4.2 Trajectoires de permis de séjour
4.2.3 Typologie des trajectoires
Une approche pour décrire les trajectoires des réfugiés réside dans l’analyse en clusters (clustering), qui permet d’esquisser une typologie des parcours de permis de séjour. Ce type d’analyse est d’ordre exploratoire et a pour but de construire des groupes de sorte à ce que les individus aient les parcours les plus semblables possible au sein du groupe et les plus éloignés possible des autres groupes. On cherche ainsi à mettre en évidence des « patterns récur-rents » (Studer, 2013, p.3) dans le but de mieux comprendre les différences observables dans les trajectoires des réfugiés. Si cette méthode présente de nombreux attraits – dont celui de réduire la complexité des données –, il faut néanmoins rappeler que toute typologie implique un risque de simplification abusive. Certaines trajectoires individuelles seront très bien décrites par le groupe auquel elles auront été attribuées, tandis que d’autres pourraient se trouver « à la limite » du groupe et seront moins bien représentées par le clus-ter en question. Des mesures de qualité duclustering permettent cependant de déterminer la qualité statistique des regroupements effectués, ce qui permet
166 166 Chapitre 4. Parcours des réfugiés en Suisse
de juger de la confiance que l’on peut avoir dans les résultats obtenus.197 La figure 4.10 présente le résultat duclustering. Les labels des groupes ont été choisis dans un souci de représenter au mieux ce qui fait l’unité du groupe et le distingue par rapport aux autres groupes ; choix qui peut le cas échéant être guidé par les séquences d’état modal (figure 4.11).
tr. rapide vers C (21.6%)
tr. lente et graduelle N−F−B (22.7%)
Freq. (weighted n=2322)
Figure 4.10 –Clustering en six groupes : distribution des permis de séjour par année depuis l’arrivée, cohortes d’arrivée 2000 à 2004
197. Trois choix sont à effectuer lors de l’analyse en clusters : le premier consiste à définir la mesure de dissimilarité qui servira à déterminer quelles séquences doivent être considérées comme proches l’une de l’autre et quelles séquences doivent être vues comme étant éloignées.
Les différentes mesures de dissimilarité sont présentées dans l’article de Studer et Ritschard (2016). Parmi elles, trois approches ont été testées ici : une mesure d’Optimal Matchingsur les séquences originales (avec un coût d’insertion/suppression de 1 et un coût de substitution de 2) ; la même mesure d’Optimal Matchingcalculée sur les séquences d’états distincts (c’est-à-dire en ignorant les durées) ; et une mesure de Hamming. Parallèlement, le deuxième choix à effectuer est celui de la méthode de partitionnement. Nous en avons également testé trois : la méthode hiérarchique de Ward, celle du PAM (Partitioning Around Medoids), ainsi qu’une combinaison des deux algorithmes (PAMWARD). Ces trois méthodes sont présentées et discutées par Studer (2013, pp.5-11). Le dernier choix réside dans le nombre de groupes finaux. Les trois mesures de dissimilarité ont été testées selon les trois méthodes declustering, et l’on a comparé la qualité des clusters obtenus pour chaque cas de figure en fonction du nombre de groupes choisi (les statistiques de qualité du regroupement –Average Silhouette Width,Point Biserial Correlation, Hubert’s C – orientant globalement vers un nombre de groupes compris entre 4 et 8). Dans notre cas, c’est finalement la méthode de Hamming couplée avec la solution PAMWARD sur six groupes qui a été retenue pour l’intérêt de l’interprétation qui peut en être faite.
4.2 Trajectoires de permis de séjour 167 167 Nous proposons ainsi la typologie suivante pour les réfugiés de notre
po-pulation d’intérêt :
1. « Transition rapide vers C » : les réfugiés de ce groupe obtiennent le permis C rapidement (majoritairement après 5 ans de séjour). Etant donné la rapidité de ce passage au permis C, une majorité des personnes constituant ce groupe a dû obtenir la reconnaissance du statut de réfugié (avec octroi de l’asile).198 Comme le montre le tableau 4.7, ils sont plus de 20% à être regroupés dans ce cluster.
