Comptes des revenus et dépenses, série technique
Comptes économiques répartis pour le secteur des ménages, estimations des répartitions des actifs, des passifs et de la valeur nette, 2010 à 2024 : rapport technique sur la méthodologie et la qualité

1 Aperçu

L’économie mondiale a subi d’importants changements structurels au cours des dernières années, en partie en raison de la crise financière mondiale de 2008, de l’essor de la mondialisation et, plus récemment, des retombées économiques de la pandémie de COVID-19. La pandémie a déclenché des perturbations généralisées dans les marchés du travail, les chaînes d’approvisionnement et le comportement des consommateurs, ce qui a exacerbé les inégalités préexistantes et accéléré la transformation numérique. De plus, les pressions exercées par le coût de la vie, alimentées par l’inflation, les crises de l’abordabilité du logement et les flambées des prix de l’énergie, ont pesé encore davantage sur les ménages, surtout dans les tranches de revenu les plus faibles. Alors que ces changements macroéconomiques continuent de façonner la vie quotidienne des citoyens, les inégalités et la stabilité financière demeurent au cœur des préoccupations des décideurs à l’échelle internationale. Les organismes statistiques, comme Statistique Canada, peuvent contribuer de façon importante à la recherche scientifique en fournissant des données plus complètes et à jour sur l’inégalité financière nationale, ainsi qu’en aidant à orienter les décisions stratégiques et à relever les défis économiques auxquels font face les populations vulnérables.

Statistique Canada a entrepris d’élaborer les tableaux du patrimoine des comptes économiques répartis pour le secteur des ménages (CERSM), c’est-à-dire des ensembles de données qui décrivent la valeur nette des ménages répartie selon diverses caractéristiques des ménages en vue de définir plus précisément qui détient le patrimoine au Canada. Ces données fourniront aux décideurs et aux universitaires des outils supplémentaires pour examiner l’inégalité et ses répercussions sur notre société. Les données des CERSM réunissent le niveau de détail disponible dans les sources de microdonnées et les concepts du Système de comptabilité nationale (SCN) couverts par les macrodonnées, qui offrent une couverture plus complète et sont comparables à l’échelle internationale. La principale source de microdonnées est l’Enquête sur la sécurité financière (ESF), une enquête auprès des ménages qui permet de recueillir de l’information sur l’actif, l’endettement et le patrimoine (valeur nette). L’ESF n’est pas une enquête annuelle, de sorte qu’une méthodologie différente est nécessaire pour les années avec enquête et les années sans enquête.

Le présent document présente en détail la méthodologie utilisée pour produire les répartitions de la valeur nette des ménages diffusées en avril 2025 pour le quatrième trimestre des années de référence allant de 2010 à 2019 et pour chaque trimestre à partir de l’année de référence 2020. Ces estimations sont fondées sur une méthodologie qui a été élaborée et précisée depuis les diffusions antérieures à septembre 2021. Il présente d’abord une description du cadre international du groupe d’experts de l’Organisation de coopération et de développement économiques (OCDE) sur les disparités à l’intérieur des comptes nationaux (GE DCN), qui fournit des recommandations pour produire des renseignements sur la répartition conformes aux concepts du SCN. La mise en œuvre de chaque étape par Statistique Canada est ensuite décrite. Ces étapes comprennent les rajustements aux totaux des comptes nationaux; une description des sources de microdonnées; la méthodologie utilisée pour obtenir des indicateurs pour les années avec enquête et les années sans enquête; et une description des sources d’erreur possibles. Dans le cas des années pour lesquelles des données d’enquête ne sont pas disponibles, une modélisation est nécessaire pour déterminer les répartitions du patrimoine. L’approche de modélisation sera décrite, de même que les divers rajustements nécessaires pour assurer la cohérence interne des tableaux et la cohérence avec les totaux macroéconomiques.

Ce travail constitue une étape en vue d’obtenir un cadre intégré de répartitions comprenant le revenu, la consommation, l’épargne et le patrimoine. Les estimations produites à l’aide de cette méthodologie feront l’objet de révisions à mesure que la méthodologie sera peaufinée.

2 Introduction

Statistique Canada publie régulièrement des indicateurs macroéconomiques sur les actifs, les passifs et la valeur nette des ménages dans le cadre des comptes du bilan national (CBN) trimestriels. Ces comptes correspondent aux plus récentes normes internationales et constituent la source des estimations du patrimoine national pour tous les secteurs de l’économie, y compris les ménages, les institutions sans but lucratif, les administrations publiques et les sociétés, de même que la position du Canada en matière de patrimoine par rapport au reste du monde. Bien que les CBN fournissent des renseignements de grande qualité sur la position globale des ménages relativement aux autres secteurs économiques, ils ne possèdent pas la granularité requise pour comprendre les vulnérabilités de certains groupes particuliers et les conséquences qui en résultent sur le plan du bien-être économique et de la stabilité financière.

On reconnaît de plus en plus, tant au Canada qu’à l’échelle internationale, l’importance croissante d’intégrer les dimensions de répartition dans les indicateurs macroéconomiques des ménages. Lorsque les renseignements sur les disparités entre les ménages sont mis en correspondance avec les indicateurs macroéconomiques, ils permettent de mieux comprendre les développements économiques et de mieux évaluer les risques liés, par exemple, à l’augmentation de la polarisation du revenu, de la consommation, de l’épargne et du patrimoine.

De récentes révisions exhaustives du Système canadien des comptes macroéconomiques publiées en 2012 et en 2015 ont permis de mieux positionner le programme des statistiques macroéconomiques pour entreprendre ces travaux. Des changements ont été apportés afin d’harmoniser les mesures aux nouvelles normes internationales, y compris la création d’un secteur distinct pour les institutions sans but lucratif au service des ménages (ISBLSM) (qui faisait auparavant partie du secteur des ménages) et la mesure des régimes de pension d’employeur selon l’admissibilité. Vous trouverez plus de précisions sur les changements apportés lors des révisions publiées en 2012 et en 2015 en consultant Statistique Canada (2012-10-15, 2015-12-01).

Cette documentation donne un aperçu d’une étape vers un programme plus complet d’estimations des répartitions pour le secteur des ménages dans les comptes macroéconomiques canadiens. Elle présente également la méthodologie utilisée pour élaborer, dans les CERSM de septembre 2021, des répartitions du patrimoine pour le secteur des ménages des CBN pour le quatrième trimestre des années de référence allant de 2010 à 2019, et pour chaque trimestre à partir de l’année de référence 2020. Elle décrit les aspects techniques de la méthodologie et comprend un rapport sur la qualité des répartitions estimées. Ces estimations sont fondées sur une méthodologie qui a été élaborée et précisée depuis les diffusions antérieures à septembre 2021. Des répartitions du revenu, de la consommation et de l’épargne sont aussi produites et font partie du programme statistique permanent des CERSM. De plus amples détails figurent dans Statistique Canada (2025-04-14).

3 Cadre international

Afin de produire des renseignements sur la répartition qui correspondent aux concepts du SCN, Statistique Canada suit les étapes de base recommandées par le GE DCN de l’OCDE. Le processus suivi par Statistique Canada pour mettre en œuvre chacune des étapes sera décrit en détail dans les sections suivantes.

Description de la figure 1

Figure 1 Une approche étape par étape aux fins d’estimation des renseignements sur la répartition

Étape 1. Ajuster les totaux des comptes nationaux.

Étape 2. Déterminer les variables pertinentes à partir des sources de microdonnées reliées aux variables des comptes nationaux.

Étape 3. Procéder à une imputation pour les éléments manquants et mettre à l'échelle les microdonnées selon les totaux ajustés des comptes nationaux.

Étape 4. Regrouper les ménages.

Étape 5. Dériver les indicateurs pertinents pour les groupes-ménages.

4 Rajuster les totaux des comptes nationaux

4.1 Comptes du bilan national

Les CBN sont des états des actifs non financiers qui sont détenus ou utilisés dans l’économie et des créances en cours (actifs et passifs financiers) dans les unités économiques de l’économie. Ils comprennent le bilan national du pays dans son ensemble ainsi que les bilans des secteurs sous-jacents. On trouve, au cœur des CBN, les actifs et les passifs ainsi que les concepts de patrimoine et de valeur nette.

Les CERSM mettent précisément l’accent sur le secteur des ménages du bilan national, ce qui comprend les actifs, les passifs et la valeur nette (y compris certaines sous-catégories) de tous les ménages au Canada.

4.2 Rajustements

L’OCDE recommande d’isoler le secteur des ménages aux fins d’analyse de la répartition, un processus qui pourrait exiger une correction du total du secteur des comptes nationaux s’il a été agrégé à celui du secteur des ISBLSM.

Avant la révision exhaustive publiée en 2012, le Système de comptabilité nationale du Canada (SCNC) comptait trois principaux secteurs institutionnels résidents : le secteur des particuliers et des entreprises individuelles, le secteur des entreprises et le secteur des administrations publiques. Le secteur des particuliers et des entreprises individuelles comprenait les ISBLSM, les coopératives de crédit, les sociétés d’assurance-vie, les amicales et les régimes de placement collectifs tels que les caisses de retraite et les fonds communs de placement. En raison des limites des données, ce secteur englobait également les activités des administrations publiques autochtones.

À la suite de la révision exhaustive de 2012, le SCNC a adopté la division fondamentale du SCN en secteurs institutionnels dans toute la séquence des comptes intégrés. L’ancien secteur des particuliers et des entreprises individuelles a ainsi été réparti entre les ménages et les institutions sans but lucratif au service des ménages.

Étant donné que le travail avait déjà été fait pour isoler le secteur des ménages, aucun rajustement aux données actuelles des CBN n’a été nécessaire.

5 Source de microdonnées et variables

5.1 Enquête sur la sécurité financière

La source de microdonnées choisie pour la majorité des répartitions de la valeur nette et de leurs composantes est l’ESF. L’objet de cette enquête est de recueillir des renseignements sur les avoirs, les dettes, l’emploi, le revenu et la scolarisation d’un échantillon de familles canadiennes, ce qui aide à comprendre la façon dont les finances des familles évoluent à la suite de pressions économiques. L’ESF dresse un portrait complet de la valeur nette des Canadiens. Des renseignements sont recueillis sur la valeur de l’ensemble des principaux avoirs financiers et non financiers et sur les sommes dues à l’égard des prêts hypothécaires, des véhicules, des cartes de crédit, des prêts étudiants et d’autres dettes. La valeur nette d’une famille est définie comme la valeur des actifs de la famille moins sa dette. Elle peut être considérée comme la somme d’argent que cette famille aurait si elle vendait tous ses actifs et payait la totalité de ses dettes.

