Étude quantitative originale – Explorer et visualiser à échelle fine les facteurs socioéconomiques, l’accès aux boissons alcoolisées et l’incidence de l’environnement bâti sur les dépenses en alcool dans la ville de Toronto : démarche d’analyse spatiale

Promotion de la santé et prévention des maladies chroniques au Canada, volume 39, no 1, janvier 2019

Téléchargez cet article en format PDF (820 Ko, 11 pages)

Andrew Leung, M. Sc.^{Rattachement de l'auteur 1}; Jane Law, Ph. D. ^{Rattachement de l'auteur 1}, ^{Rattachement de l'auteur 2}; Martin Cooke, Ph. D.^{Rattachement de l'auteur 1}, ^{Rattachement de l'auteur 3}, ^{Rattachement de l'auteur 4}; Scott Leatherdale, Ph. D.^{Rattachement de l'auteur 1}

https://doi.org/10.24095/hpcdp.39.1.02f

Cet article a fait l’objet d’une évaluation par les pairs.

Rattachement des auteurs :

Rattachement de l'auteur 1

École de santé publique et de systèmes de soins de santé, Université de Waterloo, Waterloo (Ontario), Canada

Retour à la première rattachement de l'auteur 1

Rattachement de l'auteur 2

École de planification, Université de Waterloo, Waterloo (Ontario) Canada

Retour à la première rattachement de l'auteur 2

Rattachement de l'auteur 3

École de pharmacie, Université de Waterloo, Waterloo (Ontario), Canada

Retour à la première rattachement de l'auteur 3

Rattachement de l'auteur 4

Département de sociologie et d'études juridiques, Université de Waterloo, Waterloo (Ontario), Canada

Retour à la première rattachement de l'auteur 4

Correspondance : Andrew Leung, École de santé publique et de systèmes de soins de santé, Université de Waterloo, Waterloo (Ontario) N2L 3G1; Tél. : 647-825-2667; Courriel : as2leung@uwaterloo.ca.

Résumé

Introduction. De nombreux Canadiens continuent de boire beaucoup plus d'alcool que ce que préconisent les Directives de consommation d'alcool à faible risque. Dans cette étude, nous avons illustré les variations spatiales associées aux dépenses engagées dans des établissements licenciés à Toronto et nous avons examiné les effets des facteurs socioéconomiques locaux, de l'accès aux boissons alcoolisées et de l'incidence de l'environnement bâti sur les dépenses en alcool à l'échelle des aires de diffusion (AD).

Méthodologie. D'après l'Enquête sur les dépenses des ménages de 2010, ce sont les dépenses totales moyennes des ménages à l'échelle des AD en boissons alcoolisées achetées dans des établissements licenciés qui sont la variable ayant la plus grande incidence sur les résultats. L'indice de Moran et l'indice local de Moran ont été utilisés pour quantifier les variations spatiales et pour identifier les points chauds et les points froids en termes de dépenses. Nous avons utilisé, dans divers modèles multidimensionnels de régression spatiale, les caractéristiques socioéconomiques à l'échelle des AD tirées du Recensement de 2006 ainsi que des ensembles de données de 2008 de DMTI Spatial et de 2010 de CanMap concernant la densité des établissements licenciés et les autres caractéristiques socioéconomiques de l'environnement bâti afin de prédire les dépenses en alcool.

Résultats. Les principaux indicateurs à échelle fine associés aux dépenses en alcool étaient le pourcentage de personnes occupant des postes dans les domaines de la gestion ou des finances ainsi que le pourcentage de personnes ayant une éducation post-secondaire (une augmentation d'une unité étant associée à des augmentations respectives de l'ordre de 78,6 % et de 35,0 % des dépenses). La présence de lignes de métro dans l'environnement immédiat et dans le quartier constituait aussi un facteur important (une augmentation d'une unité entraînant des hausses de l'ordre de respectivement 5 % et 28 % des dépenses). La densité des points de vente d'alcool constituait également un facteur positif sur les dépenses en alcool.

Conclusion. Les liens entre les dépenses en alcool engagées dans des établissements licenciés et les caractéristiques des zones à échelle fine mettent en lumière l'importance que pourraient jouer les facteurs à cette échelle dans notre compréhension de la consommation d'alcool. Bien comprendre les caractéristiques des unités géographiques à échelle fine et les variations spatiales en matière de dépenses en alcool pourrait offrir des outils pour les politiques et initiatives de réduction de la consommation d'alcool.

Mots-clés : études à échelle fine, aires de diffusion, analyse spatiale, régression spatiale, dépenses en alcool, consommation d'alcool, Directives de consommation d'alcool à faible risque, variations spatiales, SIG

Points saillants

La consommation d'alcool au-delà des recommandations des Directives de consommation d'alcool à faible risque demeure un problème de santé publique. Les associations à échelle fine avec les dépenses en alcool n'ayant jamais été examinées, des facteurs ayant une grande incidence potentielle sur la consommation d'alcool demeurent ainsi inconnus.
Connaître les variations spatiales associées aux dépenses en alcool dans la ville de Toronto aiderait à mettre en place des interventions ciblées. Les modèles de régression spatiale permettent de contrôler les variations spatiales en lien avec les caractéristiques des unités géographiques à échelle fine.
Cette étude quantifie le niveau de variation spatiale en matière de dépenses en alcool engagées dans des établissements licenciés et aide à visualiser, à l'aide de cartes, les secteurs où les dépenses sont élevées.
Des associations positives importantes ont été faites pour les facteurs socioéconomiques et les facteurs liés à l'environnement bâti présents à échelle fine.

Introduction

On sait que la consommation excessive d'alcool est l'un des principaux risques comportementaux modifiables des maladies non transmissibles. Malgré ses conséquences néfastes, nombreux sont les Canadiens qui consomment davantage d'alcool que ce que préconisent les Directives de consommation d'alcool à faible risque, ce qui les expose davantage aux méfaits engendrés par la consommation d'alcool. On évalue que la consommation d'alcool au Canada aurait été responsable de 8 953 décès et de 172 255 années potentielles de vie perdues en 2005^{Note de bas de page 1}. Pour 2011, on évalue à 5,3 milliards de dollars les coûts indirects et directs engendrés dans la province de l'Ontario relativement à la consommation d'alcool^{Note de bas de page 2} ^{Note de bas de page 3} ^{Note de bas de page 4}. On prévoit une augmentation des coûts économiques et sociaux associés à la consommation d'alcool avec l'augmentation prévisible du niveau de consommation^{Note de bas de page 2}.

