A Bayesian Age-Period-Cohort approach for modeling fertility in Puerto Rico

Cet article présente la première application d'un modèle âge-période-cohéorte bayésien aux données de fécondité de Porto Rico (1948-2022), révélant que le déclin de la fécondité est principalement dû à des effets de cohorte plutôt qu'à des effets de période, avec une baisse marquée pour les cohortes nées à partir de 1963-1967.

L'essentiel

🇵🇷 Le Mystère de la Naissance à Porto Rico : Une Enquête Démographique

Imaginez que Porto Rico est une grande maison où, autrefois, les enfants couraient partout. Mais aujourd'hui, la maison se vide. Les bébés ne naissent plus, et les adultes partent. Les chercheurs (Jomarie, Angélica, Luis et Hernando) ont décidé de mener l'enquête pour comprendre pourquoi et quand cela s'est produit.

Ils ont utilisé une méthode mathématique sophistiquée appelée modèle "Âge-Période-Cohorte" (APC). Pour faire simple, c'est comme si on regardait l'histoire de la natalité sous trois angles différents :

1. L'Âge (Le Cycle de Vie) : C'est comme regarder une personne grandir. À quel âge les femmes ont-elles tendance à avoir des enfants ? (Généralement entre 20 et 30 ans).
2. La Période (L'Histoire du Moment) : Ce sont les événements qui frappent tout le monde en même temps, comme une tempête, une guerre, une crise économique ou une nouvelle loi. C'est comme si un nuage passait au-dessus de toute la maison, rendant tout le monde triste ou inquiet, peu importe leur âge.
3. La Cohorte (La Génération) : C'est le groupe de personnes nées à la même époque. Imaginez une classe d'école. Les enfants de cette classe partagent les mêmes souvenirs, la même culture et les mêmes valeurs. Si cette classe décide de ne pas avoir d'enfants, c'est un choix qui les suit toute leur vie.

---

🕵️‍♂️ La Grande Révélation : Ce n'est pas la "Tempête", c'est le "Groupe"

Dans la plupart des pays, quand le nombre de naissances chute, les experts disent souvent : "C'est à cause de la crise économique !" (C'est l'effet Période). Ils pensent que les gens repoussent la naissance parce qu'ils n'ont pas d'argent maintenant.

Mais l'enquête à Porto Rico a trouvé quelque chose de très différent :

• Avant 1997 : C'était un peu comme une tempête. Les événements historiques (période) expliquaient la baisse.
• Après 1998 : La "tempête" s'est calmée, mais les naissances ont continué de chuter. Pourquoi ? Parce que c'est la génération (la cohorte) qui a changé.

L'analogie de la "Classe d'Élèves" :
Imaginez une école.

• Les élèves nés avant 1963 (la vieille classe) avaient beaucoup d'enfants.
• Les élèves nés après 1963 (la nouvelle classe) ont décidé, collectivement, d'avoir très peu d'enfants, peu importe si l'économie allait bien ou mal.

C'est comme si toute une génération avait changé d'avis sur la famille. Ce n'est pas qu'ils attendent d'avoir plus d'argent pour avoir un enfant (ce qu'on appelle le "report" ou le "retard"). À Porto Rico, les femmes ne reportent pas la naissance pour plus tard ; elles décident simplement de ne pas en avoir du tout, ou d'en avoir beaucoup moins. C'est un changement de culture et de valeurs qui reste avec elles toute leur vie.

---

🛠️ Comment ont-ils fait ? (La Cuisine Mathématique)

Pour résoudre ce mystère, les chercheurs ont utilisé une "cuisine" très spéciale :

• Les Ingrédients (Données) : Ils ont pris toutes les naissances à Porto Rico de 1948 à 2022.
• La Recette (Bayésienne) : Au lieu de dire "Voici la réponse exacte", ils ont dit "Voici la réponse la plus probable, avec une marge d'erreur". C'est comme dire : "Il y a 95% de chances qu'il pleuve demain" plutôt que "Il va pleuvoir".
• Le Secret de la Cuisine (Priors Scaled Beta2) : Ils ont utilisé une nouvelle épice mathématique (une distribution de probabilité appelée Scaled Beta2) au lieu de l'ancienne épice (Gamma). Cette nouvelle épice permet de mieux goûter les saveurs extrêmes sans gâcher le plat. Cela a donné des résultats beaucoup plus précis et fiables.

