Direction des études analytiques : documents de recherche
Emploi rémunéré, travail autonome et travail à la demande selon les données administratives et les données d’enquêtes

Date de diffusion : le 6 juin 2023

DOI : https://www.doi.org/10.25318/11f0019m2023003-fra

Passer au texte

Début du texte

Résumé

La présente étude combine des données d’enquête avec des données administratives, en vue d’examiner la correspondance entre les activités d’un emploi rémunéré et celles d’un travail autonome, déclarées dans chacune de ces sources de données par les mêmes particuliers. L’étude permet également d’examiner le rôle que joue le travail autonome en tant que source de revenu complémentaire pour les particuliers dont la principale activité autodéclarée sur le marché du travail est l’emploi salarié. Elle repose sur les données fiscales pour déterminer de manière précise les travailleurs à la demande et examiner les liens possibles entre les divers aspects de l’emploi rémunéré principal et la participation aux activités d’un travail à la demande. L’analyse repose sur les données tirées de l’Enquête sur la population active (EPA) de 2016, couplées aux données administratives du Fichier de données longitudinales sur la main-d’œuvre (FDLMO) de 2016.

Mots clés : constitué en société, économie à la demande, Enquête sur la population active, Fichier de données longitudinales sur la main-d’œuvre, non constitué en société, régime de travail non traditionnel, travail à la demande, travail autonome.

Avertissement : La définition de travail à la demande utilisée dans la présente étude ne repose pas sur une définition officielle de Statistique Canada pour le travail à la demande.

Sommaire

La présente étude combine des données d’enquête et des données administratives pour documenter les similitudes et les différences entre les activités sur le marché du travail déclarées par les répondants aux enquêtes et les sources de revenus de ces mêmes répondants selon les données fiscales. L’étude fait partie de la documentation de plus en plus abondante qui s’intéresse aux données d’enquête et aux données administratives couplées pour brosser un portrait plus complet des activités sur le marché du travail des particuliers, ce qui ne serait pas possible si seulement l’une ou l’autre de ces sources était utilisée. Elle contribue aussi à la documentation récente sur les régimes de travail non traditionnels ou le « travail à la demande ».

L’analyse repose sur deux principales sources de données. La première source est l’Enquête sur la population active (EPA) de 2016, qui est la principale source de statistiques du travail au Canada depuis 1945. La deuxième source de données est le Fichier de données longitudinales sur la main-d’œuvre (FDLMO) de 2016. Le FDLMO est une base de données qui fait le couplage de données provenant de diverses sources administratives, notamment les déclarations de revenu des particuliers (T1) et les états de la rémunération payée (T4), à l’aide d’identificateurs uniques d’entreprises et de particuliers. En fonction des renseignements qui figurent dans le fichier T1 du FDLMO, il est possible de cerner cinq sources de revenus qui sont habituellement associées aux travailleurs autonomes non constitués en société : pêche, agriculture, entreprises, professions libérales et revenus de commissions. La présente étude porte sur les travailleurs autonomes (propriétaires uniques) ayant un revenu d’entreprise, de profession libérale ou de commissions non nul, car ces activités sur le marché du travail sont habituellement associées à des régimes de travail non traditionnels ou à du travail à la demande. Ce ne sont pas tous les propriétaires uniques qui sont des travailleurs à la demande. Un élément essentiel du travail à la demande est la faible attente de continuité et le caractère peu prévisible des gains futurs. La présente étude définit les travailleurs à la demande de la même façon que l’étude de Jeon et al. (2021). L’échantillon d’analyse a été créé grâce au couplage de tous les enregistrements mensuels de l’EPA de 2016 avec les données annuelles du FDLMO de 2016.

Près de 98 % des répondants de l’EPA ayant déclaré que leur activité principale était un emploi rémunéré avaient aussi un revenu provenant d’un emploi rémunéré selon les données fiscales, et plus de 80 % des répondants ayant déclaré que leur principale situation d’activité était un travail autonome au sein d’une entreprise non constituée en société dans l’EPA ont aussi déclaré un revenu provenant d’un travail autonome non nul dans leurs déclarations de revenus. La part des travailleurs autonomes constitués en société, selon l’EPA, qui pourraient être désignés comme étant des propriétaires d’entreprises constituées en société dans le FDLMO s’élevait à 74,5 %.

Parmi les employés salariés dans l’EPA, les particuliers qui étaient des employés permanents à temps plein (la plus grande catégorie) étaient moins susceptibles d’être des propriétaires uniques (5,8 %) ou des travailleurs à la demande (4,3 %), comparativement aux autres salariés.

La présente étude montre également que 9,6 % des particuliers qui occupaient un emploi temporaire à temps partiel à titre d’emploi principal ont été désignés comme étant des travailleurs à la demande dans les données administratives. L’analyse de régression indique que, toutes choses étant égales par ailleurs, les employés suivants sont plus susceptibles que d’autres d’être désignés comme étant des travailleurs à la demande dans les données administratives : les employés à temps partiel; les employés occupant un emploi temporaire; les titulaires d’un grade universitaire; les employés travaillant dans de petites entreprises; les particuliers occupant un emploi dans les services d’enseignement, dans l’industrie de l’information et l’industrie culturelle, ainsi que dans les arts, les spectacles et les loisirs.

1 Introduction

La présente étude combine des données d’enquêtes canadiennes tirées de l’Enquête sur la population active (EPA) et des données administratives tirées du Fichier de données longitudinales sur la main-d’œuvre (FDLMO) pour décrire les similitudes et les différences entre les activités sur le marché du travail déclarées par les répondants aux enquêtes et les sources de revenus de ces mêmes répondants selon les données fiscales. L’étude fait partie de la documentation de plus en plus abondante qui permet d’examiner les données d’enquête et les données administratives couplées pour brosser un portrait plus complet des activités sur le marché du travail des particuliers, ce qui ne serait pas possible si seulement l’une ou l’autre de ces sources était utilisée. Elle contribue aussi à la documentation récente sur les régimes de travail non traditionnels ou le « travail à la demande ». À l’aide de la méthodologie proposée par Jeon et al. (2021) pour répertorier les travailleurs à la demande dans les données administratives, la présente étude porte sur les travailleurs dont la principale activité déclarée dans l’EPA est un emploi rémunéré. Elle décrit aussi la relation entre les diverses caractéristiques d’emploi de ces travailleurs et leur participation au travail à la demande. L’étude permet d’examiner la façon dont la précarité de l’emploi principal d’un travailleur, notamment le statut d’emploi à temps partiel et l’occupation d’un emploi temporaire, est corrélée avec le fait que les données fiscales signalent la présence d’un revenu provenant d’un travail autonome ou d’un travail à la demande.

Pour diverses raisons, les activités sur le marché du travail d’un même particulier peuvent différer entre les données d’enquête et les données fiscales. Par exemple, de façon générale, les enquêtes ne portent que sur les principales activités sur le marché du travail, et parfois sur les activités secondaires, alors que les données fiscales incluent les revenus provenant de toutes les activités, y compris les petits emplois « secondaires ». De plus, il est possible que les répondants des enquêtes-ménages ne connaissent pas bien les activités sur le marché du travail des autres membres du ménage et qu’ils fournissent des renseignements incomplets à l’égard de leurs activités. Il est aussi possible qu’un répondant oublie certains détails, commette une erreur de saisie de données, ou soit réticent à mentionner certaines activités à un intervieweur de l’enquête. Les données fiscales sont une solution de rechange intéressante aux données d’enquête, mais elles en dévoilent très peu au sujet de la nature de l’emploi, des heures de travail ou des salaires horaires. De plus, les données fiscales de particuliers ne conviennent pas pour déterminer certains types de travail autonome, surtout le travail autonome au sein d’une entreprise constituée en société. En bref, les données d’enquêtes et les données fiscales ont toutes les deux des avantages et des inconvénients, et il est important de comprendre dans quelle mesure les renseignements sur le marché de l’emploi provenant de ces sources se chevauchent et de savoir ce que l’on peut apprendre au sujet des activités sur le marché du travail des particuliers en combinant les données provenant des deux sourcesNote .

Le couplage des données d’enquêtes et des données fiscales offre aussi de nouvelles possibilités aux chercheurs pour essayer de mesurer la taille de l’économie à la demande et de comprendre les motivations qui sous-tendent la participation au travail à la demande. On signale tout de même un désaccord important dans les études à l’égard de l’étendue de l’économie à la demande. Les études qui reposent sur des données d’enquête signalent habituellement un nombre nettement plus élevé de particuliers prenant part à des régimes de travail informels ou non traditionnels, comparativement aux études qui reposent sur des données administrativesNote . Une partie du problème est qu’un terme comme « travail à la demande » est difficile à définir. Le travail occasionnel en tant que chauffeur Uber pendant les fins de semaine serait considéré comme étant une activité de travail à la demande selon la plupart des observateurs, mais travailler comme chauffeur Uber chaque jour pendant plusieurs heures comme principale activité générant un revenu pourrait ne pas être reconnu comme travail à la demande. Certaines études utilisent la notion de « travail à la demande » uniquement pour les activités de travail effectuées par l’intermédiaire des plateformes en ligne, alors que d’autres études définissent le travail à la demande en fonction des attributs du travail, peu importe la façon dont l’activité de travail est encadrée (Alake-Apata, 2021)Note .

Abraham et al. (2018) ont présenté un cadre conceptuel pour répertorier les travailleurs qui prennent part à l’économie à la demande selon une typologie des modalités de travail et un ensemble de caractéristiques associées à chacune de ces modalités. Ce cadre permet de faire une grande distinction entre les employés et les travailleurs autonomes, puis il permet de diviser les travailleurs autonomes en sous-catégories : propriétaires d’entreprise, entrepreneurs indépendants ou pigistes, journaliers et personnes qui travaillent sur les plateformes en ligne à la demande. Les caractéristiques des modalités de travail des trois dernières sous-catégories de travailleurs autonomes (pigistes, journaliers et personnes qui travaillent sur les plateformes à la demande) diffèrent de celles des autres modalités de travail. Ces travailleurs sont payés à la tâche au lieu de recevoir un salaire ou un traitement, ils n’ont aucun contrat garantissant une relation continue, et ils n’ont pas un horaire de travail fixe ou des revenus prévisibles. Abraham et al. (2018) ont nommé cette catégorie les « travailleurs à la demande » et ont mis en place une méthodologie qui leur permet de coupler les caractéristiques des modalités de travail des travailleurs à la demande avec des formulaires et annexes précis requis par l’Internal Revenue Service en vue de signaler ces modalités de travail aux autorités fiscales américaines.

En utilisant la typologie des modalités de travail présentée par Abraham et al. (2018), Jeon et al. (2021) ont élaboré une stratégie méthodologique pour répertorier les travailleurs à la demande au Canada à l’aide des données administratives canadiennes. De plus, ils ont couplé les données fiscales des particuliers aux enregistrements du recensement de ces mêmes particuliers afin d’élargir l’étude sur les déterminants de la participation au travail à la demande. Cela a permis de déterminer des caractéristiques importantes du capital humain qui ne sont pas disponibles dans les données fiscales, notamment le plus haut niveau de scolarité atteint et la profession. Les données de l’EPA et du FDLMO qui sont utilisées dans la présente étude permettent d’examiner davantage le rôle que joue le travail autonome et le travail à la demande pour compléter le revenu généré par la principale activité sur le marché du travailNote . Une des questions centrales posées dans la documentation sur le travail à la demande vise à déterminer pourquoi les particuliers, surtout ceux qui occupent un emploi à salaire et ceux dont la principale activité sur le marché du travail est un emploi salarié, ont recours au travail à la demande. Un des objectifs de la présente étude est d’examiner plus en profondeur la relation entre les caractéristiques de l’emploi principal et la probabilité de participer au travail à la demande.

2 Données

La présente étude repose sur deux principales sources de données. La première est l’Enquête sur la population active (EPA), qui est la principale source de statistiques du travail au Canada depuis 1945. La population cible de l’EPA est la population âgée de 15 ans et plus ne vivant pas en établissement (Statistique Canada, 2022). Il est obligatoire de remplir le questionnaire, et les réponses sont recueillies pour tous les membres du ménage. L’EPA recueille des renseignements sur divers aspects de l’emploi et du chômage, y compris la situation d’activité des particuliers, les revenus, les heures de travail, le statut d’emploi (temps partiel ou temps plein), l’industrie, la profession, le travail autonome et les prestations d’assurance-emploi. L’EPA est une enquête mensuelle qui utilise un plan de sondage avec renouvellement de panel. Les particuliers sélectionnés demeurent dans l’échantillon pendant six mois consécutifs. Chaque mois, un sixième de l’échantillon total est remplacé pour former un nouveau panel de six mois. Chaque échantillon mensuel compte environ 100 000 particuliers et environ 56 000 ménages.

