Stratégies de collecte de données et de modélisation dans l'estimation de flux bruts relatifs à la population active entachés d'erreurs de classification

Les flux bruts entre situations d'activité sont d'une grande importance pour comprendre la dynamique du marché du travail. Les flux observés sont généralement entachés d'erreurs de classification qui peuvent introduire des biais importants. Dans le présent article, nous passons en revue certaines des stratégies les plus couramment utilisées pour recueillir des données longitudinales sur la situation par rapport au marché du travail, ainsi que des méthodes de modélisation qui ont été créées pour corriger les flux bruts lorsqu'ils présentent des erreurs de classification. Nous présentons un cadre général pour l'estimation des flux bruts. Nous donnons des exemples des diverses spécifications de modèle appliquées à des données qui ont été recueillies avec des stratégies différentes. Nous considérons en particulier deux cas, c'est-à-dire les flux bruts de la U.S. Survey of Income and Program Participation et les flux bruts de l'Enquête française sur la population active, qui est une enquête annuelle dans laquelle on recueille des données mensuelles rétrospectives.