Neighbourhood Factors and Children

2003

Date Source: 

National Longitudinal Survey of Children and Youth (NLSCY)

Organizer: 

Dafna Kohen,Sander Post, Karla Nobrega, and Patricia Whitridge from Statistics Canada

Vue d’ensemble

Les données à étudier proviennent du fichier synthétique diffusé pour le troisième cycle de l’Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ). Ces données, qui ne représentent qu’un sous‑ensemble des données existantes, couvrent les enfants de 4, 5 et 6 ans vivant dans l’une de 24 grandes régions métropolitaines. En tout, 1 016 enregistrements sont fournis. En plus d’étudier le lien entre les résultats observés chez l’enfant et leurs déterminants, l’étudiant se familiarisera avec les méthodes hiérarchiques et la production de statistiques régionales.
 

Appendices

Introduction

On a montré que les caractéristiques du quartier, comme la pauvreté et la stabilité résidentielle, jouent un rôle important dans l’explication des problèmes, comme la délinquance et la criminalité, observés dans de nombreux quartiers urbains pauvres (Sampson, 1992; Sampson et Groves, 1989; Sampson et Morenoff, 1997). La pauvreté et l’instabilité résidentielle empêchent la création d’institutions officielles ou non officielles et d’organisations de quartier qui sont sensées maintenir et favoriser de solides relations communautaires, ainsi que l’ordre public dans une collectivité. Par exemple, la sécurité et la cohésion du quartier, ou un sentiment de confiance et d’appartenance, renforcent la collectivité et ont des effets positifs sur ses membres. Souvent, la variation de ces caractéristiques est spatiale, si bien que les conditions de pauvreté surviennent concomitamment dans des régions semblables (Massey, 1990; 1996; Massey et Denton, 1993). Les associations géographiques ou spatiales pourraient être causées, en partie, par les politiques en matière de logement, l’abordabilité du logement, ainsi que les conditions de ségrégation ethnique et économique (Wilson, 1987). Ainsi, les logements sociaux prédominent souvent dans les quartiers socioéconomiquement défavorisés, ce qui entraîne la création de zones isolées de concentration de la pauvreté et de zones distinctes de concentration de l’affluence. Ces différences, ainsi que les conditions dans les quartiers où résident les enfants pourraient avoir une effet important sur la santé et sur le bien‑être de ces derniers. Lors de l’étude des associations entre les caractéristiques du quartier et les résultats observés chez l’enfant, il ne faut pas perdre de vue que les facteurs de risque et les facteurs de protection se manifestent à plusieurs niveaux — individu, famille et quartier — et que les résultats négatifs ou positifs pour l’enfant et la famille ne résultent pas d’un seul facteur de protection ou de risque, mais de l’accumulation de plusieurs facteurs.
 

Les articles récents qui traitent de l’effet des caractéristiques du quartier sur les enfants et les jeunes se concentrent sur les caractéristiques structurelles du quartier, comme le revenu ou les conditions socioéconomiques et l’instabilité résidentielle, et la majorité sont fondés sur des études réalisées aux États‑Unis. La plupart des études portent sur les résultats durant l’enfance ou à la fin de l’adolescence (voir Leventhal et Brooks‑Gunn, 2002 pour une revue). Certains résultats concordants ont été publiés. Par exemple, l’effet des caractéristiques socioéconomiques du quartier est plus important que celui de l’instabilité résidentielle pour tous les résultats observés chez l’enfant; en outre, les effets du quartier sont généralement faibles (expliquant de 5 % à 10 % de la variabilité des résultats). Naturellement, les caractéristiques familiales ont tendance à être associées plus fortement que les caractéristiques du quartier aux résultats individuels observés chez l’enfant, mais des effets de quartier sont observés systématiquement chez les enfants, les jeunes et les adolescents, même si l’on tient compte de l’effet des caractéristiques familiales.

Description des données

Enquête longitudinale nationale sur les enfants et les jeunes

L’Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ) est une enquête à long terme conçue pour évaluer le développement et le bien‑être de l’enfant. Le premier cycle a été réalisé par Statistique Canada en 1994‑1995 pour le compte de Développement des ressources humaines Canada. Les contraintes du plan d’échantillonnage de l’ELNEJ consistaient à sélectionner un échantillon représentatif de la population d’enfants du Canada et de suivre et d’évaluer ces enfants au fil du temps jusqu’à l’âge adulte. Tous les renseignements concernant le ménage ont été recueillis par interview sur place ou téléphonique assistée par ordinateur (IAO). Les questions ont été posées au répondant à son domicile ou par téléphone et saisies directement dans un ordinateur par l’intervieweur.
 

