Modélisation de loffre de main-dœuvre : questions et défis Atelier sur la surveillance et les prévisions de loffre de main- dœuvre Vancouver (Colombie-Britannique) octobre 2007

2 Contexte La modélisation de loffre de main-dœuvre ne se fait en ce moment quà léchelon national Toutes les composantes de la demande (demandes dexpansion et de remplacement) ne sont produites en ce moment quaux échelons national et provincial On a manifesté un intérêt à créer des modèles provinciaux de loffre de main-dœuvre

3 Objet de cette présentation Décrire les modèles actuels de loffre de main- dœuvre du SPPC Faire ressortir les questions et défis actuels (données, modèles) entourant la production de projections de loffre de main-dœuvre à léchelon national Faire ressortir les problèmes supplémentaires que pose létablissement de projections de loffre de main- dœuvre à léchelon 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 lélaboration doutils 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-dœuvre 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 dactivité Départs à la retraite Demande dexpansion Sortants Scolaires Facteurs démographiques Déséquilibres futurs du marché du travail selon la profession Possibilités demploi vs nouveaux chercheurs demploi par profession Immigrants Population active Déséquilibres futurs du marché du travail par grand niveau de compétence Variation de lemploi vs variation de la main- dœuvre par grand niveau de compétence Structure des modèles du SPPC

7 Modèle des sortants scolaires 7 Diplômés 2. Diplômés par grand domaine détudes 3. Attribution à lintérieur ou à lextérieur de la population active 4. Sortants scolaires attribués par profession 1. Diplômés par niveau de scolarité DE 1 DE 2 DE 3 DE i Dans la PA Hors de la PA CNP 1 CNP 2 CNP 3 CNP n 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 partielles Décrocheurs Études postsecondaires partielles ),,,,( Inscriptions _ t )(it ttTti PopSourceFonds_gov TCRPDIPCInscriptions f ),( Diplômés )()(it TtiTti DiplômésInscriptions f

9 2. Diplômés par grand domaine détudes DE 1 DE 2 DE 3 DE i Diplômés Aucun domaine détudes pour ce qui suit : Études secondaires partielles Diplômés décoles 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 lintérieur ou à lextérieur de la population active Par domaine détudes, la part des diplômés sur le marché du travail est déterminée à laide de : –Lenquête sur la population active pour : Les personnes nayant pas terminé lécole secondaire (entre 15 et 24 ans); Les diplômés décole secondaire (de 15 à 24 ans); Les personnes avec des études post- secondaires partielles (entre 20 et 29 ans). DE i Dans la PA Hors de la PA –Lenquête 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 profession Sources 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 CNP 1 CNP 2 CNP 3 CNP n Distribution ex-ante : Lattribution nest pas permise si elle nest 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 détudes P. ex. : Les bacheliers et bachelières en sciences infirmières sont contraints doccuper 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 dimmigration 13 Immigrants Dans la PA Hors de la PA CNP 1 CNP 2 CNP 3 CNP n 2. Attribution à lintérieur ou à lextérieur de la population active 3. Attribution par profession* 1. Projection du nombre dimmigrants *Lattribution repose sur les données relatives aux immigrants récents (provenant du dernier recensement)

14 Questions et défis actuels entourant la production de projections de loffre de main-dœuvre

15 Problèmes de données Questions Actualité des données Taille et fiabilité des échantillons Principales sources de données utilisées pour loffre 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 dinscriptions et de diplômés : Les données pour les écoles secondaires sont rendues disponibles par la PSEPS : les données les plus récentes visent Les données pour les programmes de métiers et professionnels proviennent de lEPFP : les données les plus récentes visent Les données pour les collèges communautaires proviennent du SISCCC : les données les plus récentes visent Les données sur les universités proviennent de lenquête SIEP et sont raboutées à celles de lenquête SISCU (qui nexiste plus) : les données les plus récentes visent –Nous devons donc faire des projections sur le passé avant de pouvoir le faire sur lavenir! Défi : Accélérer la diffusion des données