La deuxième source de données clés est le Fichier de données longitudinales sur la main-d’œuvre (FDLMO). Le FDLMO est une base de données qui fait le couplage de données provenant de diverses sources administratives, notamment les déclarations de revenu des particuliers (T1) et les états de la rémunération payée (T4), à l’aide d’identificateurs uniques d’entreprises et de particuliers (Statistique Canada, 2021). Il est possible de répertorier les personnes qui reçoivent des salaires et des traitements dans le FDLMO à l’aide des renseignements tirés des feuillets T4 annuels. Les données des feuillets T1 et T4 ne permettent pas de répertorier les travailleurs autonomes constitués en société. Cependant, on peut repérer les propriétaires d’entreprises constituées en société à l’aide des données de l’annexe 50 (Renseignements sur les actionnaires), qui font maintenant aussi partie du FDLMO. L’annexe 50 énumère tous les actionnaires d’une société privée détenant 10 % ou plus des actions. Cette annexe est jointe à la déclaration de revenus des sociétés (T2). Il est donc possible de repérer les propriétaires d’entreprises constituées en société dans le FDLMO en fonction de leur présence dans une annexe 50.

En fonction des données liées aux déclarations T1 dans le FDLMO, il est possible de déterminer cinq sources de revenus qui sont habituellement associées aux travailleurs autonomes non constitués en société : pêche, agriculture, entreprises, professions libérales et revenus de commissionsNote . La présente étude porte sur les travailleurs autonomes ayant un revenu d’entreprise, de profession libérale ou de commissions non nul, car ces activités sur le marché du travail sont habituellement associées à des régimes de travail non traditionnels ou à du travail à la demande. L’élément clé de l’analyse ci-dessous est l’État des résultats des activités d’une entreprise ou d’une profession libérale (formulaire T2125) utilisé par les travailleurs autonomes non constitués en société pour déclarer leurs revenus d’entreprise, de profession libérale et de commissions (ainsi que leurs dépenses d’entreprise) dans le cadre de leurs déclarations de revenus des particuliers (T1). Statistique Canada reçoit les renseignements annuels des formulaires T2125, ainsi que des renseignements provenant de divers dossiers connexes de l’Agence du revenu du Canada. Il regroupe ensuite ces données dans des fichiers de déclarations financières qui sont mieux adaptés aux recherches. Le FDLMO de 2016 a été fusionné aux fichiers de déclarations financières pour faire ressortir les déclarants ayant produit un formulaire T2125 en 2016. Les travailleurs autonomes non constitués en société ayant déclaré un revenu dans le formulaire T2125 sont soit des propriétaires uniques, soit des associés dans une société en nom collectif (environ 8,5 % en 2016). Ci-après, tous les travailleurs autonomes non constitués en société qui ont déclaré un revenu dans le formulaire T2125 et qui ne sont pas des associés dans une société en nom collectif seront désignés tout simplement « propriétaires uniques ».

Ce ne sont pas tous les propriétaires uniques qui sont des travailleurs à la demande. Les éléments essentiels du travail à la demande sont la faible attente de continuité (comparativement aux salariés et à ceux qui exploitent une entreprise solidement établie) et le caractère peu prévisible des gains futurs. La stratégie présentée par Jeon et al. (2021) pour répertorier les travailleurs à la demande dans les données administratives prend en compte le fait qu’un propriétaire unique a un numéro d’entreprise (NE). L’absence d’un NE est considérée comme étant une indication d’une faible attente en matière de continuité des activités et d’une moindre prévisibilité de gains futurs. Il s’agit là des principales caractéristiques du travail à la demande, selon la typologie des modalités de travail présentée par Abraham et al. (2018). La présente étude permet de déterminer les travailleurs à la demande de la même façon que l’étude de Jeon et al. (2021).

L’échantillon d’analyse est créé grâce au couplage de tous les enregistrements mensuels de l’EPA de 2016 avec le FDLMO de 2016. Puisque l’EDA et les données administratives ont différents identificateurs uniques de particuliers, le couplage des données entre ces deux sources nécessite un couplage probabiliste. Le processus de couplage repose sur la théorie traditionnelle de couplage d’enregistrement introduite par Fellegi et Sunter (1969). Au total, 292 100 répondants uniques à l’EPA et « couplables », âgés de 15 ans et plus ont été répertorié en 2016Note . Environ 246 100 de ces répondants ont pu être couplés à des enregistrements du FDLMO, ce qui correspond à un taux de couplage de 84,2 %.

Il est important de déterminer s’il y a des différences systématiques entre les répondants couplés et non couplés de l’EPA. Cette question est examinée dans l’annexe A. Ce qui est important de retenir de l’analyse à l’annexe A est que la principale catégorie sous-représentée des données couplées est celle des personnes âgées de moins de 20 ans, alors que les personnes âgées de 65 ans et plus sont plutôt surreprésentées. Voilà pourquoi l’analyse principale de la présente étude se limite aux personnes âgées de 20 à 64 ansNote .

Le principal défi méthodologique dans la présente étude est lié au couplage des enregistrements mensuels de l’EPA avec les données annuelles du FDLMO. Une stratégie d’annualisation possible pour la conversion d’enregistrements de l’EPA à fréquence plus élevée (mensuelle) en enregistrements à fréquence moins élevée (annuelle) pourrait nécessiter le calcul d’une certaine moyenne ou un regroupement quelconque de tous les enregistrements mensuels pour chaque particulier. Toutefois, un inconvénient majeur de cette approche est qu’elle occasionnerait inévitablement une perte au moins partielle de renseignements, ce qui est surtout indésirable dans le contexte de la présente étude. Par exemple, la transition d’une donnée au niveau mois-personne en une donnée au niveau de la personne nécessiterait l’une des étapes suivantes : attribuer une seule situation d’activité « annuelle » aux personnes dont la situation d’activité change de mois en mois, ou tenter de capter ces transitions à l’aide de variables additionnelles, ce qui pourrait être assez compliqué.

Au lieu de regrouper de façon ponctuelle des enregistrements mensuels en un seul enregistrement annuel au niveau de la personne, l’approche prise dans la présente étude vise à conserver tous les enregistrements mensuels des particuliers, mais de diviser chaque poids des particuliers par 12 (le nombre de mois dans une année) afin de maintenir le degré de représentativité de l’échantillon de l’EPA au niveau annuel. Les aspects techniques de cette stratégie d’annualisation sont discutés à l’annexe B. Le principal avantage de cette approche, comparativement aux solutions de rechange permettant de calculer la moyenne, est qu’elle conserve tous les renseignements disponibles dans l’EPA. Ceci est surtout important dans le cas des activités sur le marché du travail qui peuvent changer d’un mois à l’autre. Les emplois temporaires ne durent qu’une courte période, et il est probable qu’un nombre considérable de ces emplois soit exclu du regroupement si les données mensuelles des particuliers sont combinées en un seul enregistrement annuel au niveau de la personne. Cependant, cette stratégie traite diverses observations pour les mêmes particuliers de la même façon qu’elle traite des observations uniques pour plusieurs particuliers. Pour composer avec ce problème dans l’analyse de régression à la section 5, les erreurs-types seront regroupées au niveau des particuliers.

Bien que la stratégie d’annualisation privilégiée mise en place dans la présente étude consiste à conserver toutes les observations mois-personnes, on a aussi examiné la sensibilité des principaux résultats en fonction du choix de la méthode d’annualisation. Pour l’analyse de sensibilité, les répondants de l’EPA qui ont fait l’objet d’observations pendant moins de six mois ont été exclus de l’échantillon principal, et le sous-échantillon obtenu a été analysé à l’aide de la stratégie d’annualisation privilégiée qui conserve tous les enregistrements mois-personnes (analyse au niveau de la personne et du mois), et d’une stratégie de rechange qui regroupe tous les enregistrements mensuels des particuliers en un seul enregistrement par particulier (analyse au niveau de la personne). Les détails de l’analyse de sensibilité et ses résultats sont discutés à l’annexe C.

3 Résultats

3.1 Mise en correspondance des activités sur le marché du travail de l’Enquête sur la population active (EPA) en catégories de sources de revenus selon les données fiscales

L’EPA demande aux répondants quelles sont leurs activités principales et secondaires sur le marché du travail. La première question examinée dans la présente étude est la suivante : Quelles sont les sources de revenus (selon les feuillets T1) des répondants de l’enquête qui ont déclaré diverses activités d’emploi rémunéré et de travail autonome dans l’EPA? Pour répondre à cette question, il a fallu d’abord faire la distinction entre les principales activités et les activités secondaires des particuliers occupant actuellement un emploi afin de mieux comprendre les tendances liées aux diverses activités dans l’EPA (tableau 1). Parmi les répondants de l’EPA occupant actuellement un emploi, 94,3 % ont déclaré ne pas avoir d’activité secondaire. Le pourcentage était légèrement plus élevé pour les employés (94,5 %), mais inférieur pour ceux dont les principales activités étaient liées à un travail autonome au sein d’une entreprise constituée en société (94,0 %) et non constituée en société (92,3 %). Par conséquent, selon les données de l’EPA, une grande majorité des participants au marché du travail avaient seulement une activité sur le marché du travail au moment de l’enquête.


Tableau 1
Enquête sur la population active – Situation d’emploi et de travailleur autonome chez les personnes ayant plus d’un emploi
Sommaire du tableau
Le tableau montre les résultats de Enquête sur la population active – Situation d’emploi et de travailleur autonome chez les personnes ayant plus d’un emploi. Les données sont présentées selon Principale activité (titres de rangée) et Activité secondaire, Non, Oui, Employé salarié, Travailleur autonome constitué en société et Travailleur autonome non constitué en société, calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
Principale activité Activité secondaire
Non Oui
Employé salarié Travailleur autonome constitué en société Travailleur autonome non constitué en société
pourcentage
Occupe actuellement un emploi 94,3 64,8 9,8 24,6
Employé salarié 94,5 70,5 6,7 22,2
Travailleur autonome constitué en société 94,0 26,1 52,5 19,6
Travailleur autonome non constitué en société 92,3 46,9 5,0 46,6

Pour les particuliers qui ont déclaré une activité secondaire, il s’agissait souvent de la même activité que leur activité principale : 70,5 % des répondants dont l’activité principale était un emploi salarié, 52,5 % des répondants dont l’activité principale était un travail autonome au sein d’une entreprise constituée en société et 46,6 % des répondants dont l’activité principale était un travail autonome au sein d’une entreprise non constituée en société se trouvaient dans la même catégorie pour leur activité secondaire (tableau 1). Notamment, parmi les répondants ayant aussi déclaré une activité secondaire, 46,9 % ayant déclaré un travail autonome au sein d’une entreprise non constituée en société à titre d’activité principale sur le marché du travail ont déclaré un emploi salarié à titre d’activité secondaire. Les répondants dont l’activité principale est un travail autonome au sein d’une entreprise non constituée en société étaient aussi beaucoup plus susceptibles d’être salariés (en plus d’être travailleurs autonomes), comparativement aux répondants ayant déclaré occuper un travail autonome au sein d’une entreprise constituée en société à titre d’activité principale (26,1 %). Le pourcentage relativement faible des répondants occupant un travail autonome au sein d’une entreprise constituée en société et dont l’activité secondaire était un emploi salarié cadre avec les éléments de preuve émergents suivants : il y a un écart entre les caractéristiques des personnes occupant un travail autonome au sein d’une entreprise constituée en société et celles occupant un travail autonome au sein d’une entreprise non constituée en société, et il pourrait y avoir un écart entre le degré d’engagement requis par ces deux types de travail autonome (Levine et Rubinstein, 2017).

En fonction des renseignements sur le revenu de ces mêmes particuliers, le tableau 2 fait une mise en correspondance des principales activités de l’EPA et les divise en trois catégories du marché du travail du FDLMO : emploi salarié, travail autonome au sein d’une entreprise constituée en société, et travail autonome au sein d’une entreprise non constituée en société. Ce qui est important à signaler pour le tableau 2 est que les particuliers peuvent avoir diverses sources de revenus dans les données fiscales, ce qui fait en sorte que les pourcentages de ligne peuvent dépasser 100 %. Dans les trois premières lignes, les chiffres sur le plan diagonal sont très élevés pour toutes les catégories de l’EPA. Environ 97,6 % des répondants de l’EPA ayant affirmé que leur principale activité était un emploi salarié avaient aussi un revenu d’emploi salarié dans les données fiscales. L’un des résultats marquants dans le tableau 2 est que 80,7 % des répondants ayant déclaré un travail autonome au sein d’une entreprise non constituée en société à titre de principale situation par rapport au marché du travail ont déclaré un revenu de travail autonome dans leurs déclarations de revenus. Ce pourcentage laisse entendre que 19,3 % des répondants ayant déclaré un travail autonome au sein d’une entreprise non constituée en société dans l’EPA n’ont déclaré aucun revenu de travail autonome dans les données fiscalesNote .