Divers facteurs individuels ont également été associés à la consommation d'alcool, dont l'origine ethnique, l'activité professionnelle, le revenu, le logement et l'éducation^{Note de bas de page 5} ^{Note de bas de page 6} ^{Note de bas de page 7} ^{Note de bas de page 8}. Des données probantes indiquent que les caractéristiques physiques et démographiques des quartiers peuvent aussi influencer la consommation d'alcool^{Note de bas de page 9} ^{Note de bas de page 10}. Ces facteurs à l'échelle du quartier sont socioéconomiques, associés à l'environnement bâti et à l'accès aux boissons alcoolisées à l'échelle locale^{Note de bas de page 11}^{Note de bas de page 12}^{Note de bas de page 13}^{Note de bas de page 14}^{Note de bas de page 15}^{Note de bas de page 16}.

Un certain nombre de mesures socioéconomiques à l'échelle locale se sont révélées être liées à la consommation d'alcool, même si les résultats des études ne sont pas toujours cohérents. Cerdá et collab.^{Note de bas de page 17} ont constaté que les modèles intégrant une mesure de défavorisation permettaient de mieux évaluer la consommation d'alcool par rapport aux modèles sans mesure de défavorisation. Les études réalisées par Galea et collab.^{Note de bas de page 18} ainsi que Pollack et collab.^{Note de bas de page 19} ont permis de constater que les secteurs ayant les plus faibles niveaux de défavorisation dans le voisinage présentaient les taux les plus élevés de consommation d'alcool. Les disparités spatiales en matière de revenu et d'éducation se sont également avérées positivement associés à la consommation d'alcool^{Note de bas de page 18} ^{Note de bas de page 19} ^{Note de bas de page 20}.

De manière générale, l'environnement bâti correspond aux dimensions d'un milieu physique qui ne sont pas spécifiques aux personnes qui l'habitent mais portent plutôt sur les ressources physiques disponibles dans ce milieu^{Note de bas de page 21}. Les éléments de l'environnement bâti susceptibles d'avoir une incidence sur la consommation d'alcool sont la présence de transport public^{Note de bas de page 21} ^{Note de bas de page 22} et l'accès aux boissons alcoolisées, ce qui se traduit par la présence de détaillants d'alcool, de restaurants et de bars^{Note de bas de page 23}. Des travaux antérieurs laissent aussi présumer que l'état physique des immeubles à proximité constitue un facteur important. Bernstein et collab.^{Note de bas de page 9} ont mis en lumière le fait que les taux de consommation excessive d'alcool étaient 150 % supérieurs chez les personnes dont les quartiers étaient très délabrés, un constat significatif dans les modèles à plusieurs niveaux tenant aussi compte du revenu et de l'éducation.

Une vaste proportion des travaux de recherche associant les facteurs liés au quartier à la consommation d'alcool ont utilisé des données d'enquête sur la consommation d'alcool. Or, même si nous disposons de données sur la consommation d'alcool tirées d'enquêtes, ces données, étant autodéclarées, sont susceptibles de présenter les problèmes typiques de ce type de mesure. Les données sur les dépenses en alcool, quant à elles, sont en lien théorique avec la consommation, mais elles ont été moins souvent examinées, alors qu'elles fournissent une autre stratégie pour connaître les modèles de consommation d'alcool^{Note de bas de page 5} ^{Note de bas de page 24}. Les données sur les dépenses sont susceptibles, elles aussi, d'être tirées d'enquêtes auto-déclarées, comme celles de notre analyse. Elles sont donc assujetties aux mêmes limites, mais des recherches du même type pourraient être effectuées en utilisant les données sur les ventes de boissons alcoolisées déclarées par chaque régie des alcools et par les détaillants.

Notre étude avait pour objectif d'examiner les liens entre les diverses influences spatiales et environnementales sur les dépenses en alcool engagées dans les établissements licenciés de la ville de Toronto. Nous avons, pour ce faire, utilisé les données sur les ventes d'alcool engagées dans les établissements licenciés comme principale variable de résultat et nous avons examiné les effets de facteurs socioéconomiques au niveau local, de l'accès aux boissons alcoolisées et de l'environnement bâti. Nous avons eu recours à une analyse spatiale à échelle fine et aux modèles multidimensionnels de régression spatiale pour examiner les liens entre ces facteurs locaux et les dépenses en alcool déclarées, et nous avons utilisé des techniques de systèmes d'information géographique (SIG) pour visualiser les points chauds et les points froids en matière de dépenses en alcool dans la ville de Toronto.

Méthodologie

Unité d'analyse

L'unité d'analyse de l'étude est l'aire de diffusion (AD), qui est la plus petite unité géographique de Statistique Canada couvrant tout le territoire du Canada, chaque AD regroupant de 400 à 700 personnes ^{Note de bas de page 25}. Les variables liées aux facteurs socioéconomiques et à l'environnement bâti étant plus homogènes au sein des AD qu'à une échelle plus vaste, l'utilisation de petites unités spatiales permet de dégager des tendances spatiales susceptibles de passer inaperçues à des échelles plus vastes. La figure 1 présente les 3 685 AD de la ville de Toronto d'après le Recensement du Canada de 2006^{Note de bas de page 26}.