L’ESF est une enquête transversale par sondage. Elle a été menée sur une base occasionnelle, en 1999, 2005, 2012, 2016 et 2019. En 2023, l’ESF a été menée à nouveau et ses données ont été intégrées dans les CERSM avec la diffusion de janvier 2025. L’ESF porte sur la population vivant dans les 10 provinces du Canada. Dans les provinces, certains groupes, qui représentent environ 2 % de la population (par exemple, les personnes vivant dans une réserve ou d’autres peuplements autochtones et les personnes souffrant de maladies chroniques et vivant dans les hôpitaux ou un établissement de soins infirmiers), sont exclus de l’enquête.

Au fil du temps, la taille de l’échantillon et le plan d’échantillonnage de l’ESF ont varié. La taille de l’échantillon initial était d’environ 20 000 logements pour les années de référence 2012, 2016 et 2019; elle est passée à près de 40 000 logements en 2023.

Les données sont généralement recueillies directement auprès des répondants, tandis que dans certains cas, des renseignements supplémentaires sont tirés des fichiers administratifs et sont obtenus de diverses enquêtes de Statistique Canada et d’autres sources par appariement de fichiers. On utilise, par exemple, les dossiers de données sur l’impôt des particuliers et les renseignements réglementaires sur les modalités des régimes de pension d’employeur. Pour l’enquête de 2023, les interviews ont été réalisées au moyen d’un questionnaire à remplir soi-même, tandis que les interviews antérieures l’étaient au moyen d’interviews sur place assistées par ordinateur (IPAO). Pour toutes les années d’enquête, la durée moyenne de l’interview était d’environ 45 minutes.

Cette enquête n’est pas obligatoire et les taux de réponse ont varié d’environ 59 % à 70 % de 2012 à 2019, tandis qu’il était de 43,4 % en 2023.

Des renseignements supplémentaires sont présentés sur le site Web de Statistique Canada dans la section Définitions, sources de données et méthodes de l’ESF (numéro d’enquête 2620) et dans les tableaux 11-10-0016-01, 11-10-0049-01 et 11-10-0057-01.

5.2 Mise en correspondance et concordance

Les CBN sont composés de 102 catégories et sous-catégories qui contiennent tous les types d’actifs, de passifs et de valeur nette de l’économie. Les données des CERSM contiennent quant à elles 11 de ces catégories. Le processus visant à condenser l’ensemble des CBN a été mis en place pour de multiples raisons. Notamment, certains types d’actifs et de passifs ne s’appliquent pas au secteur des ménages et l’on doit assurer la qualité des données des répartitions, ce qui sera abordé plus en détail dans les sections subséquentes du présent document.

Selon la Commission économique des Nations Unies pour l’Europe (CEE-ONU), « [...] conceptuellement, les macrostatistiques et les microstatistiques sur le revenu du ménage ont beaucoup en commun. Toutefois, il existe des différences importantes dans les objectifs et les buts des deux ensembles de données, dans leur couverture et les sources de données utilisées pour les compiler, et en raison d’enjeux pratiques concernant les rapports de données ou les estimations pour les ménages individuels » (CEE-ONU, 2011). Le processus de concordance permet de déceler des zones de différence conceptuelle entre les microdonnées et les macrodonnées et fournit un indicateur de la pertinence de variables de microdonnées précises en tant que distributeurs de composantes macros.

Les catégories des CBN choisies pour les CERSM sont présentées au tableau 1 ci-dessous. Les ratios de couverture sont présentés pour l’ESF en 2012, 2016, 2019 et 2023, les années utilisées pour produire les répartitions reliées au patrimoine des CERSM, qui sont fondées sur le quatrième trimestre de chaque année de 2010 à 2019, et de chaque trimestre à partir de 2020. Ces catégories sont assez détaillées pour analyser le bien-être financier des ménages et il s’agit des catégories pour lesquelles une variable appropriée (ou une combinaison de variables) de l’ESF a été choisie. Les mises en correspondance qui se trouvent au tableau 1 ont été conçues en effectuant la correspondance entre les variables de l’ESF et la version condensée des CBN. Les renseignements sur les variables provenant de chaque source utilisées pour créer ce tableau se trouvent au tableau 2. Les sections 5.2.1 à 5.2.2 comportent des précisions sur la mise en correspondance présentée dans le tableau 2.

5.2.1 Différences conceptuelles – objets de valeur et de collection

Les objets de valeur et de collection ne sont pas une catégorie observée dans les CBN et ne font pas partie du domaine des actifs des comptes macroéconomiques. Par conséquent, afin de faire correspondre la microsource à la macrosource, la valeur des objets de valeur et de collection n’est pas comprise dans le total de l’ESF pour la valeur nette et les actifs non financiers.

5.2.2 Différences conceptuelles – autres passifs

La catégorie qui présente le ratio de couverture le plus faible est « autres éléments de passif ». La principale raison de la sous-représentation de cette catégorie est attribuable à la définition conceptuelle de « dette de carte de crédit », qui fait partie de cette catégorie. L’ESF demande aux répondants d’indiquer le montant de la dette de la carte de crédit qui demeure exigible sur le dernier relevé de compte en excluant les nouveaux achats effectués, tandis que les CBN indiquent le total du solde en souffrance à un moment précis. La différence vient du fait que de nombreux ménages utilisent des cartes de crédit aux fins de consommation, mais remboursent leur solde dû à la fin de chaque période.

6 Regrouper les ménages en grappes

6.1 Unité d’analyse : le ménage

L’unité d’analyse choisie pour les CERSM est le ménage, défini par l’OCDE comme « une personne ou un groupe de personnes qui occupent le même logement et qui décident de pourvoir en commun à leurs besoins alimentaires et éventuellement aux autres besoins essentiels de l’existence » (OCDE, 2013a). Les données de l’ESF sont disponibles au niveau de l’unité familiale, qui comprend les familles économiques, définie comme « un groupe de deux personnes ou plus qui vivent dans le même logement et qui sont apparentées par le sang, par alliance, par union libre, par adoption ou par une relation de famille d’accueil » (Statistique Canada, 2024-10-29) et les personnes seules. Pour le projet des CERSM, les unités familiales ont été agrégées au niveau du ménage en combinant les familles économiques qui résident à la même adresse, ce qui crée une définition de l’unité qui comprend des groupes de personnes qui partagent des ressources, mais qui ne sont pas nécessairement apparentées par le sang, par alliance, par union libre, par adoption ou par une relation de famille d’accueil. Ce faisant, les données de l’ESF s’approchent le plus possible de la définition d’un ménage selon l’OCDE.

6.2 Catégories de répartition

Les CERSM pour les actifs, les passifs et la valeur nette comportent huit variables de répartition distinctes. Les ménages sont regroupés par province, par groupe d’âge, par type de ménage (plus d’une personne par rapport à une personne), par mode d’occupation, par quintile de revenu disponible du ménage rendu équivalent, par principale source de revenu du ménage, par génération et par quintile de patrimoine des ménages. Les regroupements par province, groupe d’âge, type de ménage et mode d’occupation sont fondés sur les définitions utilisées dans l’ESF. Dans la mesure du possible, les variables de répartition sont recoupées les unes avec les autres afin d’obtenir des répartitions plus détaillées. Plus particulièrement, les CERSM comprennent également des totalisations croisées des répartitions des totaux pour les actifs, les passifs et la valeur nette qui comprennent la région selon le groupe d’âge, la région selon le quintile de revenu disponible du ménage rendu équivalent et le quintile de revenu disponible du ménage rendu équivalent selon le groupe d’âge.

6.2.1 Province et région

La province représente celle du domicile principal du ménage. Les membres du ménage qui ont quitté temporairement leur domicile principal, par exemple pour le travail ou les études, sont inclus dans la province de leur domicile principal.

En outre, les régions sont définies en regroupant les provinces en cinq catégories : Atlantique (Terre-Neuve, Nouvelle-Écosse, Île-du-Prince-Édouard et Nouveau-Brunswick), Québec, Ontario, Prairies (Manitoba, Saskatchewan et Alberta) et Colombie-Britannique.

6.2.2 Groupe d’âge

Les ménages sont regroupés par groupe d’âge selon l’âge du soutien économique principal. Cela diffère de la définition de l’OCDE de la personne repère pour un ménage, qui exige d’appliquer divers critères caractéristiques à chacun des membres de chaque ménage.

Les catégories de groupes d’âge utilisées sont les suivantes : moins de 35 ans, 35 à 44 ans, 45 à 54 ans, 55 à 64 ans et 65 ans et plus.

6.2.3 Type de ménage

Le regroupement par type de ménage se fait selon une définition simplifiée de la composition du ménage comportant seulement deux catégories : les ménages composés d’une seule personne et les ménages composés de plus d’une personne. L’OCDE recommande que, en plus d’effectuer le regroupement selon la taille du ménage, la catégorie du type de ménage tienne compte de l’âge et de la composition de la famille, y compris l’état matrimonial et la présence d’enfants à charge. La possibilité de regrouper les ménages selon la taille, l’âge et la composition familiale sera revue à mesure que la méthodologie sera élaborée.

6.2.4 Mode d’occupation

Le mode d’occupation est déterminé selon que le ménage est propriétaire de la résidence principale, avec ou sans hypothèque, ou qu’il la loue. Bien que le loyer payé par un locataire puisse être entièrement ou partiellement subventionné, aucune distinction de ce genre n’est faite dans cette catégorie.

6.2.5 Quintile de revenu disponible du ménage rendu équivalent

Le concept de revenu disponible du ménage est unique au SCN et il n’est pas mesuré directement dans l’ESF. Même si les estimations du patrimoine ne font pas l’objet d’équivalence, la ventilation selon le quintile de revenu est fondée sur un concept de revenu rendu équivalent, afin de rendre compte des différences dans la taille et la composition des ménages. Pour attribuer les ménages de l’ESF aux quintiles de revenu disponible, le revenu disponible rendu équivalent doit d’abord être estimé pour chaque ménage comme suit :

1. L’agrégat du revenu disponible du ménage du SCN est ventilé en composantes (par exemple, rémunération des salariés, transferts d’autres secteurs et à d’autres secteurs, etc.) pour lesquelles on trouve des variables ou des indicateurs correspondants dans l’ESF. Les données sur le revenu recueillies dans le cadre de l’ESF proviennent des déclarations de revenus T1 transmises à l’Agence du revenu du Canada (ARC) pour l’année précédant l’année de l’enquête. Lorsque les données ne sont pas suffisamment détaillées pour correspondre aux composantes du revenu disponible des ménages du SCN, des renseignements supplémentaires sont obtenus à partir d’autres fichiers de données fiscales tels que le fichier des estimations annuelles relatives au revenu des familles de recensement et des particuliers, communément appelé le fichier sur la famille T1 (FFT1) (voir Statistique Canada, 2023-07-12)
   et le fichier des T4A supplémentaire.
2. Pour chacune de ces composantes du revenu, la valeur agrégée du SCN est répartie entre les ménages de l’ESF selon la valeur de la variable ou de l’indicateur correspondants de l’ESF. On tient compte des poids de sondage lors du calcul de chacune des parts des ménages de la composante.
3. Pour chacun des ménages, les composantes réparties sont additionnées afin de calculer le revenu disponible estimatif du ménage.
4. Un rajustement final est effectué afin d’obtenir le revenu disponible du ménage rendu équivalent. Ce rajustement consiste à diviser le revenu disponible du ménage par le nombre d’unités de consommation de chaque ménage. Ce rajustement est fondé sur l’échelle d’équivalence modifiée de l’OCDE, qui assigne une valeur de 1 au premier adulte, de 0,5 à chaque personne additionnelle âgée de 14 ans et plus, et de 0,3 pour tous les enfants de moins de 14 ans.