---

📉 Ce que cela signifie pour l'avenir

Le résultat est clair et un peu inquiétant :

1. Pas de retour en arrière : Contrairement à l'Italie ou à la Corée du Sud où les femmes attendent d'avoir 35 ans pour avoir leurs enfants (et les ont quand même), à Porto Rico, les femmes ne reportent pas. Elles arrêtent.
2. Une maison qui se vide : Avec très peu de bébés qui naissent et beaucoup de personnes âgées, la population vieillit très vite. Porto Rico est en train de devenir une "île super-âgée".
3. Leçon pour les politiques publiques : Si vous voulez aider la natalité à Porto Rico, il ne suffit pas de donner de l'argent (ce qui aide en cas de crise "Période"). Il faut comprendre pourquoi les nouvelles générations ne veulent plus de famille. Il faut changer les mentalités, la culture et les valeurs, car c'est là que le problème se niche.

En résumé

Cette étude nous dit que la baisse des naissances à Porto Rico n'est pas juste une réaction à la crise économique actuelle. C'est un changement profond dans la façon dont les nouvelles générations voient la famille. Pour arrêter l'hémorragie démographique, il faut parler à ces générations et comprendre leurs choix, pas seulement essayer de réparer l'économie.

Résumé technique

1. Problématique et Contexte

Le Puerto Rico fait face à une situation démographique critique, caractérisée par l'un des taux de fécondité totale (TFR) les plus bas au monde (0,9 en 2023), une migration nette négative et un vieillissement rapide de la population (classement en « super-vieillissement »).

• Le défi : Comprendre les moteurs de ce déclin de la fécondité. La littérature démographique internationale attribue souvent les baisses de fécondité aux effets de période (événements historiques, politiques familiales, crises économiques) ou au report des naissances (postponement).
• L'hypothèse de départ : Les auteurs cherchent à déterminer si le déclin de la fécondité à Porto Rico est principalement dû à des effets de période (similaires à d'autres pays comme la Corée du Sud ou les États-Unis) ou à des effets de cohorte (comportements reproductifs spécifiques à une génération), et si le phénomène de report des naissances est présent.

2. Méthodologie

L'étude utilise une approche Bayésienne pour modéliser les données de fécondité de 1948 à 2022.

• Données : Données du Registre Démographique de Porto Rico et du Bureau du Recensement des États-Unis.
  • Matrice de naissances ($Y$) et de femmes en années-personnes ($P$).
  • Structure : 7 groupes d'âge (15-19 à 45-49 ans), 15 périodes (intervalles de 5 ans), et 21 cohortes.
• Modèle Statistique :
  • Distribution : Loi de Poisson pour le nombre de naissances ($y_{a,t}$).
  • Log-linéaire : $\log(\lambda_{a,t}) = \lambda_0 + \theta_a + \phi_t + \alpha_c - \log(p_{a,t})$, où $\theta$ sont les effets d'âge, $\phi$ les effets de période, et $\alpha$ les effets de cohorte.
  • Priors (Antérieurs) :
    • Effets d'âge, de période et de cohorte : Priors autorégressifs d'ordre 2 (RW(2)) pour capturer les tendances linéaires et la lissitude.
    • Paramètres de précision ($\tau$) : Distribution Scaled Beta2 (SBeta2). C'est une innovation méthodologique par rapport aux distributions Inverse Gamma ou Gamma souvent utilisées, offrant une meilleure robustesse et des queues de distribution plus lourdes.
  • Problème d'identification : La relation linéaire $Cohorte = Période - Âge$ crée une dépendance parfaite. L'article propose une solution innovante pour contourner ce problème :
    • Au lieu de contraintes classiques (somme nulle ou égalité stricte à zéro), les auteurs imposent des contraintes probabilistes sur les effets de cohorte complets (cohortes 10 et 11, correspondant aux périodes 1948-1952 et 1953-1957) avec une variance faible mais non nulle ($N(0, 0.0025)$). Cela permet d'obtenir des intervalles de crédibilité raisonnables sans biaiser excessivement les estimations.
• Implémentation : Utilisation du langage Stan via l'interface RStan, avec des méthodes MCMC (Monte Carlo Markov Chain) sur 15 000 itérations.
• Critères de comparaison de modèles :
  • LOOIC (Leave-One-Out Information Criterion) et WAIC (Widely Applicable Information Criterion) pour la précision prédictive hors échantillon.
  • Analyse des résidus (Somme des carrés des erreurs) et proportion de variance expliquée.
  • Validation par prévision du TFR pour la période 2018-2022.

