Show Less
Open access

Pourquoi les migrants vivent-ils plus longtemps ?

Les inégalités face à la mort en Suisse (1990–2008)

Series:

Jonathan Zufferey

Dans les sociétés postindustrielles contemporaines, les migrants ont généralement des risques de décès inférieurs aux populations des pays d’accueil bien qu’ils soient tendanciellement plus vulnérables en raison de moindres capitaux humains, sociaux et économiques. Il s’agit là d’un véritable paradoxe épidémiologique car ces facteurs sont considérés comme les causes fondamentales des inégalités de longévité. A travers le prisme de la société suisse, cette thèse présente les dernières tendances en termes de mortalité différentielle entre les populations suisse et étrangères. Par une vision globale et compréhensive, nous mettons en exergue les particularités des populations migrantes afin d’offrir des clés d’interprétation à ce fameux paradoxe. L’étude tente d’approcher la migration dans toute sa profondeur en investiguant les différentiels en fonction de l’origine et du statut migratoire. En partant des outils de la démographie classique, en passant par des modèles de régression et des arbres d’induction, pour finir par des modèles multiniveaux exprimant des risques spatiaux, la connaissance des processus et des populations s’affermit. Au terme de ce manuscrit, nous aboutissons à une synthèse sur les principaux mécanismes explicatifs. La discussion reviendra sur deux axes clés qui expriment, selon nous, l’essentiel de l’avantage observé : des biais de sélection à l’entrée et à la sortie ainsi qu’une « culture de la migration ».

Show Summary Details
Open access

Chapitre 5: Les facteurs individuels de la mortalité

Chapitre 5

Les facteurs individuels de la mortalité

Ce chapitre va plus loin dans la compréhension de la mortalité des étrangers en investiguant, au niveau individuel, les déterminants sociaux des différentiels. Nous avons précédemment mis en évidence les inégalités de longévité selon l’origine en montrant que les étrangers vivent sensiblement plus longtemps que les autochtones. Nous avons relevé l’importance du statut migratoire et des effets de sélection, mais l’avantage de mortalité des migrants, alors que ces derniers occupent des positions socioéconomiques tendanciellement plus basses, demeure encore relativement mystérieux. Les différences sont, du moins en partie, expliquées par des facteurs individuels : des comportements et des risques socialement structurés. Mais ces déterminants sociaux sont-ils suffisants pour faire disparaître le paradoxe ? Autrement dit, la sous-mortalité des migrants n’est-elle pas entièrement explicable par des effets de composition, des risques moindres chez les étrangers ? La littérature spécialisée s’accorde à dire que ce n’est pas le cas mais nous verrons dans ce chapitre ce qu’il en est pour la situation suisse.

Dans un second temps, il importe de comprendre les dynamiques sociales sous-jacentes de la mortalité des étrangers afin d’offrir un vrai cadre explicatif à cette vaste problématique. Nous verrons en particulier si les déterminants socioéconomiques classiques ont les mêmes effets chez les migrants et les natifs. Les migrants sont en effet particulièrement hétérogènes et des mesures spécifiques sont primordiales pour appréhender la complexité qui en résulte. Par des procédures de fouilles de données, nous mettrons en évidence des interactions afin de déceler des poches de vulnérabilité ou, au contraire, des conjonctions de facteurs qui offrent une protection face à la mort.

Mais avant d’aborder les analyses, nous présentons une méthodologie adéquate pour modéliser la mortalité des populations migrantes avec les données de la Swiss National Cohort. ← 165 | 166 →

5.1  Méthodes

5.1.1  Le modèle de Poisson

Pour appréhender la mortalité et ses déterminants, nous avons choisi le cadre paramétrique des modèles linéaires généralisés (GLM) développés par Nelder et Wedderburn (1972). Ces modèles sont estimés par maximum de vraisemblance à l’aide de l’algorithme itératif des moindres carrés pondérés (WLS). Nous allons ici approcher la mortalité par le nombre de décès, soit des données de type comptage qui se distribuent selon une loi de Poisson.

Pour une espérance λ, si la variable aléatoire Y, le nombre de décès, est distribuée selon une loi de Poisson,

Y ~ Poisson(λ)

alors les probabilités des réalisations y sont définies par :

images

L’approche des GLM généralise la classique régression linéaire en permettant d’étudier des phénomènes qui ne suivent pas forcément une loi normale mais qui se distribuent selon d’autres lois de probabilité appartenant à la famille exponentielle. Cela est possible en imposant une relation linéaire entre les prédicteurs et une transformation – appelée fonction de lien – de l’espérance de la fonction de distribution g(µi). Pour la loi de Poisson, la fonction de lien la plus utilisée est le logarithme naturel

g(µi) = g(λi) = ln(λi)

On modélise ainsi le logarithme de l’espérance comme une combinaison linéaire de k variables explicatives

images

← 166 | 167 →

Le nombre de décès dépend évidemment avant tout de l’exposition au risque, et c’est ainsi davantage le taux de mortalité, dans un « Poisson rate model » (Cameron et Trivedi 1998), que le nombre absolu de décès qui va nous intéresser. Nous posons le nombre de décès comme étant égal au taux de mortalité multiplié par la durée d’exposition :

λi = mi · ti

et son logarithme

ln(λi) = ln(mi) + ln(ti)

Nous pouvons désormais considérer le logarithme du taux de mortalité comme une combinaison linéaire de k facteurs :

images

d’où, pour λi

images

Le ln(ti) est l’offset, une variable indépendante qui permet de contrôler les durées d’exposition dans le modèle, exprimant ainsi un risque de décès proportionnel à la durée d’exposition.

Poser un modèle de Poisson sous la forme d’un « rate model » a un avantage conséquent : il permet de simplifier massivement la base de données. Au lieu de traiter chacune des 54 millions de lignes du fichier Suisses et étrangers en comptabilisant les expositions annuelles de chaque individu et la survenance ou non d’un décès, il nous est possible d’en agréger les profils (Powers et Xie 1999, pp. 148-156). Cela revient pour un modèle basique qui comprendrait les classes d’âge (21 catégories), le sexe (2 catégories) et le statut matrimonial (4 catégories) à agréger tous les individus dans 168 profils théoriques distincts et de compter, pour chaque profil, le nombre de décès et la somme des personnes-années vécues. Sur le large fichier initial, cette simple régression prend plus de 3 heures avec le logi ← 167 | 168 → ciel R sur un très bon ordinateur. Avec le package biglm (Lumley 2013) de la suite bigmemory (Kane et Emerson 2013) que nous avons passablement utilisée pour gérer cette impressionnante quantité de données, le temps de calcul est réduit à une trentaine de minutes1. Or avec l’agrégation, c’est l’affaire de quelques centièmes seulement. Le seul problème avec l’agrégation est que plus on dispose de profils différents, c’est-à-dire plus on ajoute de covariables, plus le fichier devient conséquent et requiert du temps de traitement. En outre, cela modifie la vraisemblance du modèle : plus le modèle est agrégé, moins il y aura de variabilité et plus la vraisemblance en sera élevée. Par conséquent, toutes les mesures de qualité du fit dépendent du niveau d’agrégation et, seuls des modèles agrégés de la même façon sont strictement comparables entre eux.

5.1.2  Les limites du modèle de Poisson : Quasipoisson ou binomiale négative ?

Le modèle de Poisson apparaît dans une multitude d’études qui ont trait à des taux ou des comptages mais ce n’est pourtant pas toujours à bon escient. La loi de Poisson est très simple et a l’avantage – et l’inconvénient – d’avoir qu’un seul paramètre. Ce paramètre, l, équivaut à la fois à l’espérance et à la variance de la population. Or pour des données « réelles » de comptage, il est très fréquent que l’espérance et la variance ne soient pas équivalentes, et plus particulièrement qu’il y ait overdispersion, une variance supérieure à l’espérance. Dans de tels cas, la variance est sous-estimée tout comme les erreurs standards et les tests de significativité qui en découlent. Cela peut mener à des conclusions optimistes mais erronées, en validant la significativité de paramètres qui ne devraient pas forcément l’être.

En cas d’overdispersion, les modèles quasipoisson ou binomiale négative relâchent l’hypothèse d’égalité entre espérance et variance et prennent en compte la variabilité dans leur estimation. Nous avons formellement testé nos données dans plusieurs modèles de Poisson2à travers un likeli ← 168 | 169 → hood ratio test3 démontrant, comme on pouvait s’y attendre, la présence d’une surdispersion.

Il convient donc de choisir entre une binomiale négative et une quasipoisson, mais sur quelle base choisir ? Toutes les deux ont un paramètre de dispersion à la différence près que la variance de la quasipoisson est proportionnelle à l’espérance alors que la relation est quadratique dans la binomiale négative (tableau 5.1). L’overdispersion varie dans la binomiale négative en fonction de λ, d’une importance de 1 + (1/θ)λ, mais elle est constante pour la quasipoisson de ϕ.

Tableau 5.1 – Comparaison de l’espérance et de la variance des Poisson, Quasipoisson et Binomiale Négative


Y ~ Poisson(λ)E(Y ) = λVar(Y ) = λ
Y ~ QuasiPoi(l,ϕ)E(Y ) = λVar(Y ) = ϕ · λ
Y ~ NB(λ,θ)E(Y ) = λVar(Y ) = λ + (1/θ) · λ2

 

Dans la littérature, il n’y a que peu de papiers qui dissèquent, sur le plan pratique ou purement mathématique, les points forts de chacune de ces méthodes : certains chercheurs préfèrent l’une ou l’autre, mais parfois sans véritable réflexion. Ver Hoef et Boveng (2007) comparent ces deux lois et relèvent une différence importante lors de l’estimation par l’algorithme des moindres carrés pondérés. Le poids donné à chaque observation est appréhendé différemment selon le nombre de comptage. Pour la quasipoisson, le poids est directement proportionnel à l’espérance alors que pour la binomiale négative, la relation est concave. C’est-à-dire qu’il y a très peu de poids pour de petites valeurs de l’espérance puis, il y a croissance rapide jusqu’à un plateau où le poids de chaque observation tend vers une valeur stable. Cette différence est fondamentale dans la façon d’approcher les données de comptage.

Afin de mieux visualiser ces aspects, nous testons sur nos données, pour chaque méthode, la relation théorique entre espérance et variance (figure 5.1) et pratique entre valeur observée et poids des observations ← 169 | 170 → dans l’estimation (figure 5.2). Les modèles sur lesquels nous effectuons ces comparaisons ont comme variables indépendantes le sexe, les classes d’âge, le statut matrimonial, le niveau d’éducation et l’offset des personnes-années vécues. Comme nous avons choisi de travailler avec les données agrégées, chaque observation représente en fait un profil (il y a pour cet exemple 416 profils).

Figure 5.1 – Comparaison de la relation entre espérance et variance des observations

images

Figure 5.2 – Comparaison de la relation entre comptage observé et poids des observations dans l’algorithme des moindres carrés pondérés

images

← 170 | 171 →

Des différences importantes apparaissent clairement entre les deux modèles. Lorsque les dénombrements sont élevés, la variance des observations pour la binomiale négative décolle alors que le poids donné à chaque observation reste presque constant. La quasipoisson donne quant à elle une pondération qui dépend beaucoup plus du nombre d’observations (formellement de l’espérance). Ce second point est déterminant et nous permet de choisir sereinement de travailler avec la quasipoisson. En effet, nos données sont des profils artificiellement agrégés si bien que chaque ligne ne correspond pas réellement à une observation. Selon ce design, il est essentiel que les profils qui comprennent davantage d’individus (qui ont donc plus d’exposition et plus de décès attendus) soient davantage pris en compte dans l’estimation sans devoir jouer plus ou moins habilement avec des pondérations. Les prédictions des niveaux de mortalité sont ainsi meilleures avec la quasipoisson que la binomiale négative. Selon Wooldridge (1997), la quasipoisson a encore l’avantage d’être facilement estimable (nos tests sur des binomiales négatives prennent en effet davantage de temps et ne parviennent pas systématiquement à une convergence) et a en outre de bonnes propriétés de robustesse.

La binomiale négative a l’avantage objectif de pouvoir s’appuyer sur des mesures de qualité comme l’AIC et le BIC qu’il n’est pas possible d’avoir pour la quasipoisson car cette dernière n’est pas estimée par maximum de vraisemblance mais par une quasi-vraisemblance. Pour valider la qualité des modèles quasipoisson, des procédures spécifiques sont adéquates car la vraisemblance des quasi-modèles n’est que partielle. Même si les puristes n’apprécieraient guère, il est possible d’estimer un quasi-AIC selon l’alternative proposée par Lebreton et al. (1992) en divisant la vraisemblance par la constante de dispersion :

images

← 171 | 172 →

avec L(θ) la vraisemblance du modèle, ϕ le paramètre de dispersion et K le nombre de paramètres dans le modèle. Comme images est estimé à chaque modèle, Burnham et Anderson (2002, p. 69) proposent d’utiliser l’estimation de la dispersion du modèle complet.

Pour des modèles emboités, le test du rapport de vraisemblance nécessite également une mise à jour afin de tenir compte de la surdispersion (Zuur et al. 2009, p. 227) :

images

avec D1 et D2 la déviance des modèles M1 (modèle complet) et M2 (modèle emboîté), ϕ le paramètre de dispersion et p1 + 1 et p2 + 1 le nombre de paramètres4.