Avant le lancement de l’ELNEJ, peu d’études statistiques décrivaient un grand nombre de caractéristiques des enfants au Canada. Or, pour en apprendre davantage sur les conditions de vie courantes des enfants et des jeunes au Canada et sur leur développement, les gouvernements et les chercheurs doivent obtenir des mesures de leur état de santé, de leur bien‑être et de leur perspectives de vie. Les données longitudinales jouent un rôle essentiel dans l’étude de l’évolution du développement de l’enfant au cours du temps et des effets de son milieu social et de divers facteurs familiaux.
 

Le principal objectif de l’ELNEJ est de créer une base nationale de données sur les caractéristiques des enfants et des jeunes du Canada et sur les expériences vécues par ces derniers durant leur passage de l’enfance à l’âge adulte. Les objectifs plus précis de l’ELNEJ consistent à :

  • déterminer la prévalence de diverses caractéristiques biologiques, sociales et économiques, et de divers facteurs de risque chez les enfants et les jeunes au Canada;
  • déterminer l’effet de ces facteurs de risque, des événements marquants de la vie et des facteurs de protection sur le développement de ces enfants;
  • fournir cette information aux responsables des politiques et des programmes, afin de leur permettre d’élaborer des politiques et des stratégies efficaces pour aider les jeunes à mener une vie saine, active et enrichissante.

Ces objectifs sont sous‑tendus par le besoin de : 

  • combler les lacunes statistiques existantes en ce qui concerne les caractéristiques et les expériences des enfants au Canada, particulièrement durant la prime enfance;
  • se concentrer de façon holistique sur tous les aspects de la vie de l’enfant (c.‑à‑d. la vie de l’enfant, sa famille, son école et sa collectivité);
  • produire des données nationales et, dans la mesure du possible, provinciales;
  • explorer des domaines où une intervention publique est possible et touche une part importante de la population.

Renseignements généraux : poids de sondage


Soit une population finie P, de taille N=100. Nous voulons estimer un total, une moyenne ou une autre variable de cette population. Sur un échantillon aléatoire simple s de taille n=20 (dans un échantillon aléatoire simple, chaque individu a la même probabilité d’être sélectionnée dans l’échantillon), nous observons y1, y2, …, y20. Comment pouvons‑nous estimer le total de population Y de y1 à y100? Puisque la taille de la population est N=100, toute personne comprise dans l’échantillon représente cinq membres de la population et on lui attribue un poids d’échantillonnage de 5. Si wi représente le poids d’échantillonnage de la personne I dans l’échantillon, dans notre exemple, wi=5 pour I=1,…, 20 et l’estimateur du total est:
 

alt text
 

Dans l’exemple qui précède, le poids d’échantillonnage est le même pour toutes les personnes comprises dans l’échantillon. Lors d’une enquête, il est courant de sélectionner un échantillon avec probablités inégales, dont d’appliquer des poids inégaux. Dans l’ensemble de données utilisé pour la présente étude de cas, un poids d’échantillonnage est associé à chaque personne, mais ces poids ne sont pas tous égaux, puisque l’enquête n’a pas été menée auprès d’un échantillon aléatoire simple. Il faut utiliser ces poids dans l’analyse pour que les résultats reflètent la population étudiée et non simplement l’échantillon.
 

Renseignements généraux : géocodes
 

Graphique 1: Hiérarchie des unités géographiques au niveau national, métropolitain et du code postal, Recensement de 1996
 

alt text

  1. En Saskatchewan, les régions agricoles de recensement sont formées de subdivisions de recensement unifiées.
  2. En Ontario, les régions économiques sont formées de municipalités (subdivisions de recensement).
  3. À l’heure actuelle, il n’existe aucune localité désignée à l’Île‑du‑Prince‑Édouard, au Québec, au Yukon ou dans les territoires du Nord‑Ouest.
  4. Cinq RMR/AR coupent une frontière interprovinciale.
  5. Toutes les RMR et les AR ayant un noyau urbain de 50 000 habitants ou plus lors du recensement précédent possèdent des secteurs de recensement.
  6. Cinq RU coupent une frontière interprovinciale.
  7. Uniquement dans les zones couvertes par les Fichiers du réseau routier (FRR).
  8. Le code postal est saisi tel que fourni par le répondant sur le questionnaire du Recensement de 1996.