2. « Transition lente N-B » : les réfugiés de ce groupe transitent relative-ment lenterelative-ment du permis N au permis B. Rares sont ceux qui passent par une période d’admission provisoire ou qui obtiennent le permis C (lorsque c’est le cas, le permis C n’arrive qu’en toute fin de séquence).
3. « Transition lente et graduelle N-F-B » : les réfugiés de ce groupe finissent également par obtenir le permis B, mais passent le plus souvent par une période sous le régime de l’admission provisoire.
4. « Longue procédure, principalement N » : ces réfugiés voient leur par-cours marqué en grande partie par une longue période en tant que re-quérants d’asile. On remarque toutefois que l’issue peut en être plus ou moins heureuse : certains finissent par obtenir un permis B (voire C), quand d’autres conservent jusqu’à la fin de la séquence un permis N ou F.
5. « Principalement F » : ce cluster est en quasi-totalité constitué de per-sonnes admises à titre provisoire sur une très longue durée. Ainsi, même si une minorité finit par obtenir un permis B en fin de période (après une dizaine d’années de séjour), la grande majorité conserve un statut précaire sur toute la durée d’observation.
6. « N-F » : ce cluster se distingue du précédent du fait que les réfugiés commencent par vivre plusieurs années de procédure (ils passent à peu près la moitié du temps avec un permis N) avant de connaître une seconde partie de trajectoire sous le régime de l’admission provisoire (permis F qu’ils conservent pour la plupart jusqu’à la fin de la séquence). On peut noter que plus de 40% des réfugiés ont été regroupés dans l’un de ces trois derniers clusters, signe supplémentaire que les statuts précaires marquent durablement les trajectoires durant la première décennie de présence en Suisse.
Soulignons cependant à nouveau le caractère simplificateur de cette ty-pologie : la figure 4.12, qui montre les mêmes clusters mais en présentant les séquences de façon longitudinale, permet de voir la diversité qui subsiste
198. Ceci en raison de la législation concernant les critères pour l’autorisation d’établisse-ment, cf. notes pages 18 et 157.
168 168 Chapitre 4. Parcours des réfugiés en Suisse
tr. rapide vers C (21.6%)
State freq. (weighted n=2214)
Modal state sequence (1 occurrences, freq=0%)
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
Modal state sequence (1 occurrences, freq=0.1%)
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
tr. lente et graduelle N−F−B (22.7%)
State freq. (weighted n=2322)
Modal state sequence (1 occurrences, freq=0%)
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
Modal state sequence (1 occurrences, freq=0.1%)
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
Modal state sequence (1 occurrences, freq=0.1%)
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
Modal state sequence (1 occurrences, freq=0.1%)
t1 t2 t3 t4 t5 t6 t7 t8 t9 t10
Figure4.11 –Clustering en six groupes : séquence des états modaux par année depuis l’arrivée, cohortes d’arrivée 2000 à 2004
au sein de chacun des groupes. Ceci nous mène à rester prudents quant aux liens de causalité pouvant être faits entre la typologie retenue et d’autres va-riables explicatives, une certaine hétérogénéité subsistant toujoursau sein des groupes. Cette question de l’homogénéité des groupes peut être approchée par le calcul de pseudo-variances, dont les résultats figurent au tableau 4.7. Les groupes ayant la cohérence interne la plus forte sont ceux dont la pseudo-variance est la plus faible (« longue procédure, principalement N », « N-F » et
Pseudo-Effectif Fréq. rel. (%) ASW variance
Transition rapide vers C 2’214 21.60 0.68 1.73
Transition lente N-B 1’522 14.85 0.45 1.55
Transition lente et graduelle N-F-B 2’322 22.66 0.16 1.92
Longue procédure, principalement N 978 9.54 0.48 1.53
Principalement F 1’520 14.83 0.62 1.58
N-F 1’692 16.51 0.38 1.53
Total / pour l’ensemble 10’248 100.00 0.45 2.89
