Déterminants de la qualité du système éducatif

Travail réalisé :

CILAIR Pierre Yves Gaétan, étudiant en Master 2 Macroéconomie et politiques européennes

([email protected])

KULDANBAEVA Meikinai, étudiante en Master 2 Macroéconomie et politiques européennes

([email protected])

Enseignant:

Jamel SAADAOUI Maître de conférences à l’Université de Strasbourg ([email protected])

1
Table des matières

Introduction…………………………………………………………………………………...3

I - Revue de littérature……………………………………………………………………..…5

1. Rôle de l’éducation dans le marché de travail et la

croissance………………………………………………………………………………5
2. Fonction de la production en éducation………………………………………………..5
3. Impact de niveau d’éducation des parents/milieu social des parents sur la performance
des élèves………………………………………………………………………………6
4. Impact de niveau de qualification des enseignants sur la performance des élèves…….7
5. Impact de la concurrence entre les écoles sur la performance…………………………8
6. Rôle de financement dans l’éducation…………………………………………………8

II - Méthodologie……………………………………………………………………………...9

Hypothèses……………………………………………………………………………..9

Base de données………………………………………………………………………..9

Modèle………………………………………………………………………………...11

III - Résultats d’estimation et robustesse………………………………………………..…11

Conclusion et limites………………………………………………………………….16

References…………………………………………………………………………….17

Annexes……………………………………………………………………………….18

2
Introduction
Les questions sur les politiques éducatives optimales prennent de plus en plus
d’ampleur de nos jours. Les défis actuels et futurs tels que les effets drastiques du changement
climatique, les migrations massives, les inégalités croissantes, la pauvreté extrême, la famine
etc. expliquent l’intérêt croissant porté à l’éducation. En effet, l’éducation détermine la
préparation de la nouvelle génération pour le monde du demain. Elle représente un des
facteurs importants de la croissance économique. Cet impact passe par les canaux suivants : 1)
accroissement de la productivité ; 2) développement de la capacité innovatrice de l’économie ;
3) facilitation de la diffusion des connaissances nécessaires à la compréhension des nouvelles
informations et mise en place des nouvelles technologies (Bradley & Green, chapitre 14,
p.171, 2020). Cet intérêt croissant pour l’éducation a fait émerger de nombreuses études dans
de nombreux champs disciplinaires comme la sociologie, la psychologie, mais aussi
l’économie.

Les premières études économiques sur l’éducation portaient sur la dimension-quantité qui
consiste, par exemple, à analyser comment la scolarisation impacte la croissance économique.
Plus tard, dans les années 1960, avec le développement des tests internationaux (TIMSS,
PISA) les travaux sur la qualité d’éducation ont émergé permettant ainsi la mise en évidence
de facteurs multiples (famille, effets de pairs, taille des classes etc.) qui affectent la qualité du
système éducatif. Ces facteurs peuvent se résumer en trois éléments principaux : les
caractéristiques du système éducatif, les connaissances/capacités cognitives des individus et le
cadre institutionnel (Bradley & Green, chapitre 14, p.171-180, 2020). Les déterminants de la
qualité d’éducation, qui impactent la performance des élèves, apparaissent dans la fonction de
la production éducative.

La mise en évidence des multiples facteurs présentés dans de travaux des économistes
de l’éducation servent aujourd’hui d’outil important pour le choix et l’élaboration des
politiques éducatives. Ces politiques ont pour objectif d’accroitre le taux d’instruction et
d’améliorer la qualité du système éducatif. Il existe deux types de politiques éducatives :
celles de la demande et de l’offre. Les politiques éducatives de demande influencent les
caractéristiques des ménages (ex : leurs revenus). Les exemples de ces politiques sont les
transferts de revenu inconditionnel, les transferts conditionnels, les bourses de mérite, la

3
réduction des frais de scolarité, les interventions basées sur l’information etc. (Bradley &
Green, chapitre 15, 2020). Les politiques éducatives d’offre consistent à faire varier/modifier
la quantité et la qualité des services éducatifs ainsi que les ressources dédiées à l’éducation.
Quant aux interventions sur la quantité, ce sont par exemple : la construction des écoles,
l’allongement du temps scolaire, l’embauche des enseignants. Concernant la qualité, les
interventions peuvent porter sur les incitations sur l’effort des enseignants, le contrat
d’enseignement, les nouvelles méthodes d’enseignement ou de mode d’organisation au sein
de l’école. Ces politiques ont des impacts différents à la fois sur l’inscription scolaire et sur la
performance des élèves.

