Base de données longitudinales sur l’immigration (BDIM) – Rapport technique, 2020
Annexes
Passer au texte
Début du texte
A. Liens vers les principaux documents et pages Web relatifs à la BDIM
Dictionnaires (composantes sur les impôts et l’immigration) :
Disponible aux utilisateurs de données ou sur demande en communiquant avec Statistique Canada par courriel à l’adresse STATCAN.infostats-infostats.STATCAN@canada.ca)
Portail sur les statistiques sur les immigrants et résidents non permanents : Le portail sur les immigrants et résidents non permanents regroupe les données les plus demandées, des outils et des rapports sur une seule page.
Historique de la BDIM
Publications de la BDIM dans Le Quotidien
Cornelissen, L. 2021. Portrait des personnes immigrantes qui exercent une profession infirmière ou d’aide aux soins de santé. Statistique Canada : Regards sur la société canadienne.
Evra, R. et Kazemipur, A. 2019. Rôle du capital social et des caractéristiques ethnoculturelles dans le revenu d’emploi des immigrants au fil du temps. Statistique Canada : Regards sur la société canadienne.
Hou, F., Crossman, E. et Picot, G. 2020. Sélection des immigrants en deux étapes : l’expérience de travail spécialisé par rapport à un emploi réservé. Statistique Canada : Aperçus économiques.
Huystee, M. 2016. Mobilité interprovinciale : Taux de rétention et taux d’entrée nets immigrants admis de 2008 à 2013. IRCC Rapports de recherche.
Ng, E. et Zhang, H. 2020. La santé mentale des immigrants et des réfugiés : données canadiennes provenant d’une base de données couplée au niveau national. Statistique Canada : Rapports sur la santé.
Ng, E et al. 2019. Utilisation des services hospitaliers liée à la tuberculose chez les nouveaux immigrants au Canada. Statistique Canada: Rapports sur la santé.
Picot, G, et Lu, Y. 2017. Faible revenue chronique chez les immigrants au Canada et dans ses collectivités. Statistique Canada.
Indice des prix à la consommation (62-001-X) :
Description des estimations annuelles du revenu des familles de recensement et des particuliers (Fichier sur la famille T1) :
B. Couverture
La BDIM de 2020 a été utilisée pour produire ces chiffres. Les déclarants sont des immigrants couplés ayant produit au moins une déclaration de revenus depuis 1982. Les statistiques au-dessous exclues les admissions de 2019.
| Année | DécalrantsTableau 15 Note 1 | Non-déclarants | Total | |
|---|---|---|---|---|
| Immigrants | Immigrants | Immigrants | Déclarants | |
| nombre | pourcentage | |||
| 1980 | 120 450 | 22 670 | 143 120 | 84,2 |
| 1981 | 107 710 | 20 870 | 128 580 | 83,8 |
| 1982 | 103 440 | 17 660 | 121 090 | 85,4 |
| 1983 | 77 110 | 11 920 | 89 030 | 86,6 |
| 1984 | 77 500 | 10 530 | 88 030 | 88,0 |
| 1985 | 75 070 | 8 870 | 83 940 | 89,4 |
| 1986 | 89 070 | 9 710 | 98 770 | 90,2 |
| 1987 | 137 540 | 13 630 | 151 170 | 91,0 |
| 1988 | 146 250 | 14 500 | 160 760 | 91,0 |
| 1989 | 173 910 | 16 750 | 190 660 | 91,2 |
| 1990 | 192 260 | 23 170 | 215 430 | 89,2 |
| 1991 | 208 560 | 23 260 | 231 820 | 90,0 |
| 1992 | 228 650 | 25 280 | 253 930 | 90,0 |
| 1993 | 230 890 | 24 790 | 255 680 | 90,3 |
| 1994 | 198 860 | 24 740 | 223 600 | 88,9 |
| 1995 | 188 890 | 23 270 | 212 150 | 89,0 |
| 1996 | 198 740 | 26 630 | 225 360 | 88,2 |
| 1997 | 189 630 | 25 820 | 215 460 | 88,0 |
| 1998 | 155 630 | 18 060 | 173 680 | 89,6 |
| 1999 | 169 150 | 20 220 | 189 370 | 89,3 |
| 2000 | 203 960 | 22 790 | 226 750 | 90,0 |
| 2001 | 225 220 | 24 550 | 249 770 | 90,2 |
| 2002 | 204 750 | 23 460 | 228 210 | 89,7 |
| 2003 | 196 710 | 23 820 | 220 530 | 89,2 |
| 2004 | 208 470 | 26 880 | 235 350 | 88,6 |
| 2005 | 228 450 | 33 330 | 261 780 | 87,3 |
| 2006 | 217 980 | 33 130 | 251 110 | 86,8 |
| 2007 | 203 120 | 33 060 | 236 180 | 86,0 |
| 2008 | 208 900 | 37 710 | 246 610 | 84,7 |
| 2009 | 212 670 | 38 920 | 251 590 | 84,5 |
| 2010 | 230 300 | 49 770 | 280 070 | 82,2 |
| 2011 | 201 580 | 46 540 | 248 120 | 81,2 |
| 2012 | 209 320 | 47 920 | 257 240 | 81,4 |
| 2013 | 209 420 | 49 080 | 258 500 | 81,0 |
| 2014 | 210 940 | 48 560 | 259 510 | 81,3 |
| 2015 | 215 470 | 55 530 | 271 000 | 79,5 |
| 2016 | 222 860 | 72 530 | 295 390 | 75,4 |
| 2017 | 220 760 | 64 570 | 285 320 | 77,4 |
| 2018 | 233 690 | 86 100 | 319 790 | 73,1 |
| 2019 | 228 510 | 111 240 | 339 750 | 67,3 |
| Total | 7 362 380 | 1 311 810 | 8 674 190 | 84,9 |
Source : Statistique Canada, Base de données longitudinales sur l’immigration 2020. |
||||
| Sexe et cohortes | Âge à l’admission | ||||||
|---|---|---|---|---|---|---|---|
| 0 à 14 ans | 15 à 24 ans | 25 à 34 ans | 35 à 49 ans | 50 à 64 ans | 65 ans et plus | Total | |
| pourcentage | |||||||
| Cohortes de 1980 à 1989 | |||||||
| Hommes | 82,7 | 93,9 | 95,0 | 93,5 | 84,8 | 62,6 | 89,4 |