Dans la suite de ce travail, nous serons attentif aux résultats de ces tests parce qu’ils se basent sur la vraisemblance pour comparer la qualité de modèles. Or comme nous travaillons avec des données agrégées, la vraisemblance change selon le niveau d’agrégation : plus l’agrégation est large, plus la vraisemblance est petite et plus les gains de l’ajout de paramètres sont (en général) importants. Avec un fichier comprenant davantage de lignes, nous nous rapprochons des données originelles et nous verrons plus facilement ressortir des paramètres significatifs. Pour nos données, c’est en fait un faux problème car les effectifs sont conséquents et les effets que nous mettons en exergue presque toujours hautement significatifs, quel que soit le niveau d’agrégation. ← 172 | 173 →

5.2  La modélisation de la mortalité

Pour appréhender les différentiels de mortalité et en comprendre les subtilités, nous effectuons des GLM quasipoisson. Dans cette section, nous proposons quelques modèles simples afin de comprendre les effets de la migration au sens large à travers la nationalité, le pays de naissance, la naturalisation et la seconde nationalité (pour les Suisses).

5.2.1  Effets du lieu de naissance et de la nationalité

En premier lieu, nous nous intéressons à l’effet de migration à proprement parler. Dans cette recherche, nous avons osé l’amalgame entre migrants et étrangers. Comme le constatent Hunt et al. (2004), la recherche académique omet fréquemment de formaliser ces effets et considère pêle-mêle les personnes d’origine étrangère. Prendre en compte le parcours migratoire est néanmoins essentiel pour discuter des effets d’intégration et de changement culturel. Certes la citoyenneté et le pays de naissance sont deux attributs qui se rejoignent fréquemment (annexe F.1, page 380). Une nuance importante intervient : si presque tous les étrangers sont des migrants (86 % et 88 % pour les hommes et les femmes entre 25 et 79 ans), la réciproque n’est pas vraie : de nombreux migrants ont en réalité la nationalité suisse (33 % et 48 % respectivement pour les hommes et les femmes entre 25 et 79 ans), dont une grande partie l’a obtenue par acquisition ou en étant binational. Pour les hommes et les femmes de 25 à 79 ans, il y a environ 5 % de migrants qui ne sont ni étrangers, ni naturalisés ni binationaux. Il s’agit de Suisses nés à l’étranger et revenus au pays.

Ces analyses ne portent que sur la population âgée de 25 à 79 ans car la population migrante est peu nombreuse aux jeunes âges et aux âges avancés. Afin d’avoir une population comparable entre tous les modèles, nous avons éliminé les personnes qui n’ont pas déclaré leur lieu de naissance lors du recensement (cela représente environ 1.7 % des individus). Par ailleurs, comme les liens attendus ne sont pas similaires entre femmes et hommes, des modèles séparés selon le sexe avec l’âge comme variable de contrôle ont été calculés. Nous avons considéré l’âge comme une variable catégorielle avec un regroupement par classe quinquennale car, contrairement à une utilisation courante dans la recherche mais à notre ← 173 | 174 → avis excessive, l’âge en variable numérique postule un effet linéaire dans l’échelle logarithmique. La définition d’une croissance exponentielle du vieillissement peut créer des distorsions non souhaitables lors de la prise en compte d’autres variables explicatives. Notons encore qu’avec ces modèles, l’effet de l’âge – non montré dans les résultats car anecdotique – est identique pour tous les groupes.

Une première série de régressions teste le différentiel selon les groupes d’origines entre étrangers et immigrants avec aucune autre variable explicative afin de mesurer l’effet brut des origines. Les résultats sont montrés sous forme de figures (5.3 et 5.4) mais le lecteur persévérant peut également consulter les tableaux plus détaillés en annexe F.2 qui comprennent en outre des mesures de la qualité des modèles.

Les résultats pour la nationalité esquissent des tendances similaires à ce que nous avons calculé au niveau agrégé par l’espérance de vie. Nous constatons, comme précédemment, que tous les groupes, à l’exception de l’Europe de l’Est, ont un risque relatif de mortalité inférieur aux Suissesses et aux Suisses. Certes, les écarts ne sont pas toujours suffisamment marqués chez les femmes pour qu’ils soient tous significatifs.

L’approche selon les pays de naissance donne presque les mêmes coefficients ; à une notable exception près, les différences sont négligeables. La significativité des écarts s’est globalement améliorée par l’étude du pays de naissance par rapport à la nationalité car les effectifs des personnes d’origine étrangère sont légèrement plus importants, en particulier chez les femmes qui ont eu un accès facilité à la naturalisation. Comme nous venons de l’énoncer, il y a en Suisse plus de personnes qui sont nées à l’étranger que d’étrangers. Le différentiel entre les hommes suisses et ceux d’Europe de l’Est a basculé. D’un désavantage tout juste significatif selon la nationalité, l’on passe à un avantage selon le pays de naissance. Cette constatation démontre le caractère absolu de la sous-mortalité des hommes migrants en Suisse. En revanche pour les femmes d’Europe de l’Est, le coefficient s’est réduit mais demeure supérieur à 1 (non significatif). Hormis les vifs flux récents, les migrants d’Europe de l’Est sont en grande partie des réfugiés politiques qui ont fui la répression communiste dans les années 1950 et 1960. Ils sont en Suisse depuis longtemps et sont nombreux à avoir acquis la nationalité de leur pays d’accueil. Chez les hommes, il semble y avoir une distinction parmi ces migrants : ceux qui ne se sont pas naturalisés (qui n’ont qu’une nationalité de l’Europe de l’Est) s’expose à un risque de décès plus élevé. ← 174 | 175 →

Figure 5.3 – Modélisation de la mortalité avec intervalles de confiance à 95% selon la nationalité et le pays de naissance, hommes de 25 à 79 ans, avec l’âge comme variable de contrôle

images

Figure 5.4 – Modélisation de la mortalité avec intervalles de confiance à 95% selon la nationalité et le pays de naissance, femmes de 25 à 79 ans, avec l’âge comme variable de contrôle

images

← 175 | 176 →

La qualité de l’ajustement dans son ensemble apparaît meilleure avec le lieu de naissance pour les hommes mais avec la nationalité pour les femmes. La présence de ces deux dimensions dans un même modèle montre que les effets sont concurrents. Chez les femmes, la variable nationalité exprime la plus grande part des différentiels par rapport aux Suisses, mais il s’agit du pays de naissance pour les hommes.

5.2.2  L’effet médiateur de l’éducation

Les effets concurrents de la nationalité et du pays de naissance méritent l’éclairage du niveau d’éducation. Nous l’avons évoqué dans le premier chapitre, les inégalités de mortalité selon la position socioéconomique sont criantes. Or, en Suisse, les structures des migrants et des étrangers sont sensiblement différentes, les premiers étant en moyenne plus qualifiés que les seconds. Un gradient apparaît en effet selon le statut migratoire (tableaux 5.2 et 5.3) : les migrants sont bien mieux formés que les étrangers, et les naturalisés plus encore. La sélectivité de la naturalisation, déjà observée dans les travaux de Fibbi et al. (2007), explique sans doute ce décalage.

Nous avons réalisé trois nouveaux modèles de quasipoisson sur la mortalité. Le premier compare les étrangers et les migrants aux Suisses nés en Suisse. Un second modèle contrôle pour les différentiels socioéconomiques par l’ajout du niveau d’éducation. Enfin le dernier prend en compte deux dimensions interdépendantes de l’origine étrangère, et qui le sont également avec le pays de naissance : la naturalisation et la double nationalité. Les résultats sont présentés dans deux tableaux (5.4 et 5.5) alors que des représentations graphiques sont disponibles en annexes F.3 et F.4 aux pages 382-383 et proposent une subdivision plus fine des origines à travers les groupes que nous avons définis.

Ces analyses démontrent à nouveau une relation à l’étranger différenciée selon le sexe. Pour les hommes, du premier modèle ressort l’effet concurrent entre la citoyenneté et le lieu de naissance. L’avantage des étrangers disparaît complètement au profit d’un effet des immigrants qui ont un taux de mortalité 1.26 fois inférieur aux natifs5. Dans le second ← 176 | 177 → modèle, avec la prise en compte du niveau d’éducation, les deux variables deviennent complémentaires, faisant diminuer le taux de mortalité de 15 % et 20 % pour les étrangers et les migrants respectivement. Le troisième modèle, qui ajoute les Suisses binationaux et naturalisés, augmente l’avantage des étrangers et réduit celui des migrants. Les Suisses qui ont un lien avec une nationalité étrangère ont un risque de décès inférieur aux Suisses de souche (10 % inférieur pour les naturalisés, 24 % pour les binationaux). L’effet de l’immigration, qui était considérable dans le premier modèle, s’est passablement réduit. Par conséquent un migrant de nationa ← 177 | 178 → lité suisse, qui n’est ni binational ni n’a été naturalisé, n’a qu’une probabilité de décès de 6 % inférieure à un pur Suisse.

Tableau 5.2 – Distribution du niveau d’éducation des hommes (25 à 79 ans) selon l’origine, en pourcentage

images

Note : La catégorie Suisses comprend les individus d’origine suisse qui ne sont dans aucune autre catégorie. Les pourcentages sont calculés sur les personne-années vécues entre 2001 et 2008.

Tableau 5.3 – Distribution du niveau d’éducation des femmes (25 à 79 ans) selon l’origine, en pourcentage

images

Note : La catégorie Suisses comprend les individus d’origine suisse qui ne sont dans aucune autre catégorie. Les pourcentages sont calculés sur les personne-années vécues entre 2001 et 2008.

Tableau 5.4 – Régression de quasipoisson sur la mortalité des hommes (25-79 ans) avec l’âge en contrôle

images

Résultats significatifs au seuil de : *** 0.1%, ** 1%, * 5%, . 10%

La modélisation de la mortalité des femmes montre d’emblée une prépondérance des effets de la nationalité sur ceux de l’immigration. Dans le premier modèle, les étrangères ont un risque de décès 23 % inférieur aux Suissesses. L’avantage passe à près de 30 % avec la prise en compte de l’éducation alors que le gain pour les migrantes est nul. Le troisième modèle fait émerger des avantages de longévité importants pour les binationales (22 %) mais une absence de gain pour les naturalisées. Dans ce modèle, avec les effets concurrents des autres variables, l’immigration a même un impact négatif sur le risque de décès avec un taux de mortalité de 11 % supérieur. ← 178 | 179 →

Tableau 5.5 – Régression de quasipoisson sur la mortalité des femmes (25-79 ans) avec l’âge en contrôle

images

Résultats significatifs au seuil de : *** 0.1%, ** 1%, * 5%, . 10%

Dans les annexes F.5 et F.6 (pages 384-385), une modélisation similaire est proposée mais avec une rocade dans l’ordonnancement des variables explicatives. Le modèle 2, au lieu de contrôler pour l’éducation, ajoute la naturalisation et la seconde nationalité. Les résultats offrent des perspectives similaires au modèle 3 mais montrent surtout que l’avantage des immigrants, indépendamment du niveau d’éducation, doit davantage à des variables de nationalité (naturalisation ou seconde nationalité) qu’au fait d’avoir migré. Les résultats au niveau des groupes d’origine (annexes F.3 et F.4) vont aussi dans ce sens mais font ressortir les spécificités régionales que nous avons déjà pu observer précédemment.

La mise en perspective de ces différents résultats permet de conclure que l’immigration en tant que telle n’est pas l’effet dominant de l’avantage de mortalité des migrants – cet avantage mériterait par ailleurs d’être ← 179 | 180 → renommé car il concerne les personnes qui ont une origine étrangère ou un lien avec la migration et qui n’ont pas nécessairement émigré. Il y a, semble-t-il, une dimension « culturelle » qui favorise les personnes d’origine étrangère. Mais le terme culturel doit être compris au sens large puisqu’il ne s’agit pas réellement d’une culture étrangère particulière mais d’une culture de la migration qui concerne toutes les origines.

Au final, seules les femmes naturalisées n’ont pas le bénéfice de l’origine étrangère. La moitié d’entre elles sont certes binationales et bénéficient, à ce titre, d’une protection. Pecoraro (2012a) évoque des attaches à l’origine différenciées selon les sexes et il est possible que les femmes naturalisées qui n’ont pas pu ou voulu garder leur nationalité d’origine aient perdu le lien à la migration.

5.3  À l’intersection des parcours migratoires et des positions sociales

Nous l’avons vu tout au long de cette étude, en particulier dans le chapitre 3, les étrangers résidant en Suisse sont très hétérogènes. Ces différences s’expriment par des structures démographiques, des caractéristiques socioéconomiques mais aussi des attaches, une relation avec le pays d’accueil, diverses : des attributs qui vont au-delà de la nationalité ou du pays de naissance. Pour Viruell-Fuentes (2007), les approches culturelles de la mortalité des migrants ont tendance à figer et homogénéiser la diversité qui existe chez les populations étrangères. Cela empêche de saisir la complexité des liens qui lient l’intégration sociale et économique des migrants aux dimensions politiques, historiques et contextuelles. Cette hétérogénéité nécessite de repenser les facteurs sociaux de la mortalité des migrants. Par des interactions, nous déterminons quelles sont les intersections entre les différentes dimensions constitutives de la structure sociale. Nous serons de cette façon capable de saisir les positions sociales simultanément et non de façon indépendante. Dans cette section nous chercherons, au niveau individuel, les logiques qui gouvernent la mortalité en distinguant les dynamiques propres à chaque profil. ← 180 | 181 →

Singh et Siahpush (2002) relèvent que les facteurs sociaux classiques contribuent que faiblement aux inégalités entre les « ethnies » peuplant les Etat-Unis. L’objectif est ici de voir si l’on peut expliquer le paradoxe des migrants en appréhendant différemment les facteurs individuels et sociaux. Par des interactions, nous serons en mesure de déterminer une conjonction de facteurs qui mène à de la vulnérabilité. A l’opposé, nous verrons aussi quelles sont les configurations qui supportent la longévité. Nous utilisons tout d’abord des arbres de classification afin de détecter les interactions les plus pertinentes, que nous ajoutons ensuite dans les modèles.