Source des données : Base Réfugiés
Tableau 4.7 – Distribution des individus, ASW et pseudo-variance par cluster, cohortes d’arrivée 2000 à 2004
4.2 Trajectoires de permis de séjour 169 169
« transition lente N-B »). A l’inverse, le cluster « transition lente et graduelle N-F-B » présente une plus forte hétérogénéité. Les autres groupes affichent des résultats intermédiaires. Par ailleurs, la différence entre les groupes peut par-fois être ténue, certaines séquences pouvant se situer « à la limite » entre deux clusters. L’Average Silhouette Width(ASW) globale est d’ailleurs de 0.45, soit inférieure à 0.5, ce qui signifie que les groupes se distinguent relativement peu les uns des autres.199 Le tableau 4.7 montre également les résultats de cette mesure pour chacun des clusters. Alors que les clusters « transition rapide vers C » et « principalement F » affichent des scores relativement élevés (signe que ces groupes se distinguent des autres), il n’en va pas de même pour le cluster « transition lente et graduelle N-F-B ».
Figure4.12 –Clustering en six groupes : suivi longitudinal, trajectoires des individus selon leur permis de séjour – séquences ordonnées par permis
depuis la fin, cohortes d’arrivée 2000 à 2004
Tout en étant conscients de ces limites, on peut néanmoins observer cer-tains liens entre la typologie effectuée et quelques variables sociodémogra-phiques. Le tableau 4.8 présente par exemple la répartition des réfugiés par sexe au sein de chaque cluster. La ligne « ensemble » montre la répartition entre hommes et femmes tous groupes confondus : 57.2% des réfugiés de notre
199. Plus cette valeur est élevée (proche de 1), plus l’écart entre les groupes est important.
170 170 Chapitre 4. Parcours des réfugiés en Suisse
population sous étude sont des hommes, 42.8% sont des femmes.200 C’est cette proportion que l’on devrait théoriquement retrouver dans chacun de nos clusters sous l’hypothèse d’absence de lien entre le sexe des individus et la trajectoire des permis. Les nombres mis en évidence dans le tableau indiquent le sexe sur-représenté dans chaque groupe.
Hommes (%) Femmes (%) Total (%)
Transition rapide vers C 61.3 38.7 100
Transition lente N-B 64.7 35.3 100
Transition lente et graduelle N-F-B 57.6 42.4 100
Longue procédure, principalement N 64.0 36.0 100
Principalement F 45.2 54.8 100
N-F 51.2 48.8 100
Ensemble 57.2 42.8 100
Source des données : Base Réfugiés
Tableau 4.8 – Distribution par sexe selon le cluster, cohortes d’arrivée 2000 à 2004
Pour savoir si ces différences sont significatives, on peut montrer la dis-tribution par sexe entre les différents clusters sous forme d’un diagramme en mosaïque (figure 4.13). Les résidus standardisés201 permettent de mettre en évidence les sur-représentations (en bleu) et les sous-représentations (en rouge). Ce graphique confirme qu’un lien significatif existe entre le sexe et le type de trajectoire : les hommes sont plus nombreux dans les clusters les plus
« stables » (« transition rapide vers C », « transition lente N-B »), mais ils sont aussi proportionnellement plus représentés dans le groupe caractérisé par une longue procédure d’asile (« principalement N »). A l’inverse, les femmes se re-trouvent plus souvent dans des trajectoires marquées par de longues périodes sous le régime de l’admission provisoire (clusters « principalement F » et « N-F »). Ce dernier résultat est consistant avec ce qu’observent Efionayi-Mäder et Ruedin (2014a, p.5). Rappelons cependant que nous n’observons à nouveau que les individus qui ont obtenu l’autorisation de rester sur le territoire. Or, les hommes sont proportionnellement plus nombreux que les femmes parmi les déboutés de l’asile.202 Cet effet compositionnel explique pour partie les résultats que l’on observe ici (prédominance des trajectoires marquées par le permis N pour les hommes, et l’admission provisoire pour les femmes).