| Femmes | 81,6 | 91,5 | 93,4 | 92,6 | 81,5 | 60,5 | 87,2 |
| Total | 82,2 | 92,7 | 94,2 | 93,0 | 82,9 | 61,4 | 88,3 |
| Cohortes de 1990 à 1999 | |||||||
| Hommes | 82,0 | 93,0 | 93,0 | 92,7 | 90,0 | 76,8 | 89,7 |
| Femmes | 80,2 | 91,5 | 92,7 | 92,8 | 88,1 | 75,5 | 88,9 |
| Total | 81,1 | 92,1 | 92,9 | 92,8 | 89,0 | 76,0 | 89,3 |
| Cohortes de 2000 à 2009 | |||||||
| Hommes | 69,8 | 93,1 | 91,9 | 92,8 | 93,1 | 89,3 | 87,3 |
| Femmes | 68,5 | 92,5 | 92,9 | 93,7 | 92,8 | 87,6 | 88,0 |
| Total | 69,2 | 92,8 | 92,4 | 93,3 | 92,9 | 88,3 | 87,6 |
| Cohortes de 2010 à 2016 | |||||||
| Hommes | 17,1 | 90,5 | 93,7 | 93,2 | 90,0 | 82,0 | 76,6 |
| Femmes | 17,0 | 91,2 | 93,8 | 94,2 | 88,9 | 81,5 | 78,5 |
| Total | 17,1 | 90,9 | 93,8 | 93,7 | 89,4 | 81,7 | 77,6 |
| Source : Statistique Canada, Base de données longitudinales sur l'immigration de 2020 | |||||||
C. Analyses précédentes
Depuis sa création, la BDIM permis de produire plusieurs analyses. Trouvez ci-après un résumé de certaines des études de Statistique Canada fondées sur la BDIM.
Ces dernières années, plusieurs publications du Quotidien se sont basées sur la BDIM. Les sujets discutés ont inclus l’évolution de la répartition régionale des nouveaux immigrants au Canada, le revenu et la mobilité des immigrants, les immigrants dans les régions et les immigrants qui quittent le Canada. Ces articles sont accessibles sur le site Web de Statistique Canada.
Les séries de publications L’emploi et le revenu en perspective (75-001-X) et de documents de recherche de la Direction des études analytiques ont proposé plusieurs documents fondés sur la BDIM. Parmi les sujets couverts, on peut citer le revenu des immigrants qui entreprennent des études postsecondaires au Canada et les avantages en matière de revenu des immigrants admis ayant été auparavant résidents temporaires au Canada.
D. Pratiques exemplaires et conseils pour les analystes
D.1 Conseils de programmation
Cette section offre des renseignements relatifs à la programmation pour les personnes souhaitant mieux comprendre la structure de programmation utilisée pour accéder aux données des fichiers de la BDIM. Toute personne peut utiliser sa propre programmation. Il existe deux types de fichiers au sein de la BDIM : les fichiers de données annuelles de la BDIM et les données sur l’immigration (pour de plus amples détails sur les fichiers constituant la BDIM, reportez-vous à la section 3). Le nom des variables relatives à l’impôt dans la BDIM consiste en trois parties : 1) le sigle indiqué dans le dictionnaire sur les données fiscales de la BDIM, 2) le niveau d’agrégation (I ou F) et 3) l’année (l’extension de l’année à quatre chiffres existe dans la plupart des cas, mais pas tous).
Exemple : La variable de revenus d’intérêts et d’investissements au niveau individuel pour 2014 serait intitulée INVI_I2014.
Les observations contenues dans les fichiers de la BDIM sont triées en fonction d’une variable, IMDB_ID (qui ne comprend pas d’extension d’année), permettant aux utilisateurs de maintenir un lien entre les années. L’accès aux données est rendu possible par le langage de programmation SAS. Un exemple de programme SAS permettant d’accéder aux données de la BDIM est fourni ci-dessous. Les exemples ci-dessous permettent d’effectuer la tâche suivante :
« obtenir le nombre de bénéficiaires d’aide sociale (AS) parmi les immigrants admis entre 2007 et 2012, vivant en Ontario entre 2015 et 2017 et pour lesquels aucun revenu ne figurait sur leur feuillet T4, par sexe et année (de 2015 à 2017) ».
Nous encourageons les chercheurs utilisant nouvellement la BDIM à passer cet exemple de programme SAS en revue. L’exemple comprend généralement trois composantes :
- la configuration de la bibliothèque : les attributions de bibliothèque sur les deux premières lignes sont les emplacements des fichiers d’entrée (première ligne) et de sortie (deuxième ligne);
- les étapes permettant de générer un ensemble de données de travail :
- Les fichiers d’entrée étant au format SAS, ils sont accessibles au moyen d’une instruction SET ou MERGE.
- Ce programme vise à obtenir le nombre de bénéficiaires d’aide sociale (AS) parmi les immigrants :
- admis entre 2007 et 2012;
- vivant en Ontario de 2015 à 2017;
- dont le feuillet T4 n’indiquait aucun revenu; et génère le nombre de bénéficiaires d’aide sociale, par sexe et année (dans ce cas, de 2015 à 2017);
- l’ensemble de données utilisé pour produire le nombre de bénéficiaires d’aide sociale. Cette partie, qui commence par « proc freq », produit les chiffres souhaités, tels qu’ils sont précisés dans le reste du document. À la fin du programme, quatre tableaux sont générés à partir du fichier de données créé.