Cette approche permet de répondre à plusieurs interrogations. Nous verrons plus précisément si l’avantage des migrants est explicable par des effets de composition, c’est-à-dire si les étrangers en Suisse se trouvent sur-représentés dans des conjonctions de facteurs sociaux protecteurs. Nous mettrons aussi en exergue les situations où l’avantage des migrants s’exprime le mieux. Nous pourrons mettre le doigt sur les profils parmi lesquels les personnes de nationalité étrangère ont une plus grande survie que les Suisses. Nous saurons enfin quels sont les facteurs (socioéconomique, sélection, intégration, contexte) qui expriment le mieux l’avantage des migrants. Une des clés du paradoxe est en effet la position socioéconomique. Les migrants ont une mortalité moindre malgré leur position tendanciellement basse dans la stratification. Nous nous demandons si le gradient social est identique parmi les migrants, et plus largement, si les facteurs individuels sont les mêmes pour tous, c’est-à-dire s’ils sont liés de la même façon aux déterminants proches.

5.3.1  Des arbres de classification

Les méthodes d’arbre de classification ont d’abord été développées en statistique mais ont connu, pendant un temps, d’importants développements en informatique, en fouille de données plus précisément (Ritschard 2013). Leur but consiste à classer une population afin d’avoir des groupes les plus homogènes possibles selon une variable dépendante déterminée. Les arbres sont construits par éclatement successifs de la population selon les caractères qui la discriminent le plus au regard d’une variable réponse.

Dans notre cas, nous allons successivement scinder la population selon les critères qui déterminent la mortalité. Il s’agit d’une démarche itérative. ← 181 | 182 → Dans un premier temps, l’algorithme teste l’ensemble des prédicteurs à la recherche de la variable la plus discriminante, par exemple le sexe. Puis parmi les hommes, le test est effectué à nouveau à la recherche du meilleur prédicteur parmi les variables restantes, de même chez les femmes, et ainsi de suite pour tous les nœuds jusqu’à ce qu’il n’y ait plus de prédicteur significatif. Si le but premier est de classer la population, les arbres permettent également d’identifier des structures dans les données, notamment des interactions. Une variable déterminante pour un groupe de la population peut n’avoir aucun effet sur un autre groupe. Cette méthodologie se distingue de la régression standard puisqu’elle fait émerger des effets propres et ne propose pas un effet moyen. Il se dégage ainsi une conjonction de facteurs qui mènent à de la vulnérabilité ou au contraire qui protègent face à la mort. Pour les populations migrantes, dont les recherches antérieures ne sont pas parvenues à expliciter clairement le lien entre longévité et facteurs sociaux de la mortalité, les arbres permettent de faire émerger des structures instructives.

Méthode

Les méthodes d’arbre de classification et de régression (CART) ont connu un essor important depuis les travaux de Breiman et al. (1984). Le principe consiste à prédire n observations d’une variable réponse Yi(i = 1,…,n) à partir de p prédicteurs Xik(k = 1,…,p). On estime itérativement des éclatements binaires d’abord de Y, puis à chaque nœud sur les observations concernées, d’après une partition de Xk qui maximise, selon une fonction de classification, les différences entre les deux nouveaux sous-ensembles. L’opération est réitérée jusqu’à un critère d’arrêt et fait émerger un arbre dont chaque branche divise la population Y.

Si le principe des arbres demeure simple, les évolutions concernent d’une part des extensions à tous types de données, et d’autre part les critères d’arrêt et de sélection des variables. L’approche non paramétrique pour les données catégorielles consiste, pour chaque nœud, en la maximisation l’association du Khi-2 de Pearson (Kass 1980). Pour les données de taux ou de comptage, il existe une variante paramétrique, plus adéquate pour nos données où les effectifs de décès sont peu nombreux et l’exposition variable d’un individu à l’autre, se basant sur la déviance entre des groupes issus d’une loi de Poisson comme critère de partition (Therneau et Atkinson 1997). ← 182 | 183 →

Cette méthode a dans un premier temps retenu notre attention. Comme nous supposons des effets différents selon l’âge des individus, nous avons réalisé des arbres pour trois groupes de la population (25-44 ans, 45-64 ans, 65-79 ans) en posant l’hypothèse que la distribution des âges est relativement similaire quelle que soit la partition de Y. L’âge est en effet l’un des prédicteurs les plus importants de la mortalité, si ce n’est le premier, et nous ne souhaitons pas voir des arbres qui auraient autant d’éclatements initiaux que de catégories d’âge. Or, nos tests préliminaires ont été biaisés par cette hypothèse. En effet, la structure de la population selon les covariables est, dans certains cas, fortement liée avec l’âge. Cela a pour effet de proposer des partitions selon des variables qui n’ont pas d’impact sur la mortalité mais qui ont des compositions d’individus différenciées selon l’âge, certaines étant plus âgées que d’autres.

Afin d’éviter ces problèmes, nous nous baserons, in fine, sur un autre cadre méthodologique, le model-based recursive partitioning (MOB) (Zeileis et al. 2008). Ces arbres s’appuient à la fois sur des modèles paramétriques dont ceux estimés par maximum de vraisemblance, mais aussi sur des procédures d’inférence conditionnelle, qui ont de surcroît et contrairement au CART, l’avantage de ne pas donner trop de poids aux variables qui ont de nombreuses catégories (Hothorn et al. 2006). Dans le MOB, on différencie les variables de modélisation Xik(k = 1,…,p) des variables de partition Zij(k = 1,…,l). Les premières vont être estimées pour chaque nœud dans le modèle, les secondes vont déterminer les éclatements successifs. A chaque nœud, l’algorithme se déroule en suivant ces quatre étapes :

1.  Estimation d’un modèle sur les variables de modélisation Xk et parmi les observations concernées.

2.  Evaluation de l’instabilité, selon un M-fluctuation test (Zeileis et Hornik 2007), parmi les variables de partition Zj. En cas d’instabilité, sélection de la variable la plus instable, sinon arrêt du processus.

3.  Calcul de l’optimum de la variable de partition pour scinder le nœud. Pour les variables catégorielles, test de toutes les partitions possibles pour un éclatement binaire.

4.  Division du nœud en deux nœuds fils et répétition de la procédure.

Le modèle sélectionné ici pour nos données de comptage est le même que précédemment, un GLM quasipoisson. Nous avons retenu douze variables ← 183 | 184 → de partition issues des recensements et uniquement l’âge en classe quinquennale comme variable de modélisation. Cette approche a pour ambition d’explorer les relations entre des dimensions démographique et familiale (âge, sexe, statut matrimonial, vivre avec un partenaire), socioéconomique (niveau d’éducation atteint, statut sur le marché de l’emploi, catégorie socio-professionnelle, profession apprise et niveau de formation du partenaire), de migration et d’intégration (nationalité, pays de naissance, naturalisation, seconde nationalité, nationalité du partenaire, langue parlée à la maison, année de l’immigration et âge à la migration) et de contexte (région linguistique, urbain-rural). Le tableau 5.6 (pages 198-199) récapitule les variables de partition6 et donne aussi le code numérique correspondant à chaque catégorie 7.

Nous avons réalisé trois arbres selon la méthodologie décrite ci-dessus mais une version complémentaire est également proposée par Zufferey (2016). Le premier concerne les jeunes actifs (25-44 ans), le second les actifs dans la force de l’âge (45-64 ans) et le troisième une partie des aînés (65-79 ans). Nous avons fait ces séparations car nous supposons que les variables explicatives ont des relations différenciées selon les âges de la vie. L’âge a en outre été introduit comme variable de modélisation afin d’avoir à chaque nœud, le meilleur partitionnement possible indépendamment du vieillissement. Le M-fluctuation test sur l’instabilité est réalisé sur la constante uniquement (la catégorie de référence pour la variable âge) car nous nous intéressons à la variabilité autour d’un niveau de mortalité contrôlé pour l’âge et non pas à des effets de pente (des variations de ← 184 | 185 → la mortalité selon les différents âges). Comme nous quittons le cadre hypothético-déductif, les tests d’instabilité ont des p-valeur ajustées selon une correction de Bonferroni. Cette correction prend en compte la multitude de tests que nous effectuons et donc, la probabilité, d’obtenir, par hasard, une association significative.

Les arbres retenus ont passablement de profondeur puisqu’une multitude de facteurs concoure à l’allongement/raccourcissement de la vie. Nous avons parfois retenu pour le test d’instabilité des niveaux de signification très sélectifs afin de pouvoir tailler quelque peu ces arbres. Dans les représentations graphiques, nous avons coloré les nœuds selon le taux de mortalité estimé par le modèle sur une population ayant une structure par âge standardisée (le standard est la population au nœud initial) : plus la teinte est rouge foncée, plus le risque de mortalité est élevé par rapport à la population initiale ; plus le bleu est foncé, plus le risque est bas. En outre, à chaque nœud, le lecteur trouvera le taux de mortalité estimé ainsi que la variable d’éclatement retenue. Dans les branches, des codes numériques indiquent les regroupements binaires des catégories de la variable de partition concernée (se référer au tableau 5.6 pour la signification des catégories). Enfin, dans les feuilles terminales, avec le taux de mortalité estimé, apparaît une indication des effectifs concernés avec le pourcentage de personne-années vécues par les étrangers et les Suisses de la feuille. Cette distinction permet de déterminer si l’avantage des migrants provient d’effets de composition, c’est-à-dire si les étrangers ne seraient pas simplement sur-représentés dans les feuilles où les risques sont moindres.

Nous présentons tout d’abord les trois arbres accompagnés d’une description des principales caractéristiques émergentes et d’une représentation graphique. Dans un second temps, nous revenons sur les principales conclusions à tirer de ces trois analyses. Les descriptions étant un peu lourdes à la lecture, le lecteur peut choisir de les passer, privilégier la représentation graphique ou alors de poursuivre directement par la discussion (page 199) où les éléments principaux seront relevés.

Arbre de classification des 25-44 ans

Un premier arbre a donc été réalisé sur la population âgée entre 25 et 44 ans (figure 5.5 pages 192-193). Le test d’instabilité a été effectué avec une p-valeur de 0.01 et une correction de Bonferroni. Les éléments principaux ← 185 | 186 →émanant de cette analyse sont résumés ci-après. Le taux de mortalité standardisé, images, vaut pour toute cette population 0.8 ‰.

La population (images = 0.8 ‰)

  Le premier éclatement distingue les rentiers (images = 6.7 ‰) de tous les autres individus. Les rentiers ne sont pas des retraités puisque nous n’avons que des jeunes, mais des individus au bénéfice d’une rente, essentiellement des invalides.

  Pour la partie de droite de l’arbre, le critère le plus important est le sexe.

Les femmes (images = 0.5 ‰)

  Le premier éclatement différencie les femmes sans partenaire (images = 0.7 ‰) de celles qui vivent avec un conjoint dans le même ménage (images = 0.4 ‰).

  Chacun de ces deux nœuds est ensuite scindé selon le statut sur le marché de l’emploi : les actives (temps partiel et temps plein) et les femmes en formation d’une part, et les inactives d’autre part (au foyer, sans emploi, autre).

  La caractéristique qui discrimine le plus les inactives, tant pour celles qui vivent avec un partenaire que les autres, est d’être mariée. Ainsi pour les femmes qui sont en dehors du marché du travail, avoir un conjoint sans être passé devant le maire ne suffit pas (images = 1.5 ‰), il faut en plus être mariée pour bénéficier d’une véritable protection face à la mort (images = 0.5 ‰). Ce phénomène s’observe aussi à l’opposé, les femmes inactives et mariées qui n’ont pas de partenaire sont en partie, et en partie seulement, protégée par les bienfaits du mariage (images = 1.0 ‰) alors que celles qui n’ont ni conjoint ni partenaire sont particulièrement vulnérables (images = 2.0 ‰).

  Pour les femmes qui n’ont pas de partenaire et qui sont actives, on trouve un éclatement selon le statut socio-professionnel. Les dirigeantes, les cadres et les employées ont une mortalité moindre (images = 0.5 ‰). Parmi les autres, il y a une partition entre les Suissesses de naissance d’une part (images = 0.8 ‰), et d’autre part les Suissesses naturalisées et les étrangères (images = 0.5 ‰).

  Concernant les femmes actives, celles qui vivent avec un partenaire ont un risque de mortalité parmi les plus faibles. Les étrangères avec un partenaire étranger de la même origine disposent d’un risque légèrement inférieur (images = 0.3 ‰) aux autres (images = 0.5 ‰). ← 186 | 187 →

  Pour les femmes qui vivent avec un conjoint, hormis la participation au marché de l’emploi, aucun caractère socioéconomique ne ressort. Or, pour celles qui sont actives, le niveau d’éducation du partenaire est discriminant : un conjoint d’éducation obligatoire ou inconnue engendre un taux standardisé de 0.6 ‰ contre un taux un taux de 0.4 ‰ pour le secondaire II ou le tertiaire.

  L’environnement apparaît aussi dans cette classification, puisqu’à deux reprises, la survie est plus forte en milieu péri-urbain et rural qu’en ville (urbain ou ville isolée).

Les hommes (images = 1.0 ‰)

  Le premier éclatement concerne le statut sur le marché de l’emploi avec les actifs (temps partiel et temps plein) et les personnes en formation d’une part (images = 0.9 ‰). et d’autre part, les inactifs (au foyer, sans emploi, autre) avec un risque de décès largement supérieur (images = 2.9 ‰) !

