Analyse descriptive de la dynamique de la pauvreté

Analyse descriptive de la dynamique de la pauvreté

Notions de faible revenu

La présente étude s’intéresse aux déterminants qui influencent les transitions dans la pauvreté auCanada.Ilestprimordialdedéfiniràquoicorrespondlanotiondefaiblerevenuetdequelle façon elle est mesurée. Cette définition s’appuie sur deux concepts : la notion de revenu et l’indice de faible revenu qui est utilisé.En premier lieu, il est primordial de définir le type de revenu qui est utilisé (Jäntti et Jenkins (2015); Burkhauser et Couch (1993)). Comme nous tentons de comparer la situation au Québec et en Ontario, la définition du revenu influencera les résultats. Il faut notamment décider si le revenu est comptabilisé brut ou net et si ce dernier inclut les différents transferts gouvernementaux ou non. Le revenu peut aussi inclure les revenus en dividendes ou en intérêts. Il est donc important d’utiliser une mesure qui soit représentative de ce que l’on cherche à mesurer. Bibi et Duclos (2010) comparent la pauvreté au Québec et au Canada à l’aide de différentes unités de revenu. Ces derniers soulignent qu’étant donné que le Québec disposed’unfiletsocialimportantparrapportàl’ensembleduCanada,une mesure du revenu excluant les transferts gouvernementaux aurait tendance à surestimer la pauvreté au Québec par rapport au reste du Canada. Dans un deuxième temps, il faut définir le salaire utilisé, à savoir si nous mesurons la pauvreté selon le salaire des individus ou des ménages. Le choix de l’unité salariale aura un impact considérable, notamment sur l’analyse, mais aussi sur les résultats. Selon Bibi et Duclos (2010), il est préférable, à des fins de comparaison, d’utiliser le revenu après impôts et transferts des ménages afin de bien capter l’effet du filet social. Cette méthodologie est utilisée notamment par Curtis et Rybczynski (2014) qui tirent leurs données de l’EDTR. Toutefois, la disponibilité des données constitue un enjeu important en science économique. Dans le cas de la présente recherche, les microdonnées fournies par Statistiques Canada permettent seulement d’obtenir le revenu après impôts et transferts pour les individus, ou encore le revenu total des ménages. Bien qu’il soit comptabilisé de façon brute, nous avons choisi d’utiliser le revenu total des ménages, soit après transfert. En effet, il arrive qu’une seule des deux personnes composant le ménage travaille. En pareil cas, la personne qui ne travaille pas serait réputée être en situation de pauvreté alors que ce n’est pas nécessairement le cas.
Selon la définition de Statistiques Canada,le revenu total utilisé dans l’ÉLIA inclut les revenus de marché ainsi que les transferts gouvernementaux suivants : — les revenus d’emploi tirés des traitements, salaires, pourboires et commissions ainsi que le revenu net provenant d’un travail autonome (activités d’une ferme non constituée en société et activités non agricoles); — les revenus de placements, comme les dividendes et l’intérêt sur les obligations, les comptes,les certificats deplacement garanti(CPG) et les fonds communs de placement; — les revenus provenant d’un régime de pension d’employeur et de fonds de retraite personnels,parexemple,les rentes de retraite privées,les rentes et les paiements reçus d’un fonds enregistré de revenu de retraite (FERR); — les autres revenus en espèces réguliers, comme les paiements de soutien pour un enfant, les pensions alimentaires reçues et les bourses d’études; — les revenus provenant de sources gouvernementales, comme les prestations d’assistance sociale,les prestations pour enfants et de l’assurance emploi,la pension de la sécurité de la vieillesse, les prestations du Régime de rentes du Québec et du Régime de pensions du Canada et les rentes d’invalidité. Les revenus exclus de la définition du revenu total sont : — les rentrées d’argent ponctuelles, comme les gains de loterie, les gains de jeux, les héritages en argent, les règlements monétaires forfaitaires d’assurance et les retraits d’un compte d’épargne libre d’impôt (CELI) ou d’un régime enregistré d’épargne-retraite (REER) — les gains en capital parce que, de par leur nature, ils ne sont pas réguliers ni récurrents. De plus, on considère qu’ils se rapportent davantage au concept du patrimoine plutôt qu’à celui du revenu — les cotisations des employeurs aux régimes de pension agréés, au Régime de rentes du Québec, au Régime de pensions du Canada, et à l’assurance emploi pour le troc et les biens produits pour consommation propre. Pour la mesure du revenu familial, Statistique Canada (2015) suggère d’ajuster le revenu des ménages en le divisant par la racine carrée du nombre de personnes dans le ménage. Cependant, dans le cas de la présente étude, aucun ajustement du salaire n’a été fait en raison du manque de données sur le nombre d’enfants.
Après avoir défini la façon dont est mesuré le revenu, il faut fixer un seuil qui représente la limite du faible revenu. Elle peut se définir selon un seuil de pauvreté absolu, qui indique le niveau de revenu tout juste nécessaire pour subvenir à des besoins essentiels, ou selon un seuilrelatifquiévolueavecleniveaudeviereprésentatifd’unesociété(BibietDuclos(2010)).
Dans le cas de la présente étude, c’est la MFR qui sera utilisée. La MFR constitue un seuil relatif fixé à 50% du revenu familial médian canadien. La MFR est une mesure qui se base exclusivement sur la distribution du revenu des ménages canadiens. En pratique, la MFR constitue le seuil de pauvreté le plus couramment utilisé dans les études portant sur l’analyse de la pauvreté au Canada.