Tableau 2
Mise en correspondance de la situation d’emploi et des principales activités sur le marché du travail de l’Enquête sur la population active avec la situation d’emploi et les sources de revenus du Fichier de données longitudinales sur la main-d’œuvre
Sommaire du tableau
Le tableau montre les résultats de Mise en correspondance de la situation d’emploi et des principales activités sur le marché du travail de l’Enquête sur la population active avec la situation d’emploi et les sources de revenus du Fichier de données longitudinales sur la main-d’œuvre. Les données sont présentées selon Principale activité dans l’EPA (titres de rangée) et Situation selon le FDLMO, Total (chiffres pondérés), Employé salarié (revenu selon le feuillet T4), Travailleur autonome constitué en société et Tous les travailleurs autonomes non constitués en société, calculées selon pourcentage de ligne et nombre unités de mesure (figurant comme en-tête de colonne).
Principale activité dans l’EPA Situation selon le FDLMO Total (chiffres pondérés)
Employé salarié (revenu selon le feuillet T4) Travailleur autonome constitué en société Tous les travailleurs autonomes non constitués en société
pourcentage de ligne nombre
Occupe actuellement un emploi
Employé salarié 97,6 4,4 7,8 11 550 900
Travailleur autonome constitué en société 68,4 74,5 24,7 897 900
Travailleur autonome non constitué en société 29,2 10,4 80,7 1 036 300
N’occupe pas actuellement un emploi
Au chômage 70,8 4,0 8,9 876 100
Inactif 28,3 4,3 6,9 3 284 400

Il pourrait y avoir diverses raisons pour lesquelles il y a des travailleurs autonomes non constitués en société dans l’EPA qui ne déclare aucun revenu provenant d’un travail autonome dans les données fiscales. Boeri et al. (2020) soulignent que, lorsque les travailleurs répondent aux enquêtes, ils sont souvent perplexes par rapport à la nature exacte de leur relation d’emploi (page 174). Cela pourrait s’expliquer par le fait que certains travailleurs autonomes déclarent par erreur leur revenu de travail autonome en tant que revenu d’emploi ou « autre revenu »Note . Une autre explication serait que certains répondants de l’EPA sans emploi pensent à leur situation d’emploi perçue (au lieu de leurs sources de revenus actuelles) lorsqu’ils répondent aux questions sur leur principale activité sur le marché du travail. Par exemple, les particuliers se considèrent peut-être toujours comme des travailleurs autonomes même s’ils ont pris leur retraite ou qu’ils n’ont pas gagné de revenu provenant d’un travail autonome au cours de l’année en question. Certains particuliers peuvent répondre par erreur qu’ils sont des travailleurs autonomes non constitués en société, même s’ils sont propriétaires d’une entreprise constituée en société. Comme toujours, il y a aussi la possibilité qu’une erreur d’enregistrement ou de traitement se soit produiteNote .

Le tableau 1 montre que, parmi les répondants ayant déclaré que leur principale activité sur le marché du travail est un travail autonome au sein d’une entreprise non constituée en société, moins de 4 % ont mentionné un emploi salarié à titre d’activité secondaire. Toutefois, la part des répondants ayant déclaré que leur principale activité était un travail autonome au sein d’une entreprise non constituée en société dans l’EPA et ayant gagné des revenus d’emploi était plus élevée, soit 29,2 % (tableau 2). Puisque certaines activités de travail autonome au sein d’une entreprise non constituée en société ne durent seulement qu’une courte période, il est possible que certains travailleurs autonomes non constitués en société au moment de l’interview mensuelle aient occupé un emploi salarié à un autre moment au cours de cette même année civile. Il est aussi possible que certains travailleurs autonomes non constitués en société aient oublié de mentionner des revenus gagnés occasionnellement à titre d’activité secondaire.

Le tableau 2 montre aussi que 74,5 % des répondants de l’EPA ayant signalé occuper un travail autonome au sein d’une entreprise constituée en société pouvaient aussi être désignés comme étant propriétaires d’entreprises constituées en société dans le FDLMO, ce qui est comparable au pourcentage correspondant des répondants occupant un travail autonome au sein d’une entreprise non constituée en société (80,7 %). Ce ne sont pas tous les répondants de l’EPA occupant un travail autonome au sein d’une entreprise constituée en société qui sont désignés ainsi dans le FDLMO, et certaines des raisons qui expliquent cela sont semblables à celles mentionnées pour les travailleurs autonomes non constitués en société. De plus, puisque seulement les actionnaires qui détiennent au moins 10 % des actions d’une entreprise privée sont tenus d’être énumérés dans une annexe 50, les plus petits actionnaires ne sont donc pas répertoriés dans le FDLMO comme étant des propriétaires d’une entreprise constituée en société. De nombreux propriétaires d’entreprises constituées en société se versent un salaire. Il n’est donc pas surprenant que 68,4 % des travailleurs autonomes constitués en société dans le FDLMO reçoivent un formulaire T4 dans l’EPA.

Un nombre considérable de particuliers qui étaient sans emploi pendant la semaine de référence de l’EPA recevaient une rémunération d’emploi ou était travailleur autonome en 2016. Parmi les répondants de l’EPA qui ont déclaré être actuellement sans emploi, 70,8 % ont reçu des gains T4 à un moment donné au cours de 2016. Certains des répondants qui ont déclaré être des « personnes inactives » ont aussi reçu des gains T4 (28,3 %), et des pourcentages moindres, mais tout de même importants de répondants étaient propriétaires d’une entreprise constituée en société (4,3 %) ou recevaient un revenu provenant d’un travail autonome (6,9 %).

Lorsqu’un intervieweur de l’EPA communique avec un ménage, un seul membre du ménage fournit habituellement les renseignements pour tous les membres de son ménage. Une préoccupation possible concernant les résultats susmentionnés est qu’ils pourraient être influencés par les réponses par personne interposée. Plus particulièrement, il est possible que des particuliers qui répondent aux questions de l’intervieweur ne soient pas au courant du statut de travail autonome des autres membres du ménage et pourraient le confondre avec la catégorie d’emploi salarié. Pour étudier cette éventualité, l’échantillon principal a été divisé en deux sous-échantillons : répondants directs et répondants substituts. Le tableau 2 a été recréé pour chacun de ces sous-échantillonsNote . Même si, de façon générale, les résultats étaient semblables pour les deux sous-échantillons, une différence remarquable a été signalée : le pourcentage de travailleurs autonomes non constitués en société dans l’EPA qui ont déclaré une rémunération d’emploi était plus faible dans le sous-échantillon de répondants directs (25,3 %) par rapport au taux du sous-échantillon de répondants substituts (32,3 %). De plus, le pourcentage de travailleurs autonomes non constitués en société dans l’EPA qui ont également déclaré un revenu provenant d’un travail autonome dans le FDLMO était plus élevé dans le sous-échantillon des répondants directs (85,1 %), comparativement au sous-échantillon des répondants substituts (77,2 %). Les résultats semblent accorder une certaine crédibilité à l’idée que les membres du ménage interrogés pour l’EPA pourraient ne pas toujours bien connaître la situation de travail autonome des autres membres de son ménage, et que, lorsque les travailleurs autonomes ont l’occasion de fournir eux-mêmes des réponses au sujet de leur situation de travail autonome, les renseignements fournis pourraient mieux correspondre à leur situation par rapport au marché du travail. Cependant, ce qui est important de retenir dans le contexte de la présente étude est que l’ampleur des différences ne semble pas modifier les principales conclusions tirées des résultats du tableau 2. Cette observation est pertinente pour les deux sous-échantillons : une grande majorité des travailleurs autonomes non constitués en société de l’EPA ont déclaré des revenus provenant d’un travail autonome dans le FDLMO, et, de façon générale, la taille de cette majorité est semblable, peu importe que les réponses par personne interposée soient incluses ou excluesNote .

3.2 Que pouvons-nous apprendre au sujet des propriétaires uniques et des travailleurs à la demande en consultant les données couplées de l’Enquête sur la population active et du Fichier de données longitudinales sur la main-d’œuvre?

Des études antérieures laissent entendre que bon nombre de travailleurs autonomes non constitués en société, et surtout les travailleurs à la demande, utilisent les gains provenant de leur travail autonome en vue de compléter leurs revenus provenant de leur principale activité sur le marché du travail. Les données couplées de l’EPA et du FDLMO permettent d’examiner de plus près le degré de participation à un travail autonome au sein d’une entreprise non constituée en société et au travail à la demande chez les répondants de l’EPA, à l’aide de caractéristiques détaillées de leurs principales activités. L’analyse de cette sous-section met l’accent sur les propriétaires uniques et exclut les travailleurs autonomes non constitués en société qui ont déclaré un revenu provenant d’une société en nom collectifNote . Le tableau 3 montre les parts des propriétaires uniques pour chaque principale activité dans l’EPA, en fonction du statut de travail (à temps plein ou à temps partiel, permanent ou temporaire). Les répondants de l’EPA ayant déclaré que leur emploi principal est un travail autonome à temps partiel au sein d’une entreprise non constituée en société étaient plus susceptibles d’être des propriétaires uniques (73,2 %). Ils étaient aussi plus susceptibles d’être désignés comme étant des travailleurs à la demande selon leurs dossiers fiscaux (52,2 %). Parmi les employés salariés, les particuliers qui étaient des employés permanents à temps plein (la plus grande catégorie) étaient moins susceptibles d’être des propriétaires uniques (5,8 %) ou des travailleurs à la demande (4,3 %), comparativement aux autres salariés. Les salariés permanents à temps plein et les salariés temporaires à temps partiel sont essentiellement opposés en ce qui a trait à la précarité de leur emploi, et cela semble se refléter dans leur propension à faire du travail autonome et du travail à la demande. Le pourcentage de propriétaires uniques parmi les répondants de l’EPA actuellement sans emploi était considérable (7,8 %). Ce taux est semblable au pourcentage de propriétaires uniques parmi les salariés qui travaillaient à temps plein, mais qui étaient employés de façon temporaire (8,2 %), et il est nettement inférieur au pourcentage de propriétaires uniques parmi les salariés occupant un emploi temporaire et qui travaillaient à temps partiel (11,0 %). En revanche, 5,3 % des répondants de l’EPA ayant déclaré ne pas être actifs sur le marché du travail à l’heure actuelle étaient des propriétaires uniques.


Tableau 3
Pourcentage de propriétaires uniques et de travail à la demande, par principale activité déclarée dans l’Enquête sur la population active – employés permanents par rapport aux employés temporaires, et statut d’emploi à plein temps par rapport au statut d’emploi à temps partiel
Sommaire du tableau
Le tableau montre les résultats de Pourcentage de propriétaires uniques et de travail à la demande. Les données sont présentées selon Principale activité dans l’EPA (titres de rangée) et Tous les propriétaires uniques, Travailleurs à la demande et Part de travailleurs à la demande parmi tous les propriétaires uniques, calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
Principale activité dans l’EPA Tous les propriétaires uniques Travailleurs à la demande Part de travailleurs à la demande parmi tous les propriétaires uniques
pourcentage
N’occupe pas actuellement un emploi, au chômage 7,8 6,3 80,6
N’occupe pas actuellement un emploi, inactif 5,3 4,5 85,6
Occupe un emploi, employé salarié 6,5 5,1 77,3
Embauché de façon permanente à plein temps 5,8 4,3 74,7
Embauché de façon permanente à temps partiel 9,0 7,5 84,0
Embauché de façon temporaire à plein temps 8,2 6,5 79,7
Embauché de façon temporaire à temps partiel 11,0 9,6 87,2
Occupe actuellement un emploi, travailleur autonome constitué en société 18,8 11,6 61,6
Plein temps 17,7 10,7 60,1
Temps partiel 26,8 18,5 68,8
Occupe actuellement un emploi, travailleur autonome non constitué en société 70,7 38,9 55,0
Plein temps 70,0 33,4 47,9
Temps partiel 73,2 52,2 71,4

La dernière colonne du tableau 3 montre que la part des travailleurs à la demande parmi les propriétaires uniques dont la principale activité sur le marché du travail est un emploi salarié était la plus faible pour les employés permanents à temps plein (0,747) et la plus élevée pour les employés temporaires à temps partiel (0,872)Note . Ces données donnent fortement à penser que les propriétaires uniques dont les principales activités sur le marché du travail sont associées à un emploi précaire sont plus susceptibles d’être des travailleurs à la demande. On ne sait pas exactement si les particuliers qui occupent des emplois précaires jugent qu’il est important de faire du travail à la demande pour compléter leur revenu, ou s’ils choisissent des emplois précaires intentionnellement pour avoir plus de temps pour faire du travail à la demande. Cependant, le fait qu’ils déclarent un emploi salarié comme principale activité sur le marché du travail accroît la probabilité que le travail à la demande soit effectué pour compléter les revenus provenant d’un emploi salarié.

Un autre résultat intéressant dans la dernière colonne du tableau 3 porte sur la part de travailleurs à la demande parmi les propriétaires uniques ayant déclaré dans l’EPA que leur principale activité sur le marché du travail est un travail autonome au sein d’une entreprise non constituée en société. Premièrement, ce pourcentage est plus faible (55,0 %) pour les travailleurs autonomes non constitués en société dans l’EPA, comparativement à toutes les autres catégories. Deuxièmement, ce pourcentage était considérablement plus faible pour les répondants ayant déclaré être des travailleurs autonomes à plein temps, comparativement aux répondants ayant déclaré être uniquement des travailleurs autonomes à temps partiel. Ces résultats soulignent la différence conceptuelle entre un travailleur à la demande et le fait d’être propriétaire d’une entreprise stable (non constituée en société) avec une certaine attente de stabilité, de continuité et de prévisibilité des revenus futurs. Ceux qui déclarent être travailleurs autonomes à temps plein sont plus susceptibles de faire partie de la dernière catégorie. Il n’est donc pas surprenant que la part des travailleurs à la demande parmi tous les propriétaires uniques dans cette catégorie de l’EPA fût la plus faible de toutes les catégoriesNote .