Il est généralement recommandé que les programmes utilisent des variables figurant dans le FRPN plutôt que dans les fichiers de données fiscales annuelles, par souci de cohérence. L’exemple de programme utilise, par exemple, la variable de groupement par sexe (GENDER), variable figurant dans le FRPN (PNRF), plutôt que SXCO_I&YEAR, variable figurant dans le fichier IMDB_T1FF annuel. Dans ce programme, seules les personnes ayant rempli une déclaration chaque année entre 2015 et 2017 sont sélectionnées.
Lors de toute programmation dans SAS, il est important de distinguer les valeurs manquantes des zéros présents dans les champs numériques. Dans SAS, la plupart des opérations mathématiques effectuées avec des valeurs manquantes produiront des valeurs manquantes. Dans la BDIM, pour les années au cours desquelles une personne est présente, les variables numériques qui ne s’appliquent pas à cette personne prennent la valeur zéro « 0 ». Par exemple, si une personne sans conjoint a déclaré un revenu en 2015, la valeur de la variable RRSPSI2015 (contributions au REER d’un conjoint) devrait être zéro « 0 ». Si cette personne n’avait pas produit de déclaration de revenus en 2015, la valeur serait manquante.
Exemple de programme pour la BDIM
* Exemple de programme SAS pour la BDIM
libname source1 ‘FILEFOLDER1’; * emplacement des fichiers de la BDIM;
libname Out ‘FILEFOLDER2’; * répertoire de l’utilisateur ;
* L’objectif de ce programme est d’utiliser la BDIM pour obtenir le nombre de personnes recevant des prestations d’aide sociale, vivant en Ontario, pour lesquelles aucun revenu d’emploi ne figurait sur leur feuillet T4, selon le sexe et l’année (dans ce cas, de 2015 à 2017). Les données relatives aux provinces et aux revenus proviennent des fichiers annuels de la BDIM, alors que la variable relative au sexe provient du fichier PNRF_1980_2019 (FRPN). ;
* La première étape est de créer un fichier de données contenant toute l’information nécessaire à la création de nos tableaux. Ce fichier est nommé SAOnt et est enregistré dans le répertoire de sortie. L’identifiant longitudinal (IMDB_ID) est utilisé pour fusionner les ensembles de données annuels de la BDIM. ;
data out.SAOnt;
merge
source1.imdb _ t1ff _ 2015(where=(prco _ i2015 = 5 and outlier _ ind2015=0) in=a
keep=imdb _ id prco _ i2015 saspyf2010 t4e __ i2015 outlier _ ind2015)
source1.imdb _ t1ff _ 2016(where=(prco _ i2016 = 5 and outlier _ ind2016=0) in=b
keep= imdb _ id prco _ i2016 saspyf2016 t4e __ i2016 outlier _ ind2016)
source1.imdb _ t1ff _ 2017(where=(prco _ i2017 = 5 and outlier _ ind2017=0) in=c
keep= imdb _ id prco _ i2017 saspyf2012 t4e __ i2017 outlier _ ind2017)
source1.pnrf _ 1980_2019(keep= imdb _ id gender landing _ year immigration _ category);
by IMDB _ id ;
If a and b and c and (landing _ year>=2007 and landing _ year<=2012);
* La personne doit avoir produit une déclaration de revenus pour chacune des trois années, ne pas être une valeur aberrante, et avoir été admise entre 2007 et 2012 (population d’intérêt).;
* On crée une variable dichotomique identifiant les bénéficiaires d’aide sociale pour chaque année. Cela produit trois variables :
flag_sa2015, flag_sa2016 et flag_sa2017, prenant la valeur 1 ou 0.;
If (t4e __ i2015=0 and saspyf2015>0) then flag _ sa2015 = 1 ;
else flag _ sa2015 = 0 ;
if (t4e __ i2016=0 and saspyf2016>0) then flag _ sa2016 = 1 ;
else flag _ sa2016 = 0 ;
if (t4e __ i2017=0 and saspyf2017>0) then flag _ sa2017 = 1 ;
else flag _ sa2017 = 0 ;
run;
* La procédure ’freq’ de SAS permet de produire nos tableaux. On doit ensuite s’assurer que les règles relatives à la confidentialité sont respectées. ;
proc freq data = out.SAOnt;
tables immigration _ category*flag _ sa2015*flag _ sa2016*flag _ sa2017
gender*flag _ sa2015*flag _ sa2016*flag _ sa2017 /missing ;
run ;
* Fin de l’exemple de programmation.;
D.2 Création d’une cohorte
Avant de commencer l’analyse, il est essentiel de déterminer la cohorte d’intérêt. Cette cohorte peut être limitée par l’année d’admission, des variables géographiques ou toute autre variable d’intérêt (p. ex. la catégorie d’admission ou le sexe), selon les besoins du chercheur. Une cohorte unique clairement définie doit être choisie pour assurer la comparabilité. Un chercheur peut s’intéresser, par exemple, aux femmes admises en 2000 et vivant au sein d’une famille ayant reçu l’aide sociale en 2001 (tableau 17). Une question d’étude relative à cette cohorte pourrait être « Quelle portion de cette cohorte a reçu l’aide sociale au cours des deux années suivantes (2002 et 2003)? » Il convient de noter que l’Agence du revenu du Canada (ARC) exige que le conjoint recevant le revenu net le plus élevé déclare le versement de l’aide sociale. Par conséquent, il est conseillé de générer la mesure de l’aide sociale (SASPY_F), y compris pour les particuliers, à partir des données au niveau familial.
