Les traits de personnalité peuvent-ils distinguer différents types de décrocheurs scolaires potentiels à l'adolescence?

Le décrochage scolaire des adolescents est un phénomène alarmant qui occasionne de multiples conséquences négatives, tant pour le jeune que pour la société. Des recherches empiriques ont soulevé l’importance de considérer les décrocheurs comme un groupe aux profils hétérogènes. En conséquence, quelques chercheurs ont proposé des typologies des décrocheurs scolaires à l’adolescence, dont Janosz (1994; Janosz, Le Blanc, Boulerice, & Tremblay 2000). À partir de trois indicateurs de l’adaptation scolaire des adolescents (engagement scolaire, indiscipline scolaire et performance scolaire), Janosz et ses collègues ont identifié quatre types de décrocheurs scolaires potentiels, soient les Discrets, les Désengagés, les Sous-performants et les Inadaptés. Les études prédictives conduites jusqu’à maintenant ont permis de déterminer que les différents types proposés par cette typologie se distinguent sur différents facteurs de risque du décrochage d’ordre individuel et environnemental. Toutefois, il n’est pas connu si ces types de décrocheurs potentiels se distinguent des adolescents non à risque de décrocher sur un facteur important, soit les traits de personnalité. Cette étude visait donc à évaluer si les traits de personnalité des adolescents (Ouverture, Extraversion, Contrôle, Amabilité et Stabilité émotionnelle) permettaient de prédire l’appartenance aux quatre types de décrocheurs potentiels proposés par Janosz et ses collègues (2000), en contrôlant l’effet de plusieurs autres facteurs de risque classique du décrochage. Les données provenaient de l’étude Stratégie d’Intervention Agir Autrement (SIAA), qui compte plus de 40 000 adolescents provenant de 69 écoles secondaires au Québec. L’échantillon qui a été utilisé dans cette étude (N = 4980) était composé d’élèves de 14 à 16 ans évalués en 2006-2007. Les adolescents ont rempli des questionnaires en groupe durant une période de classe. Différents modèles de régression logistique multinomiale contrôlant pour la nature hiérarchique des données ont confirmé que les traits de personnalité ont prédit l’appartenance à différents types de décrocheurs, et ce, au-delà de l’effet de plusieurs facteurs de risque classiques du décrochage scolaire. Ces résultats suggèrent que les théories du décrochage scolaire pourraient intégrer les traits de personnalité et que ces derniers pourraient être utilisés pour le dépistage des adolescents à risque de décrochage.

Bootstrap for panel data models with an application to the evaluation of public policies

Le but de cette thèse est d étendre la théorie du bootstrap aux modèles de données de panel. Les données de panel s obtiennent en observant plusieurs unités statistiques sur plusieurs périodes de temps. Leur double dimension individuelle et temporelle permet de contrôler l 'hétérogénéité non observable entre individus et entre les périodes de temps et donc de faire des études plus riches que les séries chronologiques ou les données en coupe instantanée. L 'avantage du bootstrap est de permettre d obtenir une inférence plus précise que celle avec la théorie asymptotique classique ou une inférence impossible en cas de paramètre de nuisance. La méthode consiste à tirer des échantillons aléatoires qui ressemblent le plus possible à l échantillon d analyse. L 'objet statitstique d intérêt est estimé sur chacun de ses échantillons aléatoires et on utilise l ensemble des valeurs estimées pour faire de l inférence. Il existe dans la littérature certaines application du bootstrap aux données de panels sans justi cation théorique rigoureuse ou sous de fortes hypothèses. Cette thèse propose une méthode de bootstrap plus appropriée aux données de panels. Les trois chapitres analysent sa validité et son application. Le premier chapitre postule un modèle simple avec un seul paramètre et s 'attaque aux propriétés théoriques de l estimateur de la moyenne. Nous montrons que le double rééchantillonnage que nous proposons et qui tient compte à la fois de la dimension individuelle et la dimension temporelle est valide avec ces modèles. Le rééchantillonnage seulement dans la dimension individuelle n est pas valide en présence d hétérogénéité temporelle. Le ré-échantillonnage dans la dimension temporelle n est pas valide en présence d'hétérogénéité individuelle. Le deuxième chapitre étend le précédent au modèle panel de régression. linéaire. Trois types de régresseurs sont considérés : les caractéristiques individuelles, les caractéristiques temporelles et les régresseurs qui évoluent dans le temps et par individu. En utilisant un modèle à erreurs composées doubles, l'estimateur des moindres carrés ordinaires et la méthode de bootstrap des résidus, on montre que le rééchantillonnage dans la seule dimension individuelle est valide pour l'inférence sur les coe¢ cients associés aux régresseurs qui changent uniquement par individu. Le rééchantillonnage dans la dimen- sion temporelle est valide seulement pour le sous vecteur des paramètres associés aux régresseurs qui évoluent uniquement dans le temps. Le double rééchantillonnage est quand à lui est valide pour faire de l inférence pour tout le vecteur des paramètres. Le troisième chapitre re-examine l exercice de l estimateur de différence en di¤érence de Bertrand, Duflo et Mullainathan (2004). Cet estimateur est couramment utilisé dans la littérature pour évaluer l impact de certaines poli- tiques publiques. L exercice empirique utilise des données de panel provenant du Current Population Survey sur le salaire des femmes dans les 50 états des Etats-Unis d Amérique de 1979 à 1999. Des variables de pseudo-interventions publiques au niveau des états sont générées et on s attend à ce que les tests arrivent à la conclusion qu il n y a pas d e¤et de ces politiques placebos sur le salaire des femmes. Bertrand, Du o et Mullainathan (2004) montre que la non-prise en compte de l hétérogénéité et de la dépendance temporelle entraîne d importantes distorsions de niveau de test lorsqu'on évalue l'impact de politiques publiques en utilisant des données de panel. Une des solutions préconisées est d utiliser la méthode de bootstrap. La méthode de double ré-échantillonnage développée dans cette thèse permet de corriger le problème de niveau de test et donc d'évaluer correctement l'impact des politiques publiques.