D’autres renseignements sur l’importance relative d’un revenu provenant d’un travail autonome et d’un travail informel peuvent être obtenus en examinant la façon dont la décision prise par un conjoint ou un partenaire de devenir un travailleur autonome ou de faire du travail à la demande est liée à la principale activité sur le marché du travail de l’autre conjoint ou partenaire. Cette relation est déterminée par divers facteurs. Il est donc difficile de déterminer a priori si, par exemple, le fait d’avoir un conjoint travailleur autonome augmenterait ou réduirait le taux de participation à un travail autonome ou à un travail à la demande chez les particuliers dont la principale activité est un emploi salarié. Les données couplées permettent de ventiler le pourcentage des propriétaires uniques et du travail à la demande, non seulement en fonction des principales activités sur le marché du travail des répondants de l’EPA, mais aussi en fonction des activités sur le marché du travail de leur conjoint ou de leur partenaire. Ces activités incluent les personnes sans emploi, les employés salariés et les travailleurs autonomes. Le tableau 4 montre que le fait d’avoir un conjoint travailleur autonome était associé à une plus forte incidence d’être un propriétaire unique pour les hommes et les femmes dont la principale activité sur le marché du travail dans l’EPA n’était pas un travail autonome. Cependant, une situation inverse s’observait chez les répondants dont la principale activité était un travail autonome au sein d’une entreprise constituée en société ou non constituée en société. Par exemple, 55,0 % des hommes étant travailleur autonome non constitué en société et dont la conjointe était travailleuse autonome ont déclaré être des propriétaires uniques, comparativement à 70,3 % des hommes étant travailleur autonome non constitué en société et dont la conjointe occupait un emploi salarié. Pour les femmes étant travailleuses autonomes non constituées en société, les taux correspondants étaient de 60,3 % et de 83,0 %. Le tableau 4 montre également des tendances semblables de participation au travail à la demande, mais les écarts liés aux sexes étaient encore plus marqués : bien que les proportions de travailleurs à la demande soient semblables parmi les hommes étant travailleurs autonomes non constitués en société dont la conjointe occupe un emploi rémunéré ou est travailleuse autonome (25,7 % et 24,3 %), la proportion de travailleurs à la demande était beaucoup plus élevée pour les travailleuses autonomes non constituées en société et dont le conjoint occupait un emploi salarié, comparativement à celles dont le conjoint occupait un travail autonome (58,2 % et 38,2 %).


Tableau 4
Pourcentage du travail autonome et du travail à la demande, en fonction de la principale activité sur le marché du travail du répondant de l’Enquête sur la population active et de son conjoint
Sommaire du tableau
Le tableau montre les résultats de Pourcentage du travail autonome et du travail à la demande. Les données sont présentées selon Principale activité déclarée dans l’EPA (titres de rangée) et Pas en couple, Conjoint travailleur autonome, Conjoint salarié, Conjoint sans emploi, Propriétaires uniques et Travailleurs à la demande, calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
Principale activité déclarée dans l’EPA Pas en couple Conjoint travailleur autonome Conjoint salarié Conjoint sans emploi
Propriétaires uniques Travailleurs à la demande Propriétaires uniques Travailleurs à la demande Propriétaires uniques Travailleurs à la demande Propriétaires uniques Travailleurs à la demande
pourcentage
Hommes
N’occupe pas actuellement un emploi
Au chômage 6,0 4,7 13,9 9,9 10,3 7,6 6,7 4,1
Inactif 3,9 3,3 11,7 9,8 5,9 4,2 6,0 4,6
Occupe actuellement un emploi
Employé salarié 5,3 4,1 12,0 7,8 6,5 4,4 6,8 4,2
Travailleur autonome constitué en société 21,3 13,8 13,9 9,4 16,2 8,4 18,3 9,6
Travailleur autonome non constitué en société 67,1 33,6 55,0 24,3 70,3 25,7 65,2 26,8
Femmes
N’occupe pas actuellement un emploi
Au chômage 7,5 6,9 12,1 11,0 6,9 6,1 5,8 5,0
Inactive 4,2 3,9 10,8 9,9 6,3 5,5 3,4 2,9
Occupe actuellement un emploi
Employée salariée 6,5 5,6 9,6 8,2 6,2 5,3 5,9 4,9
Travailleuse autonome constituée en société 29,7 20,2 15,7 22,8 28,3 18,9 24,5 15,7
Travailleuse autonome non constituée en société 77,7 52,1 60,3 38,2 83,0 58,1 78,2 53,9

Ces résultats soulignent la complexité de la relation qui pourrait exister entre les principales activités sur le marché du travail des conjoints et leur participation à un travail autonome. Le pourcentage relativement élevé de répondants occupant un emploi salarié et de répondants sans emploi ayant des conjoints travailleurs autonomes peut être lié aux occasions de fractionnement du revenu pour les conjoints travailleurs autonomes qui ne sont pas présentes pour les conjoints occupant un emploi salarié au Canada (Lloyd 2020). Les conjoints sans emploi peuvent déclarer un revenu de travail autonome provenant d’une entreprise familiale pour réduire le fardeau fiscal du conjoint ou de la conjointe qui exploite l’entreprise. Le fractionnement du revenu, toutefois, ne semble pas être la raison du pourcentage particulièrement élevé de propriétaires uniques parmi les répondants de l’EPA qui sont des travailleurs autonomes et dont la conjointe occupe un emploi salarié.

Jusqu’à présent, l’analyse a porté principalement sur l’activité principale déclarée dans l’EPA. Le tableau 5 montre que les répondants qui ont déclaré une activité secondaire étaient beaucoup plus susceptibles d’être des propriétaires uniques : 30,1 % des répondants de l’EPA ayant déclaré une activité secondaire étaient des propriétaires uniques, alors que c’était le cas pour 11,2 % des répondants n’ayant pas déclaré une activité secondaire. Des écarts semblables ont été observés dans le pourcentage de travailleurs à la demande : 22,0 % des répondants ayant déclaré une activité secondaire ont été désignés comme étant des travailleurs à la demande, alors que le pourcentage correspondant des répondants n’ayant pas déclaré une activité secondaire ne s’élevait qu’à 7,3 %. Les deux tiers des répondants de l’EPA qui ont déclaré que leur activité secondaire était un travail autonome au sein d’une entreprise non constituée en société étaient des propriétaires uniques selon les données fiscales, et presque la moitié de ces répondants (48,3 %) étaient des travailleurs à la demande. Environ 27,7 % des répondants ayant déclaré que leur activité secondaire était un travail autonome au sein d’une entreprise constituée en société et 16,2 % des répondants ayant déclaré que leur activité secondaire était un emploi salarié étaient des propriétaires uniques, selon les données fiscales.


Tableau 5
Pourcentage de propriétaires uniques qui font du travail à la demande et de propriétaires uniques qui n'en font pas, en fonction de l’activité secondaire déclarée dans l’Enquête sur la population active
Sommaire du tableau
Le tableau montre les résultats de Pourcentage de propriétaires uniques qui font du travail à la demande et de propriétaires uniques qui n'en font pas. Les données sont présentées selon Activité secondaire dans l’EPA (titres de rangée) et Tous les propriétaires uniques, Travailleurs à la demande et Autres propriétaires uniques (travailleurs qui ne font pas de travail à la demande), calculées selon pourcentage unités de mesure (figurant comme en-tête de colonne).
Activité secondaire dans l’EPA Tous les propriétaires uniques Travailleurs à la demande Autres propriétaires uniques (travailleurs qui ne font pas de travail à la demande)
pourcentage
Aucune activité secondaire 11,2 7,3 4,0
Activité secondaire 30,1 22,0 8,1
Employé salarié 16,2 12,7 3,5
Travailleur autonome d’une entreprise constituée en société 27,7 18,0 9,8
Travailleur autonome non constitué en société 67,7 48,3 19,5

Dans l’ensemble, les répondants de l’EPA qui ont pris part à plus d’une activité sur le marché du travail étaient plus susceptibles d’être des propriétaires uniques dans le FDLMO, même si leur activité secondaire dans l’EPA n’était pas un travail autonome au sein d’une entreprise non constituée en société. Un revenu de travail autonome peut être généré par l’activité principale ou secondaire déclarée dans l’EPA si l’une de ces activités est un travail autonome au sein d’une entreprise non constituée en société, mais il peut aussi provenir d’autres activités non déclarées dans l’EPA. Les résultats présentés dans le tableau 6 donnent à penser également que le revenu provenant d’un travail autonome des répondants ayant déclaré une activité secondaire était beaucoup plus susceptible d’être associé à du travail à la demande (22,0 %) que d’être associés à l’exploitation d’une entreprise établie et stable (c.-à-d. être un propriétaire unique qui n’est pas un travailleur à la demande) (8,1 %).


Tableau 6
Salaires horaires moyens et pourcentages de tous les propriétaires uniques et de travailleurs à la demande, par quintile de salaire horaire
Sommaire du tableau
Le tableau montre les résultats de Salaires horaires moyens et pourcentages de tous les propriétaires uniques et de travailleurs à la demande. Les données sont présentées selon Salaires horaires déclarés dans l’EPA (titres de rangée) et Salaire moyen, Tous les propriétaires uniques et Travailleurs à la demande, calculées selon dollars, pourcentage et heures unités de mesure (figurant comme en-tête de colonne).
Salaires horaires déclarés dans l’EPA Salaire moyen Tous les propriétaires uniques Travailleurs à la demande
dollars pourcentage
Quintile inférieur 12,6 6,0 5,0
Deuxième quintile 18,0 7,0 5,6
Quintile du milieu 23,5 6,3 4,8
Quatrième quintile 31,7 6,6 4,9
Quintile supérieur 48,5 6,8 4,9
Tous les quintiles 26,8 6,5 5,0
heures
Heures de travail moyennes Note ...: n'ayant pas lieu de figurer 34,8 34,0

Abraham et Houseman (2019) ont fait une importante observation. Selon eux, [traduction] « [l]a valeur du travail informel pour le ménage qui en prend part pourrait être considérable même si le montant total des revenus qu’il génère est modeste. » (page 111). Ils ont constaté que 38,4 % des personnes qui éprouvent des difficultés financières participent à un type quelconque de travail informel, comparativement à 24,4 % de celles qui vivent confortablement. De plus, 19,0 % des personnes éprouvant des difficultés financières prenaient part à deux activités de travail informelles ou plus. Jeon et Ostrovsky (2020) ont indiqué que le degré de dépendance à un revenu provenant d’un travail autonome diffère considérablement pour les travailleurs à la demande qui reçoivent aussi des gains T4 et pour ceux qui n’en reçoivent pas. De façon générale, pour les personnes qui reçoivent des gains T4, la part de leur revenu annuel total généré d’un travail autonome est beaucoup plus petite, peu importe si leur revenu total est faible ou élevé. Cependant, des professionnels qualifiés qui gagnent un salaire horaire élevé n’ont pas nécessairement des gains annuels T4 élevés. Ces gains ne dépendent pas seulement du salaire horaire, mais aussi du fait que la personne travaille à temps partiel ou à temps plein, et qu’elle travaille de façon continue pendant l’année civile ou si elle a des interruptions de travail. Les salaires horaires ne sont habituellement pas disponibles dans les données administratives. Voilà pourquoi les données administratives seules ne sont pas suffisantes pour déterminer si les travailleurs à rémunération faible ou élevée sont plus susceptibles de faire du travail à la demande.

Le couplage des données de l’EPA avec celles du FDLMO permet d’examiner directement les salaires horaires des travailleurs et de les classer selon leur part dans la répartition des gains. Pour évaluer l’importance relative du travail à la demande et du travail autonome au sein d’une entreprise non constituée en société pour les travailleurs à salaire élevé et ceux faiblement rémunérés, la répartition des salaires horaires a été établie pour les particuliers dont la principale activité dans l’EPA était un emploi salarié. Selon cette répartition, les particuliers ont été répartis dans cinq quintiles de salaire horaire, de la rémunération la plus faible à la rémunération la plus élevée. La première colonne dans le tableau 6 montre le salaire moyen dans chaque quintile de salaire horaire : de 12,6 $ dans le quintile inférieur à 48,5 $ dans le quintile supérieur. Le quintile de salaire inférieur avait aussi le plus faible pourcentage de propriétaires uniques (6,0 %). Toutefois, les pourcentages de travailleurs à la demande étaient environ les mêmes dans le quintile inférieur (5,0 %) et le quintile supérieur (4,9 %). Le plus fort pourcentage de propriétaires uniques (7,0 %) et de travailleurs à la demande (5,6 %) était observé dans le deuxième quintile. Au-delà du deuxième quintile, le pourcentage de propriétaires uniques semble augmenter avec le salaire horaire, mais il n’y avait aucune différence visible entre les quintiles dans le pourcentage de travail à la demande.