Bien qu’il soit présenté et traité comme faisant partie de la hiérarchie géographique, strictement parlant, le code postal n’est pas une unité géographique et, par conséquent, il n’existe aucune relation exacte entre les codes postaux et les secteurs de dénombrement.
 

Région métropolitaine de recensement (RMR)
 

Il s’agit d’une très grande région urbaine à laquelle sont rattachées des régions urbaines et rurales adjacentes dont le degré d’intégration économique et sociale à ce noyau urbain est élevé. Une RMR comprend une ou plusieurs subdivisions de recensement (SDR) contiguës. Les RMR sont définies par Statistique Canada.
 

Une RMR est délimitée autour d’une zone urbaine (appelée noyau urbain, dont la population est d’au moins 100 000 habitants, d’après le recensement précédent). Les subdivisions de recensement sont incluses dans la RMR d’après les données décennales sur les trajets pour se rendre au travail. Une fois qu’une région devient une RMR, elle est maintenue dans le programme même si sa population diminue subséquemment.
 

Les codes de région métropolitaine de recensement (RMR) figurent dans la documentation sur les données.
 

Renseignements généraux : fichiers de couplage des données
 

Si vous décidez d’inclure les variables au niveau de la RMR contenues dans l’ensemble de données CanMetroAreas‑Summary Indicators.xls, vous devez d’abord fusionner ces données selon la RMR à celles du fichier synthétique de l’ELNEJ. Outre ce fichier, l’étudiant est libre d’ajouter d’autres variables de macro‑niveau provenant d’autres sources.
 

Ensembles de données
 

Macrodonnées : CanMetroAreas-Summary Indicators.xls
 

Les données pour l’étude de cas sont tirées de résultats publiés et nous remercions Nancy Ross, de l’Université McGill, de nous permettre de les utiliser. Le fichier contient cinq variables, à savoir le code combiné de province‑RMR, la part médiane de revenu, le coefficient de Gini, le pourcentage de personnes dont le revenu est inférieur au seuil de pauvreté et le revenu médian pour chaque RMR.
 

Les mesures de l’inégalité du revenu ont été calculées pour les ménages de 53 régions métropolitaines canadiennes et de 282 régions métropolitaines américaines dont la population était supérieure à 50 000 habitants en 1991 (Canada). Pour les régions métropolitaines canadiennes, ces mesures ont été produites d’après un fichier de microdonnées préparé spécialement à partir de l’échantillon 2B du Recensement de la population de 1991. L’échantillon 2B représente l’information recueillie auprès de 20 % des ménages du Canada, y compris des renseignements détaillés sur les sources et les montants des revenus. Les revenus incluent les revenus provenant d’un travail rémunéré, le revenu net provenant d’un travail autonome, les transferts gouvernementaux et les revenus de placements de tous les membres du ménage. Toutes les mesures ont été calculées pour un revenu gagné du ménage supérieur à 1 000 $.
 

Part médiane
 

La part médiane des revenus est une mesure de l’inégalité du revenu sensible à la médiane définie comme étant la proportion du revenu total, ou gagné, des ménages qui appartient aux 50 % de ménages les moins bien nantis dans une région géographique. Pour estimer la part médiane, il faut d’abord classer la population selon le revenu, du plus faible au plus élevé, puis repérer la catégorie de revenu contenant le 50e percentile de la population, c’est‑à‑dire la médiane et enfin, calculer la proportion du revenu total des ménages gagnée par la première moitié de la population.
 

Le revenu médian tombe dans la catégorie de revenu qui contient le 50e percentile de la population classée selon le revenu, du plus faible au plus élevé. On peut extrapoler linéairement la valeur médiane en supposant que la distribution du revenu dans la catégorie de revenu est linéaire.
 

