P LAN DE LA PRÉSENTATION

E^STIMATION P^ROVINCIALE D^U T^AUX D^E C^HÔMAGE A^U B^URKINA FASO : UNE ILLUSTRATION DE L’APPLICATION DES TECHNIQUES

FASO : UNE ILLUSTRATION DE L’APPLICATION DES TECHNIQUES

D’ESTIMATION SUR PETITS DOMAINES

Arouna SOW

Institut National de la Statistique et de la démographie Ouagadougou, Burkina Fasog g ,

9^e Colloque Francophone sur les 9^e Colloque Francophone sur les

Sondages, Gatineau, Québec Canada

P LAN DE LA PRÉSENTATION

1.

M

D

’

2.

D

’

3.

A

4

R

4.

R

5.

C

M ^OTIVATION

ƒ L’essentiel des indicateurs sur l’emploi sont estimés à partir des enquêtes auprès ménages au Burkina Faso

auprès ménages au Burkina Faso.

ƒ Administrativement, le Burkina Faso est subdivisé en régions, provinces et communes. Avec la décentralisation intégrale, les autorités locales ont désormais en charge la conduite du développement dans leur entité désormais en charge la conduite du développement dans leur entité géographique. Cela implique la mise à la disposition de ces dernières des statistiques au niveau administratif le plus fin.

ƒ Problème: Les enquêtes ne fournissent des estimations représentativesq p qu’au niveau national et régional compte tenue des contraintes de coûts

ƒ Défis pour le Système national: Proposition des méthodesp y p d’estimation des paramètres d’intérêt des enquêtes ménages au niveau provincial et communale.

ƒ Heureusement:: les méthodes d’estimation sur petits domaines présentent une opportunité!

D IFFÉRENTS TYPES D ’ ESTIMATEURS SUR PETITS DOMAINES : N OTATION

DOMAINES : N OTATION

9 O di d’ l ti d t ill N^U {^{1 k N}}

9 On dispose d’une population de taille N.

9 Un domaine composé de unités.

9 Une variable d’intérêt dont les valeurs sont notées

U é h ill d i é él i é à i d U l l {1,..., ,..., }

U = k N

Ud

: U

Y → ℜ

y

,...,y ,...,

y

Nd

9 Un échantillon s de n unités est sélectionné à partir de U selon un plan de sondage p(s) dont les probabilités d’inclusion sont données par :

9 Objectif: on s’intéresse à l’estimation d’une fonction des valeurs de la

( )

k P k s

π = ∈

9 Objectif: on s intéresse à l estimation d une fonction des valeurs de la variable d’intérêt spécifique au domaine :

et ^d

U

yd k

t =

∑

∑

d

y k U

∑

d

y

d k U

N

∑

D IFFÉRENTS TYPES D ’ ESTIMATEURS SUR PETITS DOMAINES

T i t d’ ti t t di ibl l’ ti t d f ti Trois types d’estimateurs sont disponibles pour l’estimateur de ces fonctions:

1. Estimateurs Directs :

¾ Ne nécessite pas la mobilisation d’information auxiliaire en dehors du domaine (Approche basé sur le plan de sondage);

domaine (Approche basé sur le plan de sondage);

¾ Facile à estimer;

¾ Problème: Moins précis lorsque la taille de l’échantillon dans le domaine est faible.

1. Estimateurs indirects avec modélisation implicite:

¾ Basé sur un modèle caractéristique de la variable d’intérêt Y, qui relie les unités du domaine à celles de la population;

L dèl tili é t d’ lé t t f dé d h thè

¾ Le modèle utilisé ne comporte pas d’aléa et est fondé sur des hypothèses relatives à des valeurs agrégées (Ex: Moyenne du domaine = moyenne de la population pour la variable d’intérêt);

¾ Problème: la précision de ces estimateurs est liée à la validité du modèle utilisé i.e des hypothèse formulées

1. Estimateurs indirects avec modélisation explicite:

¾ Utilise un modèle reliant des variables auxiliaires à la variable d’intérêt et qui contient un terme aléatoire;

contient un terme aléatoire;

¾ Plus précis en général lorsqu’il existe une information auxiliaire pertinente;

D IFFÉRENTS TYPES D ’ ESTIMATEURS SUR

D IFFÉRENTS TYPES D ESTIMATEURS SUR PETITS DOMAINES

P blè Pl diffi il à é i l di ibili é

¾ Problème: Plus difficile à mettre en œuvre car nécessite la disponibilité d’information pertinente pour la spécification du modèle utilisé!

¾ Dans la spécification de ces modèles l’unité statistique peu être soit le domaine ou l’unité de la population appartenant au domaine

domaine ou l unité de la population appartenant au domaine

la spécification du modèle dépend de la disponibilité de l’information auxiliaire.

A PPROCHE MÉTHODOLOGUE

L’ tili ti d éth d d’ ti ti d i t t t è é t

L’utilisation des méthodes d’estimation sur domaines sont rares et très récents dans le Système National du Burkina Faso (K. Zakaria (2012), S. Arouna (2015)).

Constat: Ces méthodes restent confrontés à la « pauvreté » de l’information auxiliaire existante

l information auxiliaire existante.