3.3 Analyse de régression

Jeon et al. (2021) ont conclu qu’environ la moitié des particuliers désignés comme étant des travailleurs à la demande dans les données administratives gagnaient aussi des revenus provenant d’un emploi salarié. Les répondants de l’EPA dont la principale activité sur le marché du travail était un emploi salarié ont été assujettis à une enquête officielle pour déterminer la mesure dans laquelle les caractéristiques individuelles des salariés et les caractéristiques reliées à leur emploi sont associées au fait d’être un propriétaire unique au sein d’une entreprise non constituée en société et, plus précisément, un travailleur à la demande. L’analyse de régression a mis l’accent sur les variables de l’EPA qui semblaient être étroitement liées à la participation à un travail autonome ou à un travail à la demande dans l’analyse susmentionnée. Le modèle probit suivant a été estimé :

               P( Y it =1| S it m , Η it l ,log W it , X it  )=F( α+ m γ m S it m + l γ l Η it l + γ w log W it +θ X it ) MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape GaamiuaiaacIcacaWGzbWdamaaBaaaleaapeGaamyAaiaadshaa8aa beaak8qacqGH9aqpcaaIXaGaaiiFaiaadofapaWaa0baaSqaa8qaca WGPbGaamiDaaWdaeaapeGaamyBaaaakiaacYcacaqGxoWdamaaDaaa leaapeGaamyAaiaadshaa8aabaWdbiaadYgaaaGccaGGSaGaamiBai aad+gacaWGNbGaam4va8aadaWgaaWcbaWdbiaadMgacaWG0baapaqa baGcpeGaaiilaiaadIfapaWaaSbaaSqaa8qacaWGPbGaamiDaaWdae qaaOWdbiaabckacaGGPaGaeyypa0JaamOramaabmaapaqaa8qacqaH XoqycqGHRaWkdaGfqbqabSWdaeaapeGaamyBaaqab0WdaeaapeGaey yeIuoaaOGaeq4SdC2damaaBaaaleaapeGaamyBaaWdaeqaaOWdbiaa dofapaWaa0baaSqaa8qacaWGPbGaamiDaaWdaeaapeGaamyBaaaaki abgUcaRmaawafabeWcpaqaa8qacaWGSbaabeqdpaqaa8qacqGHris5 aaGccqaHZoWzpaWaaSbaaSqaa8qacaWGSbaapaqabaGcpeGaae4Ld8 aadaqhaaWcbaWdbiaadMgacaWG0baapaqaa8qacaWGSbaaaOGaey4k aSIaeq4SdC2damaaBaaaleaapeGaam4DaaWdaeqaaOWdbiaadYgaca WGVbGaam4zaiaadEfapaWaaSbaaSqaa8qacaWGPbGaamiDaaWdaeqa aOWdbiabgUcaRiabeI7aXjaadIfapaWaaSbaaSqaa8qacaWGPbGaam iDaaWdaeqaaaGcpeGaayjkaiaawMcaaaaa@7F56@ , (3)

Y it MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamywa8aadaWgaaWcbaWdbiaadMgacaWG0baapaqabaaaaa@392B@  est le résultat pour l’individu i MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGPbaaaa@3704@  au moment t MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWG0baaaa@370F@ ; S it m MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaam4ua8aadaqhaaWcbaWdbiaadMgacaWG0baapaqaa8qacaWGTbaa aaaa@3A28@  est un ensemble de variables nominales pour le plus haut niveau de scolarité atteint m MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGTbaaaa@3708@ ; Η it l MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaae4Ld8aadaqhaaWcbaWdbiaadMgacaWG0baapaqaa8qacaWGSbaa aaaa@3A6C@  est un ensemble de variables nominales pour différentes catégories de statuts professionnels (p. ex. travail temporaire et saisonnier); log W it   MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape GaamiBaiaad+gacaWGNbGaam4va8aadaWgaaWcbaWdbiaadMgacaWG 0baapaqabaGcpeGaaiiOaaaa@3D38@ est le logarithme des salaires horaires; et X it MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiwa8aadaWgaaWcbaWdbiaadMgacaWG0baapaqabaaaaa@392A@  sont des contrôles qui incluent l’âge, le sexe, la situation familiale, la région de résidence, l’industrie de la principale activité et une variable nominale pour le statut à temps partielNote . Toutes les variables explicatives reposent sur l’EPA, et les variables catégoriques sont divisées en catégories, comme le montre le tableau 7. Le modèle faisait appel au sous-échantillon des répondants de l’EPA âgés de 20 à 64 ans dont la principale activité sur le marché du travail était l’emploi salarié, soit la seule catégorie pour laquelle les données sur le salaire horaire sont disponibles. Des erreurs-types ont été regroupées au niveau individuel, car, comme mentionné à la section 3, la plupart des répondants de l’EPA ont contribué à diverses observations.


Tableau 7
Résultats des estimations – probabilité de la situation d'activité du Fichier de données longitudinales sur la main-d’œuvre à titre de fonction pour les variables de l’Enquête sur la population active
Sommaire du tableau
Le tableau montre les résultats de Résultats des estimations – probabilité de la situation d'activité du Fichier de données longitudinales sur la main-d’œuvre à titre de fonction pour les variables de l’Enquête sur la population active. Les données sont présentées selon Variables de l’EPA (titres de rangée) et FDLMO : Tous les propriétaires uniques, FDLMO : Propriétaires uniques, travailleurs à la demande, FDLMO : Propriétaires uniques, pas des travailleurs à la demande et FDLMO : Travailleurs autonomes constitués en société, calculées selon effets partiels et erreurs-types unités de mesure (figurant comme en-tête de colonne).
Variables de l’EPA FDLMO : Tous les propriétaires uniques FDLMO : Propriétaires uniques, travailleurs à la demande FDLMO : Propriétaires uniques, pas des travailleurs à la demande FDLMO : Travailleurs autonomes constitués en société
effets partiels erreurs-types effets partiels erreurs-types effets partiels erreurs-types effets partiels erreurs-types
Femmes -0,010000Note *** 0,0023 -0,00056 0,0021 -0,00940Note *** 0,0012 -0,0096Note *** 0,0020
Âge (catégorie de référence : 45 à 49 ans)
20 à 24 ans -0,027000Note *** 0,0043 -0,01800Note *** 0,0038 -0,00970Note *** 0,0020 -0,0270Note *** 0,0038
25 à 29 ans -0,011000Note ** 0,0042 -0,00570 0,0037 -0,00610Note ** 0,0020 -0,0230Note *** 0,0034
30 à 34 ans 0,001400 0,0043 0,00500 0,0039 -0,00340 0,0019 -0,0170Note *** 0,0032
35 à 39 ans 0,004000 0,0043 0,00330 0,0039 0,00071 0,0020 -0,0099Note ** 0,0034
40 à 44 ans 0,007600 0,0044 0,00640 0,0040 0,00140 0,0021 -0,0051 0,0034
50 à 54 ans 0,000027 0,0042 -0,00180 0,0038 0,00170 0,0021 0,0027 0,0035
55 à 59 ans -0,001000 0,0044 -0,00290 0,0039 0,00200 0,0022 0,0065 0,0039
60 à 64 ans -0,007600 0,0049 -0,00970Note * 0,0041 0,00210 0,0028 0,0099Note * 0,0047
Situation familiale (catégorie de référence : Couple avec enfants)
Célibataire avec enfants -0,002700 0,0059 -0,00340 0,0051 -0,00024 0,0033 0,0260Note *** 0,0037
Célibataire, sans enfant -0,006200 0,0060 -0,00270 0,0052 -0,00410 0,0034 0,0180Note *** 0,0038
Couple, sans enfant -0,010000 0,0060 -0,00380 0,0053 -0,00690Note * 0,0033 -0,0015 0,0037
Région (catégorie de référence : Ontario)
Atlantique -0,018000Note *** 0,0026 -0,01200Note *** 0,0023 -0,00560Note *** 0,0013 -0,0110Note *** 0,0021
Québec -0,005100 0,0028 -0,00089 0,0025 -0,00410Note ** 0,0014 -0,0016 0,0023
Manitoba et Saskatchewan 0,002200 0,0027 0,00400 0,0024 -0,00170 0,0013 0,0062Note ** 0,0022
Alberta -0,007500Note * 0,0033 -0,00120 0,0030 -0,00620Note *** 0,0014 0,0190Note *** 0,0030
Colombie-Britannique 0,008900Note * 0,0035 0,00850Note ** 0,0031 0,00029 0,0017 0,0041 0,0028
Éducation (catégorie de référence : niveau inférieur à un diplôme d'études secondaires)
Diplôme d'études secondaires ou équivalent -0,002000 0,0041 0,00220 0,0036 -0,00350 0,0019 0,0092Note ** 0,0028
Études postsecondaires partielles 0,011000Note ** 0,0039 0,01000Note ** 0,0034 0,00053 0,0019 0,0110Note *** 0,0026
Grade universitaire 0,030000Note *** 0,0043 0,02700Note *** 0,0038 0,00340 0,0022 0,0380Note *** 0,0031
Logarithme du salaire horaire -0,002700 0,0025 -0,00580Note ** 0,0022 0,00260Note * 0,0012 0,0190Note *** 0,0021
Affiliation syndicale -0,005800Note * 0,0024 -0,00420 0,0022 -0,00150 0,0011 -0,0100Note *** 0,0019
Taille de l’entreprise (catégorie de référence : moins de 20 employés)
20 à 99 employés -0,023000Note *** 0,0036 -0,01600Note *** 0,0032 -0,00780Note *** 0,0018 -0,0260Note *** 0,0033
100 à 500 employés -0,032000Note *** 0,0037 -0,02400Note *** 0,0032 -0,00810Note *** 0,0020 -0,0390Note *** 0,0033
Plus de 500 employés -0,038000Note *** 0,0033 -0,02800Note *** 0,0029 -0,01000Note *** 0,0018 -0,0420Note *** 0,0030
Statut d’emploi (catégorie de référence : permanent)
Saisonnier 0,006400 0,0063 0,00870 0,0060 -0,00220 0,0022 -0,0063 0,0043
Temporaire, pour une période déterminée ou sous contrat 0,026000Note *** 0,0043 0,02100Note *** 0,0038 0,00490Note * 0,0021 0,0120Note ** 0,0039
Occasionnel 0,019000Note ** 0,0061 0,01400Note ** 0,0052 0,00490 0,0035 -0,0037 0,0046
Autre 0,045000 0,0400 0,04500 0,0370 -0,00520 0,0089 0,0091 0,0220
Emploi à temps partiel 0,033000Note *** 0,0032 0,02800Note *** 0,0028 0,00450Note ** 0,0017 0,0140Note *** 0,0027
Industrie (catégorie de référence : agriculture, foresterie, pêche et chasse)
Extraction minière, exploitation en carrière et extraction de pétrole et de gaz -0,020000Note * 0,0091 -0,00670 0,0082 -0,01300Note ** 0,0044 -0,0240Note ** 0,0088
Services publics -0,021000Note * 0,0099 -0,00470 0,0092 -0,01600Note *** 0,0043 -0,0320Note ** 0,0110
Construction 0,002100 0,0078 0,00420 0,0066 -0,00310 0,0042 -0,0150 0,0077
Fabrication -0,019000Note * 0,0074 -0,00630 0,0064 -0,01200Note ** 0,0040 -0,0320Note *** 0,0075
Commerce de gros -0,010000 0,0075 -0,00031 0,0064 -0,01000Note * 0,0041 -0,0260Note *** 0,0077
Commerce de détail -0,012000 0,0082 -0,00037 0,0071 -0,01100Note * 0,0043 -0,0250Note ** 0,0081
Transport et entreposage 0,016000 0,0085 0,01200 0,0071 0,00310 0,0046 -0,0120 0,0084
Industrie de l'information et industrie culturelle 0,041000Note *** 0,0110 0,04000Note *** 0,0100 0,00064 0,0061 -0,0310Note *** 0,0093
Finance et assurances -0,001000 0,0085 0,01200 0,0074 -0,01300Note ** 0,0042 -0,0210Note * 0,0085
Services immobiliers et services de location et de location à bail 0,066000Note *** 0,0140 0,02400Note * 0,0100 0,04100Note *** 0,0097 -0,0100 0,0110
Services professionnels, scientifiques et techniques 0,018000Note * 0,0084 0,01700Note * 0,0071 0,00053 0,0047 -0,0094 0,0081
Services administratifs, services de soutien, services de gestion des déchets et services d'assainissement 0,012000 0,0090 0,01300 0,0075 -0,00086 0,0052 -0,0380Note *** 0,0081
Services d’enseignement 0,024000Note ** 0,0084 0,03300Note *** 0,0073 -0,00920Note * 0,0042 -0,0370Note *** 0,0077
Soins de santé et assistance sociale 0,011000 0,0077 0,02000Note ** 0,0066 -0,01000Note * 0,0041 -0,0310Note *** 0,0075
Arts, spectacles et loisirs 0,039000Note *** 0,0110 0,03900Note *** 0,0098 -0,00110 0,0059 -0,0380Note *** 0,0087
Services d’hébergement et de restauration -0,013000 0,0080 -0,00073 0,0068 -0,01300Note ** 0,0042 -0,0240Note ** 0,0081
Autres services (sauf les administrations publiques) 0,020000Note * 0,0088 0,02600Note *** 0,0077 -0,00630 0,0044 -0,0430Note *** 0,0076
Administrations publiques -0,001300 0,0082 0,00900 0,0070 -0,00980Note * 0,0043 -0,0360Note *** 0,0078
Nombre d'observations 461 100 461 100 461 100 461 100

Quatre variables de résultats ont été prises en considération : i) un indicateur de statut de propriétaire unique; ii) un indicateur de la participation au travail à la demande; iii) un indicateur de statut de propriétaire unique, mais non de travailleur à la demande; iv) un indicateur de statut de propriétaire d’une entreprise non constituée en société. Le dernier résultat a été ajouté à l’analyse avec l’idée selon laquelle la comparaison des résultats pour le travail autonome au sein d’une entreprise constituée en société et non constituée en société pourrait fournir des indices supplémentaires sur ce qui pousse les particuliers à compléter leur rémunération d’emploi avec des gains provenant d’un travail autonome au sein d’une entreprise non constituée en société et d’un travail à la demande. Il convient de souligner que l’analyse de régression n’avait pas comme but d’établir une relation de cause à effet entre toute variable du deuxième membre de l’équation et les résultats, mais plutôt d’évaluer le niveau d’association entre les variables, pour tenir compte d’un vaste ensemble de covariables observées.