Coefficient de Gini
 

Le coefficient de Gini est une mesure globale quantifiant le degré d’inégalité du revenu d’une distribution particulière de revenu que l’on peut calculer directement d’après la courbe de Lorenz. Cette dernière représente la distribution cumulative des ménages (axe horizontal) en fonction de la distribution cumulative du revenu (axe vertical) (figure 1). Dans des conditions d’égalité parfaite, les parts de population et de revenu sont égales et une droite à 45° sur le graphique représente cette égalité parfaite. Par exemple, dans des conditions d’égalité parfaite, 10 % de la population possède 10 % du revenu. En réalité, les parts cumulatives réelles de revenu possédées par les parts cumulatives de la population tombent sous cette droite d’égalité parfaite. La courbe de Lorenz permet d’estimer le coefficient de Gini, une mesure globale de l’inégalité du revenu expliquée plus bas.
 

Le coefficient de Gini se calcule comme suit :
 

alt text
 

où A représente l’aire délimitée par la droite d’égalité parfaite et la courbe de Lorenz et B, l’aire qui se situe sous la courbe de Lorenz (voir la figure 1). Il est clair, si l’on examine la figure, que le coefficient de Gini est une mesure de l’inégalité sensible à la médiane, puisqu’il varie plus à la partie moyenne qu’aux parties extrêmes de la distribution du revenu. À l’instar de toute mesure de proportion, le coefficient de Gini est compris entre 0 et 1, une valeur proche de 0 indiquant que la distribution du revenu est relativement uniforme et une valeur proche de 1, qu’elle est inégale. Toutefois, l’utilisation isolée de cette mesure risque d’induire en erreur, car deux coefficients de Gini pourraient, par exemple, être équivalents alors que les courbes de Lorenz sous‑jacentes sont entièrement différentes.
 

Graphique 1 : Courbe de Lorenz pour l’État d’Alabama, 1990
 

alt text
 

Pour faciliter le calcul du coefficient de Gini, on peut réexprimer l’équation susmentionnée sous la forme Gini=1-2B, puisque l’aire sous la droite d’égalité parfaite (voir la figure 1) a pour équation A+B=½, donc A=½-B et Gini=(½-B)/½ . Par conséquent, il suffit de calculer l’aire B pour estimer le coefficient de Gini.
 

Proportion de personnes sous le seuil de pauvreté défini comme étant la moitié du revenu médian
 

Cette mesure est définie comme étant la proportion de personnes dont le revenu est inférieur à la moitié du revenu médian. Aux fins de la présente étude, ces personnes sont considérées comme vivant dans la pauvreté.
 

Coefficient de variation
 

Le coefficient de variation (cv) est une mesure sommaire de la dispersion du revenu (illustrant aussi le degré d’inégalité de la distribution du revenu) qui est considérée comme étant une mesure sensible aux valeurs supérieures de l’échelle d’inégalité du revenu. Le cv est plus grand pour les revenus élevés que pour les revenus faibles ou moyens. Le cv, qui est égal à l’écart‑type du revenu divisé par le revenu moyen, peut s’écrire sous la forme:
 

alt text
 


 

alt text
 

est le revenu global moyen, pi est la proportion de la population comprise dans la catégorie de revenu i et est le revenu moyen dans la catégorie de revenu i. La proportion pi est identique à la largeur du rectangle utilisé pour calculer le coefficient de Gini. Cette mesure donne plus de poids aux écarts les plus grands et exprime l’écart‑type sous forme de proportion du revenu moyen. L’inégalité du revenu et l’asymétrie de la distribution du revenu sont d’autant plus importantes que le cv est grand.
 

Revenu médian
 

Le revenu médian de la ville est la médiane du revenu des ménages où le revenu englobe les revenus provenant d’un travail rémunéré, les revenus nets tirés d’un emploi autonome, les transferts gouvernementaux et les revenus de placement supérieurs à 1 000 $ de tous les membres du ménage.

 

Research Question: 

Pour la présente étude de cas, nous utiliserons un exemple tiré d’une enquête pour :
 

1. étudier la hiérarchie (Problème 1 : Modèles hiérarchiques linéaires) des données d’enquête – comprendre les micro et macro‑niveaux d’agrégation :

  • étudier la relation entre les résultats chez l’enfant (problèmes de santé chroniques chez l’enfant (nombre de problèmes dont souffre l’enfant; 3 catégories), les blessures chez l’enfant (variable binaire) ou les compétences cognitives (variable continue)) et les variables dépendantes observées à un micro et à un macro‑niveau à l’aide d’un modèle hiérarchique linéaire;
  • comparer le modèle hiérarchique aux modèles de régression traditionnels;

2. étudier les questions régionales au moyen de cet ensemble de données (Problème 2 : Statistiques régionales) – comprendre les problèmes :

  • choisir une méthode d’estimation des résultats pour les régions pour lesquelles les données au niveau individuel sont peu nombreuses;
  • comparer les résultats à ceux obtenus par des méthodes qui ne tiennent pas compte du problème que posent les petits domaines.