  Parmi les hommes inactifs, la variable la plus discriminante est le lieu de naissance. Il y a d’un côté les personnes nées en Suisse (images = 3.6 ‰) qui se distinguent ensuite selon le niveau d’éducation. Et, moins vulnérable, il y a les personnes nées à l’étranger et celles de lieu de naissance inconnu (images = 1.6 ‰). Ces dernières sont encore discriminées selon la durée de séjour en Suisse avec les étrangers arrivés entre 1990 et 2000 (images = 0.8 ‰) et les autres (images = 2.3 ‰).

  Pour les hommes actifs, il y a une première séparation selon le partenaire.

  Les hommes qui vivent avec une conjointe (images = 0.7 ‰) sont scindés selon le niveau d’éducation : une éducation tertiaire (images = 0.6 ‰) versus les autres (images = 0.8 ‰). Parmi les seconds, la nationalité compte. Les Suisses (images = 0.9 ‰) s’en sortent moins bien que les étrangers (images = 0.6 ‰).

  Concernant les hommes actifs vivant seuls (images = 1.2 ‰), on distingue d’abord la catégorie socioprofessionnelle : les employés non qualifiés et ceux qui n’ont pu être classés dans une catégorie de la classification ont un taux de mortalité plus élevé (images = 1.6 ‰) que les autres (images = 1.1 ‰).

  Ces travailleurs peu qualifiés sont ensuite classifiés selon la naturalisation. Il y a les Suisses de naissance (images = 1.8 ‰) qui sont encore différenciés selon le niveau d’éducation, et, avec un taux inférieur, les étrangers et les Suisses naturalisés (images = 1.0 ‰). Ces derniers ← 187 | 188 → connaissent une gradation selon l’année d’arrivée : ceux arrivés dans les années 1990-2000 (images = 0.7 ‰) contre ceux présents en Suisse depuis plus longtemps (images = 1.2 ‰).

  Parmi les autres travailleurs, le critère le plus relevant est la nationalité : les étrangers s’en sortent bien (images = 0.6 ‰) en comparaison des Suisses (images = 1.1 ‰) qui sont encore distingués selon une éducation tertiaire ou inférieure.

Arbre de classification des 45-64 ans

Un second arbre a été réalisé sur la population âgée entre 45 et 64 ans (figure 5.6 pages 194-195). Le test d’instabilité a été effectué avec une p-valeur de 0.0001 et une correction de Bonferroni. Le haut degré de significativité retenu s’explique davantage par la nécessité de tailler l’arbre que par la volonté d’avoir exclusivement des associations hautement significatives. En effet, cette tranche d’âge comprend des effectifs importants si bien que davantage de relations émergent : l’arbre pousse et devient délicat à interpréter car trop complexe. Il est de plus très gourmand en temps de calcul et en espace disque. Les éléments principaux émanant de cette analyse sont résumés ci-après. Le taux de mortalité standardisé, images , vaut pour toute cette population 4.2 ‰.

La population (images = 4.3 ‰)

  Le premier éclatement distingue à nouveau les rentiers (images = 15.8 ‰) de tous les autres individus. Parmi les rentiers, le lieu de naissance semble jouer un rôle important. Les individus des régions Europe du Sud (migration traditionnelle et récente), des pays de l’OCDE, d’Afrique et d’Asie ont une mortalité inférieure (images = 7.2 ‰) aux individus nés en Suisse, en Europe occidentale et du Nord, en Europe de l’Est, en Amérique du Sud et à ceux qui n’ont pas donné de lieu de naissance dans le recensement (images = 18.6 ‰). Le sexe intervient ensuite pour chacun des sous-ensembles, les femmes ayant une mortalité environ 50 % inférieure aux hommes.

  Pour la partie de droite de l’arbre, le critère le plus important est le sexe.

Les femmes (images = 2.9 ‰)

  Les femmes sont d’abord discriminées selon le statut sur le marché de l’emploi. Travailler à plein temps ou à mi-temps (images = 2.5 ‰) diminue ← 188 | 189 → le risque de mortalité par rapport aux inactives ou aux femmes en formation (images = 3.7 ‰).

  En deuxième lieu, le mariage à un effet protecteur tant pour les inactives que pour les actives. On retrouve cependant une accumulation de facteur à risque aggravant : être inactive et non mariée augmente fortement la mortalité (images = 7.1 ‰) par rapport aux femmes mariées (images = 3.2 ‰). Chez les femmes insérées sur le marché de l’emploi, l’effet de ne pas être marié est moindre (images = 3.2 ‰ contre images = 2.1 ‰).

  Les femmes inactives et mariées sont scindées selon le niveau d’éducation du partenaire. Avoir un partenaire dans une position socioéconomique élevée, éducation tertiaire, protègent les femmes inactives (images = 2.7 ‰) par rapport aux autres configurations (images = 3.4 ‰). Pour ces autres configuration, les étrangères ont une plus longue longévité (images = 2.4 ‰) que les Suissesses (images = 2.7 ‰).

Les hommes (images = 5.0 ‰)

  Les hommes sont fortement discriminés selon l’activité : les inactifs (images = 11.5 ‰) ont une mortalité bien supérieure aux actifs quelle que soit leur catégorie socio-professionnelle (images = 4.6 ‰).

  Comme les femmes, après l’activité c’est le mariage qui est le paramètre le plus révélateur. Les personnes mariées ont un taux de mortalité un peu moins de deux fois inférieur aux non mariés.

  Parmi hommes inactifs et non mariés (images = 16.4 ‰), on distingue les Suisses naturalisés et les étrangers (images = 10.4 ‰) des Suisses de naissance (images = 18.0 ‰).

  Parmi les hommes inactifs mais mariés (images = 8.5 ‰), c’est à nouveau la naturalisation qui joue un rôle déterminant. Les Suisses (images = 10.9 ‰) se différencient des naturalisés et des étrangers (images = 6.0 ‰).

  Chez les hommes actifs et non mariés (images = 7.0 ‰), la catégorie socioprofessionnelle différencie les outcomes de mortalité. Les employés non qualifiés et la catégorie autre (images = 9.4 ‰) s’en sortent bien moins que les autres catégories de la classification (images = 5.9 ‰). Mais parmi les premiers, il y a un effet de la migration : les naturalisés et les étrangers ne ressentent ainsi pas l’impact de la catégorie socioprofessionnelle (images = 6.0 ‰), contrairement aux Suisses de naissance (images = 10.3 ‰). Parmi les seconds, on trouve une stratification sociale avec le niveau d’éducation tertiaire (images = 4.6 ‰) contre les niveaux inférieurs (images = 6.7 ‰). ← 189 | 190 →

  Chez les hommes actifs et mariés (images = 4.0 ‰), une autre dynamique apparaît. Une première scission apparaît avec les dirigeants-professions libérales et les cadres avec une mortalité inférieure (images = 2.8 ‰) aux autres (images = 4.2 ‰). Parmi les seconds, les personnes d’éducation tertiaire (et inconnue) ont un risque de décès moindre (images = 3.5 ‰) que ceux qui ont suivi au maximum une éducation obligatoire ou secondaire II (images = 4.5 ‰). Et parmi ces derniers, on distingue les naturalisés et les étrangers (images = 3.7 ‰) des Suisses (images = 4.8 ‰).

  Le niveau d’éducation du partenaire joue également un rôle important dans des nœuds terminaux pour les hommes actifs et mariés.

Arbre de classification des 65-79 ans

Un dernier arbre de classification a été réalisé sur les personnes âgées entre 65 et 79 ans (figure 5.7 pages 196-197). La plupart des variables socioéconomiques (statut sur le marché de l’emploi, catégories socioprofessionnelle, profession occupée) n’ont pas été inclues dans l’arbre car il s’agit de personnes en âge de la retraite8. Il demeure néanmoins possible de mesurer la catégorie sociale par les variables d’éducation et de profession apprise. Le test d’instabilité a été effectué avec une p-valeur de 0.05 et une correction de Bonferroni. Les structures essentielles sont brièvement exposées ci-dessous. Le taux de mortalité standardisé, images , vaut pour toute cette population 20.9h. Le premier éclatement de l’arbre sépare la population âgée selon le sexe.

Les femmes (images = 15.3 ‰)

  Les femmes sont scindées en deux groupes, celles qui vivent avec un partenaire dans le même ménage (images = 12.5 ‰) des autres (images = 18.9 ‰).

  Les femmes qui partagent leur ménage avec un conjoint sont d’abord différenciées selon le niveau d’éducation de ce dernier. Un partenaire d’éducation tertiaire (images = 10.5 ‰) diminue la probabilité de décès (images = 13.1 ‰ pour les autres). C’est ensuite, pour les secondes, le niveau d’éducation d’ego qui intervient avec une dichotomie peu marquée ← 190 | 191 → entre obligatoire et inconnu (images = 13.8 ‰)contre secondaire II et tertiaire (images = 12.2 ‰).

  Les femmes qui n’ont pas de partenaire se trouvent, en deux étapes, aussi scindées selon le niveau d’éducation : obligatoire et inconnu (images = 20.7 ‰), secondaire II (images = 17.6 ‰) et tertiaire (images = 14.9 ‰).

  Les femmes sans partenaire d’éducation obligatoire (et inconnue) sont, de façon surprenante, différenciées selon le statut matrimonial. Les célibataires (images = 24.9 ‰) ont une mortalité supérieure aux femmes qui ont été mariées quel que soit leur statut au moment du recensement : mariée, veuve ou divorcée (images = 20.0 ‰). Ces dernières peuvent encore être séparée de façon significative en deux groupes, les étrangères (images = 15.8 ‰) et les Suissesses (images = 20.4 ‰).

Les hommes (images = 28.3 ‰)

  Les hommes sont également scindés selon le partenaire, vivre avec une conjointe réduit fortement le risque de mortalité (images = 25.4 ‰ contre images = 40.6 ‰). Dans les deux cas, le facteur le plus discriminant est ensuite l’éducation.

  Pour les hommes qui partagent leur ménage avec une partenaire, que se soit pour les personnes d’éducation tertiaire (images = 20.3 ‰) ou les autres (images = 27.3 ‰), le niveau d’éducation de leur conjointe est la variable la plus discriminante.

  Par la suite, les hommes d’éducation obligatoire ou secondaire II et qui ont une partenaire d’éducation obligatoire sont séparés par la nationalité de leur conjointe : avoir une partenaire étrangère diminue fortement le risque de décès (images = 18.6 ‰) par rapport à une partenaire suissesse (images = 30.6 ‰).

  Concernant les hommes qui n’ont pas de partenaire, on retrouve un fort gradient social à travers l’éducation : entre le tertiaire (images = 27.5 ‰), le secondaire II (images = 40.7 ‰) et l’obligatoire (images = 50.7 ‰).

  Toujours, chez les hommes qui n’ont pas de partenaire, les dimensions les plus discriminantes sont soit la migration (les personnes nées à l’étranger ont un risque plus bas que celles nées en Suisse) et le statut matrimonial (les mariés, et même dans un cas les veufs, ont une mortalité plus basse que les célibataires et les divorcés). ← 191 | 192 →

Figure 5.5 – Arbre de classification des jeunes actifs 25-44 ans

images

← 192 | 193 → ← 193 | 194 →

Figure 5.6 – Arbre de classification des actifs 45-64 ans

images

← 194 | 195 → ← 195 | 196 →

Figure 5.7 – Arbre de classification des 65-79 ans

images

← 196 | 197 → ← 197 | 198 →

Tableau 5.6 – Variables de partition inclues dans les arbres de classification


 Démographique
Sexe2 catégories (1 = homme, 2 = femme)
Statut matrimonial4 catégories (1 = célibataire, 2 = marié, 3 = veuf, 4 = divorcé)
Vivre avec un partenaire2 catégories (1 = non, 2 = oui)
 Socioéconomique
Plus haut niveau d’éducation4 catégories (1 = obligatoire, 2 = secondaire II, 3 = tertiaire, 4 = inconnu)
Statut sur le marché de l’emploi7 catégories (1 = plein temps, 2 = temps partiel, 3 = apprentis ou formation, 4 = sans emploi, 5 = au foyer, 6 = retraite ou pension, 7 = autre non actif)
Catégorie socio-professionnelle7 catégories (1 = dirigeants et professions libérales, 2 = autres indépendants, 3 = cadres, 4 = employés et ouvriers qualifiés, 5 = travailleurs non qualifiés, 6 = autre, 7 = inactifs et sans emploi.
Profession apprise9 catégories (1 = fonctionnaire et administration, 2 = agriculture, 3 = autre, 4 = auxiliaire médical, 5 = commerce et banque, 6 = construction, 7 = médecin, 8 = nettoyage et entretien, 9 = restauration et hôtellerie)
Niveau d’éducation du partenaire5 catégories (1 = obligatoire, 2 = secondaire II, 3 = tertiaire, 4 = inconnu, 5 = pas de partenaire)
 Migration
Nationalité9 catégories (0 = Suisse, 1 = Europe du Sud (traditionnel), 2 = Europe du Sud (récent), 3 = Europe occidentale et du Nord, 4 = Europe de l’Est, 5 = Pays de l’OCDE, 6 = Amérique latine, 7 = Afrique et Proche Orient, 8 = Asie)
Pays de naissance10 catégories (0 = Suisse, 1 = Europe du Sud (traditionnel), 2 = Europe du Sud (récent), 3 = Europe occidentale et du Nord, 4 = Europe de l’Est, 5 = Pays de l’OCDE, 6 = Amérique latine, 7 = Afrique et Proche Orient, 8 = Asie, 9 = inconnu)
Nationalité du partenaire4 catégories (1 = pas de partenaire, 2 = Suisse, 3 = autre nationalité, 4 = même nationalité (seulement pour les étrangers))
Langue parlée à la maison4 catégories (1 = langue extra-régionale uniquement, 2 = langue régionale et extra-régionale, 3 = pas de réponse, 4 = langue régionale) ← 198 | 199 →
Année d’arrivée6 catégories (1 = [1995 ; 2000], 2 = [1990 ; 1994], 3 = [1973, 1989], 4 = avant 1973, 5 = né en Suisse, 6 = nationalité suisse)
Âge à la migration7 catégories (1 = né en Suisse, 2 = avant 12 ans, 3 = 12-17 ans, 4 = 18-44 ans, 5 = 45-59 ans, 6 = 60 ans et plus, 7 = nationalité suisse)
Naturalisation3 catégories (1 = Suisse de naissance, 2 = naturalisé, 3 = étranger)
Deuxième nationalité10 catégories (0 = Suisse uniquement, 8 groupes de régions, 9 = nationalité étrangère (il n’y a pas de seconde nationalité pour les étrangers))
 Contexte
Région3 catégories (1 = Suisse alémanique, 2 = Suisse romande, 3 = Suisse italienne)
Urbain4 catégories (1 = urbain, 2 = péri-urbain, 3 = ville isolée, 4 = campagne)

5.3.2  Discussion des arbres

Ces arbres apportent un nouveau regard sur les liens entre les facteurs sociaux de la mortalité. Il est cependant difficile d’avoir une véritable vision d’ensemble puisqu’on retrouve des effets parfois très spécifiques à certaines sous-populations où chaque interaction de facteurs a un impact différent. Néanmoins, certains éléments apportent du grain à moudre à l’analyse des différentiels de mortalité.

