4.2.2. Raison non stratégique

La deuxième raison avancée pour expliquer pourquoi les sujets excluent les autres membres de leur groupe est d’ordre non-stratégique. Les sujets seraient incités à exclure leurs pairs lorsqu’ils jugent leur comportement déloyal, c’est à dire ceux qui ne se conforment pas à la contribution moyenne du groupe.

RESULTAT 6 : les sujets sont exclus lorsqu’ils ne se conforment pas au niveau de contribution moyen du groupe

Le graphique 10 décrit la relation qui existe entre la déviation de la contribution d’un sujet par rapport à la contribution moyenne du groupe et les sanctions en termes d’exclusion qu’il reçoit.

Dans les traitements avec exclusion (ESC et EC), les déviations négatives sont fortement sanctionnées par l’exclusion. Il apparaît que les sujets excluent également ceux qui contribuent davantage que la moyenne. Néanmoins, les déviations positives sont toujours moins fréquemment et moins fortement punies que les déviations négatives. Le tableau 5 contient les estimations de la régression sur l’analyse des déterminant des exclusions.

N= 440 N=440 Log L –152.51 Log L –114.20 LogLR–228.24 LogLR– 178.90 Pseudo R2 0.331 37 Pseudo R2 0.361 % de var. correc. % de var. correc. prédites 87.04% prédites 91.36%

Notes Ecart type en parenthèse. *** : significatif au seuil de 1% ,** significatif au seuil de 5%, * significatif au seuil de 10% .

Encadré III.2 Rappel sur le probit classique

Dans un modèle qualitatif à choix discrets, la variable expliquée ne peut prendre que deux valeurs, décision d’exclure un autre joueur ou absence d’exclusion.

On définit une variable latente , inobservable définie par la relation:

(1)

Avec x, vecteur des caractéristiques individuelles exogènes

La variable dichotomique observée est liée à la variable latente par la relation:

avec y =1, si le joueur décide d’exclure un autre joueur; y =0 sinon.

Alors Prob(=1)=Prob(>0)=Prob()

Pour un probit classique, le logarithme de la fonction de vraisemblance s'écrit:

(2)

avec,

, distribution de la loi normale centrée réduite.

La recherche des paramètres maximisant la fonction de vraisemblance conduit à définir le vecteur des dérivées premières de la fonction:

Le tableau 5 montre que le coefficient " déviation négative en valeur absolue " est positif et significatif dans les deux traitements. Ainsi un agent est d’autant plus souvent exclu qu’il contribue moins que la moyenne. En revanche, les déviations positives semblent avoir un impact plus faible et ne sont pas significatives dans le traitement ESC. La variable « contribution moyenne des autres joueurs » est négative et peu significative dans les deux traitements. Le graphique 10 et le tableau 5 montrent donc que les membres du groupe peuvent éviter d’être exclus s’ils contribuent une part élevée de leur dotation au premier projet. La contribution moyenne est de 18 ECU et de 17 ECU respectivement pour les traitements ESC et EC.