 

Variables: 

Les données utilisées pour la présente étude de cas proviennent du fichier synthétique diffusé pour le troisième cycle de l’Enquête longitudinale nationale sur les enfants et les jeunes (ELNEJ). Toutes les variables provenant directement du fichier de l’ELNEJ conservent leur nom original.
 

Les questions ont été posées à la personne connaissant le mieux (PCM) l’enfant. Dans la plupart des cas, il s’agissait de la mère.
 

Les données fournies, qui ne représentent qu’un sous‑ensemble des données disponibles, pour les enfants de 4, 5 et 6 ans résidant dans l’une de 24 grandes régions métropolitaines. En tout, 1 016 enregistrements sont fournis.
 

En général, nous avons réduit les descriptions des données présentées plus loin comparativement à la documentation fournie avec le fichier synthétique, afin d’éliminer les valeurs qui ne figurent pas dans le fichier préparé pour l’étude de cas.
 

Deux variables originales, CDMCD08 – Nombre de frères et sœurs et CSFHQ01 – Nombre d’années de résidence, ont été regroupées, car les observations sont très dispersées. Une variable supplémentaire a été créée pour l’étude de cas. Intitulée chronic, il s’agit d’un dénombrement des problèmes de santé chroniques dont souffre l’enfant.
 

Les pages qui suivent décrivent le cliché d’enregistrement du fichier plat. Dans l’en‑tête de chaque section figurent le nom de la variable, la position du premier octet de données et la longueur de la variable (en octets). Vient ensuite une brève description de l’élément de données, qui inclut souvent la question posée au répondant, ainsi qu’un ensemble de codes qui figurent dans le fichier de données et leur signification. 
 

Variable: PRCMA

Province RMR code
10001 St. Johns
12205 Halifax
13310 Saint John
24408 Chicoutimi
24421 Quebec
24442 Trois Rivers
24462 Montreal
35532 Oshawa
35535 Toronto
35537 Hamilton
35539 St. Catherines
35541 Kitchener
35555 London
35559 Windsor
35580 Sudbury
35595 Thunder Bay
36505 Ottawa-Hull
46602 Winnipeg
47705 Regina
47725 Saskatoon
48825 Calgary
48835 Edmonton
59933 Vancouver
59935 Victoria

Variable: MEDSHARE 
Part médiane 
Variable continue

Variable: GINI 
Coefficient de Gini 
Variable continue

Variable: POVPOP 
Proportion de personnes dont le revenu est inférieur à la moitié du revenu médian 
Variable continue

Variable: MEDINC 
Revenu médian 
Variable continue 

  1. Variable: CHILDID (Position: 1, Longueur: 6)
  2. Numéro d’identification de l’enfant. 
    Il s’agit d’un numéro d’identification à six chiffres qui n’a aucune signification intrinsèque. Il est utilisé uniquement pour identifier un enregistrement. 

  3. Variable: CMMCQ01 (Position: 7, Longueur: 1)
  4. Âge de l’enfant. 
    Code Signification
    4 4 ANS
    5 5 ANS
    6 6 ANS
  5. Variable: CMMCQ02 (Position: 8, Longueur: 1)
  6. Sexe de l’enfant. 
    Code Signification
    F FÉMININ
    M MASCULIN
  7. Variable: SHXSECWT (Position: 9, Longueur: 10)
  8. Poids de partage transversal appliqué à l’enfant (xxxxx.xxxx). 