L’un des déterminants le plus important qui attire l’attention des chercheurs en
économie de l’éducation est la qualité d’enseignement. Cependant, ce facteur n’est pas simple
à définir, puisque la qualité d’enseignement dépend de la combinaison des plusieurs facteurs
tels que le niveau de la formation des enseignants, l’attractivité d’un métier d’enseignant, la
rémunération, l’environnement de travail etc. En revanche, il est évident que le déterminant
majeur de la qualité d’enseignement est le niveau de leur qualification des enseignants. C’est
pour cette raison que nous avons choisi de montrer par une estimation empirique l’effet de ce
facteur. Ce facteur est représenté par « index proportion of teachers fully certified »,
c’est-à-dire la proportion des enseignants qui ont une certification compète pour enseigner.

L’objectif de cette étude est de trouver à partir de quel pourcentage d’enseignants

qualifiés dans l’école, ce facteur a un effet sur la performance des élèves. Pour cela nous
avons utilisé les données de PISA OCDE afin de construire les données transversales (cross
sectional data). Notre dossier est présenté comme suit : après avoir présenté quelques articles
académiques portant sur les déterminants de la performance des élèves, nous allons présenter
notre méthodologie avec la base de données et les hypothèses. Les résultats de notre
estimation sont présentés dans la partie 3. Puis, nous allons conclure.

4
I - Revue de littérature

1. Rôle de l’éducation dans le marché de travail et la croissance

Dans l'article « Schooling, Labor-Force Quality, and the Growth of Nations » de Eric
A. HANUSHEK et Dennis D. KIMK, il est argumenté que l'effet du capital humain a un
impact considérable sur toute croissance économique nationale. Cette croissance est
dépendante de nouvelles inventions et idées novatrices, toutes étant affectées par le stock de
capital humain. Et ce, au travers du processus de recherche et développement, mais encore,des
comportements d’adaptation de la population. Ces phénomènes permettent d'expliquer
comment, et également pourquoi, un pays atteint un certain niveau de production et de
croissance. Bien que le taux de scolarisation aux niveaux primaires et secondaires donne une
première indication du capital humain national, ces derniers ne peuvent à eux seuls déterminer
le stock de capital humain de la population active, et encore moins les variations dues aux
transitions démographiques. De plus, il est important de noter qu'une année d’éducation n'est
pas la même partout dans le monde. La qualité de celle-ci variant énormément d'un pays à un
autre. C'est pourquoi il est primordial de construire un modèle qui prend en compte cette
différenciation. Une simple estimation du capital humain basé sur des données uniquement
quantitatives ne suffit à tirer des conclusions concrètes quant au véritable niveau du capital
humain national.

Une approche qualitative est tout aussi importante, voire plus importante qu'une
simple observation du taux de scolarisation. Ces effets qualitatifs sont mesurés au travers des
scores en mathématiques et sciences de la population. Les mesures faites de cette manière
montrent que la qualité de la population active est fortement positivement corrélée à une
hausse de la croissance.

2. Fonction de la production en éducation

La fonction de la production en éducation est une fonction qui relie les inputs
présentés sous forme des politiques éducatives et les outputs en éducation qui se résument en

5
performance des élèves. Cette fonction informe sur les politiques éducatives optimales et
permettent de mesurer l’efficacité de telle ou telle outil. Les inputs sont souvent représentés
sous forme des différents ressources financières, les outils permettant d’agir sur la qualité
d’enseignement, sur les ressources tangibles et intangibles des parents, alors que les outputs
sous entendent avant tout la performance des élèves, à savoir leurs résultats scolaires ou leur
score dans des différents tests internationaux (PISA, TIMSS, PIRLS etc.)