| IMDB_ID | Année d'admission | Sexe | SASPY_F2001 | SASPY_F2002 | SASPY_F2003 |
|---|---|---|---|---|---|
| dollars | |||||
| IM583 | 2000 | Femme | 20 500 | 19 000 | 14 000 |
| IM145 | 2000 | Femme | 3 000 | 0 | 0 |
| IM548 | 2000 | Femme | 11 500 | 13 800 | 0 |
| IM798 | 2000 | Femme | 16 000 | 18 000 | 8 000 |
| IM961 | 2000 | Femme | 10 000 | 0 | 0 |
| IM967 | 2000 | Femme | 9 500 | 0 | 0 |
| IM110 | 2000 | Femme | 5 000 | 2 000 | 1 000 |
| IM125 | 2000 | Femme | 1 000 | 0 | 200 |
| Source : Statistique Canada, exemple provenant de la base de données longitudinales sur l'immigration (BDIM) | |||||
D.3 Calcul des taux de rétention
L’un des principaux avantages de la BDIM est qu’elle comprend des variables géographiques permettant d’étudier la mobilité et la rétention. Aucune autre base de données ne présente un niveau comparable de détails annuels relatifs aux déclarants, en particulier pour des régions plus réduites. Disposer de mises à jour annuelles au niveau des provinces, des divisions de recensement, des régions métropolitaines de recensement, des agglomérations de recensement, des subdivisions de recensement et des secteurs de recensement permet une vaste gamme d’analyses.
Il est possible d’étudier les trajectoires de mobilité individuelle en attribuant simplement des indicateurs aux changements de code postal et de calculer des tendances de mobilité en étudiant les déménagements à des niveaux géographiques donnés. La mobilité au niveau des subdivisions de recensement (changements de subdivision de recensement d’une année à l’autre) et la mobilité à l’échelle provinciale (changement de province d’une année à l’autre) varie de manière significative en fonction de plusieurs caractéristiques d’immigrant, comme l’âge et la catégorie d’admission. Ces données géographiques sont dérivées du code postal (variable PSCO dans la BDIM au niveau individuel et familial). Le code postal est un code alphanumérique à six caractères définissant le lieu de livraison du courrier adressé aux clients du service postal au Canada. Voir la section 3.4.1 pour une description des variables géographiques.
Dans l’exemple ci-dessous (tableau 18), le chercheur s’intéresse à la mobilité jusqu’en 2002. Les personnes IM798, IM961, IM967 et IM110 peuvent être exclues de l’étude sur la mobilité du fait de l’absence de données (ou de fichiers).
| IMDB_ID | Année d'admission | Province de destination | PRCO 2000 | PRCO 2001 | PRCO 2002 |
|---|---|---|---|---|---|
| IM583 | 2000 | C.-B. | C.-B. | C.-B. | C.-B. |
| IM145 | 2000 | Alb. | Alb. | Sask. | Sask. |
| IM548 | 2000 | Alb. | Ont. | Ont. | Ont. |
| IM798 | 2000 | Ont. | Note ..: indisponible pour une période de référence précise | Ont. | Ont. |
| IM961 | 2000 | N.-B. | N.-B. | N.-B. | Note ..: indisponible pour une période de référence précise |
| IM967 | 2000 | Ont. | Note ..: indisponible pour une période de référence précise | Alb. | Ont. |
| IM110 | 2000 | Note ..: indisponible pour une période de référence précise | Qc | Note ..: indisponible pour une période de référence précise | Qc |
|
.. indisponible pour une période de référence précise Note : PRCO: province de résidence Source : Statistique Canada, exemple provenant de la base de données longitudinales sur l'immigration (BDIM) |
|||||
Alors que la mobilité au niveau individuel est relativement simple, le taux de rétention des immigrants dans un territoire peut être calculé de diverses manières. La façon de calculer cette rétention est une décision analytique fondée sur les besoins particuliers du chercheur. Il est relativement simple de définir le nombre de personnes restant : il s’agit du nombre de personnes produisant une déclaration de revenus dans le territoire d’intérêt à un moment donné. Il est nécessaire de prendre une décision quant à la cohorte initiale d’admission pour laquelle le chiffre de rétention est calculé (le dénominateur du taux de rétention).
Les taux de rétention indiquent la proportion des immigrants déclarants résidant dans la province où ils ont été admis (définie comme la province de destination envisagée) à un moment donné. Pour une cohorte donnée (p. ex. l’année d’admission) et une année d’imposition donnée (ou un certain nombre d’années depuis l’admission), le dénominateur est le nombre de déclarants correspondant à la province d’admission sélectionnée. Le numérateur est le nombre de déclarants correspondant à la province d’admission sélectionnée qui résident également dans cette province.