Le résultat de ce calcul est une nouvelle variable de revenu pour chacun des ménages de l’ESF, qui correspond plus précisément au concept de revenu disponible du ménage du SCN que le fait la mesure disponible du revenu après impôt. Le revenu disponible du ménage rendu équivalent est néanmoins hautement corrélé au revenu après impôt excluant les gains en capital rendu équivalent. Le coefficient de corrélation du revenu disponible du ménage rendu équivalent et du revenu après impôt excluant les gains en capital rendu équivalent est de 91,0 % en 2012 et 2016, de 92,9 % en 2019 et de 68,0 % en 2023.

Après que chacun des ménages de l’ESF a reçu un revenu disponible du ménage rendu équivalent, ils sont tous regroupés dans des quintiles de revenu disponible du ménage rendu équivalent, qui sont calculés en tenant compte à nouveau des poids de sondage.

6.2.6 Principale source de revenu du ménage

Les catégories pour la principale source de revenu du ménage sont les salaires et traitements, le revenu d’un travail autonome (c.-à-d. le revenu d’un travail autonome agricole et non agricole, à l’exclusion du revenu de location), le revenu net de la propriété (c.-à-d. les intérêts et autres revenus de placements moins les intérêts payés), les prestations de retraite versées par les entreprises et les gouvernements et les autres transferts (p. ex. l’aide sociale gouvernementale).

6.2.7 Génération

Les ménages sont regroupés en génération selon l'année de naissance du soutien économique principal du ménage, tel qu'identifié par l’ESF. Les catégories de générations utilisées sont les suivantes : avant 1946 pour les personnes nées avant 1946; la génération du baby-boom pour les personnes nées entre 1946 et 1964; la génération X pour les personnes nées entre 1965 et 1980; et la génération des milléniaux pour les personnes nées après 1980. Il est à noter que la génération Z (pour les personnes généralement nées après 1996) a été combinée avec la génération des milléniaux car la taille de son échantillon est relativement petite.

6.2.8 Quintile de patrimoine des ménages

Les ménages sont regroupés par quintile de patrimoine en fonction de leur valeur nette totale. Les quintiles de patrimoine regroupent les ménages en cinq parts égales, qui sont classées du plus bas au plus élevé, chacun représentant 20 % du nombre total de ménages dans l'économie. Contrairement au rajustement d'équivalence appliqué aux quintiles de revenu disponible, tel que décrit à la section 6.2.5, les quintiles de patrimoine ne sont pas rajustés pour tenir compte des différences de taille et de composition des ménages. Comme indiqué dans la littérature, à des fins de comparaison entre ménages, il peut ne pas être approprié de tenir compte des différences dans la capacité d'un ménage à consommer du patrimoine en fonction de sa taille et de sa composition à un moment donné, car le patrimoine a tendance à être consommé graduellement tout au long de la vie. Selon l'OCDE :

« Le patrimoine est un stock d'actifs qui est disponible pour appuyer la consommation dans l'avenir, en particulier pendant la retraite. Lorsque l'on compare le patrimoine des ménages en tant qu'indicateur du bien-être économique en termes de consommation future potentielle, il faut tenir compte des membres du ménage qui sont susceptibles de bénéficier de ce patrimoine. Les ménages ayant des enfants sont particulièrement intéressants. Les enfants sont susceptibles de quitter le ménage avant que le patrimoine du ménage ne soit utilisé pour appuyer la consommation du ménage pendant la retraite. Ainsi, pour ce type d'analyse, il ne semble pas pertinent d'équilibrer le patrimoine sur la base des économies d'échelle de la consommation courante effectuées avec la structure actuelle des ménages. L'analyse du patrimoine devrait plutôt se concentrer sur l'examen des données classées par groupe de cycle de vie. Une telle focalisation est conforme à l'attente selon laquelle le patrimoine est souvent constitué au cours de la vie active d'une personne, puis s'épuise pendant la retraite » (OCDE 2013b).

7 Déterminer les indicateurs pour les années d’enquête

L’ESF constitue la principale source de renseignements sur la répartition du patrimoine pour les CERSM. Toutefois, l’ESF, qui était une enquête occasionnelle dans le passé, est menée tous les trois ans depuis 2016. En conséquence, des lacunes doivent être comblées afin de produire une série de répartitions pour les années où il n’y a pas eu d’enquête. La méthodologie proposée pour obtenir ces répartitions est double, c’est-à-dire qu’on utilise une approche plus simple et plus directe pour les années où une enquête a été menée et une approche de modélisation fondée sur le calage pour les années où il n’y a pas eu d’enquête. Tout au long de cette section et des deux sections suivantes, des descriptions seront présentées pour montrer dans quelle mesure chaque étape du processus modifie les estimations.

Cette section décrit la première partie de la méthodologie utilisée pour remplir les tableaux pour les années où une enquête est menée. Elle consiste à repondérer l’ESF, à mettre à l’échelle des totaux des CBN et à produire les estimations des répartitions à partir de l’ensemble de données obtenu. Pour la série de répartitions de septembre 2021, cette méthodologie est utilisée pour les années où il y a eu des enquêtes, soit 2012, 2016, 2019 et, à l’avenir, pour chaque année où une enquête est menée et disponible.

L’étape suivante, décrite à la section 8, consiste à déterminer les mesures du patrimoine pour les années où il n’y a pas eu d’enquête au moyen d’une approche de modélisation. Une fois que cela est fait, les estimations pour les années où il y a eu une enquête et celles où il n’y en a pas eu sont réunies et des rajustements sont appliqués aux estimations. Les estimations des années où une enquête a été menée sont rajustées afin d’éviter d’introduire des points de retournement lorsqu’elles sont comparées avec les estimations modélisées des années adjacentes où il n’y a pas eu d’enquête. Des rajustements effectués pour assurer la cohérence et pour tenir compte des territoires du nord du Canada sont ensuite appliqués. Ce processus est décrit à la section 9.

7.1 Rajustement des poids

Les poids de l’ESF qui sont actuellement utilisés pour les CERSM diffèrent légèrement de la version utilisée pour publier les estimations produites directement à partir de l’enquête. L’échantillon de l’ESF est repondéré afin de réduire l’incidence de certains enregistrements influents et de tenir compte de totaux de contrôle démographique plus étroitement liés aux catégories analytiques des CERSM.

La première étape du processus de recalage est un rajustement des poids des ménages influents, qui contribuent de manière significative à la valeur nette. Les unités influentes peuvent donner lieu à des estimations instables; pour cette raison, elles sont souvent traitées en rajustant leurs poids à la baisse. Les ménages influents, particulièrement ceux des quintiles de revenu inférieurs, sont relevés dans les échantillons de l’ESF, et leurs poids sont rajustés à la baisse.

Après le rajustement de poids pour les ménages influents, les échantillons de l’ESF sont recalés selon les totaux de population. Le calage consiste à rajuster les poids des unités échantillonnées, afin que les estimations tirées de l’enquête coïncident avec les totaux connus propres à la population. Les avantages potentiels du calage sont la cohérence entre les estimations d’enquête et les totaux de population connus, la diminution des erreurs non dues à l’échantillonnage, comme les erreurs dues à la non-réponse et les erreurs de couverture, et l’amélioration de l’exactitude des estimateurs. Les totaux de calage utilisés sont des estimations de la population échantillonnée fondées sur les projections du Recensement de la population de Statistique Canada et sont produits par la Division de la démographie de Statistique Canada. Les totaux utilisés comprennent les comptes d’individus par catégories de sexe et de groupe d’âge, les comptes de ménages selon la taille du ménage et les comptes de familles économiques selon la taille de la famille économique, pour des tailles de famille économique sélectionnées à l’intérieur des provinces. Les méthodes de calage utilisées sont conformes à celles décrites par Deville et Sarndal (1992) et sont mises en œuvre dans le logiciel Système généralisé d’estimation (G-EST) de Statistique Canada, lequel est décrit dans Statistique Canada (2018-10).

Ces deux étapes de repondération, qui ensemble permettent d’obtenir des poids propres aux CERSM, font partie du processus normal de calcul des poids de l’ESF qui ont été rajustés afin de correspondre plus étroitement aux catégories analytiques des CERSM. Ce processus de repondération est également utilisé comme modèle pour les années où il n’y a pas eu d’enquête, comme cela est indiqué à la section 8.1.

7.2 Rajustement pour la population âgée institutionnalisée

L'ESF exclut les logements collectifs de son échantillon. En particulier, les maisons de soins et les résidences pour personnes âgées ne font pas partie de l’échantillon de l'ESF. Afin de tenir compte de la population âgée institutionnalisée, un rajustement est apporté aux répartitions du patrimoine des CERSM. Avant les diffusions des CERSM de juin 2020, la population âgée institutionnalisée était prise en compte dans les tableaux des revenus et de la consommation des CERSM, car cette population est incluse dans la Base de données et modèle de simulation de politiques sociales (BD/MSPS), mais pas dans les tableaux du patrimoine des CERSM. Globalement, la population âgée institutionnalisée représente moins de 1,3 % de la population canadienne.

