Résumés
RÉSUMÉ
La rareté des données est un problème endémique dans les recherches économiques appliquées à l’échelle régionale, a fortiori à l’échelle inframétropolitaine. Cet article discute trois méthodes pragmatiques d’estimation de l’emploi à partir de la distribution des établissements par taille : la méthode du point milieu de l’intervalle (méthode PM), le lissage lognormal et le lissage log-logistique. On compare les méthodes au moyen de deux ensembles de données : celles du Recensement des établissements et de l’emploi de Montréal de 1996 (Banque de Données et d’Information urbaine, INRS-Urbanisation et Ville de Montréal) et celles de Statistique Canada sur les industries manufacturières à deux chiffres de la Classification Type des Industries (CTI) au Québec en 1995. Les résultats montrent que les modèles lognormal et logistique sont nettement supérieurs à la méthode PM, notamment à cause du biais à la hausse inhérent à cette méthode.
ABSTRACT
The scarcity of data is a widespread problem in applied regional and metropolitan economic research. This note discusses three pragmatic methods to estimate employment from the size-distribution of establishments: the class-interval mid-point method (MP method), lognormal smoothing, and log-logistic smoothing. The methods are compared using data from two sources: the 1996 Recensement des établissements et de l’emploi de Montréal (Banque de Données et d’Information urbaine, INRS-Urbanisation and Ville de Montréal), and Statistics Canada two-digit Standard Industrial Classification (SIC) manufacturing industry data for Québec in 1995. Results show that the smoothing models are clearly superior to the simple MP method, partly because of that method's inherent upward bias.