Upload
barthelmy-laval
View
107
Download
1
Embed Size (px)
Citation preview
Modélisation de l’offre de main-d’œuvre : questions et défis
Atelier sur la surveillance et les prévisions de l’offre de main-d’œuvre
Vancouver (Colombie-Britannique)
17-18 octobre 2007
2
Contexte
La modélisation de l’offre de main-d’œuvre ne se fait en ce moment qu’à l’échelon national
Toutes les composantes de la demande (demandes d’expansion et de remplacement) ne sont produites en ce moment qu’aux échelons national et provincial
On a manifesté un intérêt à créer des modèles provinciaux de l’offre de main-d’œuvre
3
Objet de cette présentation
Décrire les modèles actuels de l’offre de main-d’œuvre du SPPC
Faire ressortir les questions et défis actuels (données, modèles) entourant la production de projections de l’offre de main-d’œuvre à l’échelon national
Faire ressortir les problèmes supplémentaires que pose l’établissement de projections de l’offre de main-d’œuvre à l’échelon provincial
4
Structure des modèles actuels du SPPC
5
Utilisations et diffusion Pour améliorer la capacité de RHDSC de prendre des
décisions stratégiques efficaces, il est essentiel de procéder à une analyse prospective. – Les résultats des projections sont présentés dans le document
« Perspectives du marché du travail canadien pour la prochaine décennie ».
Les résultats des projections servent aussi à l’élaboration d’outils de planification et de prise de décision.– RHDSC fournit des données et des projections à Service Canada pour la
production de Emploi-Avenir. – Des projections de la demande de main-d’œuvre sont aussi fournies aux
gouvernements provinciaux et aux bureaux régionaux de Service Canada, qui les utilisent pour mettre au point leurs propres produits IMT.
6
Indicateurs agrégés macro-économiques et du marché du
travail
Emploi par branche d’activité
Départs à la retraite
Demande d’expansion
SortantsScolaires
Facteurs démographiques
Déséquilibres futurs du marché du travail selon la profession
Possibilités d’emploi vs nouveaux chercheurs d’emploi par profession
Immigrants
Population active
Déséquilibres futurs du marché du travail par grand niveau de compétence
Variation de l’emploi vs variation de la main-d’œuvre par grand niveau de compétence
Structure des modèles du SPPC
7
Modèle des sortants scolaires
7
Diplômés
2. Diplômés par grand domaine d’études
3. Attribution à l’intérieur ou à l’extérieur de la population active
4. Sortants scolaires attribués par profession
1. Diplômés par niveau de scolarité
DE1 DE2 DE3 DEi
Dans la PA
Hors de la PA
CNP1 CNP2 CNP3 CNPn
Décrocheurs*
8
-Les projections des diplômés se font par niveau de scolarité-Six niveaux de scolarité différents sont estimés, deux sont obtenus par recoupement :
• Secondaire• Métiers et professionnel• Collège• Baccalauréat• Maîtrise• Doctorat
1. Diplômés par niveau de scolarité
La projection du niveau des inscriptions repose sur la population source, de même que sur des facteurs économiques. On utilise ensuite les inscriptions pour estimer le nombre de diplômés.
Études secondaires partiellesDécrocheurs
Études postsecondaires partielles
),,,,( Inscriptions _t)(it itttTti PopSourceFonds_govTCRPDIPCInscriptionsf
),( Diplômés )()(it TtiTti DiplômésInscriptionsf
9
2. Diplômés par grand domaine d’études
DE1 DE2 DE3 DEi
Diplômés
Aucun domaine d’études pour ce qui suit : •Études secondaires partielles•Diplômés d’écoles secondaires•Études postsecondaires partielles
Au niveau postsecondaire :•49 DE pour métiers et professionnel•55 DE pour collège•58 DE pour les trois niveaux universitaires (baccalauréat, maîtrise et doctorat).
Les diplômés sont répartis par DE selon la distribution moyenne observée des trois années précédentes (SIEP/SISCU/SISCCC).• Pourcentage fixe au cours de la période de projection
10
3. Attribution à l’intérieur ou à l’extérieur de la population active
Par domaine d’études, la part des diplômés sur le marché du travail est déterminée à l’aide de :
– L’enquête sur la population active pour :• Les personnes n’ayant pas terminé l’école
secondaire (entre 15 et 24 ans);• Les diplômés d’école secondaire (de 15 à
24 ans);• Les personnes avec des études post-
secondaires partielles (entre 20 et 29 ans).
