L’analyse des données biographiques au moyen des modèles linéaires à effets aléatoires. Le cas des carrières des acteurs professionnels Event history analysis using random-effects linear models. The case of the careers of professionnal actors

RÉSUMÉ

Les démographes font aujourd'hui un usage abondant des microdonnées longitudinales. Pour les analyser, ils utilisent généralement un ensemble de techniques et de modèles regroupés sous le nom d'analyse des biographies. Les modèles linéaires utilisés dans ce contexte appartiennent à la famille des modèles à risques proportionnels dont le plus courant est le modèle semi-paramétrique à risques proportionnels. Malgré leurs qualités, ces modèles ne permettent que l'étude des processus qui peuvent être décrits et mesurés facilement comme des suites d'états ou de changements d'état. Les auteurs montrent comment on peut utiliser deux modèles linéaires à effets aléatoires — le modèle logit à effets aléatoires et le modèle tobit à effets aléatoires — pour étudier des phénomènes longitudinaux comme l'évolution, au fil du temps, de l'appartenance à l'une ou l'autre des deux catégories d'une variable dépendante binaire, et l'évolution, au fil du temps, d'une variable continue dont une partie de la distribution n'est pas observée. L'approche est appliquée à l'étude de la dynamique des carrières des acteurs professionnels français.

ABSTRACT

Demographers today often make use of longitudinal microdata. To analyze these data, they generally use a set of techniques and models associated with what is termed event history analysis. The linear models used in this context fall into the category of proportional hazards models, the most often used of which is the semiparametric proportional hazards model. Despite their advantages, these models only enable researchers to study processes which can be easily described and measured, such as sequences of states or changes of states. The authors show how two random-effects linear models—the random-effects logit model and the random-effects tobit model—can be used to study longitudinal phenomena such as changes over time in the categorization into either of the two categories of a binary dependent variable, and changes over time in a continuous variable where a portion of the distribution of this variable is unobserved. This approach is used to study the career dynamics of professional actors in France.