Le même exercice peut être fait en croisant les clusters avec les différentes
200. En chiffres bruts, on compte 5’859 hommes et 4’389 femmes dans les cohortes d’arrivée 2000 à 2004.
201. Ecarts standardisés entre les effectifs observés et les effectifs théoriques que l’on ob-tiendrait sous l’hypothèse d’indépendance.
202. Voir Wanner (2016, p.3) et SEM (2016, pp.7-8, 11) pour les chiffres les plus récents, mais les statistiques du SEM montraient déjà cette tendance en 2000.
4.2 Trajectoires de permis de séjour 171 171
−6.2
−4.0
−2.0 0.0 2.0 4.0 7.1 Pearson residuals:
p−value =
< 2.22e−16 Sexe
Cluster NFpr. Fpr. Ngrad. NFBlente NBrapide C
Hommes Femmes
Figure4.13 – Diagramme en mosaïque de la distribution par sexe selon le cluster avec représentation des résidus standardisés, cohortes d’arrivée 2000 à
2004
nationalités, comme le montre le tableau 4.9, où l’on voit la distribution des nationalités au sein de chaque groupe (pour les pays comptant plus de 100 ressortissants dans notre population d’intérêt). A nouveau, en cas d’absence totale de lien entre les variables, on devrait retrouver la même distribution des réfugiés entre les clusters (ligne « ensemble ») pour chacune des nationalités représentées. Ce n’est en l’occurrence clairement pas le cas, comme le confirme le test du Khi-deux de Pearson (p<0.000). Comme avant, on a mis en évidence (en gras) les cas où le type de trajectoire est surreprésenté dans la nationalité en question. On note par exemple que les trajectoires de type « transition rapide vers C » sont très présentes chez les ressortissants de certains pays comme l’Erythrée, la Turquie ou encore le Togo. A l’inverse, parmi d’autre pays d’origine (Angola, RDC, Iran, Kosovo, Serbie, Somalie ou encore Syrie), on compte plus de trajectoires précaires que dans l’ensemble de la population sous étude, même si aucune nationalité ne se retrouve exclusivement cantonnée à un cluster en particulier.203
203. Du fait du grand nombre des modalités, on n’emploiera pas ici l’approche par le dia-gramme en mosaïque et les résidus standardisés.
172172Chapitre4.ParcoursdesréfugiésenSuisse
Tr. rapide Tr. lente Tr. lente et Longue proc., Princip. N-F Total Effectif vers C (%) N-B (%) grad. N-F-B (%) princip. N (%) F (%) (%) (%)
Afghanistan 418 10.3 20.3 35.2 3.6 13.9 16.7 100
Angola 479 1.3 4.8 30.9 6.5 38.2 18.4 100
Bosnie-H. 642 3.7 25.7 27.3 5.8 16.2 21.3 100
Chine et Tibet 518 13.5 16.6 41.7 1.7 10.0 16.4 100
Congo (RDC) 530 6.8 19.2 20.0 12.8 18.9 22.3 100
Erythrée 353 64.0 8.5 2.5 9.3 3.1 12.5 100
Ethiopie 412 7.5 42.5 8.0 21.6 2.7 17.7 100
Irak 1’167 14.3 14.2 34.4 2.7 17.3 17.1 100
Iran 492 13.6 15.0 7.3 21.3 5.7 37.0 100
Kosovo 256 1.6 11.7 29.7 9.4 30.1 17.6 100
Russie 183 19.1 13.7 15.8 12.6 22.4 16.4 100
Serbie 632 3.8 10.0 30.2 9.2 29.7 17.1 100
Somalie 433 0.5 0.9 52.0 0.5 45.0 1.2 100
Sri Lanka 450 17.6 8.4 46.7 7.6 9.6 10.2 100