**Figure 1. Carte des aires de diffusion de Toronto (Canada) incluant les principales autoroutes**

Dissemination area code	Area (m²)
35200002	49667
35200003	46914
35200004	50041
35200005	43884
35200006	56847
35200007	77433
35200009	63518
35200010	35646
35200012	47781
35200013	7433
35200018	176140
35200028	125402
35200029	43488
35200030	96772
35200031	229689
35200032	229134
35200033	94177
35200034	613878
35200035	113623
35200036	40227
35200037	238808
35200039	63111
35200041	223430
35200042	150303
35200043	793807
35200044	26785
35200046	92810
35200047	58090
35200048	101692
35200049	79389
35200050	570609
35200051	67551
35200052	167251
35200053	49203
35200054	111001
35200055	97703
35200056	884592
35200057	26054
35200058	25305
35200062	142383
35200064	143132
35200065	60905
35200066	80891
35200067	101890
35200068	56421
35200069	129931
35200070	70982
35200071	52229
35200072	113438
35200073	55634
35200074	56304
35200078	165432
35200079	100420
35200080	229923
35200082	50751
35200085	82369
35200086	116339
35200087	182707
35200088	108957
35200089	157005
35200090	132487
35200091	69334
35200092	182254
35200093	141232
35200094	2190786
35200095	74922
35200096	28137
35200097	32989
35200099	35037
35200100	83249
35200101	161140
35200102	260767
35200103	57079
35200104	210304
35200105	185485
35200106	277315
35200107	40183
35200108	66781
35200109	159630
35200110	86579
35200111	58610
35200112	130922
35200114	172042
35200115	124045
35200116	72567
35200117	104289
35200118	68168
35200119	35221
35200120	191194
35200121	62974
35200123	153982
35200124	147220
35200125	67190
35200126	50144
35200127	102623
35200128	450421
35200133	202428
35200134	143144
35200135	56481
35200136	55031
35200137	83286
35200138	31190
35200139	1812014
35200140	1639425
35200141	130794
35200142	63487
35200143	126864
35200144	493518
35200145	44691
35200146	67982
35200147	136398
35200148	128205
35200149	92873
35200150	101075
35200161	82179
35200162	104343
35200163	172829
35200164	86367
35200165	103319
35200166	194925
35200167	308919
35200173	54840
35200174	110107
35200175	193870
35200176	58900
35200177	323426
35200178	108352
35200179	405121
35200180	134782
35200181	54483
35200182	44553
35200183	133494
35200186	85924
35200187	85595
35200188	64581
35200189	113300
35200190	89901
35200193	153096
35200196	313061
35200197	106855
35200198	128948
35200199	176050
35200200	196106
35200201	142079
35200202	195794
35200203	197700
35200204	136720
35200205	105039
35200206	145445
35200207	73368
35200208	118170
35200209	60111
35200210	175904
35200211	58166
35200212	98285
35200213	180123
35200214	189085
35200215	180674
35200216	276476
35200217	138693
35200218	503786
35200219	148727
35200220	234088
35200221	797423
35200222	67298
35200223	109449
35200224	190268
35200232	65472
35200233	126430
35200234	91528
35200235	158154
35200236	95307
35200237	84144
35200238	248311
35200239	79571
35200242	132236
35200243	101060
35200244	100140
35200245	100843
35200246	116276
35200249	94087
35200250	87693
35200251	94219
35200252	145440
35200253	254898
35200254	272528
35200255	225592
35200256	115487
35200260	152697
35200261	98497
35200262	89093
35200263	82824
35200264	78834
35200265	146166
35200266	157772
35200267	133107
35200268	43114
35200269	90240
35200270	1268399
35200271	98715
35200272	146682
35200273	49963
35200275	142655
35200278	146481
35200279	157522
35200280	57982
35200281	69427
35200284	44668
35200288	107830
35200289	284280
35200290	178069
35200291	178682
35200292	185550
35200293	253217
35200294	204318
35200297	57325
35200298	212097
35200300	48761
35200301	184183
35200302	309362
35200303	49576
35200304	256173
35200305	165054
35200306	158322
35200307	42965
35200308	240836
35200309	209931
35200310	93819
35200313	288512
35200315	87063
35200316	43987
35200317	36856
35200318	30698
35200319	58954
35200320	71363
35200321	378125
35200322	106212
35200323	218348
35200324	158046
35200325	28660
35200326	169408
35200327	44075
35200328	143375
35200329	488386
35200330	540533
35200331	131776
35200332	335135
35200333	162225
35200334	134317
35200335	147141
35200336	137739
35200337	127610
35200338	134565
35200339	69169
35200352	61060
35200355	183335
35200357	164389
35200358	132756
35200359	131663
35200360	128269
35200361	117841
35200362	153134
35200363	212737
35200364	192007
35200366	117542
35200368	70677
35200370	302688
35200371	346175
35200372	177992
35200373	226197
35200374	153689
35200375	33069
35200376	576409
35200377	368288
35200378	124073
35200379	204570
35200380	177915
35200381	121928
35200382	117422
35200383	131709
35200384	210698
35200385	93660
35200386	465791
35200387	137147
35200388	211676
35200389	1750950
35200391	115361
35200392	99679
35200393	692392
35200394	209495
35200395	250326
35200396	143399
35200397	342651
35200400	238499
35200401	150592
35200402	147853
35200404	51392
35200405	163428
35200406	79067
35200407	132750
35200408	145846
35200409	59925
35200410	50624
35200411	87150
35200412	82461
35200413	82914
35200414	104703
35200415	287587
35200416	181794
35200417	340641
35200418	49377
35200420	149876
35200421	70202
35200422	226320
35200423	55163
35200426	89153
35200427	109504
35200428	85478
35200429	49921
35200430	187977
35200431	212124
35200432	122441
35200433	84332
35200434	137637
35200435	114058
35200436	110241
35200437	143313
35200438	199642
35200439	101367
35200440	100970
35200442	63498
35200443	75530
35200444	116505
35200445	223899
35200449	82550
35200450	162175
35200451	77378
35200452	1103130
35200453	285136
35200454	281035
35200455	119763
35200456	62149
35200459	107046
35200460	34926
35200463	60600
35200464	105190
35200465	134671
35200466	121494
35200467	148102
35200468	850406
35200469	126850
35200470	131466
35200471	48963
35200472	98990
35200475	230038
35200478	105031
35200479	105900
35200480	90694
35200481	74964
35200482	72041
35200483	100530
35200484	34926
35200488	76422
35200489	35890
35200490	74581
35200491	129799
35200492	60534
35200493	74334
35200494	73933
35200495	169202
35200497	33008
35200498	124092
35200499	109898
35200505	50501
35200506	75268
35200510	57364
35200511	65223
35200512	59694
35200513	58726
35200514	62004
35200515	107465
35200516	60104
35200517	75326
35200518	53241
35200519	57301
35200520	84123
35200521	87995
35200522	88070
35200523	158405
35200524	115962
35200525	173978
35200529	283122
35200531	166428
35200532	111778
35200533	72951
35200534	164156
35200535	68066
35200536	143527
35200538	275073
35200539	45913
35200540	15064
35200541	185419
35200542	16971
35200545	127070
35200561	711066
35200562	93642
35200563	114898
35200564	98254
35200565	115020
35200566	87692
35200567	96285
35200568	73475
35200569	67462
35200570	49047
35200571	61029
35200572	56532
35200573	63277
35200574	63629
35200575	174780
35200576	131169
35200577	61461
35200578	40781
35200579	84158
35200580	51527
35200581	42442
35200582	92162
35200583	75912
35200584	62123
35200585	40505
35200586	53942
35200587	67246
35200588	97908
35200589	66366
35200590	46680
35200591	77250
35200593	55998
35200594	93196
35200595	44318
35200596	97260
35200597	44803
35200598	68988
35200599	71944
35200600	50080
35200601	57308
35200602	63798
35200603	90596
35200604	68182
35200605	74336
35200606	51907
35200610	32976
35200611	72138
35200612	76004
35200639	77434
35200640	102531
35200641	28773
35200642	137705
35200643	135519
35200644	325143
35200645	78250
35200646	75607
35200647	78528
35200648	38039
35200649	67472
35200650	93256
35200651	75211
35200652	74729
35200653	45926
35200654	326118
35200655	87305
35200656	40495
35200657	98582
35200658	199220
35200659	77113
35200660	145000
35200661	31544
35200662	56631
35200663	32828
35200664	78169
35200665	96330
35200666	87762
35200667	45744
35200668	31856
35200669	33653
35200670	52774
35200671	44057
35200672	46304
35200673	28043
35200674	114418
35200675	91715
35200676	85767
35200677	58981
35200678	205478
35200679	56034
35200680	73332
35200681	57351
35200682	48513
35200683	158012
35200686	115474
35200687	42254
35200688	68794

