondamentale et licence professionnelle de l'Université Gamal Abdel Nasser de Conakry (2016-2020) en utilisant une approche méthodologique rigoureuse intégrant des tests statistiques avancés via SPSS. En développant un modèle de régression logistique binaire, nous quantifions l'impact du secteur d'emploi, de la rémunération, du type de contrat, du lieu de résidence, de la cohabitation parentale, du statut matrimonial, de l'ancienneté du diplôme et du sexe sur la probabilité de se sentir déclassé. Les résultats révèlent que 58,2% des diplômés déclarent un déclassement subjectif. Le secteur informel triple significativement ce risque (OR=3,00; p<0,01), tandis qu'une rémunération inférieure au SMIG le quintuple (OR=4,95; p<0,05). Les contrats verbaux quadruplent également ce risque par rapport aux CDI (OR=4,10; p<0,01). L'analyse confirme l'adéquation du modèle (Hosmer-Lemeshow: p=0,511; R² de Nagelkerke=0,253). Ces résultats soulignent l'urgence de politiques d'adéquation formation-emploi, de formalisation du secteur informel et de revalorisation des rémunérations.

Mots-clés : Déclassement subjectif, régression logistique, SPSS, diplômés scientifiques, économétrie appliquée, secteur informel, Guinée, marché du travail, modélisation statistique

Abstract
This study examines the determinants of subjective overqualification among 213 Guinean science graduates using a rigorous methodological approach integrating advanced statistical tests via SPSS. By developing a binary logistic regression model, we quantify the impact of employment sector, remuneration, type of contract, place of residence, parental cohabitation, marital status, years since graduation, and gender on the probability of feeling overqualified. Results reveal that 58.2% of graduates report subjective overqualification. The informal sector significantly triples this risk (OR=3.00; p<0.01), while a salary below the minimum wage quintuples it (OR=4.95; p<0.05). Verbal contracts also quadruple this risk compared to permanent contracts (OR=4.10; p<0.01). The analysis confirms the model's goodness-of-fit (Hosmer-Lemeshow: p=0.511; Nagelkerke R²=0.253). These results underscore the urgency of policies for aligning education with employment, formalizing the informal sector, and revaluing remuneration.

Keywords: Subjective overqualification, logistic regression, SPSS, science graduates, applied econometrics, informal sector, Guinea, labor market, statistical modeling