Modèles de survie en temps discret

L’objectif du présent mémoire est d’analyser les déterminants qui influencent la sortie et l’entrée dans la pauvreté. Plus particulièrement, nous cherchons à évaluer l’impact des caractéristiquessocio-économiquesurlestransitionsetsurlapersistancedelapauvretéauQuébec etenOntario,etce,enanalysantdifférentsscénariosd’entréeetdesortiedelapauvreté.Pour ce faire, une analyse de survie, aussi appelée analyse de durée, a été menée. Cette méthodologie est grandement utilisée dans le domaine médical et plus particulièrement dans les études relatives aux données de survie. Elle permet notamment de modéliser le délai avant qu’un événement se produise. Par exemple, l’analyse de survie peut servir à analyser les caractéristiques qui influencent la probabilité qu’un patient sorte de l’hôpital ou avant que celui-ci ne vive une rechute. Elle peut également être utilisée pour déterminer quelles caractéristiques font en sorte qu’un individu se marie plus tard qu’un autre. Dans notre cas, les événements modélisés sont l’entrée et la sortie de la pauvreté.Comme nous disposons de données annuelles, l’analyse réalisée doit être en temps discret. Stata ne dispose pas de modèle à proprement parler pour les modèles de survie en temps discret. Cependant, certains modèles peuvent être adaptés aux données en temps discret. L’estimation de ces modèles utilise la propriété selon laquelle la vraisemblance de l’échantillon peut être réécrite dans une forme identique à la probabilité d’un modèle de régression multiple à variable dépendante binaire et appliquée à un ensemble de données spécialement organisé (Allison (1982); Jenkins (1995); Prentice et Gloeckler (1978)).Nous définissons donc le taux de risque en temps discret tel que : Pit = Pr(Ti = t|Ti ≥ t,xit) (2.1) Où xit représente un vecteur de variables explicatives pour chacune des périodes où le sujet est à risque. Les données doivent être organisées de manière à ce qu’il y ait une observation pour chaque période où le sujet est à risque de subir l’événement de transition. Chaque année dispose d’une variable binaire qui est égale à 1 si l’événement de transition se produit. Par exemple, pour un épisode de pauvreté qui dure plusieurs années, il y aura autant d’observations que d’années et la variable événement égale 1 seulement pour la dernière année, puisque la transition a lieu. Il est ainsi possible prendre en compte les variables qui changent dans le temps. En introduisant des variables de durée dans la régression, il est possible de quantifier l’effet d’avoir passé plusieurs années dans un état sur la probabilité d’en sortir.Après avoir organisé les données,un simple modèle de régression à variable dépendante binaire peut être estimé. Le modèle doit également inclure des variables de durées comme variables explicatives. La variable dépendante est égale à 1 lorsque l’événement, soit la sortie ou l’entrée dans la pauvreté, se produit. Une simple régression logistique ou encore la régression log-log complémentaire peuvent être utilisées. Pour analyser les différents scénarios d’entrée et de sortie, une analyse des risques concurrents (competing risk analysis) a été réalisée. Ces trois modèles ont donc été estimés dans le cadre de la présente recherche. La description des modèles apparait ci-dessous.

Table des matières

Table des matières
Résumé
Liste des tableaux
Remerciements
Introduction
1. Revue de littérature
1.1 Analyse descriptive de la dynamique de la pauvreté
1.2 Analyse statistique de la dynamique de la pauvreté
1.3 Principaux constats
1.4 Problématique
2 Méthodologie
2.1 Notions de faible revenu
2.2 Modèles de survie en temps discret
3 Données et échantillonnage
3.1 Base de données
3.2 Échantillon
3.3 Variables
3.4 Statistiques descriptives
4 Résultats
4.1 Sortie de la pauvreté
4.2 Entrée dans la pauvreté
5 Discussion
5.1 Principaux constats
5.2 Limites
Conclusion
Bibliographie

Télécharger le rapport complet