Afin d'assurer la comparabilité entre les tableaux des revenus et de la consommation des CERSM et les tableaux du patrimoine des CERSM, le rajustement effectué pour la population âgée institutionnalisée suit une méthodologie similaire à celle utilisée dans la BD/MSPS. Puisqu'aucune donnée sur le patrimoine n'est recueillie pour la population âgée institutionnalisée, le rajustement effectué est basé sur l'hypothèse que les personnes vivant dans des maisons de soins ou des résidences pour personnes âgées sont semblables aux personnes âgées de 65 ans ou plus qui ne vivent pas dans des institutions, qui vivent seules et qui ne font pas partie de la population active. Le rajustement revient à augmenter le poids de ces individus dans l'ESF. Le montant par lequel les poids sont rajustés est basé sur les chiffres du recensement de la population âgée institutionnalisée par province, âge et sexe. Afin de tenir compte du fait que les personnes faisant partie de cette population ne vivent pas dans leur propre maison, des rajustements sont également apportés à certaines variables d'actifs et d'endettement, comme celles liées à la résidence principale.

7.3 Mise à l’échelle des comptes du bilan national

Conformément à la méthodologie recommandée par le Groupe d’experts de l’OCDE sur les disparités à l’intérieur des comptes nationaux, les données d’enquête sont ensuite mises à l’échelle des totaux des CBN. À l’aide de ces poids propres aux CERSM, les microdonnées de l’ESF pour chaque année d’enquête de 2012 à 2023 sont mises à l’échelle pour correspondre aux totaux du CBN pour chaque élément de patrimoine. Les variables pour les catégories des actifs et des passifs au niveau le plus détaillé sont d’abord mises à l’échelle des totaux des comptes nationaux rajustés en fonction du tableau de concordance de la section 5.2. Les valeurs pour les catégories agrégées des actifs et des passifs et pour la valeur nette sont ensuite recalculées en fonction des valeurs mises à l’échelle pour les catégories de niveau détaillé dont elles sont composées.

7.4 Estimations des répartitions

Pour chacun des quatre tableaux des CERSM, les valeurs totales de la valeur nette et celle de chaque sous-catégorie d’actifs et de passifs pour chaque catégorie de répartition sont estimées à partir de l’ESF en utilisant les valeurs mises à l’échelle et des poids propres aux CERSM.

La précision des estimations des CERSM pour les années d’enquête est intrinsèquement liée à la précision des estimations de l’ESF. Pour ces estimations, des mesures de l’erreur d’échantillonnage sous forme de coefficients de variation (c.v.) pour les années où l'ESF a été menée se trouvent aux tableaux 5 à 15 de l’annexe. Pour les dimensions uniques, les c.v. varient de 1,4 % à 12,4 % pour la valeur nette totale, de 1,3 % à 11,7 % pour l’actif total, et de 1,8 % à 14,7 % pour le passif total entre les provinces, les groupes d’âge, les types de ménages, les tenures de logement, les quintiles de revenu, les principales sources de revenu des ménages, générations et quintiles de patrimoine.

8 Déterminer les indicateurs pour les années où il n’y a pas eu d’enquête

Puisque l’ESF n’est pas menée tous les ans, une méthodologie différente est requise afin d’obtenir les mesures du patrimoine pour les CERSM les années où aucun renseignement d’enquête n’est disponible. Sans mesure directe de la valeur nette et de ses composantes, les années où il n’y a pas eu d’enquête doivent être modélisées.

Dans les versions antérieures des CERSM, deux approches de modélisation ont été utilisées : une est fondée sur le calage et l’autre sur les modèles au niveau du domaine. De plus amples renseignements sur la méthodologie utilisée pour ces diffusions antérieures sont présentés dans Statistique Canada (2017-03-15, 2018-03-22). Pour la diffusion de mars 2019 (2019-03-27), seule une approche fondée sur le calage a été utilisée. Bien que l’approche fondée sur le calage et l'approche fondée sur un modèle au niveau du domaine soient différentes sur le plan mathématique, elles produisent souvent des estimations de répartition similaires pour les années où il n’y a pas eu d’enquête.

8.1 Modélisation au moyen du recalage

L’approche de modélisation utilisée aux fins de la présente diffusion est fondée sur le calage. Cette approche est semblable aux rajustements de la pondération décrits à la section 7.1. À partir des poids de sondage rajustés en fonction des valeurs influentes, les poids font l’objet d’un recalage selon les totaux de contrôle des données démographiques pour les années sans enquête. Depuis la diffusion des CERSM de janvier 2025, les poids d’enquête sont également recalés sur une base trimestrielle pour les périodes de référence commençant en 2020 et plus tard à l’aide de données sur les tendances démographiques infra-annuelles selon les caractéristiques du ménage comme l’âge, la taille du ménage et l’emplacement géographique. Ce recalage permet de rajuster les poids des unités échantillonnées afin que les estimations fondées sur l’enquête coïncident avec ces chiffres de population pour les années sans enquête, ce qui équivaut essentiellement à rajuster les poids de sondage pour rendre compte des changements démographiques.

Une fois que les poids des échantillons de l’ESF ont été rajustés pour rendre compte des changements démographiques, les microdonnées de l’ESF sont mises à l’échelle des totaux des comptes nationaux rajustés, comme cela est indiqué ci-dessus à la section 7.3. Des estimations de la valeur nette et de ses composantes sont ensuite obtenues pour les années sans enquête en agrégeant les microdonnées et en utilisant les poids rajustés, comme à la section 7.4. Ce processus a lieu une fois pour chaque année d’enquête, ce qui donne quatre séries d’estimations pour la période de 2010 à 2024, une utilisant l’ESF de 2012, une utilisant l’ESF de 2016, une utilisant l’ESF de 2019 et une autre utilisant l’ESF de 2023.

La série fondée sur l’ESF de 2012 est utilisée pour les estimations de 2010 à 2012. Pour la période de 2013 à 2015, les séries sont combinées par interpolation linéaire entre les séries. Par exemple, pour 2013, l’estimation combinée est calculée comme suit : ¾ × l’estimation à partir de l’ESF de 2012 recalée à 2013 + ¼ × l’estimation à partir de l’ESF de 2016 recalée à 2013. De même, l’interpolation linéaire est appliquée aux séries de l’ESF de 2016 et de 2019 pour calculer les estimations de 2017 à 2018, alors que l’ESF de 2019 et de 2023 sont utilisées pour produire les estimations trimestrielles interpolées du quatrième trimestre 2019 au deuxième trimestre 2023, l’ESF de 2023 étant utilisée pour estimer les trimestres ultérieurs.

8.2 Efficacité de l’approche de recalage

Les tableaux 16 à 18 de l’annexe montrent la comparaison entre les répartitions modélisées obtenues au moyen de l’approche de recalage et les répartitions fondées sur l’ESF de 2023, 2016 et 2012 pour les composantes sélectionnées de la valeur nette. L’intervalle de la valeur absolue des écarts entre les répartitions de l’ESF et les répartitions modélisées, selon la catégorie, est présentée comme une mesure de la différence entre les répartitions de l’ESF et celles obtenues par la modélisation.

Avant qu’une approche fondée exclusivement sur le calage soit adoptée, les résultats obtenus au moyen des modèles au niveau du domaine et des modèles de calage ont été comparés, et les avantages et les inconvénients de chaque approche ont été examinés (Wu et Boulet, 2018). Cette comparaison a été effectuée à l’aide de la série de tableaux publiés dans le cadre de la diffusion de mars 2018. Les méthodes sont toutes deux conçues de manière à garantir que les répartitions pour les années d’enquête coïncident avec les estimations de l’ESF. Ainsi, lorsque seules quelques années séparent les enquêtes, ces deux approches produisent des résultats similaires. En fait, une fois que les étapes finales décrites dans la prochaine section ont été accomplies, la différence entre les parts détenues par chaque groupe est de moins de 1 % dans presque toutes les cellules du tableau.

Le principal avantage de l’approche fondée sur le modèle au niveau du domaine est qu’elle permet théoriquement de cerner des tendances en matière de patrimoine qui sont liées au revenu. Cependant, il n’est pas clairement apparu que, en pratique, la modélisation au niveau du domaine permet de mieux cerner les effets d’événements d’envergure tels que la récession de 2008. Étant donné que les modèles au niveau du domaine reposent sur des données sur le revenu, on pourrait s’attendre, par exemple, à ce que les modèles au niveau du domaine montrent que la récession n’a pas eu la même incidence sur le patrimoine des ménages appartenant au quintile de revenu le plus bas que sur le patrimoine des ménages du quintile de revenu le plus élevé. Malheureusement, les estimations comportent trop de bruit pour que l’on puisse distinguer quelque différence que ce soit.

Les approches fondées sur le calage, en revanche, présentent des avantages pratiques importants, le principal étant qu’elles demandent beaucoup moins de temps et de ressources que les approches fondées sur un modèle au niveau du domaine qui nécessitent d’élaborer chaque modèle individuellement pour chaque catégorie de répartition. Cet avantage fait également en sorte qu’il est plus facile de concevoir des tableaux pour des catégories supplémentaires de répartition, comme cela a été fait depuis l’adoption de cette approche de modélisation. En outre, l’approche au niveau du domaine repose sur des renseignements complémentaires qui ne deviennent accessibles qu’une année et demie après la fin de la période de référence, alors que les totaux de contrôle requis dans le cadre de l’approche fondée sur le calage sont disponibles sans que l’on constate un tel décalage temporel.

Compte tenu des avantages pratiques considérables qu’offre l’approche fondée sur le calage et étant donné que les deux approches produisent des estimations similaires, nous avons décidé d’adopter une approche fondée uniquement sur le calage pour la diffusion de mars 2019 et les diffusions suivantes.

9 Rajustement des tableaux finaux

9.1 Rajustement aux estimations des années d’enquête

Une fois que les deux séries d'estimations obtenues par recalage ont été combinées, les estimations des années d’enquête sont légèrement rajustées afin d’éviter d’introduire des points de retournement aux années 2012, 2016, 2019 et 2023 lorsqu’elles sont comparées avec les estimations modélisées des années adjacentes où il n’y a pas eu d’enquête. Une moyenne mobile pondérée centrée de trois points est appliquée à la série combinée de 2012, 2016, 2019 et 2023.

Après avoir appliqué ces rajustements aux données pour les années d’enquête, les sommes des lignes et des colonnes des tableaux qui en découlent ne sont pas cohérentes dans les années d'enquête. La somme des catégories de répartition n’est pas égale aux totaux des CBN; autrement dit, les sommes des lignes ne sont pas cohérentes. De plus, les relations entre les actifs, les passifs et la valeur nette ne sont pas respectées; autrement dit, les sommes des colonnes ne sont pas cohérentes. En outre, la somme des données dans les tableaux croisés peut ne pas équivaloir exactement à celle des données dans les tableaux unidimensionnels.