Sources des données

Nous avons utilisé des données provenant de quatre sources différentes. Nous avons extrait les dépenses en alcool engagées dans des établissements licenciés de l'Enquête sur les dépenses des ménages de 2010^{Note de bas de page 27}. L'ensemble de données de DMTI de 2008 sur les points d'intérêt amplifiés^{Note de bas de page 28} nous a fourni une liste d'établissements licenciés et les données de CanMap Route Logistics pour 2010^{Note de bas de page 29} ont fourni l'information sur l'environnement bâti (lignes de métro, autoroutes et type de zonage). Les caractéristiques socioéconomiques à l'échelle des AD ont été extraites des données du Recensement du Canada de 2006^{Note de bas de page 26}. Ces caractéristiques ont été recueillies au moyen du Formulaire long 2B du recensement, qui a été distribué à 20 % de la population en 2006. Dans cette étude, nous avons utilisé le recensement de 2006 en raison des changements apportés au recensement de 2011 et de l'arrivée de l'Enquête nationale auprès des ménages (ENM), qui a remplacé le formulaire long en 2011. En particulier, étant donné que les réponses à l'ENM ont été fournies sur une base volontaire, Statistique Canada n'a pas publié de caractéristiques socioéconomiques pour certaines AD en raison de l'absence de réponses^{Note de bas de page 30}. C'est pour permettre l'analyse à l'échelle des aires de diffusion que nous avons utilisé les données de 2006.

Mesures

La principale variable de résultat est la moyenne des dépenses annuelles totales déclarées par les ménages à l'échelle de l'AD pour l'achat d'alcool dans un établissement licencié au cours de 2010. Ces données ont été recueillies à l'aide d'un journal d'activités et de questions sur les habitudes à court terme^{Note de bas de page 27}. Nous avons appliqué une transformation logarithmique afin d'ajuster le coefficient.

En cohérence avec les études antérieures sur les dépenses et la consommation d'alcool^{Note de bas de page 5}^{Note de bas de page 6} ^{Note de bas de page 7} ^{Note de bas de page 8} ^{Note de bas de page 31}, nous avons examiné un certain nombre de variables socioéconomiques pertinentes pour prévoir les dépenses engagées dans des établissements licenciés, à savoir la composition ethnique du quartier, la concentration de membres de minorités visibles, l'activité professionnelle, le revenu, l'indice de défavorisation du quartier, le logement et l'éducation. Toutes ces données ont été tirées du Recensement de 2006.

Nous avons évalué la composition ethnique par zone à l'aide du pourcentage de population de l'AD s'identifiant comme d'origine ethnique noire, chinoise, sud-asiatique ou philippine. La concentration de minorités non visibles a été mesurée à l'aide du pourcentage de la population s'identifiant comme « non membre d'une minorité visible ». Nous avons défini l'activité professionnelle comme étant le pourcentage de la population de l'AD occupant un emploi et ayant déclaré travailler dans le domaine de la gestion, des finances ou de l'administration. Cette variable a été créée par la combinaison de plusieurs groupes d'emplois en fonction de la définition de la Classification nationale des professions pour statistiques de 2001 (CNP-S)^{Note de bas de page 32}.

Nous avons utilisé deux mesures du revenu de l'aire de diffusion : le revenu médian des ménages après impôt et le revenu moyen provenant de paiements de transfert du gouvernement. L'éducation a été définie comme la proportion de la population de l'AD ayant déclaré avoir obtenu l'une des qualifications suivantes : programme enregistré d'apprentissage; certificat ou diplôme d'études professionnelles; diplôme ou certificat d'études collégiales, cégep, autre certificat ou diplôme non universitaire; certificat, grade ou diplôme universitaire.

Trois mesures ont servi à saisir la nature de l'habitat dans chaque AD : la proportion de logements en immeuble à logements de moins de cinq étages, la proportion de maisons unifamiliales et la proportion de maisons en rangée (contiguës). Nous avons défini la présence de lignes de métro dans le quartier par le nombre de stations de métro (points d'accès) dans l'AD. Les stations de métro spatialement « décalées » correspondent à la présence de lignes de métro dans une AD adjacente.

Les données sur les points de vente d'alcool ont été extraites de l'ensemble de données de DMTI de 2008 sur les points d'intérêt amplifiés^{Note de bas de page 28}.