En préambule, il convient de rappeler que les arbres proposent des distributions conditionnelles et que la succession des nœuds dépend toujours des éclatements antérieurs. Les résultats peuvent par conséquent passablement varier selon la sélection de la variable la plus discriminante. Les écarts entre deux variables de partition sont parfois minimes et toute la construction de l’arbre peut en être modifiée. C’est une limite importante de cette approche, et c’est pourquoi le chercheur ne doit pas surinterpréter les schèmes mis en évidence. Nous avons cependant expérimenté plusieurs méthodes avant de parvenir aux résultats proposés et également reproduit des arbres avec des sous-échantillons de la population. Si des différences sont perceptibles, la logique d’ensemble reste simi ← 199 | 200 → laire. En outre, après avoir fait pousser ces arbres, nous les validerons, dans un second temps, par des modèles de régression.

Concernant la qualité des arbres, la question fondamentale pour notre approche est de déterminer si cette méthode parvient à cerner les différentiels de mortalité des migrants et, en particulier, à expliquer l’avantage qu’ils ont par rapport aux Suisses. Pour en avoir une estimation, nous calculons des prédictions par rapport à notre population initiale. Elles sont bonnes, les taux de mortalité observés des Confédérés et des étrangers sont plutôt bien prédits par les arbres. La bonne qualité d’estimation pour les étrangers provient du fait qu’une variable de partition d’origine (nationalité ou pays de naissance) intervient et sépare dans deux branches distinctes la population. Ce type de séparations qui s’observent à plusieurs reprises dans nos arbres ne permet pas d’expliquer les raisons sous-jacentes de l’avantage des étrangers mais d’identifier dans quelles conditions, ou sous quelles conjonctions de facteurs, les migrants vivent plus longtemps que les locaux. Nous avons évoqué la bonne qualité, mais le risque de décès des étrangers demeure tout de même systématiquement surévalué. L’avantage observé pour les migrants n’est donc pas totalement pris en compte par les modèles. Cela signifie que la sous-mortalité se trouve encore dans des nœuds qui n’ont pas été explicités. Au niveau des groupes de nationalités, la qualité de l’ajustement (disponible dans les annexes F.7 et F.8 pages 386-387) est variable mais il n’y a pas de tendance d’erreur claire.

Reste à savoir si l’avantage des migrants s’explique par de la composition, c’est-à-dire si les étrangers sont sur-représentés dans des interactions de facteurs qui semblent favorables et/ou inversement sous-représentés dans des interactions de facteurs à risque. Nous avons à dessein, dans les représentations graphiques des arbres, ajouté les pourcentages de personnes-années vécues par les Suisses et par les étrangers. Nous voyons effectivement émerger des cas où les étrangers sont sous-représentés dans des profils à risque comme l’interaction chez les femmes de 45-64 ans entre l’inactivité et le célibat (ce profil correspond à 1.6 % de étrangers et à 2.3 % des Suisses) et sur-représentés dans des profils favorables comme l’interaction chez les hommes de 25-44 ans entre l’activité sur le marché de l’emploi et avoir une partenaire (ce profil correspond à 20.0 % de la population suisse et 28.1 % de la population étrangère). Mais sur l’ensemble, il est difficile d’avoir une réponse car les effets sont tellement nombreux. Une partie de l’avantage des migrants est spécifiquement ← 200 | 201 → captée par les variables de migration qui distinguent les étrangers des Suisses. Si les effets de composition sont importants, les variables de nationalité ne devraient pas l’être. Nous avons donc réévalué nos prédictions en éliminant les effets des variables de nationalité : la qualité des prédictions pour les étrangers chute, on ne parvient plus à saisir l’avantage des migrants9. La réponse aux effets de composition est donc clairement négative. Il n’y a ainsi pas de conjonction de facteurs qui fait que, toutes choses égales, les étrangers vivent plus longtemps que les Suisses. Ainsi l’avantage des migrants que nous avons pu prendre en compte par les arbres provient des partitions qui scindent les Suisses et des étrangers. C’est ce que nous allons d’expliciter dans les lignes qui viennent en reprenant également les structures essentielles des arbres de classification que nous avons réalisés.

L’état de santé des populations peut être analysé à travers le spectre des facteurs individuels et sociaux dont certains, en lien avec les déterminants proches, ont un effet positif et d’autres un effet négatif sur la survie des populations. Chaque individu rassemble ainsi des avantages et des désavantages qui peuvent simplement s’accumuler, exacerber des risques et des facteurs protecteurs ou alors compenser des pénalités par des bénéfices. C’est sous l’angle du cumul de facteurs protecteurs et de la compensation, dans une approche qui veut proche des parcours de vie et de l’accumulation des avantages (Dannefer 1987, 1988), que nous discuterons les effets mis en évidence par les arbres.

La caractéristique la plus discriminante, parmi la population en âge d’activité, n’est pas le sexe, comme on aurait pu s’y attendre, mais le fait d’être rentier, soit pour la grande majorité, percevoir une rente invalidité. Il s’agit d’individus particulièrement vulnérables : leur taux de mortalité standardisé est plus de 8 fois supérieur à celui de toute la population pour les 25-44 ans, et 4 fois pour les 45-64 ans ! L’effet est ainsi très fort chez les jeunes en âge d’activité où toute grave incapacité physique ou psychique est extrêmement discriminante envers la survie.

Pour le reste de la population en âge d’activité, nous sommes face à des dynamiques différentes selon le genre. Cela rejoint des constatations anté ← 201 | 202 → rieures, les différentiels sont plus marqués chez les hommes qui nécessitent davantage de facteurs pour approcher les facteurs de la mortalité.

Mais quel que soit le sexe, deux variables jouent un rôle considérable dans la mortalité : l’inactivité et le mariage. La définition de l’inactivité se modifie selon les catégories d’âge ; pour les plus jeunes, elle ne comprend pas les personnes en formation alors qu’elle les englobe pour les plus de 45 ans. Les arbres montrent que l’inégalité face à la mort entre inactifs et actifs est particulièrement criante chez les hommes (rapport du taux de mortalité standardisé de 3.2 pour les 25-44 ans et 2.4 pour les 45-65 ans !) mais n’est pas négligeable chez les femmes (rapport de 1.4 pour les 45-64 ans), la différence traduisant des effets de sélection différenciés.

Le second critère essentiel est le statut matrimonial : être marié est protecteur face à la mort par rapport aux célibataires, veufs et divorcés. Pour l’arbre des 25-44 ans tout comme celui des 65-79 ans, ce n’est pas le mariage qui ressort mais le fait de partager son ménage avec un(e) conjoint(e).

Ces deux variables sont en réalité très proches et donnent des résultats quasiment similaires. Elles ont néanmoins des connotations légèrement différentes. La variable conjoint assure les vertus d’interaction sociale entre deux partenaires ; ces vertus ne sont pas forcément garanties avec le mariage qui peut prendre un sens uniquement statutaire. Le mariage s’inscrit davantage sur la durée et assure également une protection économique, un partage des biens entre les époux. Dans un modèle de régression, chacune de ces variables apporte une part d’explication aux différentiels de mortalité, « l’idéal », un cumul de facteurs protecteurs, étant d’être marié et de vivre avec un partenaire. Chez les jeunes générations, dont une part rejette l’institution du mariage, la variable de cohabitation est meilleure de premier abord. De premier abord seulement parce que pour les femmes inactives, la question du mariage intervient malgré tout. Qu’elles aient un partenaire ou non, les femmes inactives entre 25 et 44 ans sont fortement discriminées selon le statut matrimonial (voir tableau 5.7) ; l’union compense en partie, à travers la dimension économique du mariage, le désavantage induit par l’inactivité.

Parmi les aînées, on retrouve une logique de compensation comparable pour les plus vulnérables : les femmes vivant sans partenaire et n’ayant suivi qu’une scolarité obligatoire. Parmi ces dernières, les célibataires ont un risque de décès supérieur à celles qui sont mariées ou qui l’ont été (veuves et divorcées). Concernant les femmes de 45 à 64 ans, celles qui ← 202 | 203 → cumulent une inactivité et un statut matrimonial autre que le mariage tombent dans une poche de vulnérabilité. Une telle fragilité mais pour les aspects financiers a déjà été observée en Suisse avec le divorce (Falter 2009). Selon l’arbre de classification, le rapport du taux de mortalité entre les femmes actives mariées et non mariées est de 1.55, il monte à 2.4 pour les inactives. La conjonction de ces deux facteurs, le cumul de deux désavantages majeurs, augmente très fortement le risque de décès.

Tableau 5.7 – Taux de mortalité standardisés par âge, en pour mille, des femmes inactives (et non rentières) selon l’arbre de classification des 25-44 ans


 mariéenon mariée
Partenaire0.51.5
Sans partenaire1  2  

 

La partie des arbres des moins de 65 ans qui dissèque les différentiels de mortalité des hommes fait ressortir une dichotomie entre les actifs et les inactifs dont le risque de décès est très supérieur aux premiers. Cette relation entre activité et inactivité est aussi présente chez les femmes qui expérimentent toutefois un différentiel moindre. Les mesures de l’origine (par la variable « naturalisation » ou « pays de naissance ») interviennent très vite pour différencier la population masculine inactive. Les personnes d’origine étrangère10 ont une mortalité plus basse que celle des Suisses. Parmi les premiers, le différentiel est le plus marqué selon la durée de séjour – les migrants qui n’habitent pas en Suisse depuis longtemps ont davantage de chance de survie que ceux qui sont arrivés bien auparavant ou qui sont nés en Suisse. Pour les seconds, apparaît au contraire un gradient social exprimé à travers le niveau d’éducation. Ainsi, pour les hommes de moins de 65 ans qui se situent dans une des situations des plus vulnérables, c’est-à-dire ne pas être actif sur le marché de l’emploi, on voit émerger des logiques très différentes selon l’origine. Les Suisses de naissance sont d’abord régis selon le gradient socioéconomique (éducation) alors que les étrangers et les naturalisés suivent des logiques de sélection ← 203 | 204 → selon la durée de séjour. On retrouve ici les effets de compensation dont nous faisions état plus haut. La vulnérabilité des hommes inactifs peut être partiellement compensée par des effets de sélection à l’entrée pour les migrants et par une éducation élevée pour les personnes d’origine suisse.

Ensuite, pour les hommes actifs s’expriment en premier lieu des différentiels selon le statut matrimonial (être marié ou être en couple) et la position socioéconomique (la catégorie socioprofessionnelle ou le niveau d’éducation). Cependant, dans les positions socio-démographiques les plus défavorables, la dimension de la naturalisation ressort à nouveau et en général avec la même dualité que précédemment (Suisse de naissance d’une part et étrangers et naturalisés d’autre part11). Il en est de même pour les plus âgés où le lieu de naissance scinde les hommes qui ne vivent pas avec une partenaire et qui ont une éducation obligatoire. Les migrants hommes s’en sortent ainsi significativement mieux que les Suisses dans les situations les plus vulnérables. En outre, parmi les étrangers, les variables socioéconomiques ne semblent pas jouer un rôle primordial. Les taux de mortalité estimés pour les étrangers dans les feuilles qui correspondent à des profils à risques sont en général peu différenciés selon la position dans l’échelle sociale.

Chez les hommes de 45 ans et plus, soulignons encore l’importance du niveau d’éducation de la conjointe qui apparaît dans trois types de configuration et influe de façon significative sur la survie du partenaire : le cumul de désavantages (homogamie de deux partenaires ayant un bas niveau d’éducation), le cumul d’avantages (homogamie de deux conjoints ayant une éducation élevée) ou la compensation (bas niveau d’éducation compensé par un haut niveau d’éducation de la partenaire).