Syrie 200 18.5 12.0 12.5 7.0 18.0 32.0 100
Togo 206 58.7 19.4 5.8 6.3 2.9 6.8 100
Turquie 1’358 63.0 8.0 7.3 10.3 3.5 7.9 100
Ensemble* 10’248 21.6 14.9 22.7 9.5 14.8 16.5 100
*Calculs sur l’ensemble de la population d’intérêt, et non des nationalités choisies ici.Source des données : Base Réfugiés
Tableau4.9 – Distribution par cluster selon la nationalité, cohortes d’arrivée 2000 à 2004
4.2 Trajectoires de permis de séjour 173 173 Pour conclure cette partie descriptive, on a également observé la
distri-bution par cluster en fonction du canton de résidence ent1, soit la première année de séjour en Suisse (tableau 4.10). Si l’on peut parfois y voir de grands écarts entre les cantons, aucun ne concentre un seul type de trajectoire en particulier.
Du côté des cantons les plus peuplés, on peut néanmoins noter que Genève et Vaud affichent une proportion relativement élevée de réfugiés dans le cluster
« transition lente N-B », tandis que Berne se distingue notamment par une plus grande proportion de trajectoires de type « N-F » et une relativement faible proportion de trajectoires « transition lente et graduelle N-F-B ». Zurich présente des taux plutôt faibles de trajectoires « transition rapide vers C » et
« transition lente N-B ». Il en va de même pour le canton de Vaud en ce qui concerne le cluster « transition rapide vers C ».
On peut également remarquer que la proportion de réfugiés dont la trajec-toire a été catégorisée « transition rapide vers C » est la plus élevée dans les cantons comptant les plus petits effectifs : 55% en Appenzell Rhodes-Intérieures (20 réfugiés dans notre population sous étude), 51% à Uri (41 réfugiés), 50% à Obwald, 49% en Thurgovie... ce qui ne signifie pas pour au-tant que les petits cantons ne sont pas aussi concernés par les trois clusters les plus précaires (par exemple, parmi les 40 réfugiés de Glaris, 16 se retrouvent dans les groupes « principalement F » ou « N-F »).
Soulignons encore une fois qu’il ne s’agit ici que du canton de résidence lors de la première année de séjour en Suisse ; les individus ayant bien sûr pu changer de canton durant les dix années sous étude. Comme on l’a vu, ces changements sont toutefois soumis à condition et il est probable que de tels mouvements n’aient pu avoir lieu que plusieurs années après la première attribution cantonale.204 Le grand nombre d’individus pour lesquels l’infor-mation est manquante (ligne « inconnu ») peut probablement être expliqué, pour partie, par des personnes résidant encore dans les centres fédéraux au 31 décembre de l’année de leur arrivée en Suisse.
204. Pour rappel, celle-ci se fait selon une « clef de répartition » fédérale (dont nous repar-lerons plus loin) qui attribue les réfugiés aux différents cantons en fonction de la taille de la population. L’attribution esten théorieeffectuée de manière aléatoire.