Nous avons mesuré l'accès local aux boissons alcoolisées en utilisant la densité de deux types de restaurants dans chaque AD : les « restaurants axés sur la consommation d'alcool », dont l'activité principale est de servir des boissons alcoolisées, et les « restaurants » qui servent à la fois des repas et des boissons alcoolisées. La densité de ces deux types de restaurants a été calculée en divisant le nombre de restaurants par le nombre de kilomètres carrés dans l'AD. Les versions spatialement « décalées » de ces variables témoignent de l'incidence de la densité des points de vente dans les AD voisines^{Note de bas de page 33}.

Analyses : autocorrélation spatiale globale, procédure d'analyse par grappes à l'échelle locale et modèles multidimensionnels de régression spatiale

Nous avons d'abord calculé les statistiques de l'indice global de Moran pour quantifier le niveau moyen d'autocorrélation spatiale et pour mettre à l'épreuve l'hypothèse nulle voulant que les dépenses en alcool dans l'AD soient entièrement indépendantes de celles des AD avoisinantes^{Note de bas de page 34}. Nous avons ensuite calculé les mesures de l'indice local de Moran pour dégager les grappes (cluster) de points chauds et de points froids, les points chauds étant des grappes d'AD avoisinantes présentant des niveaux similairement élevés de dépenses engagées dans des établissements licenciés et les points froids, des grappes présentant de faibles niveaux de dépenses engagées dans des établissements licenciés. Les techniques de mise en grappes ont été appliquées avec GeoDa v.1.6.7.^{Note de bas de page 35}. Des cartes à haute résolution ont ensuite été créées à l'aide d'ArcGIS 10.3 (Environmental Systems Research Institute Inc., Redlands, Californie, États-Unis).

Conformément à l'approche adoptée par Pridemore et Grubesic^{Note de bas de page 36}, Grubesic et collab.^{Note de bas de page 24} et Zhu, Gorman et Horel ^{Note de bas de page 37}, nous avons employé des modèles multidimensionnels de régression spatiale pour évaluer les effets des facteurs présents à échelle fine sur les dépenses en alcool à la même échelle. En présence d'une autocorrélation spatiale positive, la méthode de régression des moindres carrés ordinaires (MCO) risque d'entraîner des estimations biaisées et inefficaces des paramètres^{Note de bas de page 37}, d'où le développement de modèles de régression spatiale vastement utilisés en économétrie spatiale pour contrer ce problème néfaste^{Note de bas de page 38}.

Les modèles de régression spatiale comprennent au moins une variable supplémentaire, appelée terme autorégressif spatial, pour contrôler la variation spatiale. Nous avons évalué quatre grands modèles de régression spatiale, soit un modèle de décalage spatial (aussi appelé modèle spatial autorégressif ou SAR), un modèle d'erreur spatiale (SEM), un modèle spatial de Durbin (SDM) et un modèle spatial de Durbin avec erreurs (SDEM)^{Note de bas de page 14} ^{Note de bas de page 34}^{Note de bas de page 38}^{Note de bas de page 42}. Dans le cas du modèle de décalage spatial, les valeurs et la variable dépendante ( y ) d'une unité ( i ) sont présumées être directement influencées par les valeurs de 𝑦 des unités environnantes^{Note de bas de page 14Note de bas de page 43}. Compte tenu de cet effet, nous avons inclus une variable dépendante de décalage spatial (pWy) comme variable explicative (figure 2). Subsidiairement, le SEM intègre une variation spatiale par l'ajout d'un terme autorégressif spatial comme variable dépendante (figure 2). Le SDM et le SDEM, des extensions respectives du modèle de décalage spatial et du modèle d'erreur spatiale, leur sont en tous points identiques excepté qu'ils incluent un terme autorégressif spatial supplémentaire comme variable indépendante (figure 2).

**Figure 2. Modèles de régression spatiale servant à calculer les dépenses totales en alcool engagées dans des établissements licenciés à Toronto (Canada) - Aires de diffusion, 2010**

Nous avons débuté la procédure par des statistiques descriptives et une analyse de corrélation pour décrire la distribution de l'ensemble de données et dégager les problèmes de multicolinéarité. Les modèles préliminaires de régression MCO à deux variables suggérant une autocorrélation spatiale positive, nous avons calculé les régressions à deux variables à l'aide d'un SEM. Nous avons ensuite inclus les variables explicatives statistiquement significatives dans un SEM multidimensionnel. Le nombre de variables explicatives significatives a été réduit en appliquant une régression pas à pas descendante (α = 0,10). Nous avons mis à l'essai quatre modèles de régression spatiale, le modèle le mieux adapté ayant été sélectionné en fonction de la plus haute valeur du logarithme du rapport de vraisemblance. Tous les modèles de régression ont été évalués à l'aide du progiciel R, version 3.2.3^{Note de bas de page 44}.

Résultats

Statistiques descriptives

En 2010, la moyenne annuelle des dépenses en alcool des ménages engagées dans des établissements licenciés était de 337,51 $ (variant de 47,54 $ à 2 963,02 $). Le tableau 1 fournit des statistiques descriptives des dépenses engagées dans des établissements licenciés et des variables explicatives à l'échelle des unités spatiales.