Cette contrainte a conditionnée le choix des (3) estimateurs retenus:

¾ Estimateur Direct: (HT) , avec:

et

n^__ 1

d

DIR

d k k

d k s

y y

N ω

∈

=

∑

N = ∑ω ^{sd = ∩s Ud}

¾ Estimateur indirect avec modèle implicite (Estimateur Post-stratifié:

Où H= Nombre de strates

d

d k

k s

N ω

∈

= ∑ ^{sd s∩Ud}

__ m

1

1 ^H

POST

d hd hd

d h

y N y

N ₌

=

∑

Hypothèse: En général on va supposer que :

¾ Estimateur indirect avec modèle explicite (Fay-Herriot)

m l

hd h

y =y

l

y X GLS

Y

β

¾ Critère de performance des estimateurs: Coefficient de variation (CV)

( )

d d GLS

d y

Y

β

R ^ÉSULTATS : SOURCES DE DONNÉES

Obj tif E i l d hô i d i Objectif: Estimer le taux de chômage au niveau des provinces

Source de données:

1. Enquête Multisectorielle continue (EMC);

9 Enquête ménage réalisée en 2014 qui comporte un module sur l’emploi.;

9 Représentative au niveau national, régional et par milieu de résidence.

9 Représentative au niveau national, régional et par milieu de résidence.

2. Recensement général de la population et de l’habitation réalisé en 2006 (RGPH 2006);

(RGPH 2006);

3. Projections de la population des provinces . Variables auxiliaires:

C i è d h i i à li l hô

9 Critère de choix: pertinence à expliquer le chômage;

9 Variables auxiliaires utilisées: le Taux Brut d’activité, le Taux d’urbanisation , la part de la population occupée dans le secteur non

g i l (RGPH 2006) t l j ti d l ti d i

agricole (RGPH 2006) et les projections des populations des provinces par sexe en 2014 (Projections de population).

R ^ÉSULTATS : ^HYPOTHÈSES

C i è d ifi i l Critère de stratification: le sexe Hypothèse:

1. Estimateur Post-stratifié: Taux de chômage estimé au niveau régional d’une post-strate = Taux de chômage pour la même post-strate au niveau de chaque province qui compose la région;

2. Estimateur basé sur le modèle de Fay-Herriot: le taux de chômage d’une

i d é dé d d d é d’ b i ti t d l t d

province donnée dépend de sa degré d’urbanisation et de la part de sa population active qui exerce dans le secteur non agricole.

R ^ÉSULTATS : C OEFFICIENT DE VARIATION DES TROIS ESTIMATEURS

100 00

80,00 90,00 100,00

50,00 60,00 70,00

20,00 30,00

40,00 Cv_POST

cv.DIR cv.FH

0,00 10,00

,

R ^ÉSULTATS : E VOLUTION DU TAUX DE CHÔMAGE PAR PROVINCE

25,0 30,0

20,0

15,0 POST

DIR eblup FH

5,0 10,0

eblup.FH

0,0

LE SSI LA OE ADI… UL… AM NM… NG… RO HO… AG… MA… OA NE… RO… TE… NZ… BR… NO HA BA ONI

BAL KOS NAYAL COMO KA KOU BA SAN SAN ZIR NAH GNA KOM TAPO KEN LOR YAT GAN OUB SEN YAGH IOB PO

C ONCLUSION ET PERSPECTIVES

Ré lt t ill t tif Résultats illustratifs:

¾ L’estimateur Post-stratifié produit de meilleurs résultats comparés aux deux estimateurs;

¾ Cependant: le modèle utilisé ne prends pas en compte certaines variables caractéristique du chômage (le groupe d’âge et le milieu de résidence

mérite d’être enrichie;

L’ ti t F H i t d it d ti ti i il i à ll d

¾ L’estimateur Fay-Herriot produit des estimations similaires à celles de l’Estimateur Direct. Toutefois, la précision de ces estimations est

meilleure que celle de l’Estimateur Direct

Perspectives:

¾ Amélioration le modèle de base de l’estimateur en prenant le groupe d’âge des actifs et leur milieu de résidence Obtention d’un modèle des actifs et leur milieu de résidence Obtention d un modèle plus réaliste!

¾ Améliorer l’Estimateur basé sur le modèle de Fay-Herriot en incluant des variables auxiliaires pertinentes caractéristique du chômage disposent au variables auxiliaires pertinentes caractéristique du chômage disposent au niveau des provinces.

Q UELQUES REFERENCES

| [1] ARDILLY P (2006) : Panorama des principales méthodes d’estimation sur

| [1] ARDILLY P. (2006) : Panorama des principales méthodes d estimation sur petits

| domaines, Document de travail N°M0602, INSEE-UMS

| [2] SOW A. (2015) : Estimation of poverty headcount ratio at Sub-regional level

i B ki F i S ll A E ti ti (SEA) th d ISI W ld

in Burkina Faso using Small Area Estimation (SEA) methods , ISI World statistics congress 2015

| [3] SOW A. (2014) : Appréhender la dynamique de la participation au marché du travail dans les pays en développement : l’apport des enquêtes ménages Colloque francophone sur les sondages 2014

ménages,Colloque francophone sur les sondages 2014

| [4] KONCOBO Z. (2012) : Estimation provinciale du taux brut de scolarisation au primaire : Une approche d’estimation sur petits domaines, Colloque francophone sur les sondages 2012

| [5]Institut national de la statistique et le la démographie (INSD) (2015)

| [5]Institut national de la statistique et le la démographie (INSD) (2015).

Emploi et chômage janvier-mars 2014, EMC 2014. Ouagadougou : INSD.

| [6] Institut national de la statistique et le la démographie (INSDa) (2009).

Caractéristiques économiques de la population, RGPH 2006. Ouagadougou : INSD

INSD.

| [7] Institut national de la statistique et le la démographie (INSDb) (2009).

Projections démographiques de 2007 à 2020, par région et province.

Ouagadougou : INSD.

Merci pour votre attention!