Pour calculer les taux de rétention de la cohorte de 2011 trois ans après l’admission, un chercheur choisirait, par exemple, toutes les provinces d’admission (p. ex. la province de destination envisagée), toutes les provinces de résidence, l’année d’admission = 2011 et l’année de référence = 2014. Ce tableau ressemblerait au suivant
| Province d’admission | Province de résidence | |||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
| Total – Province de résidence | Terre-Neuve-et-Labrador | Île-du-Prince-Édouard | Nouvelle-Écosse | Nouveau-Brunswick | Québec | Ontario | Manitoba | Saskatchewan | Alberta | Colombie-Britannique | Autre lieu de résidence | |
| nombre d’immigrants | ||||||||||||
| Total – Province d’admission | 174 740 | 405 | 330 | 1 365 | 880 | 31 505 | 70 590 | 9 695 | 6 120 | 26 965 | 26 390 | 500 |
| Terre-Neuve-et-Labrador | 515 | 325 | 0 | 5 | 0 | 5 | 75 | 5 | 0 | 60 | 30 | 0 |
| Île-du-Prince-Édouard | 1 245 | 0 | 265 | 25 | 10 | 30 | 560 | 0 | 0 | 50 | 295 | 0 |
| Nouvelle-Écosse | 1 460 | 10 | 5 | 1 080 | 10 | 25 | 185 | 0 | 5 | 90 | 30 | 10 |
| Nouveau-Brunswick | 1 340 | 0 | 10 | 35 | 750 | 55 | 275 | 0 | 10 | 80 | 120 | 0 |
| Québec | 36 275 | 10 | 10 | 35 | 15 | 30 200 | 3 255 | 40 | 75 | 1 190 | 1 400 | 45 |
| Ontario | 69 135 | 35 | 25 | 115 | 70 | 875 | 63 145 | 275 | 335 | 2 815 | 1 325 | 115 |
| Manitoba | 11 190 | 0 | 0 | 15 | 0 | 55 | 645 | 9 170 | 80 | 825 | 380 | 10 |
| Saskatchewan | 6 360 | 0 | 0 | 0 | 0 | 20 | 295 | 45 | 5 370 | 445 | 165 | 10 |
| Alberta | 21 940 | 10 | 0 | 20 | 0 | 95 | 810 | 65 | 140 | 20 170 | 590 | 35 |
| Colombie-Britannique | 25 000 | 5 | 0 | 30 | 5 | 140 | 1 330 | 85 | 100 | 1 200 | 22 030 | 70 |
| Autre | 280 | 0 | 0 | 0 | 0 | 0 | 15 | 0 | 0 | 35 | 20 | 200 |
| Source : Statistique Canada, tableau CANSIM 054-0003. | ||||||||||||
Les résultats pour la Nouvelle-Écosse donnent des renseignements à ce sujet. Au total, 1 460 personnes ont été admises en Nouvelle-Écosse en 2011 et ont produit une déclaration de revenus en 2014. Pour 1 080 de ces personnes, la Nouvelle-Écosse figurait comme province de résidence en 2014. Le taux de rétention sur trois ans pour la Nouvelle-Écosse serait 1 080/1 460, soit environ 74 %. Tableau 18 fournit également des renseignements sur les migrants secondairesNote : 1 365 personnes admises en 2011 résidaient en Nouvelle-Écosse en 2014; parmi ces dernières, 1 080 envisageaient de résider en Nouvelle-Écosse et 285 avait indiqué une autre province de destination.
La définition susmentionnée de rétention part du principe que le nombre de déclarants pour la province donnée de destination envisagée est la population totale pouvant y rester au cours d’une année (c.-à-d., si les 1 460 personnes ayant envisagé de résider en Nouvelle-Écosse y avaient produit une déclaration de revenus en 2014, la province aurait enregistré un taux de rétention de 100 %). Cette méthode ne tient pas compte des interruptions de déclarations ou des émigrants ayant quitté le Canada, pour lesquels aucune déclaration fiscale n’était disponible en 2014.
Une option est une approche purement longitudinale, selon laquelle on sélectionne une seule cohorte d’admission (selon la province de destination envisagée, la province de déclaration de revenus initiale, ou les deux) et le taux de rétention est calculé comme la portion de cette cohorte déclarant toujours ses revenus dans cette province. Lorsque la province de déclaration de revenus initiale est utilisée pour définir la cohorte d’admission, il est recommandé que la première déclaration de revenus ait lieu l’année d’admission des immigrants (année d’admission = année d’imposition), afin d’exclure les personnes arrivées ailleurs et ayant ensuite migré dans cette région avant de déclarer leurs revenus pour la première fois. Il est possible d’ajouter une autre restriction, si le chercheur s’intéresse à la population dont le lieu de destination correspond au lieu géographique de la première déclaration de revenus.
Étant donné qu’une portion de chaque cohorte ne déclare pas de revenus pour l’année d’admission, il peut être nécessaire d’accroître la taille de la population pour une région en définissant la cohorte d’admission comme toute personne ayant déclaré ses revenus pour la première fois dans la région au cours des deux années suivant son admission (c.-à-d., first_tax_year = landing_year ou landing_year+1). Il n’est pas recommandé d’inclure à la « cohorte d’admission » les personnes dont la première déclaration de revenus a eu lieu plusieurs années après leur admission, car il est possible que ces personnes soient d’abord arrivées ailleurs sans toutefois avoir déclaré de revenus. Il est également suggéré d’exclure les déclarants intermittents de ces analyses, car leur lieu de résidence n’est pas connu pour les années pour lesquelles aucune donnée fiscale n’existe. La rétention calculée de cette manière indiquera une diminution graduelle du nombre; cette diminution est due aux immigrants cessant de déclarer leurs revenus, émigrant ailleurs ou décédant.
Si un chercheur s’intéresse aux migrations secondaires vers une région, il est possible de l’évaluer en supprimant les personnes de la cohorte d’admission définie du nombre total d’immigrants déclarant des revenus dans la région au moment souhaité. Toutefois, à nouveau, il est suggéré de limiter ces analyses aux personnes ayant déclaré leurs revenus pour la première fois au cours de cette période (année 0 ou année 1), afin de ne pas prendre des déclarants tardifs pour des migrants dans la région. Si la cohorte d’admission est limitée aux immigrants dont la destination correspond au lieu de la première déclaration de revenus, il est suggéré de faire une autre distinction entre les migrants secondaires ayant produit leur première déclaration de revenus ailleurs (puis dans la région d’intérêt) et les immigrants ayant produit leur première déclaration de revenus dans la région d’intérêt, puis ayant été admis dans une autre région (ou lorsque toute donnée manque quant à leur destination envisagée).