La fonction de la production en éducation trouve ses origines dans la théorie du capital

humain qui prédit que les investissements visant à faire évoluer l’individu en compétence ou
en savoirs permettent d'accroître sa productivité et donc d’augmenter son revenu réel futur.
L’objectif est donc de savoir quels sont les déterminants du capital humain ? Quelles sortes
d’investissement permettent d’améliorer ce type de capital ?

L’une de première fonction de la production en éducation est la fonction de Mincer. Cette

fonction relie le revenu individuel avec les années de scolarisation et d’expérience dans le
marché du travail. Pourtant, cette équation a une limite, puisqu’elle prend en compte
simplement la dimension quantitative et laisse du côté l’élément qualitatif. Plus tard, ce
modèle a été étendu à la prise en compte des facteurs qualitatifs tels que le milieu
socio-économique et culturel des enfants, la qualité d’enseignement ou encore les ressources
matérielles et non matérielles des écoles.

3. Impact de niveau d’éducation des parents/milieu social des parents

sur la performance des élèves

La littérature traitant de l’impact du niveau d'éducation des parents sur celui de leur
enfant indique qu’il existe une certaine relation causale entre les deux. Cependant, cette
relation n’est pas toujours significative. Cela ne signifie pourtant pas qu’elle n'existe pas. Il
est important de distinguer l’effet du sexe egalement sur cet aspect. En effet, certaines
estimations démontrent que cet effet est surtout présent, lorsqu’il est significatif, avec la mère.
Cependant, lorsque cet effet est recensé de façon positive entre le père et leur enfant, cet effet
a tendance à être plus important. Cette différenciation étant plus marquée dans les âges
avancés des enfants. Bien que l’amplitude ne diffère pas énormément.

6
Del Bono et al. (2016) ont néanmoins montré une relation proportionnellement positive entre
le temps passé par les mères dans les premières années développement de leurs enfants et les
capacités cognitives de ces derniers à l'âge de 7 ans.

La relation causale la plus significative est celle entre les mères et leurs fils. Sandra E.
BLACK et al (2003) dans son papier intitulé “Why the Apple Doesn’t Fall Far:
Understanding Intergenerational Transmission of Human Capital” met en evidence cette
observation. En générale, lorsqu’une mère augmente son niveau d'éducation, cela se répercute
chez leurs fils, qui à leur tour verront leur niveau augmenté. Une des raisons de cela est
expliqué par le fait que ces femmes sont en générale plus apte à financer des études plus
longues pour leurs enfants.

4. Impact de niveau de qualification des enseignants sur la

performance des élèves

La qualification des enseignants joue sans doute un rôle majeur dans la détermination
de la performance des élèves. L’évaluation qualitative du système éducatif exige la définition
de la qualité de l’éducation et des facteurs qui la déterminent. Comme l’indique Coombs, « la
qualité [de l’éducation] dépend de la pertinence de ce qui est enseigné et appris – comment
ceci répond aux besoins actuels et futurs des apprenants concernés, compte tenu de leurs
circonstances et perspectives particulières » (Coombs, 1985, p.105). Par conséquent,
l’éducation de qualité dépend avant tout de la qualité de l’enseignement. Nous pouvons en
déduire que pour améliorer la qualité, il faut identifier les mécanismes et les dispositifs qui
peuvent servir d’un levier d’action sur la qualité de l’enseignement. Les travaux récents
indiquent sur l’importance des politiques de recrutement, de rétention et de formation des
enseignants qualifiés. Par exemple, l’étude de Ladd (2007) a mis en évidence de l’importance
de trois facteurs susceptibles de déterminer la qualification des enseignants : le niveau et la
structure des salaires, les incitations financières à l’effort, les exigences à l’entrée en métier
d’enseignant.