Un processus de rajustement est nécessaire pour assurer la cohérence dans les tableaux et entre les tableaux. Plusieurs termes sont utilisés pour désigner ce type de rajustement : réconciliation, équilibrage et étalonnage multivarié. Ce rajustement permet de rétablir les relations entre les catégories de la valeur nette, des actifs et des passifs et de garantir que les sommes des catégories de répartition demeurent équivalentes au total des CBN tout en ne touchant pas aux totaux des CBN. Une caractéristique principale de la réconciliation est qu’elle fait en sorte que les relations précisées soient respectées, tout en minimisant les changements aux cellules individuelles du tableau.

Les méthodes de réconciliation utilisées découlent d’une approche fondée sur les régressions de Dagum et Cholette (2006) et décrites de manière plus approfondie par Quenneville et Fortier (2012) et leurs références. Les procédures sont mises en œuvre par l’entremise de PROC TSRAKING et de la macro GseriesTSBalancing du logiciel G-Series (Système généralisé de séries chronologiques) de Statistique Canada. Elles sont décrites dans Statistique Canada (2016-04) et peuvent être obtenues en contactant statcan.g-series-g-series.statcan@statcan.gc.ca.

L’ampleur des rajustements de réconciliation aux cellules internes des tableaux sur le patrimoine est présentée au tableau 3. Ces facteurs sont les valeurs après réconciliation divisées par les valeurs après combinaison des estimations issues du recalage. Ces rajustements sont généralement proches de 1, ce qui indique que le lissage et la réconciliation des tableaux n’entraîne pas de changements majeurs dans les répartitions.

9.2 Autres rajustements

9.2.1 Répartitions trimestrielles du patrimoine

Alors que la pandémie de COVID-19 se propageait au Canada au début de 2020, les ménages ont connu des changements importants dans leur bien-être économique sur une période de temps relativement courte. Afin de fournir plus rapidement des renseignements sur les répercussions économiques de la pandémie sur différents ménages, comme dans les diffusions précédentes au cours des dernières années, la diffusion la plus récente comprend des répartitions trimestrielles du patrimoine à compter de l’année de référence 2020.

Sur la base des répartitions des passifs au quatrième trimestre de l'année de référence 2019 qui sont étalonnées aux totaux du CBN, des projections trimestrielles des passifs des ménages sont effectuées à l'aide de données sous-agrégées d'Equifax Canada, une agence privée de notation de crédit à la consommation. Le registre de crédit d'Equifax comprend des données infra-annuelles sur la majorité des transactions de crédit hypothécaire et non hypothécaire des ménages traitées par plus de 600 institutions financières au Canada (par exemple, les banques, les coopératives de crédit, les institutions de financement hypothécaire, les concessionnaires et les sociétés de financement automobile, les sociétés de cartes de crédit, les sociétés de financement et les détaillants), tandis que la couverture est relativement limitée pour les intermédiaires financiers alternatifs (par exemple, les assureurs, les sociétés de prêt sur salaire, etc.). Par rapport aux données de référence du CBN au deuxième trimestre de 2023, parallèlement aux données de la plus récente enquête, les données d’Equifax représentent 82,1 % du passif total, dont 83,5 % du passif hypothécaire et 78,1 % du passif non hypothécaire.

Les tendances trimestrielles des passifs des ménages sont disponibles auprès d'Equifax Canada selon le type de produit de crédit (p. ex. hypothèque, carte de crédit, prêt automobile, etc.) et selon les caractéristiques démographiques, y compris la province, l'âge du chef de ménage, la génération du chef de ménage et la composition du ménage. Contrairement à la méthode utilisée pour identifier le chef de ménage dans les CERSM, qui est basée sur le principal soutien économique (voir section 6.2), une méthode différente est appliquée pour les projections basées sur les données d'Equifax. En raison du manque de données sur le revenu dans le registre de crédit, le chef de ménage est déterminé par Equifax Canada en appliquant les critères suivants :

1. Le membre du ménage qui a une hypothèque active ou une marge de crédit hypothécaire. Si plusieurs ou aucun des membres du ménage ont une hypothèque active ou une marge de crédit hypothécaire, alors ;
2. Le membre qui a les limites de crédit totales les plus élevées pour tous les produits de crédit. Si plusieurs membres ont des limites de crédit totales égales ou qu'aucun d'entre eux n'a de crédit, alors ;
3. Le membre le plus âgé du ménage. Si l'âge est égal pour tous les membres, alors ;
4. Le membre qui est répertorié en premier dans la base de données du registre du crédit pour ce ménage.

Par rapport aux estimations des CERSM pour le passif des ménages au deuxième trimestre de l’année de référence 2023, comme l’indique le tableau 4, la couverture des totaux d’Equifax varie de 65,9 % à 97,9 % par province, de 54,9 % à 114,6 % par groupe d’âge, de 69,9 % à 107,6 % par génération et de 71,6 % à 163,2 % selon la composition du ménage.

Pour calculer les répartitions trimestrielles de la dette liées au revenu, y compris le quintile de revenu disponible des ménages équivalent et la principale source de revenu des ménages, un exercice d'appariement est appliqué pour relier les répartitions du patrimoine de l’ESF et d’Equifax avec les ménages couverts dans la BD/MSPS. À l'aide des résultats d'une exécution spéciale de la BD/MSPS (Statistique Canada, 2020-10-14), les tendances infra-annuelles du revenu disponible par catégorie de répartition sont dérivées des tendances salariales de l'Enquête sur la population active et des données administratives sur les mesures gouvernementales d'aide économique liées à la COVID-19. D'autres rajustements sont également appliqués pour assurer la correspondance avec les répartitions modélisées des prestations gouvernementales (par exemple, les prestations canadiennes de secours d'urgence d'Emploi et Développement des compétences Canada, etc.).

Afin d'assurer la cohérence des tendances trimestrielles des passifs des ménages observées à partir des données du registre du crédit avec les tendances associées des actifs non financiers auxquels ces passifs se rapportent, des rajustements correspondants sont également appliqués aux valeurs des actifs immobiliers trimestriels en utilisant les informations de répartition de tiers sur le logement (Société canadienne d'hypothèques et de logement 2023) et les dépenses en biens de consommation (Banque du Canada 2020). De plus, pour refléter plus précisément les tendances démographiques infra-annuelles de la population des ménages qui correspondent au patrimoine et au revenu, les chiffres des ménages comparés aux répartitions de la Division de la démographie à partir de l'année de référence 2019 sont produits sur une base trimestrielle à partir de l'année de référence 2020. Les dénombrements trimestriels des ménages sont créés à l'aide des données disponibles à partir des données d'Equifax et de la BD/MSPS, et sont utilisés pour présenter des estimations du patrimoine par catégorie de répartition en dollars moyens par ménage.

9.2.2 Rajustements liés aux facteurs territoriaux

Un rajustement supplémentaire est appliqué aux répartitions du patrimoine selon la région et la province fondées sur les CERSM afin de retrancher une partie des totaux de contrôle nationaux du patrimoine des CBN liés aux ménages des territoires. Ce rajustement est nécessaire, car l’échantillon de l’ESF est constitué uniquement de ménages des 10 provinces (voir les sections 5.1 et 10.2.2), alors que les totaux de contrôle des CBN publiés sont fondés sur le total pour l’ensemble des provinces et des territoires du Canada. Puisque les CBN ne fournissent pas d’estimation du patrimoine pour les territoires, sans ce rajustement, les estimations du patrimoine par province et par région fondées sur les CERSM seraient trop élevées.

Étant donné que le patrimoine dans les territoires n’est pas directement quantifiable au moyen de sources de données existantes, un rajustement simplifié est appliqué aux totaux de contrôle nationaux des CBN pour représenter le patrimoine dans les territoires. Plus particulièrement, un pourcentage fixe est retranché de chacune des catégories du patrimoine fondées sur les estimations du SCN relatives au revenu net de la propriété dans les territoires, mises à l’échelle selon les rendements moyens des obligations du gouvernement et les taux hypothécaires. Le même pourcentage est retranché de chaque estimation provinciale et régionale du patrimoine. Bien que le même pourcentage soit utilisé au cours d’une année donnée, ce pourcentage varie au fil du temps, selon la croissance du revenu net de la propriété par rapport aux totaux de contrôle nationaux des CBN. Ce rajustement simplifié repose sur l’hypothèse selon laquelle les territoires ont la même répartition que le total pour les provinces comprises dans l’échantillon de l’ESF.

9.2.3 Rajustements liés à la qualité des données

De plus, dans le cadre du processus d'évaluation de la qualité des données des CERSM, des rajustements sont appliqués aux répartitions du patrimoine aux niveaux macro afin d’éviter d’introduire des points de retournement ou de minimiser les divergences avec les tendances économiques et démographiques observées à partir d'autres sources de données, telles que des enquêtes et des données administratives du gouvernement.

10 Sources d’erreurs

Les CERSM sont conçus en rassemblant des données provenant de sources multiples. Chacune de ces sources, ainsi que la façon dont elles sont utilisées et combinées, constitue une source potentielle d’écarts entre les microdonnées et les macrodonnées. Un aperçu des sources d’erreurs pour les CERSM sur le patrimoine est présenté ci-dessous, classé en fonction de la source :

• données d’enquête;
• modèle;
• totaux des comptes nationaux.

Une classification similaire se trouve dans Zwijnenburg (2016).

10.1 Qualité des données des comptes nationaux

10.1.1 Qualité des totaux des comptes nationaux

Les CBN sont estimés en utilisant les sources de données les plus complètes et de la plus haute qualité afin d’établir des estimations de référence. Cela comprend généralement des enquêtes-entreprises, des fichiers de données administratives de l’ARC, des fichiers tirés d’enquêtes-ménages, des données provenant des fonds de retraite, des institutions financières et des comptes publics du gouvernement. Les données sont analysées en fonction de l’uniformité des séries chronologiques, des liens avec la conjoncture économique, des problèmes liés aux données de base et, enfin, de la cohérence. Il n’est pas possible de produire un équivalent du patrimoine national ou de la valeur nette nationale, pas plus qu’il est possible d’établir un bilan pour le secteur des ménages, sauf de façon périodique à partir des enquêtes-ménages. Toutefois, certains sous-secteurs des CBN sont largement comparables aux estimations produites par les divisions qui fournissent les données de base (par exemple, les fonds de retraite et les administrations publiques).

