Search

Si l’appariement optimal (optimal matching) est l’approche la plus répandue en sciences sociales, les techniques de mesure de la dissemblance (ou dissimilarité) entre trajectoires sont nombreuses, chacune présentant ses avantages et ses limites. Afin de rendre les développements méthodologiques qui suivent plus intelligibles, nous utiliserons un exemple d’application purement fictif. On considère la trajectoire d’emploi d’un ensemble d’individus de l’âge de 18 ans jusqu’à 29 ans inclus. Leur ...

Dans les premiers temps de l’analyse de séquences en sciences sociales, les éléments successifs composant les séquences étaient difficiles à simplifier en un ensemble unique et limité d’états : des ajustements méthodologiques étaient parfois nécessaires pour tenir compte de la diversité et de la complexité des statuts sociaux des individus. En d’autres termes, pour faire une étude détaillée des carrières en tant que séquences, différentes dimensions doivent être considérées. Par exemple, dans...

L’hétérogénéité d’un échantillon de trajectoires individuelles est souvent très importante, ce qui en rend la description ardue, voire impossible. En ce sens, une typologie de trajectoires constitue une représentation simplifiée de l’échantillon, donc plus aisée à décrire. Toutefois, chaque classe de la typologie enfermant elle-même une certaine hétérogénéité, la question de la caractérisation et de la présentation des classes d’une manière simple et précise n’est pas triviale (voir par exemp...

Au cours des dernières décennies, l’évolution de la mobilité résidentielle, des structures familiales, des études et des parcours professionnels, ainsi que l’importance de l’interdépendance entre ces différentes sphères de la vie ont suscité un intérêt croissant pour les trajectoires biographiques. Progressivement, l’analyse des parcours de vie (life course analysis) est devenue une perspective majeure des sciences sociales, entraînant un passage de la structure au processus, du macro au micr...

En 2000, en conclusion à sa réponse aux critiques de l’optimal matching, Andrew Abbott, de manière provocatrice, donnait rendez-vous aux sceptiques trente-cinq ans plus tard pour constater le succès de l’appariement optimal (Abbott, 2000). Une vingtaine d’années après, on est tenté de lui donner raison : l’OM et l’analyse descriptive des séquences en général se sont imposés comme des outils légitimes d’analyse quantitative en sciences sociales. L’existence de l’analyse de séquences est mainte...

Même si ce manuel est principalement consacré aux typologies de trajectoires, une analyse descriptive n’implique pas nécessairement la construction d’une typologie : d’autres voies sont possibles, pour la compléter ou s’y substituer. I. Représentations graphiques L’ensemble des représentations graphiques présentées dans le chapitre 3 sont également appropriées à la comparaison des trajectoires de sous-populations (femmes versus hommes, etc.). II. Distances à une séquence de référence Certains...

Au cours des dernières décennies, l’évolution de la mobilité résidentielle, des structures familiales, des études et des parcours professionnels, ainsi que l’importance de l’interdépendance entre ces différentes sphères de la vie, a suscité un intérêt croissant pour les trajectoires biographiques. Progressivement, l’analyse des parcours de vie (life course analysis) est devenue une perspective majeure des sciences sociales. Le développement de cette perspective est lié simultanément à des questions théoriques et aux progrès des techniques de collecte et d’analyse statistique des données longitudinales.L’un des principaux attraits de l’analyse des biographies tient à la manière dont le déroulement des événements au cours du temps est ressenti par les individus : « En combien de temps puis-je espérer trouver du travail ? Quel serait l’effet d’une année d’étude supplémentaire ? »… On retrouve cette homologie avec les modèles de régression en général mais l’analyse biographique présente l’avantage d’intégrer le temps de manière réaliste.L’analyse biographique se concentre sur les événements. Pourtant, l’ambition des recherches sur les parcours de vie est aussi d’appréhender les trajectoires dans leur ensemble. Dans la pratique, une grande partie des travaux empiriques sur les parcours de vie en sciences sociales sont basés sur des méthodes centrées sur les transitions. Il est cependant possible d’adopter une autre approche, offrant la possibilité d’étudier les parcours de vie en tant qu’unité d’analyse, comme un tout.Ce manuel pratique se penche sur la méthode la plus répandue qui est celle la construction de typologies de trajectoires. Il présente les choix successifs qu’elle nécessite, du codage des données au choix final du nombre de classes de la typologie et passe en revue les méthodes de mesure de la similarité entre trajectoires, qui constitue une étape cruciale pour obtenir une typologie. Un exemple vient enfin compléter la présentation avec une application à des trajectoires d’emploi. Un tutoriel complète l’ouvrage.