7
 5. Impact de la concurrence entre les écoles sur la performance

Toute compétition, et ce même au niveau des écoles publiques, permet d’augmenter la

productivité dans ces écoles. Ceci se fait conjointement à une augmentation des résultats
généraux des étudiants, tout en réduisant le coût de fonctionnement de ces établissements.

6. Rôle de financement dans l’éducation

Les ressources financières représentent un des facteurs majeurs déterminant la

performance du système éducatif. Ceci est vrai, malgré les critiques sur la vision purement
économique de l’éducation. L’effet positif des dépenses éducatives sur la performance des
élèves a une validation empirique. « L’utilisation conjuguée de deux échantillons distincts de
pays de PISA – les pays riches de l’OCDE vs l’ensemble des pays de l’enquête – a permis de
mettre en évidence les liens spécifiques et positifs qui existent entre les acquis scolaires et les
budgets publics consacrés à l’éducation » (Mons, 2007). En revanche, le rôle de financement
dans l’éducation ne doit pas être surestimé. En effet, l’étude de PISA 2015 montre que la
performance augmente avec les dépenses par élève jusqu’à un certain seuil, où les dépenses
n’ont plus d’effet sur le score moyen des élèves. Les pays qui dépensent le plus en éducation,
ne sont pas forcément ceux qui ont des meilleurs résultats en termes de la performance de
système éducatif. Ceci est notamment le cas lorsqu’on étudie le cas de la Finlande qui
dépense moins, mais montre les meilleurs scores en PISA que la France.

L’étude de Coleman et al. (1966) a montré que les ressources dédiées à l’école ont un effet
peu significatif sur le résultat des élèves. En revanche, les études récentes montrent le résultat
inverse : l’impact positif des ressources, notamment celles qui se présentent sous forme de
financement des écoles désavantagées ou d’aide financière pour les familles pauvres.
L’impact est donc différencié en fonction de type de financement. Par exemple, d’après les
études empiriques, l’accroissement d’investissements en éducation fait diminuer l’effort de
parents en matière d’aide aux devoirs et en éducation en générale de leurs enfants.
L’accroissement de revenu des parents a aussi un effet inverse à l’effort des parents, puisque
les parents ont tendance à confier l’éducation de leurs enfants intégralement aux
établissements de formation du fait du manque de temps. Par contre, si une aide financière
aux parents vient comme une surprise (c’est-à-dire les parents n’anticipent pas l’arrivée de
l’aide financière pour l’éducation de leur enfants), elle permet d'accroître à la fois les efforts

8
des parents et des élèves, puisqu’ils consacrent plus de temps au travail personnel et
n’espèrent pas avoir des effets « magiques » du système éducatif.

II - Méthodologie

Hypothèses

Compte tenu des travaux principaux sur les déterminants de la performance du système
éducatif que nous avons présentés dans notre revue de littérature, nous avons choisi de mettre
dans notre modèle les variables liées aux facteurs suivants :

● Milieu socio-économique et culturel des enfants

● Qualité d’enseignement due à la qualification des enseignants
● Type de management au sein de l’école (paternaliste/participatif)
● Mode de gouvernance du système éducatif (centralisé/décentralisé)

Base de données

Les données sont issues de PISA OCDE et concernent 55 pays dont les élèves ont
participé au test international PISA en 2012. La base de données est présentée dans l’annexe
1. L’enquête du Programme international pour le suivi des acquis des élèves est un
programme lancé en 2000 et qui se déroule tous les trois ans dans plus de 80 pays
participants. PISA choisit les établissements représentatifs de système scolaire national des
pays. Les évaluations du PISA portent sur plusieurs domaines : sciences, lecture,
mathématiques et d’autres matières (compétences financières par ex). Les élèves de 15 ans
sont choisis aléatoirement. L’objectif de l’évaluation est de tester si les élèves peuvent
appliquer les connaissances théoriques dans les situations réelles. Le score du PISA est
attribué par le calcul de moyenne des acquis des élèves par pays. Ces évaluations sont

9
complétées par les enquêtes menées auprès des élèves, des enseignants et l’administration des
écoles. Ceci permet d’avoir des données quantitatives et qualitatives sur les différents
systèmes éducatifs. L’objectif de l’enquête est de suivre l’évolution de la performance des
élèves et de fournir les données pour améliorer les systèmes éducatifs.