10.1.2 Qualité des rajustements apportés aux totaux des comptes nationaux

Comme il a été mentionné précédemment, les rajustements visant à isoler le secteur des ménages de celui des ISBLSM ont été mis en place en 2012. Les travaux pour créer le secteur des ISBLSM ont commencé avec la création d’un compte satellite plus largement défini des institutions sans but lucratif et du bénévolat, d’abord publié en 2004. La part des institutions sans but lucratif au service des ménages dans ce secteur sans but lucratif élargi a été mise en œuvre dans le SCN en 2012, avec des estimations établies à partir de diverses sources, dont les fichiers administratifs sur les organismes de bienfaisance et les autres institutions à but non lucratif. Diverses améliorations statistiques visant à mieux définir le contexte et à tenir compte des lacunes dans les mesures ont été entreprises, en plus de changements liés à la sectorisation. Ces améliorations comprennent notamment le fait de délimiter les achats des ménages du secteur des ISBLSM. Des estimations révisées pour l’industrie et la demande finale ont été introduites en conséquence dans le cadre des ressources et des emplois.

10.2 Qualité des données de l’enquête

10.2.1 Erreur d’échantillonnage

Les erreurs d’échantillonnage sont inévitables dans toute enquête par sondage et se produisent parce que des données sont recueillies et des inférences sont faites à partir d’un échantillon plutôt que de l’ensemble de la population. L’erreur d’échantillonnage est mesurée en estimant la mesure dans laquelle les estimations de l’échantillon pourraient varier pour tous les échantillons possibles qui auraient pu être sélectionnés et qui ont le même plan d’échantillonnage et la même taille. Plusieurs facteurs ont une incidence sur l’ampleur de l’erreur d’échantillonnage : la variabilité inhérente des caractéristiques mesurées dans la population, la taille de l’échantillon, le plan d’échantillonnage et le taux de réponse. En raison de sa petite taille, l’ESF de 2005 présente une plus grande erreur d’échantillonnage que celle de l’ESF d’autres années.

Le c.v. est une mesure courante de l’erreur d’échantillonnage et peut être utilisé comme indicateur de l’exactitude des estimations. On le définit comme étant le rapport entre l’erreur-type de l’estimation de l’enquête et la valeur de l’estimation elle-même. Les c.v. des estimations de totaux de la valeur nette et de ses composantes à partir de l’ESF pour l’année d’enquête 2012 et les années d’enquête subséquentes sont présentés aux tableaux 5 à 15 de l’annexe.

10.2.2 Erreur de couverture

Les erreurs de couverture comprennent les omissions, l’inclusion d’unités erronées, les enregistrements en double et les erreurs de classification d’unités dans la base de sondage. Elles peuvent se traduire par des estimations biaisées et les répercussions peuvent varier pour différents sous-groupes de la population.

Pour les CERSM, la population ciblée par l’ESF et celle ciblée par les totaux des CBN diffère. En particulier, les territoires sont exclus de l’ESF, comme le sont environ 2 % des personnes dans les provinces qui sont difficiles à sonder pour diverses raisons.

En raison d’un manque d’information sur la valeur des actifs et des passifs des ménages des territoires et de la population âgée institutionnalisée, les CERSM appliquent des rajustements simplifiés pour inclure ces populations dans leurs estimations. Ces rajustements sont décrits à la section 7.2 et à la section 9.2. Des estimations plus précises sur le patrimoine de ces populations pourront être obtenues dans l’avenir si des données provenant d’autres sources de données couvrant ces populations deviennent disponibles.

10.2.3 Erreur due à la non-réponse

Il existe deux types de non-réponse : la non-réponse totale, soit le fait de ne pas répondre à l’ensemble de l’enquête, et la non-réponse partielle, soit le fait de ne pas répondre à certaines questions. Dans l’ESF, ce type d’erreur est traité en utilisant des procédures de suivi visant à minimiser les non-réponses, par la pondération qui tient compte de la non-réponse et par imputation.

10.2.4 Erreur de mesure et de traitement

L’erreur de mesure, aussi appelée erreur de réponse, est la différence entre la réponse enregistrée à une question et la valeur « réelle ». L’erreur de mesure peut être causée par une incompréhension de la part du répondant ou de l’intervieweur. Le traitement est requis pour transformer les réponses d’enquête en une forme appropriée aux fins de la tabulation et de l’analyse et peut être une source d’erreur.

10.3 Qualité du modèle utilisé pour les années où il n’y a pas eu d’enquête

Dans les années où il n’y a pas eu d’ESF, les répartitions des CERSM doivent être modélisées. Par conséquence, la qualité des répartitions estimées dépend de la qualité des données auxiliaires à partir desquelles les modèles sont conçus et de la solidité des modèles eux-mêmes.

10.3.1 Qualité des sources de données auxiliaires

La source de données auxiliaires utilisée pour l’approche de recalage est celle des projections démographiques des chiffres de population et de ménages selon le Recensement de la population de Statistique Canada. Ces projections représentent la même population échantillonnée que celle de l’ESF et excluent les mêmes segments de la population (voir la section 10.2.2), en plus d’utiliser les mêmes concepts du ménage et de la famille que ceux de l’ESF. Elles sont de grande qualité et sont utilisées pour le calage de la plupart des enquêtes sociales à Statistique Canada.

10.3.2 Qualité des modèles

Les modèles sont une composante fondamentale de la méthodologie pour les CERSM sur le patrimoine. Comme c’est le cas pour tout modèle, ils peuvent uniquement refléter les tendances des répartitions qui sont liées à celles observées dans les données auxiliaires. Dans le cas présent, étant donné que l’approche adoptée depuis la diffusion de mars 2019 est celle du recalage, il s’agit des tendances liées à la composante démographique uniquement. Comme on l’a mentionné à la section 8.2, lorsque les données de plus d’une année d’enquête sont disponibles et que l’écart entre les années d’enquête est relativement petit, l’incidence sur les estimations finales est relativement faible. Cependant, il faut s’attendre à ce que les révisions apportées aux données des années qui suivent l’année d’enquête la plus récente soient plus importantes que les révisions des années précédentes. Il convient également de mentionner que la force de la relation entre les répartitions du patrimoine et la composante démographique varie selon la catégorie de ménage. Les comparaisons des répartitions modélisées et des répartitions fondées sur l’ESF présentées à l’annexe dans la section 11.2 rendent bien compte de cette variation.

10.4 Combinaison des sources

Les CERSM rassemblent des données provenant de sources variées et donc, il est peu surprenant que les différences conceptuelles entre les sources de microdonnées et de macrodonnées représentent souvent un défi important. La méthodologie exposée dans le présent document et utilisée pour produire les répartitions du patrimoine selon les CERSM comporte de multiples étapes (rapprochement des microconcepts et des macroconcepts, modélisation par recalage, réconciliation). Tout au long de ces étapes, les erreurs peuvent s’accumuler ou s’annuler l’une l’autre.

11 Annexe

11.1 Coefficients de variation de l’erreur d’échantillonnage pour l’Enquête sur la sécurité financière de 2012, de 2016, de 2019 et de 2023

Les tableaux suivants montrent les coefficients de variation de l’erreur d’échantillonnage, ou les intervalles des coefficients de variation, de l’ESF. Ces coefficients de variation sont fondés sur l'ESF et n'incluent pas les étapes de repondération et de mise à l'échelle des CBN.

11.2 Comparaisons des répartitions modélisées avec les répartitions de l’Enquête sur la sécurité financière

Les tableaux suivants montrent comment les répartitions modélisées se comparent aux répartitions de l’ESF pour 2023, 2016 et 2012, sur les plans de la valeur nette, des actifs totaux et des passifs totaux. Les estimations de l’approche par calage dans ces tableaux sont fondées sur le fichier repondéré de l’ESF de 2019; par conséquent, les répartitions correspondent à celles de l’ESF de 2019 et ne sont donc pas incluses dans le tableau.

Le tableau 16 montre la comparaison des répartitions selon le groupe d’âge auquel appartient le soutien économique principal. Il affiche l’intervalle de la valeur absolue des écarts entre les répartitions fondées sur l’ESF et les répartitions modélisées selon le groupe d’âge, lequel sert à mesurer la distance entre les répartitions fondées sur l’ESF et celles obtenues par modélisation. Il présente également les répartitions modélisées et les répartitions fondées sur l’ESF selon le groupe d’âge du soutien économique principal afin d’illustrer la façon dont les intervalles sont obtenus. Le tableau 17 montre les intervalles de la valeur absolue des écarts entre les répartitions fondées sur l’ESF et les répartitions modélisées, pour les tableaux unidimensionnels. De façon similaire, le tableau 18 montre les intervalles pour les tableaux croisés; dans ce cas, les pourcentages détenus par chaque groupe sont calculés selon le total de la région pour les tableaux croisés par région et selon le total par quintile pour le tableau croisé du quintile de revenu disponible du ménage rendu équivalent par le groupe d’âge du soutien économique principal.

Des différences plus importantes sont observées entre l’ESF et le modèle dans certaines des répartitions selon le mode d’occupation et la principale source de revenu comparativement aux autres répartitions unidimensionnelles. La relation entre le mode d’occupation et les données démographiques utilisées pour la modélisation peut ne pas être aussi forte que les relations entre les données démographiques et les autres catégories de ménages.

11.3 Source des révisions statistiques pour les estimations des comptes économiques du secteur des ménages répartis selon le patrimoine, janvier 2025 par rapport à octobre 2024

Les estimations des comptes économiques répartis pour le secteur des ménages (CERSM) selon le patrimoine sont révisées périodiquement, afin d’intégrer des renseignements à jour provenant de divers intrants de données et d’améliorer la méthodologie de production de ces estimations. Plus récemment, les estimations des CERSM selon le patrimoine de janvier 2025 ont été révisées par rapport à la diffusion précédente d’octobre 2024, afin d’intégrer des modifications d’entrées de données alimentant le processus d’estimation des CERSM pour les chiffres relatifs aux ménages et pour les valeurs des éléments de patrimoine répartis selon diverses caractéristiques du ménage, et d’appliquer un processus trimestriel de recalage des poids d’enquête.

11.3.1 Chiffres relatifs aux ménages

Les révisions des chiffres relatifs aux ménages entre les diffusions de janvier 2025 et d’octobre 2024 sont attribuables aux modifications qui suivent.
La mise à jour d’intrants de données :

• estimations démographiques de la population, mises à jour :
• tous les cinq ans pour intégrer les plus récents résultats du recensement;
• chaque année pour intégrer les plus récentes estimations sur les naissances, les décès et la migration interprovinciale et internationale;
• les statistiques sur la migration sont fondées sur les données mensuelles de l’Agence du revenu du Canada provenant du programme de l’Allocation canadienne pour enfants, et sur les données annuelles des déclarants; ces dernières étant disponibles environ un an après la période de référence;
• pondération de l’Enquête sur la sécurité financière (ESF), disponible environ tous les trois à quatre ans;
• chiffres trimestriels d’Equifax, dont les tendances sont périodiquement révisées pour maintenir la cohérence avec les plus récents totaux de contrôle démographique.