**Tableau 1. Tableau des statistiques descriptives de toutes les variables de résultat et des variables explicatives - Aires de diffusion à Toronto (Canada), 2010**
Variable	N	Minimum	Maximum	Moyenne	Écart-type
Dépenses engagées dans un établissement licencié	3512	47,54	2963,02	337,51	291,01
Transformation logarithmique des établissements licenciés	3512	3,86	7,99	5,56	0,70
% de minorité non visible	3512	0,00	100,00	59,72	26,62
% d'origine ethnique philippine	3512	0,00	60,86	3,11	5,38
% d'employés en gestion	3512	0,07	0,93	0,53	0,15
Revenu médian des ménages - après impôt	3512	11776,00	335039,00	56303,79	25201,81
% de revenu provenant de paiements de transfert	3512	0,00	56,30	11,17	7,37
% de logements de moins de 5 étages	3512	0,00	100,00	19,04	23,95
% de logements - duplex	3512	0,00	61,39	6,60	7,92
% de maisons en rangée	3512	0,00	100,00	5,62	14,00
% de maisons unifamiliales	3512	0,00	100,00	39,87	34,50
% de scolarité postsecondaire	3512	0,00	0,94	0,48	0,16
Stations de métro	3512	0,00	1,00	0,06	0,23
Stations de métro décalées	3512	0,00	1,00	0,07	0,16
Densité de restaurants axés sur la consommation d'alcool, par AD	3512	0,00	116,78	1,10	6,46
Densité de restaurants axés sur la consommation d'alcool décalés, par AD	3512	0,00	38,79	1,13	3,43
Densité de restaurants, par AD	3512	0,00	826,78	21,54	59,30
Densité de restaurants décalés, par AD	3512	0,00	493,35	21,53	41,11
Abréviation : AD, aire de diffusion. Remarques : Une variable décalée tient compte de l'effet d'une variable d'intérêt (le cas échéant, les dépenses en alcool) dans les quartiers avoisinants d'une AD spécifique. Par exemple, pour une AD nommée AD1, si AD2 et AD3 sont voisines, on peut prendre la moyenne de leurs valeurs moyennes totales de dépenses en alcool et les inclure en tant que variable indépendante de décalage spatial. Ce qui constitue un voisin dépend de la définition de la contiguïté (c.-à-d. le critère de la tour : le partage d'une arête, ou le critère de la reine : le partage d'une arête ou d'un point), et la structure qui en résulte est enregistrée en tant que matrice de pondération spatiale. Densité de restaurants décalés : l'effet de la densité de restaurants dans les aires immédiatement adjacentes à une AD. Stations de métro décalées : l'effet de la présence de stations de métro dans les aires immédiatement adjacentes à une AD.

Autocorrélation spatiale

Pour les dépenses en alcool engagées dans des établissements licenciés, l'indice global de Moran était de 0,634 et très significatif (p = 0,001) (figure 3), ce qui témoigne d'une grande autocorrélation spatiale positive. Au total, trois points chauds et trois points froids ont été identifiés en fonction des dépenses en alcool, et ce, à l'aide de l'indice local de Moran (figure 4).

**Figure 3. Graphique de dispersion des données de l'indice global de Moran quant aux dépenses en alcool dans des établissements licenciés, Toronto (Canada), 2010**