Le tableau suivant présente un exemple d’une approche longitudinale de rétention provinciale utilisant des données fictives, selon diverses définitions de la cohorte d’admission initiale.
| Années depuis l'admission | Déclarants ayant pour la première fois déclaré des revenus en C.-B. au cours de l'année 0 | Taux de rétention | Déclarants ayant pour la première fois déclaré des revenus en C.-B. au cours de l'année 0 au 1 | Taux de rétention | Déclarants ayant pour la première fois déclaré des revenus en C.-B. au cours de l'année 0 au 1 et pour lesquels la destination envisagée était la C.-B. | Taux de rétention |
|---|---|---|---|---|---|---|
| number | percent | number | percent | number | percent | |
| 0 | 20 000 | 100 | 20 000 | Note ...: n'ayant pas lieu de figurer | 17 500 | Note ...: n'ayant pas lieu de figurer |
| 1 | 18 000 | 90 | 25 000 | 100 | 19 000 | 100 |
| 2 | 17 000 | 85 | 23 000 | 92 | 18 000 | 95 |
| 3 | 16 500 | 83 | 22 000 | 88 | 17 500 | 92 |
|
... n'ayant pas lieu de figurer Source : Statistique Canada, exemple provenant de la base de données longitudinales sur l'immigration |
||||||
Dans l’exemple ci-dessus, il est possible de calculer la rétention en Colombie-Britannique selon trois définitions de la population; le taux de rétention sur trois ans varie alors en fonction de la définition adoptée. Il est important que toutes les personnes de l’échantillon déclarent des revenus à chaque moment d’intérêt.
Avec la publication de la BDIM de 2020, un tableau récapitulatif sur la mobilité est disponible sur le site Web de Statistique Canada. Les mesures de mobilité comparent la destination prévue des fichiers d'immigration à la province de résidence obtenue à partir des déclarations de revenus. Par exemple, le tableau 21 présente les mesures de mobilité en fonction des différences entre la province de destination prévue des immigrants admis en 2010 et leur province de résidence en 2015 selon leur déclaration de revenus.
| Total destination (a) |
Total résidence (b) |
Migration externe (c) |
Migration interne (d) |
Destiné et toujours résident (e=a-c) |
Taux de croissance de la population (f=b/a-1) |
Taux de rétention (g=e/a) |
Taux de migration externe (h=1-e/a) |
Taux de migration interne (i=d/a) |
|
|---|---|---|---|---|---|---|---|---|---|
| Canada | 200 600 | 200 600 | 27 260 | 27 260 | 173 340 | 0,0 | 86,4 | 13,6 | 13,6 |
| Terre-Neuve-et-Labrador | 525 | 410 | 245 | 130 | 280 | -21,9 | 53,3 | 46,7 | 24,8 |
| Île du Prince Edward | 1 930 | 370 | 1 630 | 70 | 305 | -80,8 | 15,8 | 84,5 | 3,6 |
| Nouvelle Écosse | 1 630 | 1 405 | 570 | 340 | 1 065 | -13,8 | 65,3 | 35,0 | 20,9 |
| Nouveau Brunswick | 1 535 | 920 | 795 | 180 | 740 | -40,1 | 48,2 | 51,8 | 11,7 |
| Québec | 38 050 | 33 900 | 5 955 | 1 805 | 32 095 | -10,9 | 84,4 | 15,7 | 4,7 |
| Ontario | 83 355 | 84 965 | 7 725 | 9 335 | 75 630 | 1,9 | 90,7 | 9,3 | 11,2 |
| Manitoba | 11 475 | 9 785 | 2 420 | 730 | 9 055 | -14,7 | 78,9 | 21,1 | 6,4 |
| Saskatchewan | 5 620 | 5 410 | 1 220 | 1 015 | 4 400 | -3,7 | 78,3 | 21,7 | 18,1 |
| Alberta | 24 255 | 29 850 | 2 360 | 7 955 | 21 895 | 23,1 | 90,3 | 9,7 | 32,8 |
| Colombie Britannique | 31 820 | 32 790 | 4 250 | 5 215 | 27 575 | 3,1 | 86,7 | 13,4 | 16,4 |
| Autre | 405 | 420 | 95 | 115 | 305 | 3,7 | 75,3 | 23,5 | 28,4 |
| Manquants | -- | 365 | -- | 365 | -- | 0,0 | 0 | 0 | 0 |
|
-- non disponible Source : Statistique Canada, Base de données longitudinales sur l'immigration 2015 (BDIM) |
|||||||||
Le nouveau tableau fournit les mesures de mobilité suivantes :
- La destination totale (colonne a) représente le nombre d'immigrants admis en 2010 et déclarant des taxes en 2015, au Canada ;
- La résidence totale (colonne b) représente le nombre d'immigrants déclarants en 2015 dans la province spécifiée ;
- La migration externe (colonne c) représente le nombre d'immigrants déclarants originaires de la province spécifiée et ayant produit leur déclaration dans une autre province, en 2015 ;
- La migration interne (colonne d) représente le nombre d'immigrants originaires d'une province de destination différente et qui déclare des impôts dans la province spécifiée pour l'année 2015 ;
- Le nombre de personnes destinés et toujours résidents (colonne e) représente le nombre d'immigrants déclarants qui a continué leur résidence dans la province de destination, pour l'année 2015 ;
- Le taux de croissance de la population (colonne f) représente le pourcentage d'immigrants déclarants gagnés ou perdus par la province spécifiée. Cela tient compte des immigrants qui migrent à l'extérieur de la province et qui migrent dans la province spécifiée ;
- Le taux de rétention (colonne g) représente le pourcentage d'immigrants déclarants qui continueront de résider dans la province de destination, en 2015. Cela ne tient pas compte des immigrants qui arrivent d'une autre province de destination ;
- Le taux de migration externe (colonne h) représente le pourcentage d'immigrants déclarants originaires de la province spécifiée et qui déclare des impôts dans une autre province au cours de l'année 2015 ;
- Le taux de migration interne (colonne i) représente le pourcentage d'immigrants originaires d'une autre province de destination et qui déclare des impôts dans la province spécifiée en 2015.
Le tableau 21 montre que 200 600 immigrants ont été admis au Canada en 2010 et ont produit une déclaration de revenus en 2015.
Des 83 355 immigrants déclarants qui avaient l'intention de résider en Ontario, 75 630 y sont demeurés en 2015, ce qui représente un taux de rétention de 90,7 %.