La variable que nous allons expliquer est le score PISA qui reflète la performance des élèves.
Nous avons pris une moyenne des résultats par pays pour les évaluations en lecture,
mathématiques et science. Afin d’expliquer ce score, nous avons choisi les variables
suivantes: l’indice de ressources éducatives à la maison; l’indice de statut économique, social
et culturel, l’indice de la proportion des enseignants certifiés; l’indice de l’autonomie de
l’école en matière d’allocation des ressources; l’indice de la participation des enseignants
dans la prise de décision; l’indice de l’autonomie de l’école dans les tâches différentes.

Différents indicateurs et leur abréviation.

10
 Modèle

Nous avons fait le choix d'orienter notre effort d'analyse et de recherche sur un échantillon de
55 pays, pour lesquels 7 variables différentes seront évaluées. Ce choix a été favorisé plutôt
qu'un suivi de l'évolution temporelle sur plusieurs années de ces mêmes variables. Ce travail
nécessiterait l'utilisation de données de panel, prenant en compte cette temporalité et le
nombre importants de pays. Un tel travail serait adapté si notre objectif était de mesurer
l'impact de nouvelle implémentation de politiques publiques, visant ces variables
particulières. Ce travail serait intéressant à mener pour un travail de recherche à l'avenir. Mais
nous cherchions simplement à déterminer les facteurs affectant réellement les scores PISA. Et
par conséquent, la qualité du capital humain au travers du niveau d'éducation. Pour ce faire,
nous avons opté pour une analyse type cross data.

Threshold regression:

PISA = 𝛃0 + 𝛃1home_edu + 𝛃2status + 𝛃3teach_cert + 𝛃4school_aut_res + 𝛃5teach_dec +

𝛃6school_aut_task + ϵ

III - Résultats d’estimation et robustesse

Statistiques descriptives

11
Afin d'avoir une vision nette des effets seuils de nos différentes variables, nous proposons tout
d'abord une première analyse du niveau de corrélation entre nos différentes mesures.

Nous pouvons remarquer que certaines de nos variables ont un taux de corrélation bien trop
élevé pour être correctement utilisées dans notre analyse. C’est notamment le cas des
variables home_edu et status qui présentent une corrélation de plus de 80 %. Nous pouvons
constater que ce haut pourcentage de corrélation est également présent entre schoo_aut~k
avec school~s et teach~c. Nous allons donc procéder à une élimination de ces dernières afin
d'éviter tout biais et mauvaise interprétation future. Une explication de telle corrélation n’est
cependant pas étonnante. Nous pouvons comprendre qu’un foyer ayant un statut
particulièrement élevé serait composé d’individus hautement qualifiés et éduqués. D’ou les
80% mentionnés précédemment.

Cela nous mène donc au tableau suivant:

12
De là nous pouvons commencer à interpréter les résultats des différents threshold suivants:

Nous remarquons que le niveau des résultats du test PISA augmente lorsque le niveau de
certification des enseignants est élevé. De plus, il est intéressant de noter que bien que le
niveau de ressources éducatives au foyer de la région 2 soit inférieur à la première, les
résultats PISA restent supérieurs car ce manque est comblé par la meilleure qualité
d’enseignement. Cependant, il est important de noter que la P-value de la première région est
bien supérieur à 5%.

13
Nous remarquons également que de meilleurs résultats sont obtenus lorsque ces enseignants
qualifiés ont une position plus importante dans les prises de décisions de leurs établissements.
En effet, nous observons une augmentation de 10 points sur ce plan entre les deux regions.

14
Lorsque l’analyse est d’abord portée sur ces prises de décisions, nous remarquons que les
régions les plus performantes sont celles où les enseignants actifs dans ce secteur administratif
sont également ceux ayant de meilleures compétences. En effet, près de 50 points d'écart
sépare le cut-off au threshold de la participation des enseignants.