DEi
Dans la PA
Hors de la PA
– L’enquête nationale auprès des diplômés pour :
• les métiers et le secteur professionnel;• le niveau collégial;• le niveau universitaire (baccalauréat,
maîtrise et doctorat).
11
4. Attribution par professionSources de données :A) Pour les 3 niveaux non postsecondaires :
Enquête sur la population active (EPA)B) Pour les cinq niveaux postsecondaires :
Enquête nationale auprès des diplômés– En 2002, les diplômés de 2000– En 1997, les diplômés de 1995
Autres sources prises en compte : Emploi-avenir; Descriptions des professions de la CNP; Matrice de transférabilité des compétences,
de Margaret Roberts (2003)
Dans la PA
CNP1 CNP2 CNP3 CNPn
Distribution ex-ante : L’attribution n’est pas permise si elle n’est pas liée au DE ou si le niveau de compétence est trop faible
12
On suppose que chaque sortant scolaire offrira ses services dans des emplois liés à son niveau de scolarité et à son domaine d’études P. ex. : Les bacheliers et bachelières en sciences infirmières sont
contraints d’occuper des emplois comme :– Professionnels/professionnelles en sciences infirmières (CNP-315)– Personnel technique en soins de santé (CNP-323)– Personnel de soutien des services de santé (CNP-341)– Gestionnaire de santé (CNP-031)– Technologues et techniciens/techniciennes des sciences de la santé
(CNP-321) Mais non des emplois comme :
– Gérant de commerce de détail– Caissier
4. Attribution par profession
13
Modèle d’immigration
13
Immigrants
Dans la PA
Hors de la PA
CNP1 CNP2 CNP3 CNPn
2. Attribution à l’intérieur ou à l’extérieur de la population active
3. Attribution par profession*
1. Projection du nombre d’immigrants
*L’attribution repose sur les données relatives aux immigrants récents (provenant du dernier recensement)
14
Questions et défis actuels entourant la production de
projections de l’offre de main-d’œuvre
15
Problèmes de données
Questions Actualité des données Taille et fiabilité des échantillons
Principales sources de données utilisées pour l’offre Données administratives (inscriptions, diplômés) Enquête nationale auprès des diplômés Enquête sur la population active
16
Problèmes de données - Actualité des données
A) Données administratives (inscriptions, diplômés)
– Lacunes importantes dans les données servant à établir les prévisions du nombre d’inscriptions et de diplômés :
• Les données pour les écoles secondaires sont rendues disponibles par la PSEPS : les données les plus récentes visent 2004-2005
• Les données pour les programmes de métiers et professionnels proviennent de l’EPFP : les données les plus récentes visent 1999-2000
• Les données pour les collèges communautaires proviennent du SISCCC : les données les plus récentes visent 1999-2000
• Les données sur les universités proviennent de l’enquête SIEP et sont raboutées à celles de l’enquête SISCU (qui n’existe plus) : les données les plus récentes visent 2003-2004
– Nous devons donc faire des projections sur le passé avant de pouvoir le faire sur l’avenir!
→ Défi : Accélérer la diffusion des données
17
Problèmes de données - Actualité des données
– Les résultats dépendent du moment de l’enquête (cycles économiques) :
• P. ex., l’utilisation des données de l’END pour 2000 pour la répartition des diplômés en informatique entre les professions pourrait être trompeuse compte tenu de l’effondrement des postes de TI en 2002.
– La modification des codes de profession tous les 10 ans complique l’utilisation des données chronologiques (recours à plus d’une END).
B) Enquête nationale auprès des diplômés
– Production occasionnelle (cycles quinquennaux) :• Diplômés de 1995 en 1997, suivi en 2000
• Diplômés de 2000 en 2002, suivi en 2005
• Diplômés de 2005 en 2007 (en cours), suivi en 2010 (prévu)
18
Problèmes de données - FiabilitéA) Données administratives (inscriptions, diplômés)
Les domaines d’études utilisés dans le SPPC sont désuets :
– P. ex., six programmes de secrétariat au niveau de l’EPFP
B) Enquête nationale auprès des diplômés
L’enquête END 2002 (classe de 2000) comptait 38 483 répondants. Au moment de confectionner la matrice de distribution de (5 niveaux de scolarité postsecondaire) X (de 49 à 58 domaines d’études) X (140 professions) → très petit échantillon. Nous utilisons plusieurs END pour surmonter les problèmes des cellules de petite taille Il est plus facile d’attribuer certains domaines d’études (p. ex., les sciences infirmières) que d’autres (comme la littérature anglaise).