I. Contexte et données On s’intéresse, dans cette application, aux trajectoires d’emploi. En particulier, on souhaite identifier les régularités au sein des carrières, i.e. les principaux types de trajectoires. Les données utilisées sont issues de l’enquête Biographies et entourage, collectée par l’Ined en 2001. Celle-ci retrace les histoires familiale, résidentielle et professionnelle de 2 830 Franciliens nés entre 1930 et 1950, ainsi que celles de leur entourage (Lelièvre et Vivier, 2001). ...

De plus en plus de données permettent d’effectuer des analyses multiniveaux, dans les pays du Nord comme dans ceux du Sud. Dans certains cas, il s’agit de données collectées spécifiquement dans cette perspective, comprenant des informations au niveau individuel et d’autres à un niveau méso défini selon la problématique : les entreprises employant les individus enquêtés (enquêtes couplées Famille et Employeurs au nord), les localités de résidence des individus (enquête Migration, insertion urb...

Les méthodes multiniveaux sont relativement anciennes mais cela ne fait qu’une dizaine d’années que les logiciels de statistique usuels permettent de les mettre en œuvre de manière simple. De nombreux ouvrages ou documents de travail ont été récemment édités sur cette thématique, certains concernant la mise en œuvre pratique des modèles. Nous pouvons notamment citer Wang (2012) ou Givord et Guillerm (2016). Peu cependant sont adaptés pour des débutants. Beaucoup d’écueils jalonnent l’analyse....

Il peut arriver que des modèles ne tournent pas, avec certaines procédures ou fonctions de certains logiciels ou avec toutes. Pour aborder ce point, il est important de comprendre les différences entre les algorithmes utilisés par les procédures courantes de nos trois logiciels. Nous pourrons ensuite présenter un aperçu des difficultés courantes. Enfin, nous verrons comment moduler et réutiliser les résultats ainsi que quelques pistes d’analyse complémentaires. 1. Les procédures de calcul Les...

1. Choix d’une stratégie de modélisation Avant toute mise en œuvre, il est important de s’interroger sur la stratégie de modélisation à définir. En effet, l’un des problèmes importants de l’analyse multiniveau est la démarche qu’il faut adopter pour intégrer les variables explicatives : dans quel ordre, selon quelle logique. En régression, deux méthodes sont généralement opposées. La première part du modèle vide et intègre pas à pas les différentes dimensions explicatives. La seconde, inverse...

La préparation de la base de données est une étape importante de la modélisation multiniveau. C’est une partie fondamentale de l’analyse et incontestablement celle qui prend le plus de temps, notamment pour la recherche de variables explicatives exogènes qui constitue souvent une démarche délicate. En dehors des enquêtes qui ont intégré une collecte de données contextuelles, il n’est pas évident de trouver des données contextuelles qui couvrent l’ensemble des unités d’agrégation utilisables d...

Avant toute modélisation multiniveau, quel que soit le type de modélisation, il est important dans un premier temps de faire tourner le modèle au niveau individuel. C’est ce que nous proposons ici, avec une régression logistique simple, ainsi que quelques autres modélisations des données au niveau individu, mais prenant en compte des variables contextuelles. 1. Effectuer une régression logistique au niveau individuel Compte tenu des valeurs permises pour la variable à expliquer (school, ne pr...

La démographie associe différents niveaux d’observation, des populations aux individus qui les forment, et de ces individus aux événements qui jalonnent leur vie, depuis la naissance jusqu’au décès. La description et l’analyse de ces événements individuels, facteurs directs ou indirects de l’évolution de la structure des populations, font intervenir simultanément le niveau des individus et celui de la population à laquelle ils appartiennent. Les méthodes d’analyse simultanée à différents nive...