Robustesse (VCE)

15
 Conclusion et limites

Tout au long de notre travail, nous avons su mettre en avant le rôle que joue la qualité
de l'éducation dans le calcul du capital humain. Ce dernier étant intimement lié aux
performances, non seulement quantitatives, telle que le niveau de scolarisation de la
population, mais de manière plus apparente, c’est la qualité de l'éducation qui influe le plus
sur ce capital humain. Cette qualité dépend de facteurs internes du fonctionnement des
établissements éducatifs, mais également de la situation au foyer des élèves.

Nous avons montré que la certification des enseignants est un des atouts les plus
primordiaux pour garantir un bon niveau de tout système éducatif national. Cette qualité
d’enseignement allié à une bonne gestion des rouages internes de ces établissements permet
même de garantir une certaine croissance économique aux pays concernés. Nos résultats
auraient pu bénéficié d’un nombre plus grand de variables d'évaluation, afin d’avoir une idée
bien plus nette de la réalité. Une évaluation temporelle pourrait également être bénéfique
pour de prochains travaux.

16
References

BRADLEY Steve et Green Colin (2020), “The Economics of education. A comprehensive

overview. Secondee edition”, Academic press, 2020.

COOMBS, P.H. (1985), The World Crises in Education: The View from the Eighties,
Oxford: Oxford; University Press.

DICKSON Matt, Paul GREGG and Harriet ROBINSON (2016), “EARLY, LATE OR
NEVER? WHEN DOES PARENTAL EDUCATION IMPACT CHILD OUTCOMES?”, The
Economic Journal

ERIC A. HANUSHEK AND DENNIS D. KIMKO (2000), “Schooling, Labor-Force

Quality, and the Growth of Nations”, * VOL. 90 NO. 5, The American Economic Review

HOXBY CAROLINE M (2000), “Does Competition Among Public Schools Benefit

Students and Taxpayers?” By * 2000 The American Economic Review

KRUEGER Alan B., Diane M. Whitmore (2001), “The Effect of Attending a Small Class in
the Early Grades on College‐test Taking and Middle School Test Results: Evidence from
Project Star”, Dans The Economic Journal, Volume 111, Issue 468, 1 Janvier 2001, p. 1–28;

LAZEAR P. Edward (2001), “Educational Production”, The Quarterly Journal of

Economics, Volume 116, Issue 3, August 2001, Pages 777–803.

LADD Helen F. (2007), « Teacher labor markets in developed countries”

MONS Nathalie (2007), « L’évaluation des politiques éducatives », De Boeck Supérieur |

Revue internationale de politique comparée ; 2007/3 Vol. 14 | pages 409 à 423

BLACK SANDRA E., PAUL J. DEVEREUX, AND KJELL G. SALVANES* (2005);

“Why the Apple Doesn’t Fall Far: Understanding Intergenerational Transmission of Human
Capital”, The American Economic Review

17
Annexe

Year/Study Country PISA home_edu status teach_cert school_aut_res teach_dec school_aut_task

