Nous connaissons tous la vérité sur le succès : le succès ne dort pas. Tout le monde croit que plus de travail équivaut à plus de succès, qu’il s’agisse d’un PDG de technologie qui dirige une startup risquée ou d’un auteur bien connu qui travaille sur son prochain best-seller. C’est un compromis que la plupart des gens s’attendent à faire un jour, même s’ils ne le font pas déjà.
Cependant, il est souvent difficile de trouver des données scientifiques qui soutiennent cette idée. Nous voulions savoir comment fonctionne réellement le compromis sommeil/travail. Est-il vraiment vrai que dormir moins équivaut à gagner plus ? Existe-t-il des exceptions à cette règle ? Comment les différentes carrières se comparent-elles à cet égard ?
Nous n’avons pas pu trouver de réponses claires, nous avons donc décidé de faire nos recherches. Nous nous sommes tournés vers l’une des sources les plus fiables pour obtenir des réponses : l’enquête américaine sur l’utilisation du temps 2016, Bureau of Labor Statistics 2016. L’enquête américaine sur l’utilisation du temps, publiée chaque année depuis 2004, donne aux journalistes, analystes et spécialistes des sciences sociales un aperçu complet à la vie quotidienne des Américains, y compris leurs horaires de travail, leurs habitudes de sommeil et leurs activités chronophages.
Les données du BLS pour 2016 comprenaient des données d’environ 10 000 répondants. Ces données ont été utilisées pour effectuer une analyse de régression. Nous avons pu déterminer la relation entre les heures travaillées (en savoir plus ci-dessous)
Ces résultats étaient incroyables. Nous avons confirmé certaines hypothèses, comme le fait que les avocats sont les mieux payés tout en dormant le moins et en travaillant le plus longtemps. Certains résultats étaient plus imprévisibles. Les scientifiques et les architectes recevaient un salaire hebdomadaire élevé, mais se rapprochaient du sommeil moyen. Les enseignants, dont on pourrait s’attendre à ce qu’ils soient à la fois à faible revenu et à faible sommeil, étaient presque identiques à la moyenne dans ces deux catégories. Bien que la règle générale soit que plus vous travaillez, plus vous gagnez et moins vous dormez, il y avait quelques exceptions. Vous serez surpris de ce que vous découvrirez sur les codeurs.
Ces types de comparaisons entre professions ont été le véritable fruit de notre travail d’analyse. Nous avons compilé ces données dans de beaux graphiques et les avons rendues faciles à comprendre et à lire. C’est facile à utiliser. Recherchez simplement votre emploi et comparez vos statistiques de travail et de sommeil avec d’autres options de carrière.
Nos Découvertes
Méthodologie/Recherche
Transformations De Données
Ce rapport a utilisé les données de l’American Time Use Survey 2016 du Bureau of Labor Statistics (qui comptait environ 10 000 répondants). L’enquête fournira un aperçu des habitudes de sommeil américaines. Les données ont été recueillies à partir de trois sources afin d’accomplir cela.
1) Le fichier ATUS Répondant contient des informations sur l’emploi et les salaires des répondants. 2) Le fichier ATUS Roster contient des informations de base sur les répondants, telles que leur âge et leur sexe
. 3) Le fichier ATUS Activity Summary Data contient la quantité totale de sommeil par jour pour chaque période.
Les données du modèle linéaire ont été reformatées pour n’inclure que les répondants employés ayant des informations sur les salaires de base et les heures travaillées. Les répondants qui n’ont pas fourni cette information ont été exclus. Cela réduit l’ensemble de données à 3165 répondants et limite modérément la possibilité de généralisation à la population plus large.
Les données pour les moyennes des professions ont également été reformatées pour exclure les répondants ayant des salaires, des heures travaillées ou des informations sur les codes de profession. Cela a abaissé l’ensemble à un peu plus de 1500 personnes. Les différences entre les groupes d’employés et de non-employés peuvent être dues à des statuts d’emploi subjectifs (à temps plein/à temps partiel, sous-traitant, etc.) qui ne sont pas inclus dans cette analyse.
Les données du BLS pourraient être repondérées pour permettre une généralisabilité avec des ressources supplémentaires. Cependant, pour l’instant, le rapport ne doit être considéré que comme exploratoire.
Modèle linéaire
Les variables indépendantes ont été ajoutées une à la fois (une analyse hiérarchique) au modèle en fonction de leur degré de corrélation avec la variable dépendante (minutes de sommeil) et d’une évaluation qualitative de la pertinence.
Le tableau ci-dessous indique l’ordre dans lequel les inclusions doivent être faites.
Les variables ont été évaluées pour leur signification à chaque étape. Aucune variable n’a été retirée de l’analyse car elles ont toutes montré des résultats significatifs. VIF n’a pas indiqué de problèmes de multicolinéarité à aucun stade de la régression.