17 Problèmes de données - Actualité des données –Les résultats dépendent du moment de lenquête (cycles économiques) : P. ex., lutilisation des données de lEND pour 2000 pour la répartition des diplômés en informatique entre les professions pourrait être trompeuse compte tenu de leffondrement des postes de TI en –La modification des codes de profession tous les 10 ans complique lutilisation des données chronologiques (recours à plus dune 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 - Fiabilité A) Données administratives (inscriptions, diplômés) Les domaines détudes utilisés dans le SPPC sont désuets : –P. ex., six programmes de secrétariat au niveau de lEPFP B) Enquête nationale auprès des diplômés Lenquête END 2002 (classe de 2000) comptait répondants. Au moment de confectionner la matrice de distribution de (5 niveaux de scolarité postsecondaire) X (de 49 à 58 domaines détudes) X (140 professions) très petit échantillon. Nous utilisons plusieurs END pour surmonter les problèmes des cellules de petite taille Il est plus facile dattribuer certains domaines détudes (p. ex., les sciences infirmières) que dautres (comme la littérature anglaise). Défi : Revoir les DE selon la CPE

19 Problèmes de données - Fiabilité C) Enquête sur la population active Lenquête sur la population active comprend un échantillon denviron ménages (qui figurent pour environ 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 lEPA sur les jeunes. Lanalyse 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 léchelon national. Nous recourons à la distribution moyenne des trois plus récentes années.

20 Défis relatifs à la modélisation de loffre Modèle des sortants scolaires Problème de dynamique dans la répartition des diplômés par domaine détudes dans le temps. Redéfinition des domaines détudes du SPPC (à laide de la CPE). Réexamen de la structure des modèles actuels daprès les études actuellement en cours. Rajustement de loffre en recourant à une substitution entre les grands groupes professionnels et les niveaux de compétence (ROA 2004) Modèle de limmigration Réexamen de la structure des modèles courants daprès les études actuellement en cours (Cristiana Pescarus)

21 Autres défis relatifs à la modélisation de loffre Évaluation des déséquilibres actuels du marché du travail selon la profession Modélisation de la mobilité professionnelle verticale (p. ex., loffre de gestionnaires) Segmentation du marché du travail Évaluation de lintensité du travail (p. ex., heures travaillées, travail à temps partiel vs travail à temps plein)

22 Modèles provinciaux de loffre : autres défis

23 Défis relatifs à loffre provinciale Actualité des données : –Lutilisation de données recueillies par les ministères provinciaux de léducation 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 dautres 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 dinscriptions et de diplômés par province (en point de pourcentage) Type de grade universitaire Régions Inscriptions ( ) Diplômés ( ) Baccalauréat et autre grade de premier cycle Canada2,9 %2,3 % Terre-Neuve-et- Labrador 9,4 %7,9 % Île-du-Prince- Édouard5,0 %13,1 % Nouvelle- Écosse3,2 %4,0 % Nouveau- Brunswick3,1 %6,1 % Québec2,0 %3,9 % Ontario4,7 %3,0 % Manitoba7,4 %4,7 % Saskatchewan3,0 %4,6 % Alberta2,7 %3,8 % Colombie- Britannique3,0 %4,5 %

25 Prochaines étapes À léchelon national –Poursuivre le travail délaboration du modèle de loffre Introduire une dynamique dans la projection des DE Redéfinir les DE du SPPC Réexaminer la structure des modèles courants daprès les études actuellement en cours À léchelon provincial –Fournir aux provinces des compétences techniques pour les aider à confectionner des modèles de loffre À la conférence du SPPC 2006, des modèles de loffre ont été présentés et la C.-B. a exprimé un intérêt à modéliser loffre –Mise en garde : Les provinces intéressées à confectionner un modèle de loffre devraient dabord se préoccuper des données (disponibilité et fiabilité).