International audience; Ce manuel pratique est destiné à tous les utilisateurs de bases de données statistiques qui souhaitent développer ou approfondir leurs connaissances en analyse longitudinalemutiniveau. Son objectif est de guider le lecteur dans ses premiers pas en analyse multiniveau posant des bases solides à la conceptualisation et à la mise en œuvre d’une approche multiniveau. En démographie, la description et l’analyse d’événements individuels, facteurs directs ou indirects des transformations sociales, font intervenir simultanément différents niveaux d’observation, depuis les individus eux-mêmes jusqu’à celui de la population à laquelle ils appartiennent. Mener une analyse statistique à différents niveaux dans un seul et même modèle apporte à l’approche quantitative une précision supplémentaire. Cet ouvrage détaille et illustre la démarche à suivre pour mettre en œuvre un modèle multiniveau, ses prérequis, ses attendus et ses limites. La démarche pédagogique des auteurs se fonde sur l’utilisation des trois logiciels de programmation les plus courants, Stata®, SAS® et R et est illustrée par l’exemple d’une modélisation des facteurs de la scolarisation au Kenya, menée pas à pas sur des données de recensement. Il donne également des pistes de lecture pour aller plus loin, remplissant ainsi pleinement son objectif pédagogique.

Firstly the chapter points out the causes which explain the statistical invisibility of the Social economy organizations (SEO), especially the rules of the national accounts, (section 1) then it analyzes the progress realized for the last 20 years, by insisting on the approach which allowed to reach a common methodology, aknoxledged by the UNO, 2003 (section 2). It shows how the application of this methodology allows to build satellite accounts of the non-profit Institutions, then, in a future not to far, of the ESS (section 3). He insists finally on the delicate measure of the voluntary work, from now on standardized by the ILO.; Après avoir cerné les causes qui expliquent l'invisibilité statistique des organisations de l'économie sociale et solidaire (OESS), et privilégié les conventions des comptes nationaux, (section 1) ce chapitre analyse les progrès réalisés depuis les 20 dernières années, en insistant sur la démarche qui a permis d'atteindre une méthodologie commune, désormais consacrée par l'ONU (section 2). Puis il montre comment l'application de cette méthodologie permet de construire des comptes satellites des Institutions sans but lucratif, puis, dans un futur que l'on espère proche, de l'ESS (section 3). Il insiste finalement sur la délicate mesure du travail bénévole, désormais normalisée par le BIT.

L’objectif de cette thèse est la mise au point d’une méthodologie d’analyse de l’impact des incertitudes des paramètres sols, lors de leur estimation à partir de la Base de Données Géographique des Sols de France à 1/1 000 000, sur les sorties du modèle de culture Stics. Développée avec la plateforme de modélisation RECORD, la méthodologie a été testée sur une Unité Typologique de Sol (UTS) test, sur 36 scénarios combinant des années climatiques sèches ou humides, trois occupations du sol (sol nu, blé, maïs) et, pour le maïs, deux scénarios d’irrigation. Les facteurs de l’analyse d’incertitude sont les paramètres sols de Stics liés au bilan hydrique ainsi que la teneur en eau initiale. Les variables de sortie analysées sont celles du bilan hydrique et les principales variables agronomiques. Les résultats sur l’UTS test montrent une forte incertitude sur la Réserve Utile (variant de 63 à 248 mm), d’abord expliquée par la variation de l’humidité utile des horizons profonds et ensuite par la profondeur du sol. Les incertitudes observées sur les sorties du modèle varient selon les types d’années climatiques, les occupations du sol et les variables de sortie. L’effet des incertitudes des paramètres sols s’exprime davantage lorsque le climat est sec et avec une culture de printemps. Les plus fortes incertitudes relatives sont observées sur le drainage cumulé, puis sur les biomasses et l’indice de surface foliaire. Enfin, les incertitudes sur les variables de sortie sont majoritairement dues à celles de la teneur en eau initiale (drainage, rapport RSURRU) et à celles de la Réserve Utile (transpiration, biomasses).

Université : Université scientifique et médicale de Grenoble; Le travail présenté traite d'un point de vue méthodologique nouveau, divers exemples. Pour chacun d'eux, on propose plusieurs solutions ouvrant la voie à la discussion