Observer le nombre d'enfants avec les données EU-SILC

• Angela Greulich ^[1] ; Aurélien Dasré ^[2]
  1. [1] Pantheon-Sorbonne University

     Pantheon-Sorbonne University

     París, Francia

     
  2. [2] Paris West University Nanterre La Défense

     Paris West University Nanterre La Défense

     París, Francia

     
• Localización: Population, ISSN-e 1957-7966, ISSN 0032-4663, Vol. 73, Nº. 4, 2018, págs. 719-755
• Idioma: francés
• Títulos paralelos:
  • Observación del número de niños en las estadísticas EU-SILC: la cuantificación de sesgos
  • Observing the Number of Children with EU-SILC: A Quantification of Biases
• Texto completo no disponible (Saber más ...)
• Resumen
  • español

    La base de datos estadísticos de la Unión Europea sobre la renta y las condiciones de vida (EU-SILC) es cada vez más utilizada a causa del gran número de países cubiertos, de las medidas armonizadas que provee y de la posibilidad de comparación e incluso de fusión con otros datos. Sin embargo, las medidas que da EU-SILC pueden ser erróneas pues la encuesta no pregunta directamente sobre el número de hijos de una mujer o de un hombre, y solo contabiliza los niños viviendo con los padres en el hogar. Ello acarrea inconvenientes no solo para el análisis demográfico sino también para el análisis económico, pues el tamaño de las familias y el comportamiento reproductivo son determinantes importantes de la renta y de las condiciones de vida. Afín de sensibilizar a los utilizadores sobre esta cuestión, se propone aquí un análisis detallado de la calidad de las medidas del número de niños en EU-SILC. Se trata primero de cuantificar, para diez países, el sesgo que caracteriza el número de hijos declarados, distinguiendo las medidas de fecundidad según la edad y el rango de nacimiento, y después identificar los perfiles socio-económicos para los cuales el riesgo de sesgo es el más importante.

  • English

    Various fields of research increasingly use the European Union Statistics on Income and Living Conditions (EU-SILC) database because of its large country coverage, the availability of harmonized socioeconomic measures, and the possibility of merging partners. Its measures of the number of children risk being biased, however, because the questionnaire does not directly ask about the number of children ever born to a woman or man, and only those children who live in the parental household are observed. These limitations are problematic not only for demographic but also for socioeconomic analysis because family size and fertility behaviour are important determinants of income and living conditions. To raise awareness of this issue, we analyse the quality of the measure of the number of children in EU-SILC. For ten countries, we first quantify the bias in the reported number of children, distinguishing fertility measures by age and birth order. We then identify the socioeconomic profiles that are most subject to biased measures.

  • français

    Les données des statistiques de l’Union européenne sur le revenu et les conditions de vie (EU-SILC) sont de plus en plus utilisées dans différents domaines de recherche en raison du grand nombre de pays couverts, des indicateurs socioéconomiques harmonisés disponibles et de la possibilité de les comparer, voire de les fusionner, à d’autres données. Toutefois, les mesures issues d’EU-SILC peuvent être faussées, car l’enquête ne pose pas la question du nombre total d’enfants d’une femme ou d’un homme, y compris ceux décédés, et parce que seuls les enfants vivant avec les parents sont comptabilisés. Ce n’est pas sans inconvénient pour l’analyse démographique comme pour l’analyse socioéconomique, car la taille des familles et les comportements en termes de fécondité sont des déterminants importants du revenu et des conditions de vie. Afin de sensibiliser les utilisateurs à cette question, cet article propose une analyse détaillée de la qualité des mesures du nombre d’enfants dans EU-SILC. Il s’agit tout d’abord de quantifier, pour 10 pays, le biais caractérisant le nombre d’enfants déclarés en distinguant les mesures de la fécondité selon l’âge et le rang de naissance, puis d’identifier les profils socioéconomiques les plus fortement associés à ce risque de biais