La mise en place d’un processus trimestriel de recalage des poids d’enquête :

• les diffusions antérieures procédaient à un recalage des poids seulement chaque année, les tendances trimestrielles demeurant constantes entre chaque point de référence annuel;
• l’inclusion d’un processus d’interpolation trimestrielle pour les poids recalés facilite la saisie des variations démographiques à court terme, fournissant des renseignements plus actuels sur les variations saisonnières et économiques;
• le processus trimestriel reflète mieux les changements en temps réel de la composition des ménages, en particulier pendant les chocs économiques ou les changements de politique;
• même si des ajustements plus fréquents peuvent entraîner une plus grande variabilité des estimations (ce qui rend l’analyse des tendances plus complexe), puisque les estimations des CERSM selon le patrimoine ne sont pas désaisonnalisées, il est préférable de ne comparer que les tendances d’une année à l’autre pour le même trimestre.

Exemples de révisions :

Tableau de données du graphique 1

Tableau de données du graphique 1 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 1 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2016
T4	2 835 424	2 834 614
2017
T4	2 888 718	2 896 271
2018
T4	2 925 041	2 934 308
2019
T4	2 968 570	2 965 323
2020
T1	3 082 228	2 982 978
T2	3 044 324	2 913 123
T3	2 987 812	2 852 310
T4	3 062 055	2 922 007
2021
T1	3 035 539	2 858 538
T2	3 015 354	2 792 132
T3	2 966 214	2 753 062
T4	3 093 732	2 956 135
2022
T1	3 086 697	2 954 107
T2	3 089 592	2 962 046
T3	3 129 247	2 982 092
T4	3 168 896	3 003 321
2023
T1	3 208 462	3 007 173
T2	3 248 025	3 014 297
T3	3 282 787	3 051 004
T4	3 317 541	3 065 525
2024
T1	3 352 288	3 069 097
T2	3 387 023	3 072 629

La révision pour les ménages dont le principal soutien économique est âgé de moins de 35 ans était attribuable aux nouvelles données repères démographiques annuelles et du recensement, ainsi qu’aux nouveaux résultats de l’ESF et aux poids trimestriels recalés associés. En moyenne, les estimations des CERSM de janvier 2025 pour les personnes âgées de moins de 35 ans étaient supérieures de 5,1 % aux estimations d’octobre 2024 pour la période du quatrième trimestre de 2016 au deuxième trimestre de 2024.

Tableau de données du graphique 2

Tableau de données du graphique 2 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 2 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2016
T4	4 579 773	4 571 841
2017
T4	4 723 710	4 726 613
2018
T4	4 895 617	4 883 054
2019
T4	5 083 259	5 009 839
2020
T1	5 193 871	5 062 382
T2	5 128 157	4 957 729
T3	4 995 734	4 803 901
T4	5 105 939	4 889 807
2021
T1	5 117 375	4 800 819
T2	5 142 197	4 700 469
T3	5 033 188	4 608 175
T4	5 237 551	4 935 074
2022
T1	5 250 791	4 955 973
T2	5 251 073	4 964 272
T3	5 286 784	4 969 795
T4	5 322 490	4 990 299
2023
T1	5 366 918	5 007 545
T2	5 411 348	5 015 657
T3	5 454 042	5 025 377
T4	5 496 731	5 017 629
2024
T1	5 539 642	5 025 470
T2	5 582 772	5 029 151

La révision pour les ménages d’une personne était principalement attribuable au sous-dénombrement des données externes du registre de crédit à la consommation par rapport aux nouvelles données repères démographiques et du recensement, ainsi qu’aux nouveaux résultats de l’ESF et aux poids trimestriels recalés associés. En moyenne, les estimations des CERSM de janvier 2025 pour les ménages d’une personne étaient supérieures de 5,8 % à celles d’octobre 2024 pour la période allant du quatrième trimestre de 2016 au deuxième trimestre de 2024.

Tableau de données du graphique 3

Tableau de données du graphique 3 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 3 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2016
T4	5 493 353	5 648 088
2017
T4	5 747 817	5 762 846
2018
T4	5 876 354	5 894 970
2019
T4	5 723 747	5 717 487
2020
T1	5 796 755	5 786 270
T2	5 862 916	5 696 068
T3	5 926 070	5 646 511
T4	6 091 991	5 725 115
2021
T1	6 071 689	5 607 585
T2	6 037 756	5 552 572
T3	6 002 391	5 526 355
T4	6 070 924	5 736 087
2022
T1	6 083 112	5 749 609
T2	6 106 181	5 773 670
T3	6 148 347	5 809 542
T4	6 190 541	5 840 764
2023
T1	6 248 943	5 865 177
T2	6 307 424	5 893 151
T3	6 363 462	5 936 156
T4	6 419 557	5 968 963
2024
T1	6 476 138	5 983 943
T2	6 533 199	5 997 777

La révision pour les ménages propriétaires de leur résidence principale ayant une hypothèque était attribuable aux nouvelles données repères du recensement, ainsi qu’aux nouveaux résultats de l’ESF et aux poids trimestriels recalés associés. En moyenne, les estimations des CERSM de janvier 2025 pour les propriétaires ayant une hypothèque étaient supérieures de 5,1 % à celles d’octobre 2024 pour la période allant du quatrième trimestre de 2016 au deuxième trimestre de 2024.

Tableau de données du graphique 4

Tableau de données du graphique 4 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 4 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2016
T4	719 870	719 572
2017
T4	739 170	741 103
2018
T4	736 366	738 700
2019
T4	750 521	749 701
2020
T1	702 443	758 288
T2	602 176	687 946
T3	761 283	681 961
T4	695 071	691 455
2021
T1	678 488	714 276
T2	642 766	707 268
T3	737 021	703 929
T4	720 284	730 644
2022
T1	672 109	732 366
T2	624 421	735 431
T3	840 385	740 000
T4	724 164	743 977
2023
T1	656 392	747 087
T2	622 663	750 650
T3	800 229	756 128
T4	716 219	760 307
2024
T1	658 452	762 215
T2	622 694	763 977

La révision pour les ménages dont le travail autonome est la principale source de revenu est principalement attribuable à l’introduction de poids trimestriels recalés, reflétant l’incidence des tendances d’emploi saisonnières. En moyenne, les estimations des CERSM de janvier 2025 pour les ménages dont le travail autonome était la principale source de revenu étaient inférieures de 4,2 % à celles d’octobre 2024 pour la période allant du quatrième trimestre de 2016 au deuxième trimestre de 2024.

Tableau de données du graphique 5

Tableau de données du graphique 5 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 5 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2016
T4	63 087	64 479
2017
T4	64 572	65 952
2018
T4	66 004	67 623
2019
T4	67 342	69 223
2020
T1	68 642	71 426
T2	68 058	70 917
T3	66 030	68 645
T4	69 135	71 707
2021
T1	68 926	70 764
T2	68 870	69 792
T3	68 367	69 609
T4	70 462	74 673
2022
T1	70 593	74 981
T2	70 964	75 533
T3	71 538	76 289
T4	72 111	77 014
2023
T1	72 678	77 747
T2	73 241	78 853
T3	73 807	79 764
T4	74 370	79 616
2024
T1	74 932	79 807
T2	75 495	79 900

La révision pour la province de résidence était attribuable aux nouvelles données repères démographiques annuelles et du recensement, combinée aux nouveaux résultats d’enquête et aux poids trimestriels recalés associés, qui ont tendance à faire l’objet d’une révision plus importante en raison de la plus faible couverture d’enquête des secteurs de compétence plus petits. En moyenne, les estimations des CERSM de janvier 2025 pour les ménages ayant une résidence principale à l’Île-du-Prince-Édouard étaient inférieures de 4,5 % à celles d’octobre 2024 pour la période allant du quatrième trimestre de 2016 au deuxième trimestre de 2024.

11.3.2 Valeurs patrimoniales

Les valeurs du patrimoine réparties selon les caractéristiques du ménage sont touchées par les révisions apportées aux éléments suivants :

• les données repères des comptes du bilan national (CBN), mises à jour tous les trimestres;
• les estimations de la répartition tirées de l’Enquête sur la sécurité financière (ESF) selon l’élément de patrimoine et les caractéristiques du ménage, mises à jour périodiquement, tous les trois ou quatre ans;
• la nouvelle ESF de 2023 et le processus trimestriel de recalage des poids associé.

Les révisions des estimations de la dette des ménages ont tendance à être plus faibles que d’autres éléments de patrimoine en raison de l’utilisation des données du registre de crédit à la consommation pour les caractéristiques observables des ménages, comme par groupe d’âge et province.

Exemples de révisions de la répartition de la dette des ménages :

Tableau de données du graphique 6

Tableau de données du graphique 6 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 6 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2019
T4	147 693	147 945
2020
T1	146 242	145 732
T2	152 445	148 284
T3	159 164	151 347
T4	158 074	149 979
2021
T1	158 450	150 932
T2	163 400	156 372
T3	166 364	158 916
T4	164 862	155 642
2022
T1	167 011	157 363
T2	171 516	161 256
T3	173 190	162 785
T4	174 497	163 661
2023
T1	175 498	164 053
T2	179 505	167 617
T3	181 557	169 453
T4	183 492	171 143
2024
T1	184 945	172 741
T2	189 086	176 960

Les estimations des CERSM de janvier 2025 pour la dette moyenne par ménage dont le principal soutien économique était âgé de 55 à 64 ans étaient en moyenne supérieures de 5,3 % aux estimations d’octobre 2024 pour la période allant du quatrième trimestre de 2019 au deuxième trimestre de 2024.

Tableau de données du graphique 7

Tableau de données du graphique 7 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 7 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2019
T4	66 757	66 714
2020
T1	64 124	64 114
T2	61 175	63 699
T3	59 833	65 103
T4	57 575	64 256
2021
T1	56 450	64 056
T2	57 736	65 867
T3	59 084	67 261
T4	58 711	65 525
2022
T1	59 078	65 812
T2	60 478	67 178
T3	60 982	67 725
T4	60 995	67 758
2023
T1	60 407	67 125
T2	60 905	67 926
T3	61 163	68 216
T4	61 212	68 354
2024
T1	60 861	68 367
T2	61 454	69 462

Les estimations des CERSM de janvier 2025 pour la dette moyenne par ménage de propriétaires sans hypothèque étaient en moyenne inférieures de 9,1 % aux estimations d’octobre 2024 pour la période allant du quatrième trimestre de 2019 au deuxième trimestre de 2024.

