2.4 Méthodologie 43
2.4.3 La participation des baby-boomers aux activités de loisirs : les hypothèses 48
Afin de vérifier les hypothèses listées à la section 3.2, sur la participation aux activités de loisirs des baby- boomers et ses facteurs d’influence, trois modèles de régression ont été développés. Ce type d’analyse a été privilégié, car il permet d’expliquer ou de prédire la variance d’un phénomène selon une combinaison de variables indépendantes (Yergeau, 2013). Il permet de mesurer l’effet de chacune des variables indépendantes incluses dans le modèle sur la probabilité qu’un évènement se réalise ou non, tout en maintenant constant l’effet des autres variables (Preux et al., 2005). Un modèle de régression linéaire a été utilisé lorsque la variable dépendante était continue. Lorsqu’elle était catégorielle et possédait plus de deux catégories, nous avons pu construire des modèles de régression logistique multinomiale. Enfin, lorsque la variable dépendante était dichotomique, nous avons fait appel à un modèle de régression logistique binaire.
Certaines variables auraient pu être incluses dans les modèles, toutefois la taille de l’échantillon nous oblige à en restreindre le nombre. Les variables choisies ont été incluses en fonction du questionnement69, ainsi que par celles les plus récurrentes et associées aux comportements de mobilité dans la recension des écrits. Au niveau des variables personnelles, le nombre d’enfants et le type de domicile ont été exclus puisqu’elles n’étaient pas liées de manière suffisamment forte (p > 0,2) lors de tests univariés. Au niveau du statut d’occupation, le nombre d’heures travaillées a été choisi puisque cette variable permet de mieux rendre
69 Les variables de préférences résidentielles (préférence pour la ville ou la campagne et pour la proximité de la nature)
n’ont pas été incluses dans les analyses. Bien que très pertinentes, elles sortaient du cadre de notre questionnement initial.
compte de la complexité des statuts d’emploi contrairement au statut « à la retraite », qui masquait pour plusieurs répondants une occupation secondaire. Enfin, la taille du ménage a été priorisée sur le statut du ménage, tout comme le niveau d’éducation par rapport au revenu70.
1. Modèles A et B: les facteurs d’influence de la diversité et de la fréquence des activités de loisirs
Quel est l’éventail des activités poursuivies par les baby-boomers selon leurs caractéristiques et préférences personnelles, leur potentiel de mobilité et leur lieu de résidence? Quelles variables expliquent le mieux la variation dans la diversité et la fréquence des activités réalisées par les baby-boomers de l’enquête Demain Québec?
Dans un premier temps (modèle A), afin d’expliquer la diversité d’activités poursuivies par les baby-boomers, un modèle de régression linéaire multiple a été construit étant donné la distribution normale des observations71. Les données de cette analyse sont tirées de la base « par répondant », avec un total de 235 observations analysées à l’aide du logiciel STATA 1272.
Dans un deuxième temps (modèles B), ce sont les fréquences d’activités poursuivies qui sont analysées à l’aide de modèles de régression logistique. Pour ces modèles, les données sont issues du comptage des activités où chacune d’entre elles correspond à une observation. Ces observations ont des mesures répétées puisqu’un individu peut avoir réalisé plus d’une activité du même type, mais à des fréquences ou lieux différents.73
Les types d’activités ont été regroupés en quatre grandes catégories : activités de magasinage; activités sportives (faire de l’activité physique, du plein air ou participer à un évènement sportif); activités à caractère social (aller chez des amis ou de la famille, sortir dans un café, un restaurant ou un bar ou assister à un évènement sportif); activités culturelles (participer ou assister à un évènement culturel).74 Pour les activités de
70 Le niveau de revenu n’est pas inclus dans les analyses en raison de sa grande incertitude et du haut taux de non-
réponse des répondants vis-à-vis cette question. Ainsi, le niveau d’éducation, qui est très souvent corrélé avec le niveau de revenu, sert de variable substitutive.
71 Afin d’obtenir un modèle mieux ajusté, la variable dépendante, soit le nombre d’activités différentes, a subi une
transformation logarithmique.
72 STATA 12 est un logiciel statistique et d’économétrie. Toutes les analyses de régression présentées dans cette section
ont été réalisées avec ce dernier.
73 Un ajustement de la matrice variance-covariance était dès lors nécessaire pour permettre les corrélations à l’intérieur
des groupes et une application plus souple de l’exigence d’indépendance des observations. Ainsi, les observations, qui sont les activités réalisées, sont indépendantes à travers les groupes, mais pas à l’intérieur de ceux-ci puisqu’elles sont regroupées en fonction du répondant les ayant réalisées. La commande utilisée sur STATA pour réaliser cet ajustement est l’option « vce (cluster repondant) », où cluster est la commande d’association en groupe selon la variable « repondant », qui est le numéro d’identification unique des répondants de l’enquête.
74 Cette classification n’est pas exhaustive et certaines activités pourraient se retrouver dans plus d’une catégorie à la
magasinage, sportives et sociales, les catégories de fréquences ont été réunies en trois classes, soit : « 0 fois » lorsque le répondant n’avait pas répondu avoir fait l’activité en question; « 1 fois »; et « 2 fois et plus » (cette dernière comprenant les classes de 2 à 3 fois, 3 à 6 fois et plus de 6 fois).75 Pour la fréquence des activités culturelles, la variable analysée est binaire, soit aucune activité culturelle pratiquée durant la semaine versus une et plus. Les activités de magasinage, sportives et sociales ont ainsi pu être analysées au moyen de régressions logistiques multinomiales, tandis que les activités culturelles l’ont été par le biais d’une régression binomiale. Le tableau 8 illustre les variables personnelles, les variables associées au cadre bâti et celles associées à la mobilité retenues dans le modèle de régression linéaire pour la diversité d’activités poursuivies, ainsi que dans les quatre modèles de régression logistique pour la fréquence de pratique.