→ Défi : Revoir les DE selon la CPE
19
Problèmes de données - Fiabilité
C) Enquête sur la population active
L’enquête sur la population active comprend un échantillon d’environ 54 000 ménages (qui figurent pour environ 83 000 répondants). Pour confectionner la matrice de distribution des sortants scolaires pour les trois niveaux de scolarité non postsecondaire (140 professions), nous utilisons les données de l’EPA sur les jeunes. L’analyse des coefficients de variation qui a eu lieu en 2003 révèle que les données à trois chiffres sur les professions réparties selon 33 industries sont fiables à l’échelon national. Nous recourons à la distribution moyenne des trois plus récentes années.
20
Défis relatifs à la modélisation de l’offre
Modèle des sortants scolaires Problème de dynamique dans la répartition des diplômés par domaine
d’études dans le temps. Redéfinition des domaines d’études du SPPC (à l’aide de la CPE). Réexamen de la structure des modèles actuels d’après les études
actuellement en cours. Rajustement de l’offre en recourant à une substitution entre les grands
groupes professionnels et les niveaux de compétence (ROA 2004)
Modèle de l’immigration Réexamen de la structure des modèles courants d’après les études
actuellement en cours (Cristiana Pescarus)
21
Autres défis relatifs à la modélisation de l’offre
Évaluation des déséquilibres actuels du marché du travail selon la profession
Modélisation de la mobilité professionnelle verticale (p. ex., l’offre de gestionnaires)
Segmentation du marché du travail Évaluation de l’intensité du travail (p. ex., heures
travaillées, travail à temps partiel vs travail à temps plein)
22
Modèles provinciaux de l’offre : autres défis
23
Défis relatifs à l’offre provinciale Actualité des données :
– L’utilisation de données recueillies par les ministères provinciaux de l’éducation peut atténuer ce problème.
Fiabilité des données :– À mesure que les données sont affinées (dans ce cas par province), la
fiabilité diminue : voir la diapositive suivante
– Options : • Données agrégées (regroupement de DE, niveaux de scolarité ou professions)• Trouver d’autres sources de données offrant des échantillons plus volumineux
(recensement, END provinciales)• Accroître la taille des échantillons par un investissement dans les données
Modèle :– Besoin de modéliser la migration interprovinciale
24
Fiabilité des données La fiabilité des
données est un problème provincial.
Il est difficile de produire des projections lorsque les données comportent des écarts types élevés.
Écart type de la croissance annuelle du nombre d’inscriptions et de diplômés par province (en point de pourcentage)
Type de grade universitaire
RégionsInscriptions (1985-2004)
Diplômés (1976-2004)
Baccalauréat et autre grade de premier cycle
Canada 2,9 % 2,3 %
Terre-Neuve-et-Labrador
9,4 % 7,9 %
Île-du-Prince-Édouard 5,0 % 13,1 %
Nouvelle-Écosse 3,2 % 4,0 %
Nouveau-Brunswick 3,1 % 6,1 %
Québec 2,0 % 3,9 %
Ontario 4,7 % 3,0 %
Manitoba 7,4 % 4,7 %
Saskatchewan 3,0 % 4,6 %
Alberta 2,7 % 3,8 %
Colombie-Britannique 3,0 % 4,5 %
25
Prochaines étapes À l’échelon national
– Poursuivre le travail d’élaboration du modèle de l’offre• Introduire une dynamique dans la projection des DE• Redéfinir les DE du SPPC• Réexaminer la structure des modèles courants d’après les études actuellement en
cours
À l’échelon provincial– Fournir aux provinces des compétences techniques pour les aider à
confectionner des modèles de l’offre• À la conférence du SPPC 2006, des modèles de l’offre ont été présentés et la C.-
B. a exprimé un intérêt à modéliser l’offre
– Mise en garde : Les provinces intéressées à confectionner un modèle de l’offre devraient d’abord se préoccuper des données (disponibilité et fiabilité).