Alors que 7 725 immigrants déclarants ont quitté l'Ontario, 9 335 immigrants déclarants ont déménagé en Ontario à partir d'autres provinces de destination. Ainsi, pour cette cohorte de 2010, le nombre total de résidents de l'Ontario en 2015 était de 84 965, soit 1,9 % de plus que le nombre d'immigrants déclarants qui comptaient résider en Ontario.
Enfin, les analystes doivent procéder avec précaution lors de l’étude de divisions géographiques de faible niveau sur une longue période, car les frontières des agglomérations et des régions métropolitaines de recensement évoluent et des subdivisions de recensement sont abandonnées et ajoutées. Lorsque cela est possible, les analystes devraient exécuter le programme de Fichier de conversion des codes postaux (FCCP+) pour uniformiser les codes postaux en divisions géographiques constantes.
D.4 Calcul des trajectoires de revenu au cours du temps
Comme pour le taux de rétention, calculer l’évolution des revenus de salaires, traitements et commissions d’une année à l’autre (ou, d’ailleurs, toute variable économique) nécessite des données consécutives. Si un chercheur, par exemple, souhaite comparer le revenu de salaires, traitements et commissions médian de la cohorte de femmes âgées de 24 ans à 54 ans en 2000, un an après leur admission et cinq ans après leur admission (tableau 22), les enregistrements présentant des fichiers FFT1 manquants devraient être supprimés de l’analyse. La décision de supprimer ces enregistrements se baserait sur le souhait d’évaluer le revenu médian de la cohorte par rapport au revenu médian des déclarants de la cohorte.
| IMDB_ID | Année d'admission | Àge à l'admission | Sexe | Revenu de salaires 2001 | Revenu de salaires 2005 |
|---|---|---|---|---|---|
| dollars | |||||
| IM583 | 2000 | 34 | Femme | 20 500 | 49 000 |
| IM145 | 2000 | 53 | Femme | Note ..: indisponible pour une période de référence précise | 56 000 |
| IM548 | 2000 | 29 | Femme | 11 500 | 33 800 |
| IM798 | 2000 | 31 | Femme | 36 000 | 0 |
| IM961 | 2000 | 42 | Femme | 10 000 | Note ..: indisponible pour une période de référence précise |
| IM967 | 2000 | 40 | Femme | Note ..: indisponible pour une période de référence précise | Note ..: indisponible pour une période de référence précise |
| IM110 | 2000 | 35 | Femme | 0 | 59 000 |
|
.. indisponible pour une période de référence précise Source : Statistique Canada, exemple provenant de la base de données longitudinal sur l'immigration. |
|||||
Des précautions doivent être prises lors du calcul du revenu pour la « première année au Canada », car il peut ne pas représenter une année d’imposition complète. Une personne admise, par exemple, en novembre 2013 et ayant déclaré des revenus pour 2013 ne déclarerait que deux mois de revenus en 2013. Une pratique exemplaire est d’utiliser la première année de revenu complète (année d’admission +1, voir le tableau 20). Une exception concerne les déclarants précoces, ayant déclaré des revenus au Canada avant leur admission ainsi que pour l’année d’imposition, car ils sont plus susceptibles de déclarer des revenus pour une année entière.
Il est également important d’étudier le revenu au cours du temps en dollars constants. Par conséquent, il est nécessaire d’apporter des ajustements à l’aide de l’Indice des prix à la consommation (IPC) (voir l’annexe D.7). Cet ajustement a été apporté dans les tableaux de la BDIM.
D.5 Arrondissement des données
Statistique Canada s’engage à respecter la vie privée des Canadiens. Par conséquent, tous les tableaux produits à partir des fichiers IMDB_TIFF font l’objet d’un arrondissement. L’intérêt de cet arrondissement est de veiller à ce qu’aucune cellule réduite ne soit divulguée pouvant révéler des renseignements sur des personnes données ou de petits groupes de personnes. En général, les macros prélèveront un ensemble de données d’entrée non arrondies de diverses statistiques (nombres, moyennes, médianes, etc.) et créeront un ensemble de données arrondi.
Les règles d’arrondissement sont mises à la disposition de l’ensemble des chercheurs ayant accès aux microdonnées dans les Centres de données de recherche (CDR).
D.6 Détection de valeurs aberrantes
La variable de valeur aberrante OUTLIER_IND a été créée pour détecter les valeurs aberrantes au sein du fichier FFT1 (voir la section 5.5). Elle devrait être utilisée pour supprimer les données aberrantes de tout calcul (p. ex. moyenne, médiane ou régression) utilisant des données fiscales. Les valeurs aberrantes varient d’une année à l’autre; ce qui signifie que les données relatives à une personne peuvent être détectées comme valeur aberrante pour une année, mais pas pour une année ultérieure.
Le tableau suivant (Tableau 23) présente la répartition des valeurs aberrantes dans les fichiers de données fiscales à partir de 1982, par type de résident, pour la BDIM de 2020. Moins de 0,06 % des enregistrements ont été relevés comme étant des valeurs aberrantes par année d’imposition. La proportion de valeurs aberrantes a augmenté de 1995 à 1996, du fait de mises à jour de la méthode de détection des valeurs aberrantes appliquée aux fichiers de données fiscales à partir de l’année d’imposition de 1997.