Parmi les variables les plus discriminantes envers la mortalité des femmes, on ne retrouve que peu les dimensions socioéconomiques. Chez les 25-44 ans, la catégorie socioprofessionnelle intervient uniquement pour différencier les femmes sans partenaire qui sont actives sur le marché de l’emploi. Cette variable est même anecdotique dans l’arbre des femmes de 45-64 ans. Le plus haut niveau d’éducation, quant à lui, n’apparaît simplement pas dans les typologies des relations des moins de 65 ans. Par conséquent, pour les femmes en âge d’activité, ce n’est pas la situation sur l’échelle sociale qui est déterminante mais d’intégrer cette échelle en étant ← 204 | 205 → active quel qu’en soit la position12. En revanche, l’éducation du partenaire intervient comme facteur discriminant chez les femmes inactives entre 45 et 64 ans. Nous avions déjà souligné le cumul des désavantages concernant les femmes inactives et sans mari ; or l’effet compensatoire est plus marqué lorsque ce dernier dispose d’une position socioéconomique élevée. C’est donc bien la précarité économique qui menace les femmes inactives. Chez les aînées, nous retrouvons aussi une logique genrée à travers le niveau d’éducation puisque, pour les femmes qui vivent avec un partenaire, c’est d’abord le niveau d’éducation de ce dernier, avant le niveau d’éducation de madame, qui discrimine la longévité des femmes. Il s’agit sans doute davantage d’un effet de période qu’un effet d’âge. En effet, pour les générations qui sont nées avant la Seconde guerre mondiale, le niveau d’éducation des femmes était en moyenne très bas et la situation du conjoint déterminante dans le niveau socioéconomique du ménage, et donc de l’épouse.

Les variables d’origine sont beaucoup moins décisives dans les branches des femmes des arbres de classification. Les femmes d’origine étrangère n’expérimentent pas de gains aussi significatifs que les hommes. On observe des gains chez les étrangères et les naturalisées âgées entre 25 et 44 ans vivant sans partenaire et exerçant une profession intermédiaire ou inférieure, chez les femmes étrangères entre 45 et 64 ans, inactives, mariées et ayant un partenaire d’éducation obligatoire ou secondaire II ainsi que chez les femmes étrangères entre 65 et 79 ans vivant sans partenaire, d’éducation obligatoire et ayant été mariées (mariée, veuve ou divorcée). Il s’agit, comme précédemment, de profils relativement vulnérables mais importants. Chacune de ces situations regroupe un peu moins de 10 % de la population étrangère totale aux groupes d’âge concernés.

En somme, nous tirons un bilan positif de la méthode des arbres de classification qui a permis de mettre en exergue des structures et les situations dans lesquelles les migrants ont des chances de survie plus importantes que la population d’accueil. Les variables d’origine qui apparaissent dans nos arbres signalent à chaque reprise un avantage pour les populations migrantes. Nous ne voyons pas ressortir des poches où les migrants sont plus vulnérables que les autochtones, et ce à tous les âges de la vie. ← 205 | 206 → Les populations migrantes, qui ont le plus grand avantage de mortalité envers les Suisses, changent de définition selon les branches considérées. Dans les arbres, les variables de naturalisation, que ce soit par une séparation Suisses vs étrangers ou Suisses de naissance vs Suisses naturalisés et étrangers, et de lieu de naissance définissent, au cas par cas, quelles sont les personnes d’origine étrangère les plus avantagées. Les écarts sont parfois extrêmement minces entre une solution ou l’autre et dénotent des ambiguïtés exprimées par le phénomène migratoire dont nous faisions état plus haut.

Ces analyses montrent aussi un gain uniforme des étrangers sans détailler les différences propres à chaque origine13. Il y a un avantage généralisé de la migration qui semble indépendant des caractéristiques culturelles, des parcours migratoires et de la relation avec la Suisse. L’importance de la sélection, qui est si souvent mise avant dans la littérature, transparaît ici dans quelques situations à travers la durée de séjour. Cette dimension touche essentiellement des migrants inactifs ou des personnes qui exercent un emploi non qualifié et qui ne vivent pas avec un partenaire, des personnes dans des situations de vulnérabilité.

Il s’agit justement d’une leçon fondamentale de cette recherche, les migrants (plutôt masculins) ont une mortalité moindre dans des profils à risque. Il semble y avoir une compensation des écarts dans les positions les plus vulnérables. Nous expliquons ce phénomène par trois éléments. Il y a en premier lieu une sélection initiale à l’entrée qui réduit chez les migrants la représentation des personnes en très mauvaise santé ou à très haut risque de décès. Jasso et al. (2004) estiment par exemple qu’il y a un seuil de santé en dessous duquel la migration a très peu de chance de se réaliser. La population d’accueil a ainsi un état de santé plus hétérogène et comprend en moyenne plus d’individus dans des situations fragiles. Ces personnes en santé critique se retrouvent souvent dans des profils à risque (célibataire, inactif sur le marché du travail ou actif en basse catégorie sociale). Les Suisses dans les profils à risque sont par conséquent en moyenne plus vulnérables que les migrants dans la même situation. Cet effet de sélection sur les plus vulnérables est dépendant de la durée de séjour : fort à l’entrée, il peut se relâcher avec le temps. Nous l’avons d’ail ← 206 | 207 → leurs aperçu dans les arbres, les variables de durée d’habitation en Suisse apparaissent essentiellement pour différencier des hommes étrangers inactifs.

A cela s’ajoute ce qu’Anson (2004) nomme l’espoir du migrant et qui débute par une évaluation différente de la situation entre migrants et natifs. Anson constate en effet que les migrants, dans des situations délicates, ont davantage tendance à idéaliser leur condition et à voir de l’espoir pour un futur meilleur, que ce soit pour eux-mêmes ou pour leurs enfants. Vohra et Adair (2000) relèvent aussi que les migrants relativisent leur situation en comparaison à celle de leur pays d’origine et des difficultés qu’ils ont déjà traversées. Ils perçoivent ainsi le futur, voire le présent, sous un angle positif. Les travaux d’Everson et al. (1996, 1998) ont montré les effets protecteurs de l’espoir sur la mortalité qui impliquent que les migrants vont être mieux disposés à surmonter les phases de vulnérabilité.

En troisième lieu, les migrants qui ne sont pas en mesure de faire face aux situations critiques auront davantage tendance à effectuer une migration de retour. Il s’agit du fameux biais de saumon, passablement discuté dans la littérature spécialisée et qui n’est pas seulement le « reflet du désir de mourir dans son lieu de naissance » mais concerne également des migrants au chômage, à la retraite ou atteint de maladie grave (Abraido-Lanza et al. 1999). Si les migrants qui sont en inactivité quittent le pays lorsqu’il n’y a plus d’horizon rose possible, cette population est filtrée des individus à haut risque de mortalité. Son état de santé moyen est donc meilleur que la population d’accueil qui ne connaît pas ce processus.

L’analyse des arbres de classification a en outre permis de relever la plus faible importance des différentiels sociaux parmi les migrants. Les dimensions socioéconomiques jouent un rôle moindre alors que pour les Suisses de naissance, tant les actifs que les inactifs, le gradient social est un déterminant majeur des inégalités face à la mort. Turra et Goldman (2007) ont également montré une tendance similaire aux États-Unis avec la concentration de l’avantage de mortalité des hispaniques dans les profils socioéconomiques les plus bas. Ils expliquent cet avantage par des biais de sélection (entrée et sortie), de l’assimilation vers des comportements de la société d’accueil défavorables et par le fait que les individus les plus pauvres ne peuvent s’offrir des produits qui sont à la fois de « luxe » et à risque (cigarette, alcool, nourriture riche en graisses). Si nous rejoignons Turra et Goldman pour la sélectivité – la population étrangère bénéficie de facteurs qui la rendent plus homogène face à la mort, les ← 207 | 208 →écarts sociaux sont par conséquent moins importants entre les plus et les moins favorisés, nous avons des doutes concernant les autres explications et tenons à mettre en avant les déterminants protecteurs propres à la migration que nous venons d’exprimer.

Chez les femmes, les tendances relevées sont moins déterminantes, les variables d’origine ne ressortent que très peu. Les écarts observés sont en effet moins marqués dans les populations féminines car les différentiels entre Suissesses et étrangères sont plus ténus. De la même façon que les différentiels sociaux sont moins présents chez les femmes (Schumacher et Vilpert 2011), il y a sensiblement moins d’écart selon l’origine. Pour Darmon et Khlat (2001), les migrantes sont effectivement moins sélectionnées. Cela est en partie explicable pour la Suisse par le regroupement familial : les flux migratoires masculins sont orientés vers le travail et requièrent nécessairement un bon état de santé, alors qu’une part importante de la migration féminine est venue rejoindre un travailleur étranger (voir section 3.1.2) et n’est à ce titre pas autant sélectionnée.

5.4  Des interactions pour affiner la modélisation

Dans cette section, nous allons implémenter les constatations majeures faites ci-dessus dans des modèles. Par des interactions, nous serons à même de rendre compte des dynamiques rencontrées dans les arbres. La principale différence est que nous n’allons pas estimer le taux standardisé par âge sur une sous-population mais quantifier l’effet de chaque variable ou interaction sur la mortalité à travers un modèle linéaire généralisé de quasipoisson. Une seconde nuance technique intervient ici, car avec la régression, nous modélisons un effet de l’âge constant pour toutes les analyses, alors que dans nos arbres, les effets directs de l’âge étaient estimés à chaque nœud.

Nous avons choisi de réaliser plusieurs séries de régression par sexe. N’est gardée ici que la population en âge d’activité car la part de migrants âgés est très faible et elle concerne presque uniquement des individus européens. De plus, nous nous intéresserons particulièrement aux facteurs propres à la population active. La réunion dans un seul modèle de tous les actifs se justifie par le fait que les effets mis en évidence dans les ← 208 | 209 → arbres ne sont fondamentalement que peu différenciés selon les catégories d’âge. Les principales variations que nous avons observées seront modélisées par des interactions. Il convient ici encore de préciser que certaines interactions ne concernent qu’une sous-population et que cela change, comme nous aurons l’occasion d’y revenir, la signification des catégories de référence.

Pour les actifs, cinq modèles de quasipoisson approchent pas à pas les dimensions de la mortalité, avec évidemment un accent porté sur les particularités qui concernent les migrants. Le premier modèle intègre les groupes d’origine par nationalité et le lieu de naissance.

Dans le second modèle, les dimensions démographiques, socioéconomiques et contextuelles ont été ajoutées à travers 8 nouvelles variables et 3 interactions :

1.    Le statut matrimonial.

2.    Le partenaire et son niveau d’éducation.

3.    Le niveau d’éducation.

4.    La catégorie socioprofessionnelle.

5.    Percevoir une rente (cette variable est conditionnelle au statut inactif dans la CSP).

6.    Le taux d’activité : plein temps ou temps partiel (cette variable est conditionnelle à des positions dans la CSP).

7.    La région linguistique.

8.    La typologie de l’urbain.

9.    Interaction entre l’âge 25-44 ans et la variable rente.

10.  Interaction entre l’âge 25-44 ans et la formation (de la variable CSP).

11.  Interaction entre l’inactivité (de la variable taux d’activité) e tle mariage (de la variable état civil).

Le troisième modèle ajoute des variables migratoires pour les personnes de nationalité suisse, soit la naturalisation et la seconde nationalité. Le quatrième modèle considère encore la nationalité du partenaire ainsi que, pour les étrangers uniquement, la durée de séjour sur le territoire suisse et l’âge à la migration. La durée de séjour et l’âge de la vie au moment de la migration sont des indicateurs de la sélection mais aussi d’intégration et de rapport au pays d’accueil.

Enfin, le dernier modèle prend en compte des interactions entre les variables qui représentent des positions socioéconomiques vulnérables et ← 209 | 210 → la migration. Ces interactions avaient été observées dans les arbres pour les hommes uniquement, mais nous les testerons également pour les femmes.

1.  Interaction entre l’immigration et l’inactivité (de la variable CSP).

2.  Interaction entre l’immigration et l’éducation obligatoire (de la variable éducation).

3.  Interaction entre l’immigration et un emploi non qualifié (catégories travailleurs non qualifiés et autres de la CSP).

Nous avons gardé pour ces dernières interactions qui ciblent des populations vulnérables la variable du pays de naissance plutôt que de la citoyenneté bien que les résultats des arbres suggéraient dans la plupart de ces situations des effets de nationalité (Les Suisses opposés aux étrangers et aux naturalisés). D’abord, car d’un point de vue conceptuel, les explications de sélection dans les profils vulnérables que nous jugeons les plus plausibles font référence à de la migration et non à la nationalité. Ensuite, car les effets du lieu de naissance ont également été exprimés dans les arbres des 25-44 ans et des plus de 65 ans alors que l’impact de la migration est globalement moins fort que celui de la nationalité. Nous avons donc testé alternativement les deux effets et, la migration ressort plus fortement. Ainsi, s’il y a des effets forts de la nationalité en général, dans les profils à risque, nous sommes face à des dimensions du parcours migratoire. Ces modèles emboîtés (tableaux 5.8 et 5.9) sont présentés aux pages 213-218 et 218-223 pour les hommes et les femmes respectivement.

Le modèle 1

Le premier modèle rappelle ceux présentés précédemment à la section 5.2.1. Pour les hommes, l’avantage des étrangers est faible pour presque toutes les origines alors que les individus nés à l’étranger ont un taux de mortalité de 27 % inférieur. Seules les personnes de nationalité portugaise, turque ou d’un pays d’ex-Yougoslavie ont une survie significativement supérieure aux Helvètes. Chez les femmes, ce n’est pas la migration qui dicte les effets mais la nationalité. Trois groupes d’étrangers ont ainsi une mortalité significativement inférieure aux Suissesses : les deux groupes d’Europe du Sud ainsi que les femmes d’Europe occidentale et du Nord (au seuil de 10 % pour les dernières). ← 210 | 211 →

Le modèle 2

Le second modèle, qui spécifie les déterminants socioéconomiques et démographiques, fait globalement ressortir des gains pour les étrangers. Si les coefficients du lieu de naissance restent presque inchangés14, les écarts aux Suisses deviennent plus marqués pour les nationalités. Des avantages significatifs apparaissent désormais pour les ressortissants de la migration traditionnelle d’Europe du Sud, d’Afrique et d’Asie chez les hommes, et d’Amérique latine pour les femmes. Concernant les étrangers masculins, les différentiels exprimés par les coefficients se creusent particulièrement dans les pays du Sud alors que pour l’Europe occidentale et du Nord ainsi que pour les autres pays de l’OCDE, les valeurs se rapprochent de celles des Suisses. Cela montre bien la dualité du monde du travail avec des positions sociales des migrants dépendantes de l’origine. Pour les femmes, seules celles des pays de l’OCDE ont une mortalité qui se rapproche de celle des Suissesses avec la prise en compte du statut socioéconomique.