  9. Variable: CDMCD08 (Position: 18, Longueur: 1)
  10. Nombre total de frères et sœurs (de l’enfant) vivant dans le ménage (incluant les frères et sœurs complets, les demi‑frères et sœurs, les frères et sœurs par alliance, les frères et sœurs adoptés et les frères et sœurs de familles d’accueil et excluant l’enfant lui même). Inclut les frères et sœurs de tout âge. 
    Code Signification
    00 Pas de frère ni de sœur
    01 un frère ou une soeur
    02 deux frères et(ou) sœurs ou plus
    96 SANS OBJET
    97 NE SAIT PAS
    98 REFUS
    99 NON DÉCLARÉ
  11. Variable: CGEHbD06 (Position: 19, Longueur: 3)
  12. Code de région métropolitaine de recensement (RMR). 
    Code Signification
    001 St. Johns
    205 Halifax
    310 Saint John
    408 Chicoutimi‑ Jonquière
    421 Québec
    442 Trois‑Rivières
    462 Montréal
    532 Oshawa
    535 Toronto
    537 Hamilton
    539 St. Catherines
    541 Kitchener
    555 London
    559 Windsor
    580 Sudbury
    595 Thunder Bay
    505 Ottawa-Hull
    602 Winnipeg
    705 Regina
    725 Saskatoon
    825 Calgary
    835 Edmonton
    933 Vancouver
    935 Victoria
  13. Variable: CGEHbD04 (Position: 22, Longueur: 1)
  14. Taille de la région de résidence de l’enfant, selon les dénombrements du Recensement de 1996. 
    Code Signification
    4 Urbaine, 100 000 à 499 999 habitants
    5 Urbaine, 500 000 habitants et plus
    * Nota: Il existe naturellement d’autres niveaux de population, pour des plus petites villes et régions rurales. Cependant, comme nous ne fournissons les données que pour les grands centres urbains, aucun enregistrement des fichiers ne contient des données pour une ville dont la population est inférieure à 100 000 habitants.
  15. Variable: CHLCQ37 (Position: 23, Longueur: 1)
  16. Au cours des 12 derniers mois, a‑t‑il(elle) subi une blessure? 
    Code Signification
    1 OUI
    2 NON
    7 NE SAIT PAS
    9 NON DÉCLARÉ
    *Nota: Une question subséquente portait sur la nature de la blessure, ou de la blessure la plus grave en cas de blessures multiples. Les réponses rentraient dans les catégories suivantes : 
    • FRACTURE
    • BRÛLURE
    • DISLOCATION
    • ENTORSE OU FOULURE
    • COUPURE, ÉRAFLURE OU MEURTRISSURE
    • COMMOTION
    • EMPOISONNEMENT PAR ABSORPTION D’UNE SUBSTANCE OU D’UN LIQUIDE
    • LÉSION INTERNE
    • BLESSURE DENTAIRE
    • AUTRE
    • BLESSURES MULTIPLES
  17. Variable: CINHD08 (Position: 24, Longueur: 6)
  18. Statut socio‑économique - transversale 
    Cette variable est dérivée de cinq autres : niveau de scolarité de la PCM, niveau de scolarité du(de la) conjoint(e), prestige de la profession de la PCM, prestige de la profession du(de la ) conjoint(e) et revenu du ménage. Une explication complète de l’établissement de cette variable figure à l’annexe A. En général, le statut socio‑économique est d’autant plus élevé que la valeur de cette variable est élevée. 
    Code Signification
    -4.000 : 02.000 -4.000 : 02.000
    99.996 SANS OBJET
    99.997 NE SAIT PAS
    99.998 REFUS
    99.999 NON DÉCLARÉ
  19. Variable: CPPCS01 (Position: 30, Longueur: 3)
  20. Score normalisé de l’EVIP. Cette variable donne le score de l’enfant sur l’Échelle de vocabulaire en images Peabody qui est décrite plus en détails à l’annexe B. Le score est normalisé par tranche d’âge de deux mois, de sorte qu’un score de 100 pour un enfant de cinq ans soit équivalent à un score de 100 pour un enfant de 6 ans. 
     