| Année | Total | |
|---|---|---|
| nombre | pourcentage | |
| 1982 | 500 | 0,03 |
| 1983 | 390 | 0,02 |
| 1984 | 560 | 0,03 |
| 1985 | 500 | 0,02 |
| 1986 | 460 | 0,02 |
| 1987 | 600 | 0,03 |
| 1988 | 960 | 0,04 |
| 1989 | 900 | 0,03 |
| 1990 | 710 | 0,03 |
| 1991 | 780 | 0,03 |
| 1992 | 990 | 0,03 |
| 1993 | 850 | 0,03 |
| 1994 | 500 | 0,01 |
| 1995 | 730 | 0,02 |
| 1996 | 1 540 | 0,04 |
| 1997 | 1 930 | 0,05 |
| 1998 | 2 490 | 0,06 |
| 1999 | 1 810 | 0,04 |
| 2000 | 2 040 | 0,05 |
| 2001 | 1 970 | 0,04 |
| 2002 | 2 050 | 0,04 |
| 2003 | 2 240 | 0,05 |
| 2004 | 1 950 | 0,04 |
| 2005 | 2 250 | 0,05 |
| 2006 | 2 470 | 0,05 |
| 2007 | 2 350 | 0,04 |
| 2008 | 2 480 | 0,04 |
| 2009 | 2 750 | 0,05 |
| 2010 | 2 430 | 0,04 |
| 2011 | 2 710 | 0,04 |
| 2012 | 2 320 | 0,04 |
| 2013 | 2 330 | 0,04 |
| 2014 | 2 340 | 0,03 |
| 2015 | 2 420 | 0,04 |
| 2016 | 2 290 | 0,03 |
| 2017 | 2 340 | 0,03 |
| 2018 | 2 810 | 0,04 |
| 2019 | 2 870 | 0,04 |
| Source : Statistique Canada, Base de données longitudinales sur l'immigration de 2020 | ||
D.7 Ajustement du revenu selon l’Indice des prix à la consommation (IPC)
Afin de tenir compte du coût de la vie, il est nécessaire d’ajuster tous les revenus en fonction de l’Indice des prix à la consommation (IPC) du Canada. « L’Indice des prix à la consommation (IPC) est un indicateur de la variation des prix à la consommation payés par les Canadiens. Pour l’établir, on compare au fil du temps le coût d’un panier fixe de biens et services achetés par les consommateurs. Puisque le panier comprend des biens et services d’une quantité et d’une qualité constante ou équivalente, l’indice reflète uniquement la fluctuation pure des prixNote . » Les facteurs de correction pour 2017 sont présentés au tableau 24. Pour convertir les données en dollars constants d’une année donnée (année de référence), les utilisateurs de données doivent multiplier les valeurs en dollars de toutes les années, à l’exception de l’année de référence, par un facteur de correction propre à une année. Pour obtenir ces facteurs de correction, les utilisateurs de données doivent diviser l’IPC de l’année de référence par l’IPC de l’année étudiée. L’année de référence dans le tableau 24 est 2017.
| Année | L’ajustement de l’Indice des prix à la consommation de 2020 est égal à 137,0 divisé par |
|---|---|
| nombre | |
| 1982 | 54,9 |
| 1983 | 58,1 |
| 1984 | 60,6 |
| 1985 | 63,0 |
| 1986 | 65,6 |
| 1987 | 68,5 |
| 1988 | 71,2 |
| 1989 | 74,8 |
| 1990 | 78,4 |
| 1991 | 82,8 |
| 1992 | 84,0 |
| 1993 | 85,6 |
| 1994 | 85,7 |
| 1995 | 87,6 |
| 1996 | 88,9 |
| 1997 | 90,4 |
| 1998 | 91,3 |
| 1999 | 92,9 |
| 2000 | 95,4 |
| 2001 | 97,8 |
| 2002 | 100,0 |
| 2003 | 102,8 |
| 2004 | 104,7 |
| 2005 | 107,0 |
| 2006 | 109,1 |
| 2007 | 111,5 |
| 2008 | 114,1 |
| 2009 | 114,4 |
| 2010 | 116,5 |
| 2011 | 119,9 |
| 2012 | 121,7 |
| 2013 | 122,8 |
| 2014 | 125,2 |
| 2015 | 126,6 |
| 2016 | 128,4 |
| 2017 | 130,4 |
| 2018 | 133,4 |
| 2019 | 136,0 |
| 2020Tableau 24 Note 1 | 137,0 |
|
|
D.8 Calcul de mesures de revenu clés
Les tableaux de la BDIM contiennent plusieurs mesures du revenu. Le tableau 25 décrit les variables du FFT1 incluses dans ces calculs.
| Measure | Composantes | Formule |
|---|---|---|
| Revenu de salaires, traitements et commissions | Revenu des feuillets T4 | T4E__i + OEI__i |
| Revenu de travail indépendant | ||
| Depuis 1988 | Revenu provenant d'un travail indépendant comme des revenus d'entreprise, de profession libérale, de commissions, d'agriculture ou de pêche; revenu de société en commandite | SEI__i + LTPI_i |
| Avant 1988 | Revenu provenant d'un travail indépendant comme des revenus d'entreprise, de profession libérale, de commissions, d'agriculture ou de pêche | SEI__i |
| Revenu de placements | Revenus d'intérêts et d'investissements; dividendes; gains et pertes en capital, net imposable | INVi_i + XDIV_i + CLKGX |
| Indemnités d'assurance-emploi | Indemnités d'assurance-emploi | EINS_i |
| Allocations sociales | Allocations sociales (utilis er le niveau familial) | SASPYf |
| Revenu total | Somme de toutes les mesures décrites ci-dessus | |
| Source: Statistique Canada, Base de données longitudinales sur I'immigration de 2020 | ||
Il convient de noter que toutes les valeurs aberrantes sont supprimées de ces calculs (Outlier_ind=1), que l’on utilise la variable de province de résidence à la fin de l’année (PRCO_) pour déterminer la province et que tous les revenus sont corrigés en fonction de l’Indice des prix à la consommation (IPC) de l’année la plus récente pour laquelle le FFT1 est disponible. « Moyenne, avec revenu » désigne le revenu moyen des immigrants déclarants ayant un revenu du type donné. « Médiane, avec revenu » désigne le revenu médian des immigrants déclarants ayant un revenu du type donné.
- Date de modification :