Concernant les dimensions socioéconomiques, le deuxième modèle met en exergue des positions de vulnérabilité. Pour les hommes, être rentier multiplie le taux de mortalité, par rapport à la catégorie sociale la plus élevée travaillant à plein temps, par 6.3 entre 25 et 44 ans et par 3.8 entre 45 et 64 ans ; les valeurs montent à respectivement 8.1 et 3.1 pour les femmes ! La vulnérabilité des rentiers est extrême, particulièrement chez les plus jeunes. La diminution avec l’âge s’explique par la grande fragilité et le décès des individus les plus à risque – la population des rentiers devient plus homogène et en moyenne moins vulnérable. Suivre une formation a aussi une relation avec l’âge, elle est positive pour les 25-44 ans et négative chez les 45-64 ans15. Pour les jeunes, l’éducation doit être vue comme un investissement dans du capital humain, dans des compétences valorisées en terme de progression sociale avant une entrée (définitive) sur le marché de l’emploi. En revanche, suivre une formation au-delà de 45 ← 211 | 212 → ans indique un retrait du monde du travail en raison d’une réorientation et/ou d’une inadéquation avec l’offre d’emplois. L’éducation est alors associée avec une incertitude, une vulnérabilité qui affecte même la survie.

Les autres variables socioéconomiques expriment des effets attendus avec un gradient selon le niveau d’éducation ou la catégorie socioprofessionnelle. Ces deux variables sont complémentaires : les différentiels selon l’éducation sont moins forts chez les hommes car ils sont en partie exprimés par la catégorie socioprofessionnelle. C’est surtout vrai pour les différences entre l’éducation obligatoire et secondaire II. Contrairement à un diplôme universitaire, une éducation de niveau secondaire II n’amène pas de forts avantages de longévité à travers la formation en elle-même mais davantage à travers ses débouchés, la position sur la hiérarchie de l’emploi.

La ségrégation des femmes sur le marché du travail change les rapports aux déterminants sociaux et atténue les différentiels par rapport à la position socioéconomique. Par conséquent, s’il y a un fort gradient selon la catégorie socioprofessionnelle chez les hommes, il n’y a pas de différences significatives chez les femmes. En revanche, le niveau d’éducation, qui va bien au-delà de la seule condition économique mais reflète aussi des comportements sociaux différenciés, est particulièrement fort pour les femmes. Au final, le gradient social est plus marqué chez les hommes que les femmes et demeure, en Suisse, comparable au niveau européen (Schumacher et Vilpert 2011).

Travailler à temps partiel pour un homme indique un retrait du monde de l’emploi et exprime une vulnérabilité face à la mort. Le temps partiel étant beaucoup plus la norme chez les femmes, il n’est pas associé à une telle inégalité. La vulnérabilité des personnes sorties du monde du travail est criante, comme en témoignent les inactifs avec un taux de mortalité 2.8 fois plus élevé que la CSP la plus élevée pour les hommes, et 1.6 fois pour les femmes. Comme l’ont démontrés les arbres de classification, le risque de décès des inactifs est lié avec le statut matrimonial. C’est surtout vrai pour des femmes célibataires et qui ne bénéficient pas du soutien économique d’un mari – l’impact de l’inactivité passe pour ces dernière à 2.3.

S’observe encore un gradient selon la formation du partenaire avec, après le contrôle du statut matrimonial, une différence minime entre vivre avec un partenaire d’éducation obligatoire et ne pas avoir de concubin. Les écarts se creusent ensuite avec un partenaire d’éducation secondaire ← 212 | 213 → II – taux de mortalité 25 % inférieur pour les hommes et 13 % pour les femmes par rapport aux personnes vivant seules – puis tertiaire avec des gains qui montent à 38 % pour les hommes et 32 % pour les femmes. L’influence de l’éducation du partenaire fait appel à la dimension économique mais aussi à des styles de vie partagés qui influencent positivement ou négativement la longévité du concubin (Oris et al. 2014).

Tableau 5.8 – Modélisation de la mortalité des hommes 25-64 ans (âge en variable de contrôle)

images

← 213 | 214 →

images

← 214 | 215 →

images

← 215 | 216 →

images

← 216 | 217 →

images

← 217 | 218 →

images

Résultats significatifs au seuil de : *** 0.1%, ** 1%, * 5%, . 10%.

Tableau 5.9 – Modélisation de la mortalité des femmes 25-64 ans (âge en variable de contrôle)

images

← 218 | 219 →

images

← 219 | 220 →

images

← 220 | 221 →

images

← 221 | 222 →

images

← 222 | 223 →

images

Résultats significatifs au seuil de : *** 0.1%, ** 1%, * 5%, . 10% ← 223 | 224 →

Le modèle 3

Le troisième modèle ajoute les origines étrangères des Suisses avec la naturalisation et la seconde nationalité. Le binationaux ont un risque de décès plus de 20 % inférieur aux Suisses pure souche auxquels s’ajoute, pour les hommes uniquement, des gains d’encore 13 % pour les naturalisés. Avec ces variables, l’effet protecteur de la migration disparaît complètement. Ce sont par conséquent des dimensions touchant à la nationalité, à une culture ou à des origines étrangères, plutôt que le processus migratoire en tant que tel, qui ont une relation positive chez les personnes possédant le passeport rouge à croix blanche. Dans ce modèle, la majorité des groupes nationaux a dépassé le seuil de significativité, les étrangers vivent globalement plus longtemps que les Suisses.

Le modèle 4

Le modèle 4 prend en compte la nationalité du partenaire et l’arrivée en Suisse. Les variables de durée de séjour et d’âge à l’arrivée en Suisse sont uniquement valables pour les personnes de nationalité étrangère car cette information provient du registre des étrangers et demeure indisponible pour les Suisses naturalisés ou binationaux. Les hommes étrangers vivant en couple avec une femme de même nationalité ont un risque de décès réduit de quelque 15 % par rapport à ceux qui ont une partenaire autochtone ou d’une autre nationalité. Cette protection, que l’on ne retrouve pas chez les femmes, provient d’un processus de sélection différencié et du soutien social. Un couple de même nationalité étrangère implique, dans la plupart des situations, une migration familiale et dénote d’une plus grande sélection du travailleur migrant masculin qui doit s’assurer, dans la société d’accueil, de subvenir au fonctionnement d’un ménage. Nous l’avons vu au chapitre 2, la Suisse s’est longtemps appuyée sur une main d’oeuvre masculine étrangère qui a pu, par la suite, procéder à des groupements familiaux. Par conséquent, les femmes qui migrent avec leur conjoint ou rejoignent un actif ne connaissent pas les mêmes effets de sélection par le travail. L’homogamie de nationalité peut aussi avoir des vertus protectrices à travers le soutien mutuel des époux qui partagent un parcours similaire, un style de vie et font face ensemble aux mêmes difficultés. Certaines recherches ont montré que les femmes s’investissent plus dans une relation de support (Lusyne et al. 2001), pouvant expliquer un impact positif pour les hommes mais nul pour les femmes. ← 224 | 225 →

Les variables de l’âge de la vie au moment de la migration ainsi que de l’année d’arrivée dans la société d’accueil mesurent toutes les deux des questions de sélection et d’intégration. L’ajout de l’année d’arrivée (avec la migration de la fin des années 1990 en catégorie de référence) fait ressortir un fort avantage pour les étrangers par rapport aux Suisses. La catégorie de référence pour les étrangers correspond dès lors à des migrants arrivés peu avant le recensement, alors que les Suisses considérés sont des personnes nées en Suisse, non naturalisées et n’ayant qu’une nationalité.

Chez les hommes surtout, un gradient selon la durée de séjour transparaît de cette analyse. Par rapport aux migrants arrivés dans les cinq années précédant le recensement, les étrangers qui se sont installés en Suisse entre 1973 et 1989 ont un risque de décès 31 % supérieur et ceux arrivés avant le premier choc pétrolier un risque 55 % supérieur. Les étrangers de deuxième génération ont quant à eux une mortalité 37 % supérieure aux derniers arrivants. Chez les femmes, le gradient est moins évident. Les écarts ne sont pas significatifs malgré des exponentielles du coefficient à environ 1.18 pour les femmes installées en Suisse au début des années 1990 ou durant les année 1970 et 1980. Les femmes arrivées avant 1973 (risque de 41 % supérieur) et celles nées en Suisse (risque de 63 % supérieur) sont quant à elles particulièrement fragiles.

Avec la prise en compte des différentiels selon la durée de séjour, les populations qui ont une longue histoire migratoire avec la Suisse ont des risques de décès plus élevés. Les groupes d’étrangers ont globalement des avantages plus marqués envers les Suisses. Ces gains s’élèvent entre 30 et 40 % pour les hommes et les femmes de la migration traditionnelle d’Europe du Sud et d’Europe occidentale et du Nord, ainsi que pour les hommes d’Europe de l’Est. Pour tous les autres, le contrôle de la durée de séjour implique des avantages qui croissent de 14 à 21 %.

En contrôlant pour la durée de séjour, l’âge au moment de la migration n’a pas d’effet significatif pour les femmes et les hommes. Il est encore intéressant de noter que la migration peu qualifiée du Sud de l’Europe, qui a pourtant accumulé pendant plusieurs décennies des risques inhérents à la basse position socioéconomique, a un des taux de mortalité parmi les plus bas. ← 225 | 226 →

Le modèle 5

Conformément à ce que les arbres de classifications ont pu approcher, nous ajoutons des interactions dans le modèle 5 afin de tenir compte de l’avantage des migrants dans les positions sociales vulnérables. Pour les migrants masculins et par rapport aux natifs, l’inactivité, un faible niveau d’éducation et une basse position professionnelle ont moins de conséquences négatives sur la mortalité de respectivement 29 %, 13 % et 18 %. Pour les femmes, seule l’inactivité ressort significativement au seuil de 10 % même si l’exponentielle des coefficients est relativement éloignée de 1 pour les autres interactions. En se basant sur le quasi-AIC, les modèles féminins ultérieurs au modèle 3 ne sont pas suffisamment parcimonieux au regard de l’information qu’ils nous apportent.

Quelques constatations finales sur ces modèles

Pour chaque sexe, nous proposons le modèle final qui a les meilleurs critères d’information en tenant compte de la complexité. Nous avons enlevé pas à pas les variables les moins pertinentes dans l’analyse. Pour les hommes, le modèle final omet les variables d’âge à la migration et de lieu de naissance. Pour les femmes, le modèle final omet l’âge à la migration, le taux d’activité, les interactions entre la migration et les inactives et avec les basses positions sur le marché de l’emploi. La naturalisation et la nationalité du partenaire prises indépendamment n’apportent rien au modèle des femmes ; selon les critères de sélection, il faudrait les retirer. Nous les ajoutons pourtant en interaction et là, elles prennent une autre dimension.

Si nous avons déjà longuement parlé de l’impact des variables socioéconomiques et démographiques, il convient encore de conclure en tenant compte, dans une vision d’ensemble, des effets de la migration que nous avons pu observer. Les modèles finaux masculins et féminins font ressortir des avantages conséquents pour les groupes d’étrangers16. Au niveau des coefficients, les écarts les plus importants, après le contrôle de nombreuses variables explicatives, proviennent des pays du Sud dont les popu ← 226 | 227 → lations sont caractérisées par une sur-représentativité dans les basses positions socioéconomiques17.

Par ailleurs, un fort gradient selon la durée de séjour apparaît : l’avantage des migrants s’amenuise au fil du temps passé en Suisse18.

La catégorie de référence pour la durée de séjour correspond aux dernières vagues de migrants, celles qui ont l’avantage le plus marqué. Les comparaisons antérieures entre les Suisses et les différents groupes de nationalité font donc également référence aux migrants les plus récents. Par conséquent, la sous-mortalité n’est pas aussi évidente pour toute la variété des populations étrangères résidantes en Suisse. C’est pour éclaircir ces effets que nous avons encore testé une interaction entre la nationalité selon une dichotomie Nord-Sud19 et la durée de séjour20. Pour les régions du Nord, il en résulte que les migrants les plus anciens (il s’agit des migrants arrivés avec 1989 chez les hommes et avant 1973 chez les femmes) ainsi que les secondes génération ne possèdent pas d’avantage significatif de mortalité par rapport aux Suisses. En revanche, une sous-mortalité embrasse toutes les catégories de migrants pour les étrangers des pays du Sud21.

Ainsi les migrants des pays du Nord n’ont qu’un avantage partiel qui s’estompe avec le temps, alors que la migration, et même la descendance des migrants, des régions tendanciellement moins industrialisées ont des avantages plus marqués. Cette dichotomie renvoie aux analyses que nous avons effectuées dans le chapitre 3 sur les intégrations (voir section 3.5). ← 227 | 228 → Les régions caractérisées, selon nos indicateurs, par des déficits d’intégrations structurelle et culturelle ont les avantages de mortalité les plus forts.