Les effets partiels estimatifs tirés du modèle probit et définis à l’aide de l’équation (3) sont présentés dans le tableau 7. L’analyse de régression confirme divers résultats descriptifs discutés plus tôt. Les titulaires d’un grade universitaire étaient beaucoup plus susceptibles d’être des travailleurs à la demande (0,027) ou des propriétaires uniques au sein d’entreprises non constituées en société (0,030), comparativement aux particuliers dont le niveau de scolarité était le moins élevé. Une incidence un peu plus élevée de travail à la demande chez les titulaires d’un grade universitaire a été observée dans diverses études antérieures (Abraham et Houseman 2019; Collins et al. 2020; Jeon et al. 2021). Toutefois, les résultats dans le tableau 7 révèlent une autre dynamique intéressante liée à la participation au travail à la demande : bien que des niveaux de scolarité plus élevés soient associés à des probabilités plus élevées de faire du travail à la demande, l’inverse est aussi vrai pour les salaires horaires. Lorsque des contrôles sont appliqués au niveau de scolarité et à diverses caractéristiques essentielles liées aux personnes et à leur emploi principal, une augmentation de 1 % des salaires horaires est associée à une diminution d’environ 0,6 point de pourcentage du taux de probabilité d’être un travailleur à la demande. En revanche, la probabilité d’être un travailleur autonome propriétaire d’une entreprise non constituée en société, qui n’est pas un travailleur à la demande, est liée de façon positive aux salaires horaires, bien que la relation semble faible et statistiquement significative au niveau de confiance de 95 % seulementNote .

D’autres résultats notables concernent deux aspects importants de la situation relative à l’emploi. Les répondants de l’EPA qui travaillent à temps partiel à leur emploi principal étaient beaucoup plus susceptibles d’être des propriétaires uniques d’entreprises non constituées en société (0,033) et des travailleurs à la demande (0,028) (tableau 7). De même, une plus forte probabilité d’être un travailleur à la demande était étroitement associée au statut de travail temporaire, surtout chez les employés temporaires, nommés pour une période déterminée ou contractuels (0,021). En revanche, la corrélation entre les variables liées au travail temporaire et la probabilité d’être un propriétaire unique autre qu’un travailleur à la demande était beaucoup plus faible, et seulement une de ces variables (emploi temporaire, d’une durée déterminée ou contractuel) avait une importance minime au niveau de confiance de 95 % (0,005)Note .

Comme mentionné ci-dessus, on a fait appel à un modèle additionnel pour déterminer la probabilité d’être un travailleur autonome constitué en société. Les résultats dans les deux dernières colonnes du tableau 7 montrent que les gradients de la rémunération et du niveau de scolarité sont plus évidents et solides pour les propriétaires d’entreprises constituées en société, et que la probabilité d’être propriétaire d’une entreprise constituée en société augmente avec les salaires horaires et le niveau de scolarité. Selon les résultats présentés au tableau 7, il semble probable que les caractéristiques des particuliers qui font du travail à la demande, ainsi que leurs motivations à devenir des travailleurs à la demande, soient très différentes des caractéristiques et des motivations de ceux qui deviennent propriétaires d’entreprises constituées en société, ce qui cadre avec les observations avancées par Levine et Rubinstein (2017)Note .

4 Conclusions

La présente étude avait deux principaux objectifs. Tout d’abord, elle a permis d’examiner le lien entre les activités sur le marché du travail déclarées dans l’EPA et les sources de revenus de ces mêmes particuliers dans les données fiscales. Il a été estimé que, pour la majorité des répondants de l’EPA ayant indiqué que leur principale activité sur le marché du travail était un emploi salarié, les données fiscales indiquaient aussi des revenus provenant d’un emploi salarié (97,6 %). En outre, plus de 80 % des répondants de l’EPA dont la principale activité sur le marché du travail était un travail autonome au sein d’une entreprise non constituée en société ont déclaré un revenu provenant d’un travail autonome dans les données fiscales.

Le deuxième objectif consistait à en apprendre davantage sur le rôle du travail autonome à titre de source de revenus complémentaire. L’étude a permis d’examiner la probabilité d’avoir un revenu provenant d’un travail autonome ou d’être un travailleur à la demande pour les particuliers qui ont déclaré que leur principale activité sur le marché du travail est un emploi salarié. Les titulaires d’un grade universitaire occupant un emploi salarié semblent être plus susceptibles d’être des travailleurs à la demande ou des propriétaires uniques, comparativement aux particuliers occupant un emploi salarié ayant un niveau de scolarité inférieur. Une situation d’emploi temporaire et un emploi à temps partiel étaient étroitement liés à la probabilité d’être un travailleur à la demande. L’analyse descriptive montre que la probabilité de faire du travail à la demande chez les salariés occupant un emploi temporaire à temps partiel était considérablement plus élevée (9,6 %) que chez les salariés occupant un emploi permanent à plein temps (4,3 %). La probabilité de faire du travail à la demande était aussi plus élevée chez les salariés dont le conjoint occupait un travail autonome, comparativement aux salariés dont le conjoint occupait aussi un emploi salarié ou ne travaillait pas. Plus des deux tiers des répondants de l’EPA qui ont déclaré le travail autonome au sein d’une entreprise non constituée en société à titre d’activité secondaire étaient des propriétaires uniques, dont 48,3 % étaient des travailleurs à la demande.

Ces résultats ne devraient pas être interprétés comme une preuve d’un lien causal entre la participation à un travail à la demande et le niveau de scolarité, les salaires horaires ou le statut d’emploi temporaire. De plus, en raison des différentes fréquences de collecte de données de l’EPA et du FDLMO, les emplois salariés et le travail à la demande n’ont pas nécessairement été exécutés simultanément. Il est probable que certaines activités de travail autonome ou de travail à la demande ont suivi (ou précédé) un emploi salarié. Néanmoins, la documentation des liens corrélationnels étroits décrits ci-dessus est une étape importante pour mieux comprendre le rôle du travail autonome et du travail à la demande comme sources de revenus complémentaires.

Dans de futures recherches, il sera important de déterminer si les résultats de la présente étude ont été touchés par les changements survenus sur le marché du travail après mars 2020. Seules les données administratives sur le travail à la demande d’avant 2017 étaient disponibles lorsque la présente étude a commencé. À mesure que de nouvelles données administratives deviennent disponibles, la question relative à la façon dont les particuliers déclarent leurs revenus dans les données administratives et les enquêtes va sûrement être réexaminée.

5 Annexe

Annexe A : Incidence de l’âge sur les taux de couplage des données entre l’Enquête sur la population active et le Fichier de données longitudinales sur la main-d’œuvre

Bien que le taux de couplage entre l’Enquête sur la population active (EPA) et le Fichier de données longitudinales sur la main-d’œuvre (FDLMO) discuté à la section 2 soit élevé (84,2 %), il est important de déterminer s’il y a des liens systématiques entre les caractéristiques des répondants de l’EPA et la probabilité de couplage avec le FDLMO. D’après un examen de l’âge des particuliers n’ayant pas été couplés au FDLMO, le taux de non-couplage semble très élevé chez les répondants de l’EPA âgés de moins de 20 ans, mais ce taux diminue rapidement avec chaque année d’âge supplémentaire : 81,1 % pour les répondants âgés de 15 ans, 63,2 % pour les répondants âgés de 16 ans, 37,6 % pour les répondants âgés de 17 ans et 21,4 % pour les répondants âgés de 18 ou 19 ansNote . Le taux de non-couplage continue de baisser après l’âge de 20 ans (pour atteindre 11,3 % pour les particuliers âgés de 50 ans et plus), mais à un rythme très lent. Pour les répondants de l’EPA âgés de 25 à 54 ans (« groupes d’âge les plus actifs »), le taux de couplage global se chiffrait à 84,8 %, ce qui est très semblable au taux de couplage global pour tous les groupes d’âge (84,2 %).

Une analyse de régression a été utilisée pour une évaluation plus complète des tendances de couplage. Un indicateur précisant si un répondant de l’EPA pourrait être couplé aux données du FDLMO a fait l’objet d’une régression en fonction de l’ensemble suivant de variables liées à la démographie, au capital humain et à la géographie qui pourraient possiblement influer sur le taux de couplage : le sexe; l’âge, la division en tranche de cinq ans pour les répondants de 15 à 65 ans (c.-à-d. 15 à 19 ans, 20 à 24 ans, 25 à 29 ans), et une catégorie d’âge distincte pour les répondants âgés de 65 ans et plus; le niveau de scolarité, divisé en quatre catégories (sans diplôme d’études secondaires; diplôme d’études secondaires ou équivalent; études postsecondaires partielles; grade universitaire); la situation familiale, divisée en quatre catégories (célibataire [ni marié ni vivant en cohabitation] sans enfants de 18 ans ou moins; célibataire avec des enfants de 18 ans ou moins; marié ou vivant en cohabitation sans enfants de 18 ans ou moins; marié ou vivant en cohabitation avec enfants de 18 ans ou moins); la région géographique, divisée en six catégories (les provinces de l’Atlantique; Québec; Ontario; Manitoba et Saskatchewan; Alberta et Colombie-Britannique). Les résultats du modèle de probabilité linéaire se trouvent au tableau A1 en annexe. La baisse la plus marquée et de loin la plus importante en ce qui a trait au taux de probabilité de couplage des enregistrements de l’EPA aux données du FDLMO aux fins d’utilisation dans la présente étude est associée à la catégorie de répondants âgés de 15 à 19 ans (-0,184; la catégorie de référence étant les répondants de l’EPA âgés de 45 à 49 ans). Une façon d’évaluer l’ampleur de cette baisse est de la comparer avec la probabilité de référence d’être couplée avec le FDLMO établie par le terme constant (0,846)Note  : une baisse de 18,4 points de pourcentage représente une baisse de 21,7 % par rapport au taux de probabilité de référence. Les répondants de l’EPA âgés de 65 ans et plus ont la plus forte probabilité de couplage (0,106). D’autres coefficients de l’âge – quoique statistiquement significatifs – ne semblent pas indiquer des écarts importants par rapport à la catégorie de référence. Pour les particuliers dans une ou l’autre des situations familiales, le fait de ne pas avoir d’enfants est associé à une probabilité un peu plus faible d’être couplés au FDLMO. Une explication possible serait que les particuliers ayant de jeunes enfants sont plus motivés à produire des déclarations de revenus que les autres particuliers en raison des prestations pour enfants. Les répondants habitant au Québec sont plus susceptibles d’être couplés au FDLMO, comparativement aux personnes habitant ailleurs au Canada, ce qui pourrait être expliqué par le fait que le Québec enregistre des taux de production de déclarations de revenus plus élevés.


Annexe – Tableau A1
Résultats de la régression pour le couplage entre l’Enquête sur la population active et le Fichier de données longitudinales sur la main-d’œuvre
Sommaire du tableau
Le tableau montre les résultats de Résultats de la régression pour le couplage entre l’Enquête sur la population active et le Fichier de données longitudinales sur la main-d’œuvre Résultat : Données couplées au FDLMO, calculées selon coefficients, erreurs-types et pourcentage unités de mesure (figurant comme en-tête de colonne).
Résultat : Données couplées au FDLMO
coefficients erreurs-types
Femmes 0,017 0,001Note ***
Groupe d’âge (groupe de référence : 45 à 50 ans)
15 à 19 ans -0,184 0,004Note ***
20 à 24 ans 0,025 0,003Note ***
25 à 29 ans 0,009 0,003Note ***
30 à 34 ans 0,000 0,003
35 à 39 ans -0,006 0,003Note *
40 à 44 ans -0,015 0,003Note ***
50 à 54 ans 0,020 0,003Note ***
55 à 59 ans 0,050 0,003Note ***
60 à 64 ans 0,082 0,003Note ***
65 ans ou plus 0,106 0,003Note ***
Niveau de scolarité (groupe de référence : grade universitaire)
Sans diplôme d'études secondaires -0,08 0,002Note ***
Diplôme d'études secondaires ou équivalent -0,03 0,002Note ***
Études postsecondaires partielles 0,00 0,002
Situation familiale (groupe de référence : couple avec enfants de 18 ans ou moins)
Célibataire avec des enfants de 18 ans ou moins 0,010 0,004Note **
Célibataire sans enfant de 18 ans ou moins -0,045 0,004Note ***
Couple sans enfant de 18 ans ou moins -0,104 0,004Note ***
Province (référence : Ontario)
Provinces de l'Atlantique 0,074 0,002Note ***
Québec 0,122 0,002Note ***
Prairies 0,050 0,002Note ***
Alberta 0,021 0,002Note ***
Colombie-Britannique -0,017 0,002Note ***
Constante 0,846 0,005Note ***
Nombre total de particuliers de l’EPA 292 100 Note ...: n'ayant pas lieu de figurer
pourcentage
Nombre de particuliers couplés au FDLMO 246 100 84,24

Selon les résultats de cette évaluation, l’analyse principale se limite aux répondants de l’EPA âgés de 20 à 64 ans.