3. Résultats Clés

• Dominance des effets de cohorte : Les résultats contredisent la tendance internationale où les effets de période dominent. À Porto Rico, les effets de cohorte expliquent 45,96 % de la variation du modèle APC, contre seulement 19,34 % pour les effets de période.
• Absence de report des naissances : Contrairement à l'Italie ou à la Corée du Sud, les données ne montrent pas de report des naissances (postponement). Les femmes ne reportent pas leur maternité pour la rattraper plus tard ; elles ont simplement moins d'enfants.
• Évolution temporelle :
  • 1948-1997 : Les effets de période prédominent.
  • Après 1998 : Les effets de cohorte deviennent le facteur explicatif majeur du déclin.
  • Cohortes critiques : Les femmes nées après 1963-1967 présentent des taux de fécondité nettement plus bas. Une chute drastique est observée pour les cohortes nées à partir de 1978-1982.
• Performance du modèle :
  • Le modèle avec la prior Scaled Beta2 et les contraintes originales (sur les cohortes complètes) surpasse les modèles avec des priors Gamma ou des contraintes de somme nulle.
  • Ce modèle prédit un TFR médian de 1,07 pour 2018-2022, très proche de la valeur réelle (0,9), avec des intervalles de crédibilité réalistes, contrairement aux modèles Gamma qui produisent des intervalles trop larges et imprévisibles.

4. Contributions Principales

• Contribution Démographique : Identification d'un mécanisme de déclin de la fécondité unique à Porto Rico, piloté par les changements de comportement des générations (cohorte) plutôt que par des chocs conjoncturels (période). Cela suggère que les politiques publiques doivent cibler les valeurs socioculturelles et les normes de fécondité spécifiques à chaque génération, plutôt que de simples mesures économiques temporaires.
• Contribution Méthodologique :
  • Proposition d'une nouvelle approche pour résoudre le problème d'identification dans les modèles APC Bayésiens, en utilisant des contraintes probabilistes sur des cohortes complètes plutôt que des contraintes déterministes rigides.
  • Démonstration de l'efficacité supérieure de la distribution Scaled Beta2 par rapport aux distributions Gamma/Inverse Gamma classiques pour les paramètres de précision dans ce contexte.
  • Développement d'une procédure de comparaison de modèles intégrant LOOIC, WAIC et l'analyse des résidus pour valider la robustesse des priors.

5. Signification et Implications

Cette étude remet en question l'application universelle des modèles de fécondité basés sur les effets de période. Elle démontre que dans des contextes de « très faible fécondité » (lowest-low fertility) comme Porto Rico, l'analyse par cohortes est essentielle.

• Politiques publiques : Les stratégies pour relancer la natalité à Porto Rico doivent intégrer la dimension générationnelle. Le fait qu'il n'y ait pas de report de naissances signifie que les politiques de soutien à la natalité doivent agir sur la décision d'avoir des enfants (ou non) plutôt que sur le timing.
• Modélisation future : La méthodologie proposée (Stan, priors SBeta2, contraintes de cohorte) offre un cadre robuste pour analyser d'autres territoires ou régions confrontés à des dynamiques démographiques similaires, et ouvre la voie au développement d'un package R dédié pour faciliter l'application de ce cadre Bayésien.

En résumé, l'article fournit une preuve statistique rigoureuse que le déclin démographique de Porto Rico est structurel et générationnel, nécessitant une approche de modélisation et de politique publique adaptée à cette spécificité.