Jasso et al. (2004) développent un cadre méthodologique pour appréhender les effets de sélection et déduisent que la sélection est différenciée selon l’état de santé, les coûts et bénéfices de la migration ainsi que les compétences (skills). Cela implique qu’avec des coûts élevés de la migration, les émigrants doivent être soit hautement qualifiés soit des travailleurs particulièrement motivés pour que la migration prenne sens. Selon ce modèle économique, les travailleurs qui viennent des régions où les salaires sont plus bas, sont plus enclins à émigrer et par conséquent moins sélectionnés selon l’état de santé. Nos résultats infirment cette hypothèse. Dans le chapitre précédent (section 4.5.1), nous avons montré que les différentiels de mortalité à l’arrivée en Suisse variaient très peu selon les origines nationales (les résultats sont identiques avec des modèles de régression). Quel que soit le contexte géographique et l’origine migratoire, les migrants arrivés récemment en Suisse subissent à peu près les mêmes risques de mortalité. Ces migrants se distinguent pourtant grandement dans les attributs socioéconomiques et, lorsque leurs caractéristiques sociales sont prises en compte, les migrations tendanciellement peu qualifiées ont de plus grandes probabilités de survie. Ainsi, si l’état de santé des migrants à leur arrivée dans la Confédération est globalement le même, par rapport à leurs caractéristiques, les migrants des régions du Sud ont moins de chance de décès, c’est-à-dire qu’ils sont plus sélectionnés, que ceux provenant du Nord.

La plus grande longévité des naturalisés (hommes uniquement) et des binationaux ressort également des modèles. Cela pourrait renvoyer de premier abord à des effets de migration mais ces sous-populations bénéficient d’une protection face à la mort indépendamment de leur statut migratoire; qu’elles aient migrées ou non. Concernant les femmes naturalisées, nous avons interprété l’absence d’effet en expliquant que les femmes naturalisées le sont principalement par mariage avec un Suisse (voir section 3.4.3) et qu’elle pouvait perdre leurs attributs culturels avec l’union et sous l’influence de leur partenaire (Pecoraro 2012a). Or dans le modèle final féminin, nous confirmons cette hypothèse en testant une interaction entre la naturalisation et la nationalité du partenaire. Les femmes naturalisées qui partagent leur vie avec un partenaire de nationalité suisse n’ont pas d’avantage de mortalité, mais celles qui ont un partenaire étranger ou qui n’ont pas de partenaire ont des taux de mortalité sensiblement plus bas que le reste des Suissesses. ← 228 | 229 →

5.5  Synthèse

Dans ce chapitre sur la mortalité individuelle, nous avons confirmé les tendances, déjà observées à un niveau agrégé au chapitre précédent, d’une sous-mortalité pour l’ensemble des communautés étrangères. Cet avantage s’exprime à travers de multiples composantes de la migration ; des différentiels s’observent en effet pour les étrangers, les personnes nées à l’étranger, les naturalisés et les binationaux. A travers des modèles de régression, nous avons même vu l’écart se creuser en raison de la plus basse position socioéconomique des populations migrantes. Un contraste est toutefois apparu entre les origines qui se caractérisent par des flux migratoires hautement qualifiés et ceux qui proviennent de pays pourvoyeurs de main d’œuvre peu qualifiée. Au final, en contrôlant pour des facteurs démographiques, économiques et sociaux, l’avantage est le plus marqué pour les populations d’un Sud très large comprenant les pays d’Europe du Sud.

L’origine de ces différentiels se situe à l’intersectionnalité de plusieurs champs, au croisement de facteurs culturels et structurels se composant de socioéconomique, de contexte, d’histoire et de politique (Acevedo-Garcia et al. 2012). Pour appréhender les contours de ce phénomène, nous avons fait appel à des méthodes de fouille de données, à des arbres de classification. Cette approche exploratoire, qui, à notre connaissance n’a jamais été employée dans l’étude de la mortalité différentielle, fait émerger les chemins qui mènent à la vulnérabilité ou à la longévité. Les pistes résultantes de ces analyses ont ensuite été attestées par des modèles inférentiels plus classiques.

La théorie de l’intersectionnalité vise à l’origine à appréhender simultanément ces systèmes d’oppression qui forment les inégalités sociales. Or, parmi les populations étrangères, indépendamment de l’origine, c’est justement dans les positions les plus défavorables que la sous-mortalité est la plus forte ! La vulnérabilité serait-elle protectrice face à la mort ? Ce n’est évidemment pas le cas. Ces positions d’extrême fragilité ne sont pas celles où les risques de décès sont les plus bas, mais bien celles où les différentiels entre Suisses et étrangers sont les plus forts. Les migrants comme les Suisses continuent à vivre plus longtemps dans les positions sociales les plus avantageuses. ← 229 | 230 →

A la suite de ces diverses constations, nous proposons une explication des différentiels des personnes d’origine étrangère qui fait à la fois appel à la sélectivité de la migration mais aussi à une culture migratoire. Nous n’avons, dans ce chapitre, que peu parlé de la sélection mais elle demeure un élément majeur pour comprendre la plus grande survie des migrants. La durée de séjour, qui peut-être comprise comme un proxy de la sélection à l’entrée demeure un paramètre clé dans l’identification des différentiels de longévité.

Les effets d’interaction entre les positions socioéconomiques vulnérables et un avantage des migrants fait précisément appel à de la sélection. Pour la migration masculine, une mortalité moindre s’observe pour les inactifs, les personnes qui n’ont qu’une formation obligatoire et ceux qui occupent un emploi peu qualifié. Les travailleurs migrants sont à leur arrivée en effet plus homogènes et ne comprennent pas les individus les plus fragiles de la société (les personnes atteintes de handicap, de maladies rares, génétiques ou chroniques) qui se retrouvent sur-représentés dans les premières marches de l’échelle sociale. Avec une durée de séjour qui augmente, les gains des positions vulnérables pour les migrants s’amenuisent face à des conditions de vie difficiles. Et là encore, la sélection réapparait avec le départ, la remigration, des personnes qui encourent des risques de décès plus importants. Dans la branche des arbres concernant les inactifs, la durée de séjour était une variable clé pour différencier les migrants étrangers : ceux arrivés en Suisse avant 1973 et se trouvant en 2000 en inactivité sont aussi vulnérables que les Suisses dans la même posture. Par conséquent une longue exposition, dans des profils à risque fait disparaître les avantages de sélection ; les risques des migrants tendent avec le temps vers la moyenne. Comme l’avait déjà énoncé Bostean (2013), les mécanismes de sélectivité qui avantagent les migrants touchent essentiellement les aspects de la santé qui restreignent l’emploi.

Les immigrants sont, à travers la sélection, en moyenne plus robustes physiquement, mais ils sont aussi plus ascètes, travailleurs et motivés. Ces caractéristiques sont liées au parcours migratoire. En raisonnant en termes économiques, les coûts et les difficultés de la migration et de l’intégration dans la société d’accueil sont si élevés que les migrants vont prendre plus soin de leur santé, ils auront des rapports aux déterminants proches comportementaux plus sains. Ils vont aussi profiter de mécanismes psychosociaux en renonçant moins facilement et en ayant une image plus positive de leur situation (Anson 2004). Par ailleurs, les liens sociaux sont plus ← 230 | 231 → développés parmi les populations migrantes. Les mécanismes de soutien, le réseau social, sont déterminants dans l’état de santé de ces populations (Zhao et al. 2010 ; Puyat 2012).

Ces traits de la migration concernent particulièrement les populations qui ont des caractéristiques culturelles et structurelles éloignées des indigènes. Les modèles montrent en effet des avantages plus prononcés, à positions démographiques et socioéconomiques identiques, pour les communautés de migrants qui se concentrent dans les positions sociales les plus basses. Les avantages ne sont pas seulement propres aux migrants mais concernent aussi les personnes avec une origine migratoire – les secondes générations, les naturalisés ou les binationaux – qui doivent ou ont dû faire face à un positionnement identitaire dans la société d’accueil. Szvircsev Tresch et Sokoli (2013) montrent par exemple que les Suisses d’origine étrangère sont plus motivés à effectuer leurs obligations militaires que les Suisses de souche, ayant plus à prouver et à démontrer une intégration réussie. Ces valeurs, ces mécanismes psychosociaux qui expriment une motivation ou une mobilité sociale ascendante, ont certainement des vertus positives sur la santé. ← 231 | 232 → ← 232 | 233 →


1      Bigmemory et les packages annexes ont été programmés pour faire face, plus rapidement et sans faire exploser la RAM, à des jeux de données massifs (voir http://www.bigmemory.org/).

2      Des modèles avec peu mais aussi avec de nombreux facteurs explicatifs car une des causes de l’overdispersion est la sous-spécification du modèle.

3      Il s’agit d’un simple test du rapport de vraisemblance entre un modèle de Poisson et un modèle binomial négatif, le premier étant emboîté dans le second qui a un paramètre de plus, une variance.

4      Le +1 est pour la constante du modèle.

5      L’exponentiel des coefficients qui ont des valeurs inférieures à 1 indique une sous-mortalité. Dans le texte, nous interprétons en général ces coefficients comme un risque 1/x fois plus petit (parfois transformé en pourcentage).

6      Les variables de partition de l’activité et de la catégorie socioprofessionnelle mènent parfois à une partition quasiment équivalente. En effet, les inactifs de la variable catégorie socio-professionnelle sont similaires aux personnes sans emploi, au foyer, à la retraire ou autre inactif de la variable statut sur la marché de l’emploi. Il y a juste une petite nuance avec les personnes en formation qui sont en partie inactives selon la CSP et, en partie, possèdent une catégorie socioprofessionnelle. Mais une partition selon l’une ou l’autre variable mène à des résultats similaires. Il en est de même pour les variables de conjoint : que ce soit par le niveau d’éducation du partenaire ou sa nationalité, les partitions sont identiques s’il s’agit de distinguer les personnes qui ne vivent pas avec un partenaire de celles qui partagent leur quotidien avec quelqu’un.

7      Une version recodée en 3 catégories du pays de naissance (1=Suisse, 2=étranger, 3=inconnu) a été ajoutée dans la modélisation afin d’avoir une version comparable en nombre de catégories entre naissance et nationalité. En effet, nos modèles préliminaires privilégient systématiquement la variable naturalisation plutôt que le lieu de naissance car la seconde est pénalisée par le nombre de catégories.

8      En outre, une certaine confusion ressort de ces variables car les personnes âgées ont, apparemment, répondu aux variable de marché de l’emploi en faisant référence au passé. Il y a en effet une sur-représentation d’individus de plus de 70 ou 80 ans qui se déclarent encore actifs.

9      Nous avons en outre réalisé des arbres entiers sans les facteurs ayant attrait à la migration (donc uniquement avec les variables démographiques, socioéconomiques et de contexte). Dans ces conditions, la qualité de l’ajustement pour les étrangers est également médiocre.

10    L’origine étrangère comprend ici, pour les hommes entre 25 et 44 ans, les personnes nées à l’étranger (et les rares personnes qui ont un lieu de naissance inconnu – c’est l’arbre d’induction qui les a regroupé, on ne le ferait pas dans une démarche hypothético-déductive). Pour les 45-64 ans, l’origine étrangère est définie par les étrangers et les Suisses naturalisés.

11    Dans l’arbre des 25-44 ans, les naturalisés sont également regroupés avec les Suisses de naissance plutôt qu’avec les étrangers.

12    Le niveau d’éducation est certes associé avec une participation au marché du travail (30 % des femmes d’éducation obligatoire sont inactives, 24 % pour le secondaire et 18 % pour le tertiaire).

13    Dans les arbres de classification, il y a deux exceptions où les origines spécifiques jouent un rôle : les personnes au bénéfice d’une rente chez les 25-44 et chez les 45-64 ans. Dans ces deux situations, les différences entre les groupes sont difficiles à interpréter.

14    Notons toutefois que le coefficient pour les personnes qui ont un lieu de naissance inconnu est très élevé dans le premier modèle et se stabilise autour de 0 dans le second et les modèles ultérieurs (pour les femmes et pour les hommes). Cela signifie que les personnes qui n’ont pas donné de lieu de naissance lors du recensement sont surreprésentés dans des positions socioéconomiques basses.

15    Le taux de mortalité est multiplié, pour respectivement les hommes et les femmes en formation, par 1.2 et 0.9 pour les 25-44 ans et 2.5 et 1.5 pour les 45-64 ans par rapport à la CSP la plus élevée travaillant à plein temps.

16    Les différentiels ne sont néanmoins pas suffisamment marqués ou les populations ne sont pas suffisamment nombreuses pour que l’avantage soit significatif pour les hommes d’Europe de l’Est et les femmes d’Europe de l’Est, des pays de l’OCDE et d’Afrique et du proche Orient.

17    Selon cette définition et pour la Suisse du début des années 2000, les pays du Sud comprennent les deux régions d’Europe du Sud que nous avions définies, l’Amérique latine, l’Afrique et le proche Orient et l’Asie. Les étrangers d’Europe de l’Est se caractérisent par une main d’oeuvre hautement qualifiée et correspondent, à ce titre, aux attributs des étrangers des pays du Nord.

18    Les étrangers de seconde génération se situent au milieu de ce gradient chez les hommes, alors que pour les femmes, leur mortalité est supérieure à toutes les étrangères qui ont migré.

19    Cette dichotomie est nécessaire afin d’avoir des groupes consistants et conséquents pour discuter des différentiels.

20    Des tendances similaires peuvent être entrevues à partir des modèles 5.8 et 5.9 par la multiplication des effets de nationalité et du gradient de la durée de séjour.

21    Il y a passablement d’hétérogénéité parmi les populations du Sud car si certaines régions du Sud de l’Europe sont caractérisées par une longue espérance de vie (l’Italie et l’Espagne ont par exemple des niveaux de mortalité inférieurs à l’Allemagne ou la Grande-Bretagne), les pays en développement d’Asie ou d’Afrique ont une mortalité qui est beaucoup plus forte à tous les âge (voir section 4.3).