Annexe B : Méthodologie

Les données de l’Enquête sur la population active (EPA) contiennent des poids d’échantillonnage individuels établis par divers coefficients de pondération, le plus important étant l’inverse de la probabilité de sélection. Les poids sont transversaux, et les comptes pondérés de l’échantillon reflètent les chiffres de population au niveau de géographie sélectionné. La structure du panel de l’EPA sous-entend que chaque particulier sélectionné dans un échantillon de l’EPA peut avoir jusqu’à six enregistrements mensuels au cours d’une année donnée. Par exemple, les particuliers sélectionnés en mai 2016 pourraient être observés pendant une période allant jusqu’à six mois, soit de mai à octobreNote . Les particuliers sélectionnés en novembre ne peuvent être observés que pour les mois de novembre et décembre 2016. Au cours d’un mois m MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGTbaaaa@3708@ donné,

                                                               P m = s i w ism MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaad2gaa8aabeaak8qacqGH9aqpdaGf qbqabSWdaeaapeGaam4Caaqab0WdaeaapeGaeyyeIuoaaOWaaybuae qal8aabaWdbiaadMgaaeqan8aabaWdbiabggHiLdaakiaadEhapaWa aSbaaSqaa8qacaWGPbGaam4Caiaad2gaa8aabeaaaaa@4447@ ,                                                                (1)

P m MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaad2gaa8aabeaaaaa@382D@  est le chiffre total de population et w is MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaam4Da8aadaWgaaWcbaWdbiaadMgacaWGZbaapaqabaaaaa@3948@  est le poids correspondant accordé au particulier i MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGPbaaaa@3704@  dans la strate s MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGZbaaaa@370E@ Note . En d’autres mots, le chiffre de population total au cours du mois m MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGTbaaaa@3708@  peut être obtenu en effectuant la somme de tous les poids de chaque strate, puis la somme de toutes les strates.

Pour bien comprendre le concept, supposons que la population d’un pays P m MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaad2gaa8aabeaaaaa@382D@  est de 240 000 particuliers, et qu’elle demeure stable pendant toute l’année. Le pays est divisé en 100 strates ( s=100 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaam4Caiabg2da9iaaigdacaaIWaGaaGimaaaa@3A39@ ) de taille égale (2 400 particuliers), et 40 particuliers sont sélectionnés dans chaque strate pour former le panel qui commencera en janvier et se terminera en juin; 40 particuliers différents seront sélectionnés pour le panel qui commencera en juillet et se terminera en décembreNote . Pour simplifier les choses, supposons qu’il n’y a aucune non-réponse. L’échantillon total contient alors 48 000 enregistrements pour 8 000 particuliers. Puisque 40 particuliers dans chaque strate représentent 2 400 particuliers qui habitent dans cette strate, chaque particulier sélectionné se voit attribuer un poids de 60 ( w ism =60). MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaam4Da8aadaWgaaWcbaWdbiaadMgacaWGZbGaamyBaaWdaeqaaOWd biabg2da9iaaiAdacaaIWaGaaiykaiaac6caaaa@3E33@ et on utilisera la formule d’équation (1) P janvier = P février == P décembre =60×40×100=240 000 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaadQgacaWGHbGaamOBaiaadAhacaWG PbGaamyzaiaadkhaa8aabeaak8qacqGH9aqpcaWGqbWdamaaBaaale aapeGaamOzaiaadMoacaWG2bGaamOCaiaadMgacaWGLbGaamOCaaWd aeqaaOWdbiabg2da9iabgAci8kabg2da9iaadcfapaWaaSbaaSqaa8 qacaWGKbGaamy6aiaadogacaWGLbGaamyBaiaadkgacaWGYbGaamyz aaWdaeqaaOWdbiabg2da9iaaiAdacaaIWaGaey41aqRaaGinaiaaic dacqGHxdaTcaaIXaGaaGimaiaaicdacqGH9aqpcaaIYaGaaGinaiaa icdacaGGSaGaaGimaiaaicdacaaIWaaaaa@6483@ . Comme mentionné à la section 2, l’approche prise dans la présente étude vise à conserver tous les enregistrements mensuels des particuliers, mais de diviser chaque poids des particuliers par 12 (le nombre de mois dans une année) afin de maintenir le degré de représentativité de l’échantillon de l’EPA au niveau annuel :

                                                             P a = s i m w ˜ ism MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaadggaa8aabeaak8qacqGH9aqpdaGf qbqabSWdaeaapeGaae4Caaqab0WdaeaapeGaeyyeIuoaaOWaaybuae qal8aabaWdbiaabMgaaeqan8aabaWdbiabggHiLdaakmaawafabeWc paqaa8qacaqGTbaabeqdpaqaa8qacqGHris5aaGcceWG3bWdayaaia WaaSbaaSqaa8qacaWGPbGaam4Caiaad2gaa8aabeaaaaa@47A9@ ,                                                              (2)

w ˜ ism = w ism 12 MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gabm4Da8aagaacamaaBaaaleaapeGaamyAaiaadohacaWGTbaapaqa baGcpeGaeyypa0ZaaSGaa8aabaWdbiaadEhapaWaaSbaaSqaa8qaca WGPbGaam4Caiaad2gaa8aabeaaaOqaa8qacaaIXaGaaGOmaaaaaaa@4159@ . Dans l’exemple ci-dessus, chaque poids est divisé par 12, ce qui signifie que le poids de chaque particulier est maintenant w ˜ ism =60/12=5. MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gabm4Da8aagaacamaaBaaaleaapeGaamyAaiaadohacaWGTbaapaqa baGcpeGaeyypa0JaaGOnaiaaicdacaGGVaGaaGymaiaaikdacqGH9a qpcaaI1aGaaiOlaaaa@4184@ Le chiffre de population total peut être obtenu à l’aide de la formule d’équation (2) : P a =5×6×[ 2×40 ]×100=240 000. MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaadggaa8aabeaak8qacqGH9aqpcaaI 1aGaey41aqRaaGOnaiabgEna0oaadmaapaqaa8qacaaIYaGaey41aq RaaGinaiaaicdaaiaawUfacaGLDbaacqGHxdaTcaaIXaGaaGimaiaa icdacqGH9aqpcaaIYaGaaGinaiaaicdacaGGSaGaaGimaiaaicdaca aIWaGaaiOlaaaa@505A@  Le résultat reflète la taille de la population au cours de l’année a MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGHbaaaa@36FC@ , et correspond au même résultat que la population transversale mensuelle obtenue à l’aide de la formule susmentionnée. Le nombre entre crochets correspond au nombre total de particuliers uniques au cours de l’année a MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGHbaaaa@36FC@  (deux panels multipliés par 40 particuliers), et le deuxième nombre (6) est le nombre de mois au cours desquels le particulier est observé dans le panel. Dans l’exemple, on suppose que tous les particuliers ont été observés pendant six mois. Cependant, m MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGTbaaaa@3708@  sera différent pour différents particuliers dans l’équation (2), selon le nombre d’observations disponibles pour ce particulier au cours de l’année a MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGHbaaaa@36FC@ Note . Intuitivement, la contribution d’un particulier observé dans l’EPA pendant six mois est équivalente à la contribution de six particuliers observés pendant un mois. De plus, la contribution combinée de deux particuliers observés pendant six mois représente la contribution d’un seul particulier fictif dans les chiffres transversaux annualisés de l’EPA. Si la population demeure inchangée pendant tous les 12 mois de l’année a MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGHbaaaa@36FC@ , les chiffres mensuels et transversaux annuels seraient identiques, et P a = P m MathType@MTEF@5@5@+= feaagKart1ev2aqatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVCI8FfYJH8YrFfeuY=Hhbbf9v8qqaqFr0xc9pk0xbb a9q8WqFfeaY=biLkVcLq=JHqpepeea0=as0Fb9pgeaYRXxe9vr0=vr 0=vqpWqaaeaabiGaciaacaqabeaadaqaaqaaaOqaaabaaaaaaaaape Gaamiua8aadaWgaaWcbaWdbiaadggaa8aabeaak8qacqGH9aqpcaWG qbWdamaaBaaaleaapeGaamyBaaWdaeqaaaaa@3B62@  pour tout m MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGTbaaaa@3708@  dans a MathType@MTEF@5@5@+= feaagKart1ev2aaatCvAUfeBSjuyZL2yd9gzLbvyNv2CaerbuLwBLn hiov2DGi1BTfMBaeXatLxBI9gBaerbd9wDYLwzYbItLDharqqtubsr 4rNCHbGeaGqiVu0Je9sqqrpepC0xbbL8F4rqqrFfpeea0xe9Lq=Jc9 vqaqpepm0xbba9pwe9Q8fs0=yqaqpepae9pg0FirpepeKkFr0xfr=x fr=xb9adbaqaaeGaciGaaiaabeqaamaabaabaaGcbaaeaaaaaaaaa8 qacaWGHbaaaa@36FC@ .

Il est important de signaler que le principal objectif de l’analyse empirique ci-dessous est de comprendre la façon dont les activités sur le marché du travail déclarées par les répondants de l’EPA en 2016 reflètent leur situation d’emploi et leurs sources de revenus, selon les données fiscales. La principale méthode d’annualisation utilisée dans la présente étude permet de faire une interprétation assez simple des résultats. Par exemple, l’étude peut déterminer que X % de tous les répondants de l’EPA ayant déclaré un emploi salarié comme principale activité sur le marché du travail ont aussi des gains T4 dans le Fichier de données longitudinales sur la main-d’œuvre (FDLMO). Puisque les données de l’EPA sont des données mensuelles et que les données du FDLMO sont des données annuelles, les renseignements sur les feuillets T4 s’appliquent à tous les enregistrements de l’EPA. En revanche, si le dénominateur est le nombre de particuliers dans le FDLMO qui ont reçu un feuillet T4 en 2016 et que le numérateur est le nombre de répondants de l’EPA ayant déclaré un emploi salarié comme principale activité sur le marché du travail dans un mois précis, les résultats sont plus difficiles à interpréter. Voilà pourquoi l’analyse est étalonnée en fonction de la population de l’EPA.

Annexe C : Comparaison entre les résultats selon d’autres méthodes d’annualisation

Pour mieux comprendre les répercussions du choix de la stratégie d’annualisation sur les résultats, on a aussi mis en œuvre une solution d’annualisation de rechange axée sur l’agrégation de toutes les observations mensuelles des particuliers en une seule observation annuelle. Puisque la durée d’observation des répondants de l’Enquête sur la population active (EPA) dans l’échantillon principal varie, allant d’un à six mois, seuls les particuliers ayant participé à six interviews en 2016 ont été inclus dans l’échantillon pour que l’agrégation soit uniforme pour tous les particuliers dans l’échantillon. Aux fins de comparaison, un ensemble de résultats a été obtenu à l’aide de la même approche mois-personne que celle utilisée dans l’analyse principale, et un autre ensemble de résultats a été obtenu à l’aide des données agrégées au niveau de la personne. Pour créer un échantillon au niveau de la personne, les principales activités sur le marché du travail du répondant ont été regroupées en un seul enregistrement annuel au niveau de la personne. Pour se faire, on a sélectionné la principale activité sur le marché du travail la plus fréquente (c.-à-d. le mode activité), puis on a fait la moyenne des poids mensuels de l’EPA pour ce particulier afin d’en arriver à une seule valeur annuelleNote .

La partie supérieure du tableau A2 en annexe présente les résultats pour un échantillon restreint à l’aide de la même approche méthodologique que celle utilisée dans l’analyse principale (tableau 2). Le pourcentage des travailleurs autonomes non constitués en société dans l’EPA qui ont des revenus provenant d’un travail autonome dans le Fichier de données longitudinales sur la main-d’œuvre (FDLMO) est légèrement supérieur dans l’échantillon restreint (82,4 %) que celui dans l’échantillon principal (80,7 %), mais, dans l’ensemble, les pourcentages dans la partie supérieure du tableau A2 en annexe sont assez semblables à ceux figurant dans le tableau 2. À titre de comparaison, les résultats dans la partie inférieure du tableau A2 en annexe indiquent que 88,8 % des répondants dont la principale activité agrégée sur le marché du travail dans l’EPA était un travail autonome au sein d’une entreprise non constituée en société affichaient aussi des revenus provenant d’un travail autonome dans le FDLMO. Par conséquent, l’approche d’agrégation au niveau de la personne produit une mise en correspondance encore plus solide entre le travail autonome au sein d’une entreprise non constituée en société de l’EPA et les données fiscales, comparativement à l’approche mois-personne privilégiéeNote .