174174Chapitre4.ParcoursdesréfugiésenSuisse
Tr. rapide Tr. lente Tr. lente et Longue proc., Princip. N-F Total Effectif vers C (%) N-B (%) grad. N-F-B (%) princip. N (%) F (%) (%) (%)
ZH 1’520 18.6 12.6 24.7 10.1 15.7 18.4 100
BE 1’094 24.4 12.7 18.6 9.2 16.0 19.0 100
LU 369 23.0 4.6 18.2 10.3 22.2 21.7 100
UR 41 51.2 4.9 7.3 9.8 12.2 14.6 100
SZ 164 29.9 3.0 16.5 6.7 17.7 26.2 100
OW 14 50.0 7.1 21.4 14.3 7.1 0.0 100
NW 17 35.3 0.0 11.8 11.8 23.5 17.6 100
GL 40 40.0 5.0 12.5 2.5 20.0 20.0 100
ZG 138 21.0 10.1 20.3 10.9 11.6 26.1 100
FR 287 23.0 15.0 21.3 12.9 14.3 13.6 100
SO 286 23.4 11.9 20.3 11.2 12.6 20.6 100
BS 98 29.6 16.3 24.5 6.1 16.3 7.1 100
BL 337 27.6 13.6 21.4 9.5 16.6 11.3 100
SH 101 34.7 16.8 26.7 5.9 4.0 11.9 100
AR 77 44.2 3.9 24.7 6.5 10.4 10.4 100
AI 20 55.0 0.0 15.0 0.0 15.0 15.0 100
SG 517 18.4 20.9 28.2 9.5 12.6 10.4 100
GR 140 25.0 11.4 20.7 9.3 15.0 18.6 100
AG 409 26.9 10.3 23.2 9.8 12.5 17.4 100
TG 49 49.0 6.1 16.3 2.0 10.2 16.3 100
TI 198 20.2 13.1 20.2 9.1 18.2 19.2 100
VD 718 15.0 23.8 23.7 9.6 12.1 15.7 100
VS 328 21.6 10.4 15.2 9.1 22.9 20.7 100
NE 321 22.7 15.6 25.2 10.0 11.2 15.3 100
GE 689 18.9 22.2 24.5 9.7 11.5 13.2 100
JU 63 31.7 20.6 25.4 4.8 1.6 15.9 100
Inconnu 2’213 18.5 17.0 24.4 9.5 15.5 15.1 100
Ensemble 10’248 21.6 14.9 22.7 9.5 14.8 16.5 100
Source des données : Base Réfugiés
Tableau4.10 – Distribution par cluster selon le canton de résidence ent1, cohortes d’arrivée 2000 à 2004
4.2 Trajectoires de permis de séjour 175 175 4.2.4 Modèle logistique multinomial : facteurs d’appartenance
aux différents clusters
Pour s’assurer que les résultats décrits plus haut ne sont pas influencés par la structure de la population sous étude, nous concluons cette section par une analyse multinomiale qui permettra de mieux comprendre les fac-teurs d’appartenance à l’un ou l’autre des clusters toutes choses égales par ailleurs. Contrairement aux régressions logistiques binomiales qui n’acceptent que des variables dépendantes de type dichotomique, les régressions logistiques multinomiales sont appropriées lorsque cette variable comporte plus de deux catégories. C’est le cas ici, puisque nous cherchons à expliquer la classification des réfugiés parmi les six groupes mis en évidence dans notre typologie.
Précisons cependant que si les modèles de régression sont en principe em-ployés dans le but de tester des hypothèses, nous choisissons ici de rester dans une approche de type exploratoire : à nouveau, il ne s’agit que de nous assurer que les statistiques bivariées présentées dans ce chapitre ne sont pas influen-cées par des effets de composition de la population (variables de confusion).
Cette démarche se justifie d’autant plus que, comme nous l’avons répété, la classification effectuée est elle aussi à caractère exploratoire, certaines trajec-toires individuelles pouvant être relativement mal représentées par les clusters auxquels elles ont été attribuées.
On construit donc un seul modèle comportant les facteurs suivants : sexe, état civil, âge, nationalité et canton de résidence205, ainsi qu’un effet d’inter-action entre le sexe et l’état civil. Pour les trois variables pouvant varier avec le temps (âge, état civil et canton de résidence), nous avons choisi de prendre la situation de départ (soit à l’arrivée en Suisse, ent1).206
Les effectifs des variables nationalité et canton de résidence en t1, tout comme la répartition par cluster, ont été montrés dans la section précédente (tableaux 4.9, 4.10 et 4.7) ; on ne les présentera donc pas une seconde fois.