Dépenses moyennes totales en alcool dans les établissements licenciés d'une aire de diffusion (axe des X)	Dépenses moyennes totales en alcool dans les aires de diffusion avoisinantes de l'aire de diffusion dans l'axe des X (axe des Y)
-1.3244958	-0.7311616
-0.5565847	-0.2821021
0.7484117	-0.561567
-0.4401517	-0.2340585
-0.4677544	0.0137321
0.1743977	-0.0776286
0.155859	0.0776642
0.7556098	-0.0652036
0.4330423	-0.1902973
0.5315923	-0.5895153
-0.4100418	-0.1175573
-0.1643978	-0.3436025
-0.0707168	-0.05484
-0.3747086	-0.2436877
-0.5189426	-0.2641581
-0.2968323	-0.3698181
-0.5201365	-0.3037615
-0.4614725	-0.5201365
-0.4464165	-0.6243217
0.2216988	-0.4464165
-0.9890296	-0.7303166
-0.9429963	-0.8028589
-0.5681462	-0.7075986
-0.7163044	-0.6049392
-0.6810559	0.0824936
0.5901899	-0.5606038
-0.5684756	-0.4834614
-0.3108754	-0.6560255
-0.4841236	-0.3813899
-0.3703255	-0.3705025
-0.8730304	-0.2834671
-0.4262108	-0.2094445
-0.3240842	-0.3222016
-1.2287034	-0.1847554
-0.5390517	-0.4955411
-0.3988015	-0.5491229
-0.7842328	-0.4524045
-0.195189	-0.7839936
-0.7837545	-0.480767
-0.59105	-0.6924452
-0.5093482	-0.4009305
-0.3240148	-0.5924088
-0.9884781	-0.1114004
0.0903522	-0.844179
-0.6998799	0.0903522
-0.6712933	-0.9884781
0.2145993	0.3039231
0.76225	0.0428777
-0.128844	0.3104882
-0.2849519	-0.0626733
0.312677	0.1047885
0.4945289	-0.1139647
0.1386903	0.0445593
0.0637042	0.2448223
0.0413564	0.1641143
0.3047135	-0.1624655
0.1468748	-0.3075306
0.3357355	-0.0571378
0.4288097	0.1044273
0.2783632	0.2145993
0.3176208	0.3087214
0.1616191	0.1777143
-0.1284801	0.1894732
0.6480834	-0.0193006
0.0554045	-0.0028342
0.0708482	0.0480428
-0.0749752	0.1435128
-0.0164182	0.1307323
-0.0531171	0.0436334
0.3604169	-0.052065
-0.1217047	0.0250974
0.1259446	-0.1264832
-0.7765988	-0.0863915
-0.248833	-0.438786
-0.1009731	-0.1366544
0.3152623	0.0436201
0.0803711	0.090694
0.3161973	-0.3214889
0.4720231	0.0855335
0.5485417	0.237196
-0.1172456	0.3803104
0.4016404	0.089197
-0.0518517	0.5786251
0.0399009	0.1701346
0.0448007	0.0960307
-0.1469716	0.0847475
0.1516734	-0.0444126
0.0422183	0.1552018
0.0639164	0.2342408
0.4895272	0.0495393
-0.5225272	0.2720426
0.7178403	-0.2125162
0.1249792	0.1408771
0.5188541	0.0448316
0.1115977	0.4170582
-0.3586784	0.4748991
0.267447	-0.3953525
-0.4923005	-0.4364992
0.0995403	-0.4865046
0.1203455	-0.2390313
-0.1795853	0.0376481
-0.4284503	-0.164828
0.0371475	-0.4254983
-0.6279919	-0.1960157
-0.1532504	-0.1026266
0.5500556	-0.244573
-0.091841	0.0672951
-0.5359086	0.0577542
-0.6059328	-0.1434093
-0.8463101	-0.2924447
-0.750101	-0.4858879
0.6623571	-0.3268007
0.0601986	-0.3336616
-0.4984049	-0.1049518
0.1550129	-0.1123939
-1.4711892	-0.0947693
-0.8898191	-0.2463557
0.2398821	0.3750903
0.3350769	-0.0906453
0.226586	0.3521215
0.3215281	-0.0552289
0.3530178	-0.0430798
0.2166995	-0.005804
0.2758479	0.008239
0.307358	-0.0595899
0.5852524	0.1201041
-0.2228936	0.4327504
0.5111024	0.1189034
-1.3410301	-0.2851757
-1.0663123	-0.6867797
-0.5837078	-0.8748987
-0.9217836	-0.8016275
-0.9198898	-0.7386667
-0.7486069	-0.5340846
-0.8621816	-0.5100688
0.58396	-0.3987974
-0.3736296	-0.4396273
0.6133237	0.0657895
0.4080845	-0.2712853
0.1652819	0.1966436
-0.9585735	0.2554814
0.8002209	-0.5250317
0.1471251	-0.083043
0.6761094	-0.0345744
0.0599326	-0.3304153
0.0503801	-0.0533546
0.6631615	-0.1368215
0.3263091	0.2561983
0.2553798	0.1680942
0.1166687	-0.0090739
0.2542186	-0.119578
-1.2917145	-0.5134366
-1.2788355	-1.0681203
-0.4626961	-0.3387018
0.6510834	-0.8700435
0.0884762	-0.4375655
-0.6143248	-0.4453634
-0.8339755	-0.6744412
-1.2477278	-1.2771008
-1.1808908	-0.5550273
0.5746571	0.3074219
0.2673088	0.3666832
0.041949	0.33705
-2.3626358	-0.9200282
0.1393448	-0.5066628
-0.0226578	0.0645623
0.6369105	0.365531
0.8333684	0.6055981
0.0898835	-0.59179
0.8269246	0.575223
-0.7975941	0.9664733
0.353625	0.5259753
-1.3778578	-0.6661348
-0.2288632	0.0026857
-1.0561039	-0.0134616
0.1282797	0.0655139
0.67701	0.0380479
0.4727017	0.0987507
-0.2280181	0.1688418
0.0109719	0.0105206
-0.1645843	-0.0530631
0.0578568	-0.0812599
0.4672629	0.0394906
-0.1445782	0.053452
-1.4023558	-0.4942573
0.0749072	-0.6328622
0.0482367	-0.3557034
-1.0331688	-0.8174755
-0.6705858	-0.7226165
-0.535828	-0.8106633
-0.9124437	-0.3168784
-0.7868185	-0.4645603
0.2113956	-0.9153344
-0.983524	-0.9051535
0.1532693	-0.3778278
0.4013888	-0.4487063
-0.8133246	-0.4699032
-1.053563	-0.1102416
-0.2964234	-0.3472513
0.3561812	-0.1230269
0.0318962	0.3047155
0.4614011	-0.3575688
-0.2433053	0.0202561
1.0957635	-0.4957264
0.1467746	-0.252703
-0.32798	-0.2553584
-0.8341736	-0.5542516
-0.8564356	-0.1530651
-0.4126255	-0.2567462
0.0903522	-0.5795975
-0.8337773	-0.8178541
-0.6235358	-0.2851782
0.9396656	-0.494346
-1.1742243	-1.0492404
1.0864689	0.0317458
1.5114914	0.6163217
0.9229825	-0.4433508
-1.3803179	-0.532115
-1.2641992	-0.593714
-0.8120559	-0.9238126
0.5395396	-0.1265395
0.1473253	-0.3836703
0.5409868	0.517224
0.2037637	-0.1323429
1.0250063	-0.1786321
-0.6457817	-0.0244142
-1.4724239	-0.2195492
1.0283461	-0.4437914
0.6947682	-0.1612502
0.2297089	0.7830267
0.8712853	0.1023821
-0.5785571	-0.3982577
-0.7458095	-0.4546139
-0.9093091	-0.1260667
-0.4215194	-0.2878956
-0.7311656	-0.4030336
-0.7683426	-0.3198965
0.3482381	0.1984044
-1.1829095	-0.1563162
-1.2960788	-0.45523
0.4524016	-0.595832
0.7414422	-0.3410895
-1.1884754	-0.2692014
-1.0389826	0.2559529
1.0971344	0.2345681
0.48617	0.8670224
0.2430232	0.2441903
0.4413477	0.7692819
0.4414294	0.6240085
1.4637684	0.8665414
0.857882	1.301702
1.412124	0.7368545