Annexe – Tableau A2
Mise en correspondance de la situation d’emploi et des principales activités sur le marché du travail de l’Enquête sur la population active avec la situation d’emploi et les sources de revenus du Fichier de données longitudinales sur la main-d’œuvre; échantillon limité aux personnes ayant participé à six interviews
Sommaire du tableau
Le tableau montre les résultats de Mise en correspondance de la situation d’emploi et des principales activités sur le marché du travail de l’Enquête sur la population active avec la situation d’emploi et les sources de revenus du Fichier de données longitudinales sur la main-d’œuvre; échantillon limité aux personnes ayant participé à six interviews. Les données sont présentées selon Principale activité dans l’EPA (titres de rangée) et Statut dans le FDLMO, Total (chiffres pondérés), Employé salarié (revenu selon le feuillet T4), Travailleur autonome constitué en société, Tous les travailleurs autonomes non constitués en société et Travailleurs autonomes non constitués en société ayant un formulaire T2125, calculées selon pourcentage de ligne et nombre unités de mesure (figurant comme en-tête de colonne).
Principale activité dans l’EPA Statut dans le FDLMO Total (chiffres pondérés)
Employé salarié (revenu selon le feuillet T4) Travailleur autonome constitué en société Tous les travailleurs autonomes non constitués en société Travailleurs autonomes non constitués en société ayant un formulaire T2125
pourcentage de ligne nombre
Échantillon mois-personne
Occupe actuellement un emploi
Employé salarié 97,7 4,5 7,8 6,9 5 607 800
Travailleur autonome constitué en société 67,8 75,3 24,5 20,9 447 900
Travailleur autonome non constitué en société 27,6 9,8 82,4 77,0 518 800
N’occupe pas actuellement un emploi
Au chômage 70,7 4,6 9,0 7,9 393 000
Inactif 26,5 4,3 6,7 5,6 1 536 100
Échantillon agrégé, activité la plus commune
Occupe actuellement un emploi
Employé salarié 98,1 4,3 7,5 6,7 944 300
Travailleur autonome constitué en société 68,7 82,7 21,7 18,1 69 900
Travailleur autonome non constitué en société 22,0 7,8 88,8 83,0 82 300
N’occupe pas actuellement un emploi
Au chômage 65,8 4,8 9,1 7,7 44 400
Inactif 22,4 4,3 6,4 5,3 242 200

Pour évaluer la robustesse des résultats dans le tableau 7, deux modèles additionnels fondés sur les mêmes spécifications ont été calculés à l’aide de l’échantillon restreint discuté à la section 4. Le premier modèle (deux premières colonnes du tableau A3 en annexe) reposait sur l’échantillon mois-personne ne regroupant que les particuliers ayant fait l’objet de six interviews dans le cadre de l’EPA de 2016. Le deuxième modèle (deux dernières colonnes) a été estimé selon l’échantillon agrégé au niveau de la personne, lequel ne regroupait aussi que les particuliers ayant fait l’objet de six interviews dans le cadre de l’EPA de 2016Note . Les erreurs-types dans les deux ensembles de résultats sont considérablement plus élevées que celles dans le tableau 7 en raison de la taille plus petite de l’échantillon.


Annexe – Tableau A3
Effets partiels pour les estimations calculées à l’aide des modèles probits pour les échantillons restreints (six interviews) : personne-mois et enregistrements agrégés
Sommaire du tableau
Le tableau montre les résultats de Effets partiels pour les estimations calculées à l’aide des modèles probits pour les échantillons restreints (six interviews) : personne-mois et enregistrements agrégés. Les données sont présentées selon Variables de l’EPA (titres de rangée) et Enregistrements personne-mois, Enregistrements au niveau de la personne, FDLMO : Tous les propriétaires uniques et FDLMO : Propriétaires uniques, travailleurs à la demande, calculées selon effets partiels et erreurs-types unités de mesure (figurant comme en-tête de colonne).
Variables de l’EPA Enregistrements personne-mois Enregistrements au niveau de la personne
FDLMO : Tous les propriétaires uniques FDLMO : Propriétaires uniques, travailleurs à la demande FDLMO : Tous les propriétaires uniques FDLMO : Propriétaires uniques, travailleurs à la demande
effets partiels erreurs-types effets partiels erreurs-types effets partiels erreurs-types effets partiels erreurs-types
Femmes -0,00870Note * 0,0037 -0,00059 0,0033 -0,0096Note * 0,0039 -0,00230 0,0035
Âge (catégorie omise : 45 à 49 ans)
20 à 24 ans -0,02800Note *** 0,0069 -0,01500Note * 0,0060 -0,0280Note *** 0,0077 -0,01500Note * 0,0067
25 à 29 ans -0,01500Note * 0,0067 -0,00740 0,0057 -0,0150Note * 0,0074 -0,00800 0,0062
30 à 34 ans -0,00048 0,0068 0,00810 0,0060 -0,0013 0,0073 0,00880 0,0065
35 à 39 ans 0,00360 0,0069 0,00880 0,0061 0,0021 0,0074 0,00720 0,0066
40 à 44 ans 0,01100 0,0072 0,01100 0,0062 0,0069 0,0077 0,00900 0,0067
50 à 54 ans -0,00030 0,0066 0,00220 0,0057 -0,0023 0,0072 0,00096 0,0062
55 à 59 ans -0,00290 0,0068 0,00210 0,0060 -0,0024 0,0075 0,00250 0,0066
60 à 64 ans -0,01400 0,0071 -0,01100 0,0058 -0,0200Note ** 0,0076 -0,01600Note ** 0,0061
Situation familiale (catégorie omise : Couple avec enfants)
Célibataire avec enfants -0,00990 0,0098 -0,00840 0,0085 -0,0110 0,0100 -0,00990 0,0093
Célibataire, sans enfant -0,01100 0,0100 -0,00700 0,0088 -0,0120 0,0110 -0,00950 0,0096
Couple, sans enfant -0,01500 0,0100 -0,00910 0,0089 -0,0160 0,0110 -0,01200 0,0098
Région (catégorie omise : Ontario)
Atlantique -0,01800Note *** 0,0042 -0,01500Note *** 0,0037 -0,0180Note *** 0,0044 -0,01600Note *** 0,0038
Québec -0,00870 0,0045 -0,00580 0,0039 -0,0086 0,0047 -0,00680 0,0042
Manitoba et Saskatchewan 0,00240 0,0044 0,00290 0,0039 0,0030 0,0046 0,00300 0,0041
Alberta -0,00820 0,0053 -0,00360 0,0048 -0,0073 0,0055 -0,00320 0,0050
Colombie-Britannique 0,00680 0,0056 0,00530 0,0050 0,0056 0,0059 0,00350 0,0052
Éducation (catégorie omise : niveau inférieur à un diplôme d'études secondaires)
Diplôme d'études secondaires ou équivalent 0,00450 0,0062 0,00460 0,0057 0,0033 0,0069 0,00210 0,0064
Études postsecondaires partielles 0,01500Note * 0,0059 0,01300Note * 0,0054 0,0130Note * 0,0066 0,00980 0,0062
Université 0,03600Note *** 0,0067 0,02900Note *** 0,0060 0,0360Note *** 0,0075 0,02700Note *** 0,0069
Logarithme du salaire horaire -0,00067 0,0038 -0,00450 0,0034 0,0018 0,0052 -0,00270 0,0046
Affiliation syndicale -0,00440 0,0038 -0,00460 0,0034 -0,0070 0,0041 -0,00620 0,0036
Taille de l’entreprise (catégorie omise : moins de 20 employés)
20 à 99 employés -0,01600Note ** 0,0056 -0,00830 0,0049 -0,0220Note ** 0,0068 -0,01100 0,0060
100 à 500 employés -0,02600Note *** 0,0057 -0,01900Note *** 0,0048 -0,0340Note *** 0,0067 -0,02400Note *** 0,0057
Plus de 500 employés -0,03200Note *** 0,0050 -0,02000Note *** 0,0043 -0,0360Note *** 0,0060 -0,02200Note *** 0,0052
Statut d’emploi (catégorie omise : permanent)
Saisonnier 0,01500 0,0100 0,02000 0,0100 0,0180 0,0130 0,02500Note * 0,0130
Temporaire, pour une période déterminée ou sous contrat 0,02000Note ** 0,0067 0,01500Note * 0,0058 0,0140 0,0076 0,01300 0,0067
Occasionnel 0,02300Note * 0,0095 0,01800Note * 0,0084 0,0220 0,0130 0,01300 0,0110
Autre 0,03700 0,0630 0,04200 0,0570 0,0270 0,0600 0,03200 0,0550
Emploi à temps partiel 0,04200Note *** 0,0052 0,03400Note *** 0,0045 0,0390Note *** 0,0063 0,03300Note *** 0,0056
Industrie oui oui oui oui
Nombre d'observations 224 500 224 500 37 700 37 700

La principale constatation est que la plupart des effets partiels estimatifs sont semblables pour le modèle axé sur les données mois-personnes et le modèle axé au niveau de la personne. Ils sont aussi semblables aux effets partiels estimatifs présentés dans le tableau 7. Les effets partiels estimatifs de la probabilité d’être un travailleur à la demande se chiffraient à 0,034 pour le modèle axé sur les données mois-personnes et à 0,033 pour le modèle axé au niveau de la personne (0,028 dans le tableau 7). Les effets partiels estimatifs pour la formation universitaire sont aussi très semblables (0,029 et 0,027, respectivement, comparativement à 0,027 dans le tableau 7). Le modèle au niveau de la personne produit des résultats un peu plus faibles pour du travail temporaire ou saisonnier (0,012), comparativement au modèle mois-personne (0,021). Une explication possible serait que les emplois temporaires ont seulement une courte durée et un grand nombre de ces emplois ont été exclus du regroupement dans l’approche au niveau de la personne. Par exemple, si un particulier déclare un emploi temporaire ou saisonnier seulement en juin et en juillet et qu’il occupe un emploi permanent au cours des autres mois, le statut d’emploi agrégé de ce particulier est « permanent ». Comme mentionné à la section 3, la perte de renseignements est l’un des inconvénients de l’approche d’agrégation au niveau de la personne et son effet n’est pas facile à évaluer. Voilà pourquoi l’approche mois-personne a été jugée préférable dans l’analyse principale.

Bibliographie

Abraham, K., J. Haltiwanger, C. Hou, K. Sandusky et J. Spletzer. 2021. « Reconciling Survey and Administrative Measures of Self-Employment », Journal of Labor Economics, vol. 39, no 4.

Abraham, K., J. Haltiwanger, K. Sandusky et J. Spletzer. 2018. Measuring the Gig Economy: Current Knowledge and Open Issues, Cambridge, Massachusetts, National Bureau of Economic Research, document de travail 24950.

Abraham, K., et S. Houseman. 2019. « Making Ends Meet: The Role of Informal Work in Supplementing Americans’ Income », RSF: The Russell Sage Foundation Journal of the Social Sciences, vol. 5, no 5, p. 110-131.

Alake-Apata, B. 2021. « Comprendre le concept de travail à la demande », Rapport de perspectives de l’IMT, no. 45, Ottawa, Conseil de l’information sur le marché du travail (CIMT).

Boeri, T., G. Giupponi, A. Krueger et S. Machin. 2020. « Solo Self-Employment and Alternative Work Arrangements: A Cross-Country Perspective on the Changing Composition of Jobs », Journal of Economic Perspectives, vol. 34, no 1, p. 170-195.

Collins, B., A. Garin, E. Jackson, D. Koustas et M. Payne. 2020. Has the Gig Economy Replaced Traditional Jobs Over the Last Two Decades? Evidence from Tax Returns. Manuscrit inédit.

Fellegi, I.P. et A.B. Sunter. 1969. « A Theory of Record Linkage », Journal of the American Statistical Association, vol. 64, no 328, p. 1183-1210.

Jeon, S.-H., H. Liu et Y. Ostrovsky. 2021. « Measuring the gig economy in Canada using administrative data. Canadian Journal of Economics, 54(4).

Jeon, S.-H. et Y. Ostrovsky. 2020. Travailleurs autonomes, revenu provenant d’un travail autonome et difficultés financières après la COVID-19, Ottawa, Statistique Canada.

Kostyshyna, O. et C. Luu. 2019. The Size and Characteristics of Informal (“Gig”) Work in Canada, Ottawa, Banque du Canada.

Koustas, D. 2020. Insights From New Tax-Based Measures of Gig Work in the United States, Munich, Ifo Institute – Leibniz Institute for Economic Research à l’Université de Munich.

Levine, R. et Y. Rubinstein. 2017. « Smart and Illicit: Who Becomes an Entrepreneur and Do They Earn More? », The Quarterly Journal of Economics, vol. 132, no 2, p. 963-1018.

Lim, K., A. Miller, M. Risch et E. Wilking. 2019. « Independent Contractors in the U.S.: New Trends From 15 Years of Administrative Tax Data », Internal Revenue Service, no. 45, https://www.irs.gov/pub/irs-soi/19rpindcontractorinus.pdf.

Lloyd, N. 2020. Strategic Self-Employment and Family Formation, UBC. Rapport non publié.

Messacar, D. 2014. Report on the Comparison of the T1 Personal Master File, Ottawa, Statistique Canada, Division de l’analyse sociale et de la modélisation.

Statistique Canada. 2022. Enquête sur la population active (EPA), https://www23.statcan.gc.ca/imdb/p2SV_f.pl?Function=getSurvey&SDDS=3701.

Statistique Canada. 2021. Fichier de données longitudinales sur la main-d’œuvre (FDLMO), https://www.statcan.gc.ca/fr/microdonnees/centres-donnees/donnees/fdlmo.


Date de modification :