La distribution par tranche d’âge se trouve au tableau 4.11 : sans surprise, on constate à nouveau que les réfugiés sont jeunes à leur arrivée en Suisse (plus de 50% de notre population étant âgée de moins de 30 ans ent1207).
205. Certains cantons ont dû être considérés ensemble faute d’effectifs suffisants. Pour la même raison, les nationalités comptant moins de 50 individus par sexe ont été regroupées (le détail est disponible au tableau F.1, en annexe).
206. Il faudrait évidemment effectuer d’autres tests si l’on s’intéressait spécifiquement à l’évolution conjointede deux de ces facteurs, comme on le fera pour la question de l’intégra-tion professionnelle et de son lien avec le permis de séjour.
207. Pour rappel, ces chiffres excluent certaines tranches d’âge ne faisant pas partie de la population sous étude (à savoir les enfants, les requérants mineurs et les personnes âgées de plus de 50 ans à leur arrivée).
176 176 Chapitre 4. Parcours des réfugiés en Suisse
Effectif Fréq. rel. (%)
18-24 3’165 30.88
25-29 2’482 24.22
30-34 2’156 21.04
35-39 1’378 13.45
40-44 713 6.96
45-49 354 3.45
Total 10’248 100.00
Source des données : Base Réfugiés
Tableau4.11 – Distribution par tranche d’âge ent1, cohortes d’arrivée 2000 à 2004
Le tableau 4.12 montre la répartition par sexe et par état civil en t1. On remarque que si, à leur arrivée en Suisse, les hommes sont majoritairement célibataires208, ce n’est pas le cas des femmes parmi lesquelles le statut « ma-riée » frôle les 60%. A noter, d’une part, que le fait d’être marié ne signifie pas forcément que la personne soit arrivée en famille et, d’autre part, que l’on ne regarde ici que l’état civil en t1. Evidemment, un mariage ou une séparation peut influencer la trajectoire de permis de séjour : on pense notamment aux unions avec une personne suisse ou titulaire d’un permis B ou C, puisque l’ob-tention du permis pourra alors ne plus être liée à la procédure d’asile mais au droit au regroupement familial. De même, si deux réfugiés arrivent en couple, leur trajectoire de permis devrait en principe être semblable (article 51 LAsi et OSAR 2009, pp.253-262). Accéder à des données comportant des informations sur les ménages permettrait de mieux tenir compte de ces paramètres.
Hommes Femmes
Effectif Fréq. rel. (%) Effectif Fréq. rel. (%)
Non marié 3’165 54.02 1’772 40.37
Marié 2’662 45.43 2’598 59.19
Inconnu 32 0.55 19 0.43
Total 5’859 100.00 4’389 100.00
Source des données : Base Réfugiés
Tableau 4.12 – Distribution de l’état civil par sexe ent1, cohortes d’arrivée 2000 à 2004
208. La catégorie « non marié » comprend les célibataires, les veufs, les divorcés et ceux dont le partenariat a été dissous ; ce sont toutefois les célibataires qui représentent la majeure partie de l’effectif. A l’inverse, la catégorie « marié » inclue les partenariats enregistrés qui sont toutefois extrêmement minoritaires.
4.2 Trajectoires de permis de séjour 177 177 Les résultats de la régression logistique multinomiale sont présentés au
ta-bleau 4.13. L’interprétation de ce type de modèle est plus complexe qu’avec une régression logistique binomiale, car les rapports de cotes doivent ici être interprétés, pour chaque modalité, selon deux catégories de référence : la
ta-bleau 4.13. L’interprétation de ce type de modèle est plus complexe qu’avec une régression logistique binomiale, car les rapports de cotes doivent ici être interprétés, pour chaque modalité, selon deux catégories de référence : la