Analyse évolutive des comportements de mobilité des personnes âgées

Le vieillissement de la cohorte des baby-boomers modifiera sensiblement la composition démographique de la province du Québec par une augmentation considérable en effectifs et en proportion du groupe des personnes âgées.De nombreuses réflexions et actions ont déjà été entamées dans diverses sphères de la société pour adapter les services à cette clientèle aux comportements si différents, dont les impacts d'une augmentation en nombre et en proportion sont encore méconnus.Dans cet ordre d'idée, au niveau du transport, la société de transport de Montréal (STM) a récemment mis en place en 2008 un service de transport en commun spécifiquement conçu pour les ainés : les Navettes or.Naturellement, l'adaptation des services aux besoins spécifiques des personnes âgées nécessite une connaissance approfondie de leurs comportements.En effet, les ainés ont une mobilité différente comparativement aux autres groupes de population, aux générations précédentes et il existe de grandes variations à l'intérieur même du groupe.L'objectif principal de ce projet est d'appliquer et de tester une méthode d'analyse démographique dans le but d'améliorer les méthodes utilisées pour comprendre la nature des changements comportementaux observés.La démonstration de l'utilité de cette méthode se fera en étudiant les comportements des personnes âgées.Ce mémoire a la particularité de proposer une méthode d'analyse des tendances, adaptée aux enquêtes Origine-Destination de Montréal, qui pourra facilement être applicable à tout phénomène ou groupe de population étudié.L'étude des comportements des personnes âgées se fera en utilisant les données des enquêtes Origine-Destination de 1987 à 2008 sur le territoire comparable de 1987.Sommairement, le paradigme principal de l'analyse démographique est qu'il est possible de connaître les comportements d'une personne à partir de son âge, son année de naissance (cohorte) et de l'année (période).L'utilisation d'un modèle âge-période-cohorte, découlant de l'analyse démographique, permet d'identifier et de quantifier différents effets, améliorant ainsi la connaissance du phénomène et la capacité de projection.Ce modèle permet de mieux comprendre la variabilité comportementale de la population.Les différentes limitations du modèle âgepériode-cohorte (difficulté d'évaluer la performance, biais de mortalité, problème d'identification) justifient la nécessité d'analyser de manière descriptive les comportements avant d'effectuer la modélisation.v Dans le cadre de l'analyse descriptive, une combinaison de l'analyse transversale (65 ans et plus de 1987 à 2008) et de l'analyse longitudinale (suivi des comportements des cohortes de 1902 à 1937) a permis de mieux comprendre les tendances de mobilité des personnes âgées.En résumé, les personnes âgées se dispersent de plus en plus dans l'espace, demeurent motorisées plus longtemps et font de plus en plus appel à l'automobile pour soutenir leurs besoins de mobilité.Toutefois, la non-motorisation ainsi que la non-mobilité semblent toujours importantes, vieillir ayant un fort impact négatif sur ces indicateurs.En outre, les ainés résidant plus seuls et l'utilisation des modes des transports alternatifs, autant transport collectif que marche et vélo, devient de plus en plus marginale.En somme, l'analyse descriptive permet de conclure que les personnes âgées ont une mobilité qui est plus individuelle que les anciennes cohortes.Une analyse descriptive par sexe, taux d'accès à l'automobile et secteur de résidence a permis d'évaluer l'impact de ces effets sur les tendances étudiées.L'objectif secondaire de l'analyse descriptive, après l'analyse des changements comportementaux, était de démontrer que les diverses tendances étaient affectées par des effets d'âge, de cohorte et de période.Toutefois, trois problèmes ont été identifiés.Tout d'abord, certaines tendances ne semblent pas être affectées par les trois effets simultanément, mais seulement par un ou deux effets.Par exemple, la part modale de l'automobile-passager est majoritairement influencée par l'âge, les effets de cohortes ou périodes sont difficiles à évaluer.En second lieu, l'analyse descriptive a aussi démontré que la variation des diverses variables explicatives étudiées (motorisation, localisation résidentielle) a parfois un impact plus important que les effets d'âge, période et cohorte.En effet, par exemple, en analysant uniquement les effets APC, la conclusion qui s'impose est que vieillir augmente l'utilisation du transport en commun.Toutefois, en étudiant la part modale par taux d'accès à l'automobile (non-motorisées, semimotorisées et motorisées), il est constaté que les comportements demeurent semblables, peu importe l'âge; l'augmentation de la part modale du transport en commun étant attribuable à la croissance de la non-motorisation en vieillissant.Par conséquent, étant donné que les cohortes plus récentes ont un taux d'accès à l'automobile de plus en plus élevé, l'ampleur de cette augmentation devrait être beaucoup moindre comparativement aux cohortes plus vieilles.Finalement, en dernier lieu, la présence d'effets périodes forts rend très difficile l'analyse des effets d'âge et de cohorte.Ces diverses constatations permettent de justifier l'utilité d'analyser de la mobilité à l'aide d'un modèle âge-période-cohorte. vi La deuxième partie du mémoire présente la méthodologie d'identification des effets âge-périodecohortes-caractéristiques (APCC).Le mémoire en présente le fonctionnement et les diverses limitations.En résumé, l'estimation se fait par quasi-vraisemblance à l'aide de l'estimateur intrinsèque (IE) par le logiciel STATA.La difficulté d'évaluation de la performance, un des trois effets (souvent cohorte) étant estimé en fonction des deux autres, complexifie l'utilisation de ce modèle demandant ainsi une grande connaissance du phénomène de la part du modélisateur.Par conséquent, une étude des tendances descriptives, de la significativité des coefficients et des résultats du modèle estiméee par l'IE est nécessaire.L'objectif de la partie méthodologie était de présenter le fonctionnement du modèle dans le but de l'utiliser pour effectuer la projection de la mobilité.La dernière section du mémoire présente cette méthode en projetant le taux d'accès à l'automobile, la non-motorisation et la part modale du transport en commun à l'horizon 2028.Tout d'abord, la première étape est de projeter les comportements des différentes variables explicatives : la distance au centre-ville ainsi que la proportion d'hommes, de personnes seules, personnes résidant dans un ménage de trois personnes et plus et de travailleurs.La projection de toutes ces variables, à l'exception de la proportion de personnes résidant dans un ménage de trois personnes âgées, ont démontré qu'une augmentation est attendue.De plus, il a été démontré que l'intégration de ces différentes variables explicatives dans le modèle modifie de manière significative l'interprétation de la variabilité des comportements ainsi que l'ampleur des effets APC.En termes de projection, le modèle APC est très utile car il permet d'évaluer deux effets stables (âge et cohorte), les hypothèses de projection ne concernent donc que les effets périodes.Dans le cadre de ce projet, l'extrapolation s'est effectuée selon les tendances des effets périodes observées entre 1987 et 2008.En résumé, ces projections ont démontré que le taux d'accès à l'automobile devrait continuer d'augmenter jusqu'à 2023 tandis que la non-motorisation devrait décliner légèrement, attribuable à une augmentation de la distance au centre-ville.Finalement, la part modale du transport en commun devrait continuer de décliner légèrement malgré la présence d'effets de périodes positifs, conséquence d'une augmentation la distance au centre-ville et de la motorisation.vii

Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.