Tableau 8 : Variables explicatives testées en lien avec la diversité et fréquence d'activités poursuivies
2. Modèle C : les facteurs d’influence du choix du mode de transport vers les activités de loisirs
Les facteurs d’influence du choix du mode de transport vers les activités pratiquées ont été testés dans un modèle de régression multinomial. Les distinctions proposées sont : l’automobile en tant que conducteur, l’automobile en tant que passager76 (ou covoiturage), les transports en commun, et la marche. La première catégorie, automobiliste conducteur, réunit le plus d’observations et constitue la classe de référence dans le
comme le démontre la revue de littérature, plusieurs études classent les activités selon trois types, soit de magasinage, de loisirs et celles à caractère social. Dans le cadre de cette recherche, il s’avérait pertinent de séparer les activités culturelles, étant donné leurs emplacements géographiques ponctuels dans la ville. Ainsi, les musées et galeries d’arts se retrouvent en plus grande concentration dans les vieux quartiers, tandis que les cinémas sont plutôt situés en banlieue.
75 Ces catégories ont été regroupées en raison du faible nombre d’observations à l’intérieur de celles-ci.
76 Bien que ce soit plutôt les déplacements alternatifs qui nous intéressent, soit l’autobus et la marche, il est pertinent
d’étudier séparément l’utilisation de la voiture en tant conducteur et passager étant donné les différentes associations soulevées dans la littérature en lien avec ces variables. Le regroupement de ces comportements sous une seule et même catégorie peut donc diminuer la variabilité des observations et ainsi diminuer la variabilité des résultats entre les autres classes.
Caractéristiques personnelles Milieu bâti
Age Avant 1946
Genre (être une femme) Entre 1946 et 1970
Taille du ménage (vivre seul) Entre 1971 et 1985
Nombre d'heures travaillées Après 1985 (référence)
Avoir un diplôme universitaire Street Smart Walkscore Problème de santé
Valeurs et style de vie Potentiel de mobilité
Je préfère sortir que de rester à la maison Voiture dans le ménage
J'adore magasiner Proximité des transports en commun
modèle.77 Les données analysées proviennent également de la base par «activités». 78 79 Les variables personnelles sont incluses dans le modèle afin de mieux cerner l’effet du milieu de résidence et du potentiel de mobilité.Comme ce sont les modes de transport qui sont visés dans ce modèle, nous avons retenu les données sur les valeurs et styles de vie qui touchaient le rapport des baby-boomers à la mobilité : « je ne pourrais vivre sans automobile » et « je suis un marcheur invétéré ». Enfin, les types d’activités réalisées, soit les activités de magasinage, sportives, sociales et culturelles, sont inclus dans le modèle comme variables de contrôle.
Tableau 9 : Variables indépendantes testées en lien avec le choix du mode de transport
3. Modèle D : les facteurs d’influence de la distance parcourue vers les activités de loisirs
Le dernier modèle de régression teste les facteurs d’influence de la distance parcourue pour atteindre les lieux d’activités de loisirs. La variable étant continue, le choix d’une régression linéaire s’est imposé. Ici aussi, les données ont été tirées de la base « par activité ». 80 Comme dans les modèles précédents, les variables personnelles, celles caractérisant le potentiel de mobilité et le milieu bâti du domicile sont incluses comme variables explicatives. Les variables liées aux valeurs et aux styles de vie et associées aux loisirs et à la mobilité ont aussi été intégrées. Notre hypothèse est qu’une personne adorant magasiner, par exemple, sera
77 Autrement dit, les rapports de risque relatif estimés pour le choix du mode de transport en tant que passager, pour les
transports collectifs et la marche sont interprétés par rapport au choix d’utiliser la voiture en tant que conducteur.
78 En raison de leurs caractères particuliers et leurs petits nombres, les déplacements actifs de loisirs (mon entrainement,
c’est mon déplacement) et les types de déplacements plus marginaux (mobylette, moto, taxi, etc.) ont été exclus des analyses. De la même manière, les déplacements à vélo ont été écartés puisqu’ils représentaient un trop faible pourcentage, mais également en raison des différences au niveau des variables associées à l’utilisation du vélo comparativement à la marche démontrées dans certaines études (Rajamani et al., 2003; Van der Berg, Arentze & Timmermans, 2011).
79 Un ajustement de la matrice de variance-covariance a ici aussi été réalisé pour permettre les corrélations à l’intérieur
des groupes.
80Pour un modèle mieux ajusté, la variable indépendante, soit la distance calculée en mètres, a subi une transformation
logarithmique. Un ajustement de la matrice de variance-covariance a également été réalisé, puisque les données sont tirées de la base « par activité ».
Caractéristiques personnelles Potentiel de mobilité Milieu bâti
Age Voiture dans le ménage Avant 1946
Genre (être une femme) Proximité des transports en commun Entre 1946 et 1970
Taille du ménage (vivre seul) Aménagement pour la marche et le vélo Entre 1971 et 1985
Nombre d'heures travaillées Après 1985 (référence)
Avoir un diplôme universitaire Street Smart Walkscore
Problème de santé Type d'activité
Activité culturelle
Valeurs et style de vie Activité sociale
Je ne pourrais vivre sans automobile Activité sportive
prête à parcourir de plus grandes distances pour atteindre la destination voulue. Les types d’activités sont aussi inclus comme variables de contrôle.
Tableau 10 : Variables indépendantes testées en lien avec la distance parcourue pour rejoindre les lieux d'activités