2012 Australia 512,48 0,09 0,25 0,98 0,06 0,33 0,04

500,31 0,04 0,08 0,87 -0,56 -0,16 -0,76

Austria

509,34 0,09 0,15 0,87 -0,29 0,28 -0,04

Belgium

522,21 0,01 0,41 0,97 -0,35 0,00 -0,16

Canada

436,32 -0,49 -0,58 0,19 0,57 -0,13 0,42

Chile

392,86 -0,82 -1,26 0,10 -0,36 -0,73 -0,38

Colombia

500,05 0,35 -0,07 0,92 1,22 0,21 1,27

Czech Republic

526,08 0,27 0,11 0,95 0,14 0,15 0,40

Estonia

529,40 -0,34 0,36 0,92 -0,28 0,13 -0,17

Finland

499,81 -0,19 -0,04 0,81 -0,54 0,19 -0,50

France

515,11 0,20 0,19 0,93 -0,58 0,23 -0,40

Germany

465,63 -0,15 -0,06 0,82 -0,70 -0,83 -1,27

Greece

484,49 0,54 0,78 0,98 -0,04 0,08 0,04

Iceland

515,56 -0,12 0,13 1,00 -0,43 0,10 -0,13

Ireland

474,12 -0,02 0,17 0,75 -0,24 -0,09 -0,08

Israel

489,54 0,07 -0,05 0,85 -0,59 0,34 -0,55

Italy

18
 540,40 -0,55 -0,07 1,00 -0,27 -1,02 0,09

Japan

542,45 -0,09 0,01 1,00 -0,44 0,04 -0,36

Korea

493,82 0,19 -0,26 0,80 0,60 0,56 0,56

Latvia

483,94 0,06 -0,13 0,96 0,78 0,61 1,03

Lithuania

489,62 0,11 0,07 0,69 -0,20 0,02 -0,13

Luxembourg

417,25 -0,98 -1,11 0,28 -0,31 -0,97 -0,80

Mexico

518,75 0,50 0,23 0,80 1,26 0,03 1,37

Netherlands

509,19 -0,15 0,04 0,96 0,11 0,60 0,52

New Zealand

495,94 0,34 0,46 0,89 -0,18 -0,29 -0,41

Norway

520,50 0,51 -0,21 0,99 -0,34 0,51 0,11

Poland

488,03 -0,11 -0,48 0,96 -0,48 -0,55 -0,48

Portugal

471,87 0,05 -0,18 0,95 0,78 0,55 0,90

Slovak Republic

498,86 0,41 0,07 0,95 -0,11 0,47 0,21

Slovenia

489,57 0,06 -0,19 1,00 -0,42 -0,27 -0,58

Spain

482,13 0,01 0,28 0,89 0,63 0,44 0,58

Sweden

518,42 0,03 0,17 0,85 -0,13 -0,24 -0,14

Switzerland

462,30 -0,60 -1,46 0,92 -0,72 -1,36 -1,38

Turkey

19
 502,46 0,08 0,27 0,95 1,10 0,57 1,13

United Kingdom

492,12 -0,12 0,17 0,95 0,08 -0,09 0,36

United States

535,42 -0,24 -0,40 0,93 0,07 0,80 -0,06

Chinese Taipei

425,63 -0,74 -0,98 0,79 -0,36 -0,36 -0,65

Costa Rica

482,35 0,05 -0,34 1,00 -0,34 -0,02 -0,45

Croatia

442,11 0,06 0,09 0,97 -0,35 -0,86 -1,26

Cyprus

553,59 -0,26 -0,79 0,96 0,42 2,00 0,78

Hong Kong
(China)

384,38 -1,34 -1,80 0,60 0,33 0,44 0,40

Indonesia

398,00 -0,63 -0,42 0,74 -0,51 -1,53 -1,26

Jordan

416,41 -0,25 -0,32 0,91 -0,33 -0,94 -0,42

Kazakhstan

522,55 -0,30 -0,89 1,00 1,64 0,56 1,51

Macao (China)

412,74 -0,49 -0,72 0,98 -0,49 -1,14 -1,08

Malaysia

413,95 -0,17 -0,25 0,96 -0,33 -0,88 -0,92

Montenegro

375,12 -0,62 -1,23 0,89 0,18 0,14 -0,10

Peru

382,53 -0,13 0,44 0,75 -0,37 0,16 -0,13

Qatar

440,31 -0,01 -0,47 0,99 -0,57 -0,21 -0,52

Romania

481,20 0,37 -0,11 0,97 0,03 -0,20 0,44

20
Russia

555,73 0,14 -0,26 0,97 -0,36 -0,16 -0,15

Singapore

437,32 -0,61 -1,35 0,94 0,70 1,67 1,00

Thailand

396,65 -0,84 -1,19 0,57 -0,20 -1,20 -0,87

Tunisia

412,16 -0,26 -0,88 0,57 -0,46 -0,55 -0,92

Uruguay

515,99 -1,07 -1,81 0,79 -0,43 -1,63 -1,02

Viet Nam

21