    Code Signification
    040:160 040:160
    996 SANS OBJET
    999 NON DÉCLARÉ
  21. Variable: CSFHQ01 (Position: 33, Longueur: 2)
  22. Les prochaines questions portent sur le quartier où vous habitez. Depuis combien d’années demeurez‑vous à cette adresse? (INDIQUER 0 SI MOINS D’UNE ANNÉE.) 
    Code Signification
    00 : 12 De 0 à 12 années
    13 13 années et plus
    96 SANS OBJET
    97 NE SAIT PAS
    98 REFUS
    99 NON DÉCLARÉ
  23. Variable: CSFHS6 (Position: 35, Longueur: 2)
  24. Score du quartier. Il s’agit d’une variable dérivée mesurant la cohésion du quartier établie d’après les réponses pondérées aux questions suivantes : CSFHQ06A, CSFHQ06B, CSFHQ06C, CSFHQ06D et CSFHQ06E. Les valeurs ont été inversées pour créer l’échelle. Aucune donnée na été imputée pour calculer ce score qui varie de 0 à 15, une valeur élevée indiquant un grand degré de cohésion du quartier. Les questions sur lesquelles il est fondé sont décrites à l’annexe C. 
    Code Signification
    01 00
    01 01
    02 02
    03 DON’T KNOW
    03 REFUSAL
    04 04
    05 05
    06 06
    07 07
    08 08
    09 09
    10 10
    11 11
    12 12
    13 13
    14 14
    15 15
    96 SANS OBJET
    97 NE SAIT PAS
    98 REFUS
    989 NON DÉCLARÉ
  25. Variable: Chronic (Position: 37, Longueur: 1)
  26. Cette variable, qui a été dérivée pour l’étude de cas, précise le nombre de problèmes de santé chroniques faisant partie de l’ensemble de problèmes mentionnés plus bas dont souffre l’enfant. Seuls les enfants pour lesquels une réponse Oui figurait dans l’enregistrement ont été considérés comme ayant le problème de santé en question — aucune imputation n’a été faite pour remplacer les données manquantes: 
    • Asthme
    • Allergies
    • Bronchite
    • Maladie cardiaque
    • Épilepsie
    • Infirmité motrice cérébrale
    • Problèmes rénaux/maladie rénale
    • Handicap mental
    • Difficultés d’apprentissage
    • Troubles émotionnels/psychologiques/nerveux
    Code Signification
    0 Aucun des problèmes de santé chroniques susmentionnés.
    1 1 des problèmes de santé chroniques susmentionnés.
    2 Au moins 2 des problèmes de santé chroniques susmentionnés.

Données individuelles provenant du fichier synthétique de l’ELNEJ

Text Excel SAS

 

References: 

  • Kreft, Ita and De Leeuw, Jan. Introducing Multilevel Modelling, London, Sage publications Ltd. 1998
  • Goldstien H. Multilevel Statistical Models, New York, John-Wiley, 1995
  • Rao, J.N.K. Small Area Estimation, New York, John-Wiley, 2003
  • Neter, Kutner, Nachtshen, Wasserman. Applied Linear Statistical Models, McGraw-Hill Inc, 1996
  • Dunn, L. M. & Dunn, L. M. (1981). Peabody Picture Vocabulary Test-Revised. Circle Pines, MN: American Guidance Service.
  • Leventhal, T. & Brooks-Gunn, J. (2000). The neighbourhoods they live in: The effects of neighbourhood residence upon child and adolescent outcomes. Psychological Bulletin, 126, 309-337.
  • Massey, D. S. (1996). The age of extremes: Concentrated affluence and poverty in the twenty-first century. Demography, 33, 395-412.
  • Massey, D. S. & Denton, N. A. (1993). American apartheid: Segregation and the making of the underclass. Cambridge, MA: Harvard University Press.
  • Naglieri, J. & Pfieffer, S. (1983). Stability, concurrent and predictive validity of the PPVT-R. Journal of Clinical Psychology, 39, 965-967.
  • Sampson, R. & Groves, W. (1989). Community structure and crime: Testing social disorganization theory. American Journal of Sociology, 94, 774-802.
  • Sampson, R. J. (1992). Family management and child development: Insights from social disorganization theory. In J.McCord (Ed.), Facts, Frameworks, and Forecasts (pp. 63-93). New Brunswick, U.S.A.: Transaction.
  • Sampson, R. J. & Morenoff, J. (1997). Ecological perspectives on the neighborhood context of urban poverty: Past and present. In J.Brooks-Gunn, G. J. Duncan, & J. L. Aber (Eds.), Neighborhood Poverty: Policy Implications in Studying Neighborhoods (pp. 1-22). New York: Russell Sage Foundation Press.
  • Wilson, W. J. (1987). The truly disadvantaged. Chicago, IL: University of Chicago Press.