Résultat de l’analyse

1. Feuille «rpt-fazit»: explications des lignes
Lorsque l’analyse est terminée, vous vous trouvez sur la feuille «rpt_fazit», contenant les principaux résultats. Vous apprenez dans le tableau:

  • l’ampleur de la différence de salaire liée au sexe (3ème ligne)
  • si l’égalité salariale au sens étroit est respectée ou non (4ème ligne)
  • si l’égalité salariale est respectée en ce qui concerne le seuil de tolérance de 5 pourcent admis dans les marchés publics (5ème ligne)
  • R2 et l’interprétation de R2: Plus R2 est proche de 1, plus les facteurs pris en compte dans le modèle expliquent la variabilité des salaires dans l’entreprise (6ème et 7ème ligne, voir aussi FAQ Qu’est-ce-que R2?).
  • le nombre d’observations valides et donc prises en compte (12ème ligne). Pour que les résultats soient significatifs, il faut normalement 50 observations valides. Plus le nombre d’employé-e-s est élevé, plus les résultats sont fiables. La fiabilité augmente aussi lorsque la part des femmes et des hommes est équilibrée (la 13ème ligne indique le nombre de femmes).

2. Feuille «rpt-fazit» explications des colonnes
Deux calculs de régressions sont effectués:

  • une régression basée uniquement sur les caractéristiques liées aux qualifications personnelles (régression qp) (première colonne de résultat), qui tient compte des caractéristiques individuelles que constituent la formation, l’expérience professionnelle et les années de service;
  • La régression standard, qui prend en plus en considération les exigences liées au poste de travail (niveau des qualifications requises et position professionnelle).

Si la différence salariale discriminatoire relevée dans la régression qp est sensiblement plus élevée que la différence relevée dans la régression standard, cela signifie que, à qualifications égales, les femmes sont sous-représentées dans les positions supérieures et aux postes très exigeants. Cette information supplémentaire peut vous aider à identifier des discriminations fondées sur l’occupation, également proscrites en vertu de la loi sur l’égalité.

3. Feuille «data_form»: explications de la colonne Y
La colonne Y de la feuille «data_form» indique les écarts en pourcent entre les salaires effectifs et les salaires calculés par le modèle Logib. Une valeur positive signifie que le salaire effectif est supérieur au salaire calculé. Une valeur négative signifie à l’inverse que le salaire effectif est inférieur au salaire calculé. Les valeurs accusant des écarts de plus de 20 pourcent sont signalées en rouge. Si vous repérez des erreurs dans les données saisies, vous pouvez les corriger et démarrer à nouveau l’analyse.

Analyses sous forme de tableaux et diagrammes

  1. Sur la feuille «rpt_regr2_1», le tableau supérieur présente une vue d’ensemble de la répartition des femmes et des hommes en fonction des facteurs utilisés dans l’analyse de régression. Vous y trouverez en particulier le nombre total de femmes et d’hommes qui font l’objet de l’analyse (ligne 10), le salaire brut standardisé moyen pour un plein temps et la différence salariale entre femmes et hommes en pourcent (ligne 26).

  2. Dans le diagramme de la partie inférieure, les points représentent les salaires de chaque employé-e, et la droite représente les salaires attendus sur la base des calculs du modèle. Dans le cas hypothétique où le modèle prédirait parfaitement le salaire (R2 = 100%), tous les points se situeraient sur la droite, c’est-à-dire que le salaire calculé correspondrait toujours exactement au salaire effectif. De faibles écarts sont usuels ; des écarts plus importants indiquent soit des données erronées, soit des valeurs extrêmes, soit des discriminations.

  3. Sur toutes les feuilles suivantes («rpt_regr2_2» à «rpt_regr2_7») figurent des analyses descriptives et des diagrammes concernant les caractéristiques âge, formation, expérience professionnelle, ancienneté, niveau des qualifications requises et position professionnelle.

FAQ - Interpréter les résultats

Le résultat obtenu est clair, mais je le considère comme erroné. Que faire?

  1. Vérifiez si les données sont correctes. La colonne Y de la feuille de données «data_form» vous montre les écarts en pourcent entre les salaires effectifs et les salaires calculés. Des écarts importants peuvent être l’indice d’erreurs. (Résultat de l‘analyse, point 3).
  2. Les niveaux de formation doivent souvent être saisis manuellement à partir des dossiers du personnel et ne sont donc pas toujours d'actualité. Pensez à actualiser ces indications.
  3. Logib calcule automatiquement les années de formation et l’expérience professionnelle. Ce calcul se base sur des hypothèses quant à la longueur de la formation indiquée. Si vous avez l'impression qu'il y a une forte différence entre l’expérience professionnelle calculées et l’expérience professionnelle effective, vous pouvez rechercher et saisir nombre d’années d’expérience professionnelle réelles de vos employé-e-s. Vous ne pourrez toutefois pas continuer à travailler avec Logib et devrez utiliser un logiciel de statistique pour traiter les données. Les données saisies peuvent cependant être exportées à partir de Logib (voir la question ci-dessous Est-ce que je peux exporter les données?).
  4. Il est possible que vous ayez défini, à tort, le niveau des qualifications requises, la position professionnelle, ou les deux, sur la base des classes de salaire. Si c’est le cas, corrigez les colonnes Niveau des qualifications requises et Position professionnelle en vous appuyant sur les cahiers des charges pour ce qui concerne le niveau des qualifications requises et en utilisant l’organigramme pour déterminer la position professionnelle. Si vous utilisez les quatre degrés pour le niveau des qualifications requises et les cinq degrés pour la position professionnelle, la valeur explicative de ces caractéristiques en sera rehaussée.
  5. Le résultat peut être erroné lorsque des éléments du salaire, comme p.ex. le 13e salaire mensuel, n'ont pas été correctement saisis (1/12 du 13e salaire mensuel), s'il existe des horaires de travail différents dans l'entreprise ou si la conversion des salaires horaires et des salaires mensuels n'est pas correcte (voir Est-ce que je peux intégrer dans une seule et même analyse des personnes rémunérées au mois et des personnes rémunérées à l’heure ?).
  6. Il se peut que d'autres facteurs influençant le salaire ne soient pas pris en compte dans les modèles (p. ex. des allocations liées au lieu de travail). Si un tel facteur n’est potentiellement pas discriminatoire, vous pouvez procéder des deux manières suivantes:

    • vous supprimez ces informations (dans l’exemple les allocations) dans les indications salariales
    • ou bien vous introduisez une variable explicative supplémentaire dans le calcul de régression. Dans ce cas, vous devez utiliser un logiciel de statistique.
    • S’il vous reste des doutes, n’hésitez pas à faire appel à un-e expert-e.

Quelles indications supplémentaires fournissent les régressions calculées par Logib?

Si la différence salariale discriminatoire relevée dans la régression qp est sensiblement plus élevée que la différence relevée dans la régression standard, cela signifie que, à qualifications égales, les femmes sont sous-représentées dans les positions supérieures et aux postes très exigeants. Cette information supplémentaire peut vous aider à identifier des discriminations fondées sur l’occupation, également proscrites en vertu de la loi sur l’égalité.

Pourquoi le nombre d’observations valides de la régression qp est-il différent de celui de la régression standard?

Lorsque le nombre d'observations valides de la régression qp diffère de celui de la régression standard, il est probable que les indications concernant la position professionnelle ou le niveau des qualifications requises n’aient pas été saisies correctement (ou n’aient pas été saisies du tout) pour un certain nombre de personnes. Vous pouvez vérifier et corriger ces informations sur la feuille «data_form».

Pourquoi est-ce que j'obtiens pratiquement la même analyse sur deux feuilles différentes?

Quand le nombre d’observations valides varie entre la régression qp et la régression standard, les analyses sont alors présentées sur des feuilles différentes pour la régression qp et pour la régression standard.

A quoi sert le seuil de tolérance?

Le seuil de tolérance de 5% a été introduit pour l'utilisation de l'instrument lors de contrôles dans les marchés publics de la Confédération. Il se peut que tous les facteurs ayant une incidence sur le salaire dans une entreprise ne soient pas pris en compte dans le contrôle standardisé réalisé par Logib. Le seuil de tolérance permet de tenir compte de ce fait et d'éviter qu'une entreprise ne soit sanctionnée à tort.

Important: La Constitution fédérale et la loi sur l'égalité prescrivent clairement l'égalité de salaires entre femmes et hommes pour un travail de même valeur. Il n'existe à cet égard aucun seuil de tolérance. Si vous suspectez une discrimination systématique, ou individuelle, dans votre entreprise, faites appel à un-e spécialiste afin de faire une analyse approfondie et de procéder aux corrections de salaires appropriées.

Comment se fait-il que, en présence d’une inégalité salariale de plus de 5 pourcent, Logib puisse indiquer que le seuil de tolérance de 5 pourcent est malgré tout respecté?

L’inégalité salariale calculée par Logib se situe dans une fourchette statistique (zone d’imprécision). Or, comme tout calcul statistique, cette fourchette peut également être influencée par des facteurs aléatoires. L’unité représentée par cette fourchette est appelée erreur type (feuille de bilan, 10ème ligne). Sur la base de cette erreur type, Logib calcule si l’inégalité salariale se situe au-dessus du seuil de tolérance de 5 pourcent avec 95 pourcent de probabilité. Si c’est le cas, le seuil de tolérance est réputé dépassé de manière significative. Si cette probabilité n’est pas constatée, le seuil de tolérance est réputé respecté – bien que la valeur absolue se situe au-dessus de 5 pourcent. Pour des raisons statistiques, l’erreur type est d’autant plus grande que le nombre de collaboratrices et collaborateurs est faible et le R2 petit (c'est-à-dire la qualité du modèle, voir la question suivante Qu’est-ce que R2?).

Qu’est-ce que R2?

R2 est le coefficient de détermination (= R²). Vous trouvez la valeur de R2 sur la feuille "rpt_fazit" à la 6ème ligne de la feuille de bilan.

R2 exprime à quel point la variabilité des salaires est expliquée par le modèle. La valeur de R2 se situe obligatoirement entre 0 et 1. Plus R2 est élevé, plus les facteurs pris en compte dans le modèle expliquent la variabilité des salaires dans l’entreprise.

Est-ce que je peux exporter les données?

  • Vous pouvez enregistrer les données à l'aide de la fonction "Fichier - enregistrer sous" dans un format de données de votre choix accepté par Excel ou
  • Vous pouvez sélectionner les données et les copier avant de les insérer dans un nouveau fichier Excel.

CONSEIL 1: Enregistrez impérativement Logib avant d' "Enregistrer sous" avec un autre format de données, faute de quoi vous risquez de perdre tout le travail effectué jusque-là!

CONSEIL 2: Si vous procédez selon la 2e méthode et que avez aussi sélectionné des colonnes calculées (p. ex. le gain total standardisé), vous devez sélectionner "Modifier - Collage spécial - Choisir valeurs" faute de quoi vous n'obtiendrez pas les valeurs correctes pour les colonnes contenant des formules.