Tableau de données du graphique 8

Tableau de données du graphique 8 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 8 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2019
T4	80 305	65 385
2020
T1	81 507	63 947
T2	127 749	81 907
T3	117 190	84 009
T4	123 438	83 885
2021
T1	118 849	87 023
T2	116 172	90 268
T3	120 969	92 583
T4	99 626	90 795
2022
T1	99 226	91 799
T2	105 595	93 790
T3	103 744	94 648
T4	104 748	94 756
2023
T1	103 471	94 383
T2	109 488	95 177
T3	104 858	95 537
T4	105 088	95 612
2024
T1	103 238	95 613
T2	105 535	96 780

L’introduction de la nouvelle ESF de 2023 et le processus de recalage trimestriel associé des poids ont eu une incidence plus importante sur les répartitions liées au revenu, qui ne sont pas disponibles dans le registre du crédit à la consommation. La dette moyenne par ménage pour les personnes dont la principale source de revenu n’était pas les transferts à titre de pension était, en moyenne, plus élevée de 21,1 % pour les estimations de janvier 2025 que pour celles d’octobre 2024. Les estimations de janvier 2025 indiquent un changement plus important vers une principale source de revenu provenant de transferts non liés à la pension au début de 2020 en raison de l’introduction de mesures de soutien du gouvernement pendant la pandémie de COVID-19, suivis d’une réduction plus importante lorsque ces mesures ont pris fin à la fin de 2021.

Par rapport à la dette, les actifs financiers ont toujours été la principale source de révisions des estimations des CERSM selon le patrimoine pour diverses caractéristiques des ménages, puisque les estimations périodiques de l’ESF sont actuellement la seule source d’information pour la répartition des actifs financiers.

Exemples de révisions de la répartition des actifs financiers des ménages :

Tableau de données du graphique 9

Tableau de données du graphique 9 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 9 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2019
T4	142 844	142 506
2020
T1	130 584	135 454
T2	151 347	147 665
T3	170 609	156 532
T4	188 062	159 904
2021
T1	199 492	167 725
T2	205 790	177 359
T3	208 660	180 877
T4	209 901	174 717
2022
T1	207 190	171 030
T2	197 990	163 092
T3	196 039	162 449
T4	199 590	166 458
2023
T1	204 314	170 491
T2	205 079	172 265
T3	200 771	167 682
T4	207 592	173 737
2024
T1	214 699	180 209
T2	215 660	181 587

Les estimations des CERSM de janvier 2025 pour les actifs financiers moyens par ménage dont le principal soutien économique était âgé de moins de 35 ans étaient en moyenne supérieures de 15,5 % aux estimations d’octobre 2024 pour la période allant du quatrième trimestre de 2019 au deuxième trimestre de 2024.

Tableau de données du graphique 10

Tableau de données du graphique 10 Sommaire du tableau
Le tableau montre les résultats de Tableau de données du graphique 10 , calculées selon (figurant comme en-tête de colonne).

	Date de diffusion : janvier 2025	Date de diffusion : octobre 2024
Source : Statistique Canada, Comptes économiques répartis pour le secteur des ménages.
2019
T4	142 217	141 629
2020
T1	174 114	135 243
T2	232 326	153 305
T3	251 480	160 293
T4	282 379	165 305
2021
T1	317 322	175 872
T2	335 092	183 272
T3	307 994	184 892
T4	312 602	184 681
2022
T1	339 942	179 901
T2	312 228	171 000
T3	284 279	170 444
T4	303 033	174 837
2023
T1	326 067	178 507
T2	313 440	179 842
T3	279 634	175 795
T4	292 194	182 072
2024
T1	317 474	188 437
T2	319 971	189 705

L’introduction de la nouvelle ESF de 2023 et le processus de recalage trimestriel associé des poids ont eu une incidence plus importante sur la répartition des actifs financiers par quintile de revenu disponible. La valeur moyenne des actifs financiers par ménage pour la tranche inférieure de 20 % de la répartition des revenus était, en moyenne, plus élevée de 64,9 % pour les estimations de janvier 2025 que pour celles d’octobre 2024.
Afin d’améliorer l’exactitude et l’actualité des estimations de la répartition des actifs financiers, une méthode est en cours d’élaboration pour estimer de façon plus fiable les tendances annuelles et infra-annuelles des actifs financiers répartis selon les caractéristiques des ménages lorsque les données de l’ESF ne sont pas disponibles; plus précisément :

• Le processus d’estimation en cours d’élaboration appliquera une méthode de capitalisation fondée sur un processus de modélisation convertissant les flux d’investissement en valeurs d’actifs financiers accumulés au fil du temps (voir, par exemple, le processus décrit dans Top Wealth in America: New Estimates and Implications for Taxing the Rich, National Bureau of Economic Research, document de travail n° 29374, Matthew Smith, Owen M. Zidar et Eric Zwick, octobre 2021).

Bibliographie

Banque du Canada (2020). « The Heterogeneous Effects of COVID-19 on Canadian Household Consumption, Debt and Savings ». J. MacGee, T.M. Pugh et K. Voir Documents de travail des employés numéros 22 à 51.

Bérubé J. et Fortier S. (2009). PROC TSRAKING: An in-house SAS^® procedure for balancing time series. JSM Proceedings, Business and Economic Section. Alexandria, VA: American Statistical Association.

Commission économique des Nations Unies pour l’Europe (2011). Canberra Group Handbook on Household Income Statistics Second Edition. Genève.

Dagum, E. B. et Cholette, P. A. (2006). Benchmarking, Temporal Distribution and Reconciliation Methods for Time Series Data. Springer-Verlag, New York. Lecture Notes in Statistics no 186.

Deville, J.-C. et Sarndal, C.-E. (1992). « Calibration Estimators in Survey Sampling ». Journal of the American Statistical Association, vol. 87, no 418, p. 376 à 382.

OCDE (2013a). OECD Guidelines for Micro Statistics on Household Wealth. Publication de l’OCDE.

OCDE (2013b). OECD Framework for Statistics on the Distribution of Household Income, Consumption and Wealth. Publication de l’OCDE.

Quenneville, B. et Fortier, S. (2012), Restoring accounting constraints in time series - Methods and software for a statistical agency. Economic Time Series Modeling and Seasonality, ed. par Bell, W.R., Holan, S.H., et McElroy, T.S., Chapman et Hall/CRC, New York, 231-253.

Société canadienne d’hypothèques et de logement (2025), Rapports sur le marché de l’habitation.

Statistique Canada (2012-10-15). « Analyse des révisions - Système de comptabilité nationale du Canada 2012 ». Nouveautés en matière de comptes économiques canadiens (13-605).

Statistique Canada (2015-12-01). « Résultats de la révision exhaustive du Système canadien des comptes macroéconomiques de 2015 ». Nouveauté en matière de comptes économiques canadiens (13-605).

Statistique Canada (2016-04). Le logiciel G-series, version 2.00.001. Document interne.

Statistique Canada (2017-03-15). « Tableaux annuels de répartition des ménages, Estimations provisoires des répartitions des actifs, des passifs et de la valeur nette, 2010 à 2016 : Méthodologie technique et rapport sur la qualité ». Comptes des revenus et dépenses, série technique (13-604-M).

Statistique Canada (2018-03-22). « Comptes économiques répartis pour le secteur des ménages, estimations des répartitions des actifs, des passifs et de la valeur nette, 2010 à 2017 : rapport technique sur la méthodologie et la qualité ». Comptes des revenus et dépenses, série technique (13-604-M).

Statistique Canada (2018-10). Système généralisé d’estimation, Version 2.02 – Module de calage – Guide méthodologique.

Statistique Canada (2019-03-27). « Comptes économiques répartis pour le secteur des ménages, estimations des répartitions des actifs, des passifs et de la valeur nette, 2010 à 2018 : rapport technique sur la méthodologie et la qualité ». Comptes des revenus et dépenses, série technique (13-604-M).

Statistique Canada (2020-06-26). « Comptes économiques répartis pour le secteur des ménages, estimations des répartitions des actifs, des passifs et de la valeur nette, 2010 à 2019 : rapport technique sur la méthodologie et la qualité ». Comptes des revenus et dépenses, série technique (13-604-M).

Statistique Canada (2020-10-14). Base de données et modèle de simulation de politique sociale, version « boîte de verre » pour la COVID-19, version 3.0. Communiqué du Quotidien.

Statistique Canada (2024-06-27).  Estimations annuelles du revenu des familles de recensement et des particuliers (fichier des familles T1). Définitions, sources de données et méthodes. Base de métadonnées intégrées (BMDI), numéro d’enregistrement 4105.

Statistique Canada (2024-10-29). Enquête sur la sécurité financière (ESF). Définitions, sources de données et méthodes. Base de métadonnées intégrées (BMDI), numéro d’enquête 2620.

Statistique Canada (2024-10-29). Enquête sur la sécurité financière (ESF). Tableaux 11-10-0016-01, 11-10-0049-01 et 11-10-0057-01.

Statistique Canada (2025-03-13a). Comptes du bilan national (CBN). Définitions, sources de données et méthodes. Base de métadonnées intégrées (BMDI), numéro d’enregistrement 1806.

Statistique Canada (2025-03-13b). Comptes du bilan national (CBN). Tableaux 36-10-0580-01 et 38-10-0235-01.

Statistique Canada (2025-04-14). « Comptes économiques répartis pour le secteur des ménages, Estimations des répartitions des revenus, de la consommation et de l’épargne, 1999 à 2024, sources et méthodes ». Guide méthodologique : Système canadien des comptes macroéconomiques (13-607-X).

Stiglitz, J. E., Sen, A., et Fitoussi, J.-P. (2009). Report by the Commission on the Measurement of Economic and Social Progress.

Van Rompaey, C. (2016). « Wealth in Canada: Recent Development in Micro and Macro Measurement ». Statistique Canada. Présentation à la 34 e conférence générale, International Association for Research on Income and Wealth. Dresden, Allemagne.

Wu, M. et Boulet, C. (2018). Estimation de la répartition annuelle du patrimoine dans le Système de comptabilité nationale du Canada. Recueil du Statistique Canada Symposium 2018. Ottawa, Canada.

Zwijnenburg, J. (2016). « Further Enhancing the Work on Household Distributional Data - Techniques for Bridging Gaps between Micro and Macro Results and Nowcasting Methodologies for Compiling More Timely Results ». OCDE. Présentation à la 34 e conférence générale, International Association for Research on Income and Wealth. Dresden, Allemagne.

Zwijnenburg, J., S. Bournot, S. et Giovannelli, F. (2017). « Expert Group on Disparities within a National Accounts Framework: Results from a recent exercise », OECD Statistics Working Papers, 2016/10. Publication de l’OCDE.