0.2255909	0.5631851
0.3918777	0.3138759
0.5264491	0.7874852
0.6226323	0.5671504
-0.024518	0.1171598
0.6412481	0.3228401
-1.3004564	0.3060888
0.7865845	0.686307
1.3067395	0.9637519
0.9666704	0.9824272
0.886332	1.3729928
1.6486206	0.7442113
1.5699405	0.9290413
1.0862606	1.0692542
-0.6544102	0.5078685
3.0785846	1.1422715
2.254389	1.3621086
1.6841014	1.5771838
1.4936282	1.5083693
1.0124743	1.724154
1.2825364	1.0124743
1.3894972	1.6629278
0.9459692	1.4404386
1.7158219	1.2513059
1.4089014	1.1248807
1.5539416	0.918809
0.0213901	1.0446346
1.4408269	1.0486259
0.2721355	1.0076863
1.5595193	1.0100042
1.4166442	1.5001731
0.4984158	1.6916329
1.4860338	0.8292704
0.8253013	1.5135035
0.99098	0.7373482
1.2215601	0.6141322
0.8746394	0.8047287
1.2470586	1.0138075
1.502217	0.7247827
0.2662495	1.0805634
-1.2592646	-0.0493172
0.9722367	-0.0618049
0.7480491	0.555153
-0.3908469	0.0146647
-1.007238	-0.121552
-0.942035	-0.6619118
-0.5310063	-0.6566295
-0.2678141	-0.9570704
-0.7600393	-0.5943496
-0.4999744	-0.8939717
0.8458006	-0.8022065
-0.7656955	-0.368824
-1.065614	-0.5107407
-0.8103012	-0.2361635
-0.6294517	-0.5469206
-1.4998613	-0.033371
-0.5935618	-0.5964015
-0.7467414	-0.9924042
-1.2088986	-0.6050686
0.6183463	-0.5698499
-0.3832256	-0.2289288
-0.531247	-0.7353225
-1.2281822	-1.1314595
-1.4314747	-0.7834854
-0.7015952	-0.9043048
-0.5778939	-0.5003037
-0.2997667	-0.5794043
-0.4463409	-0.2491081
-0.0485213	-0.2596461
-1.5425111	-1.0111442
-0.9568465	-0.6017025
0.1500756	-0.9625961
0.2498441	-0.132072
0.3463653	0.124143
0.098039	0.0790895
0.9973679	0.1000097
0.2570503	0.1407813
-0.096044	0.1006983
-0.366528	-0.0137512
-0.1217651	0.2394277
0.4303315	0.2034871
0.0515576	0.1428551
0.0620587	0.1930928
-0.125633	0.0434931
2.6574508	1.2924584
0.8791895	0.9912156
1.092499	1.0178207
-0.2714262	0.7462568
0.5700016	0.4068548
-0.2214049	0.0803137
0.1318258	-0.0334379
1.4244277	0.3232957
0.7653796	0.4193003
-1.1658408	-0.0504203
-1.0187927	-0.56824
-1.1424519	-0.63293
-1.5366863	-0.3051089
-0.5180677	-0.5379426
-0.9462054	-0.2785607
0.0518251	-0.8356571
-0.9674581	-0.8493237
0.2616804	0.1734175
-0.9000496	-0.9113349
1.2444473	0.7890632
0.2698391	0.779835
0.0632267	0.5957493
1.355383	1.2093064
-1.3176853	-0.6887319
-1.2708946	-0.6065714
-1.4236916	-0.3853079
-0.7497274	-0.7916177
1.290107	0.6089561
-1.2392999	-0.9709945
-0.8106909	-1.0550826
-0.7914267	-0.6070322
0.8461393	-0.6189319
1.0282917	-0.6749082
-0.3473367	-0.5997897
-0.4056969	-0.6756283
-0.9614929	-0.7235381
-0.8286369	-0.6749333
-1.2440345	-0.94103
-0.6951058	-1.1575944
-0.8208621	-0.7455984
-0.9532906	-0.7230565
-0.6187524	-0.88288
-1.3382142	-0.717066
-0.1983684	-0.7702449
-0.78022	-0.7980538
-0.0713577	-0.7542076
-0.7771699	-0.3340246
-0.1548552	-0.5795521
-0.5979257	-0.4036547
0.1091841	-0.9133659
-1.3190726	-0.2590041
-0.6682891	-0.7060766
-1.695834	-0.8745823
-0.6259335	-0.6614548
-0.9299135	-0.6125662
-0.7087494	-0.8398252
-0.499268	-0.9603801
-0.6892724	-0.7151772
-1.5627572	-0.7992614
-0.8870416	-0.9277473
-0.5157638	-0.3246259
-0.7393034	-0.3895867
0.4057864	-0.7455505
-0.9188386	-0.6994948
-1.7793839	-0.8971594
-0.7796476	-0.7445241
-0.6082167	-0.784282
-0.4421866	-0.8665935
-0.9591137	-0.7033357
-1.0456229	-0.6469749
-0.4663732	-0.971236
-0.8534206	-0.6013255
-0.9160046	-0.9238125
-1.301553	-0.0528273
-0.1292687	-0.5819797
-0.1181484	-0.4604623
0.0586024	-1.1957071
-1.1131695	-0.3070379
0.0399009	-0.7199869
-0.8297227	-0.5755328
-0.8193907	-0.3881234
-0.6336676	-0.7108711
-0.5720209	-0.5058821
-0.6348744	-0.7567313
-1.1612319	-0.2948523
-0.8418216	-0.4799735
0.056098	-0.7558888
-1.0586491	-0.3160907
-0.9685453	-0.3906942
-0.6038214	-0.5121118
-0.7400454	-0.3421705
-0.3395908	-0.2784728
-0.7881611	-0.1723005
0.7128839	-0.2011745
0.189982	-0.0707262
0.0613681	-0.4652339
-0.5218095	-0.4001461
-0.3983624	-0.1441047
-1.1486026	-0.3228492
-1.0632887	-0.398345
-1.2402192	-0.4630435
-0.2003431	-1.2172683
-1.1943174	-0.8607526
0.7210343	-1.2270573
-0.0353893	-0.1546498
-0.5468176	0.0791615
0.3420442	-0.3191582
-0.2841407	-0.0780171
-0.4794718	0.0167353
0.1630556	-0.2209646
-0.0496114	-0.1300832
-0.010429	0.0267596
0.3584303	0.141551
0.0860756	0.1230173
-0.1990688	0.2835573
0.3431366	0.0535259
0.4890538	0.2906095
-0.0980018	0.0793039
0.0542302	-0.0253898
0.1468748	-0.0367418
0.1618174	0.4767795
0.0516646	0.5075137
0.1284826	0.4435052
1.7204883	0.2119692
0.469665	0.530993
-0.028868	0.1931219
0.291327	0.1367309
-0.2435682	0.0109822
0.3915398	0.0194972
0.5435348	0.1086111
-0.1160428	0.1278158
0.1648369	0.0280104
0.3709948	0.0158467
-0.071008	0.0505603
0.1613714	0.0722784
0.6403958	0.0231181
0.1845783	0.2036865
0.0362286	0.0926665
0.0007547	0.1374892
0.9676609	-0.0770713
-0.4165469	0.0315804
0.0087689	-0.2295662
-0.0308497	0.0260795
0.0425414	-0.2827266
0.0522529	-0.202891
0.1616191	-0.2468776
0.4128362	-0.4868652
0.1927488	-0.1378395
-0.2138567	0.1780176
0.1926519	0.063313
0.2125439	-0.3442197
-0.7478604	-0.129818
-1.1774908	-1.3386895
-1.2507688	-0.832507
-0.3793939	-0.1442466
-0.5304449	0.0516576
0.1638475	-0.169612
-0.4009985	0.1011058
-0.4030521	0.2164612
0.1996189	0.5357519
0.4186502	0.5318252
-0.0916637	0.1946011
0.3639515	0.5915708
-0.1106427	0.3861069

**Figure 4. Carte des points chauds et des points froids en termes de dépenses en alcool engagées dans des établissements licenciés, par aire de diffusion à Toronto (Canada), 2010**

Résultats de la régression spatiale

En ce qui concerne les dépenses engagées dans des établissements licenciés, le SDEM a fourni le meilleur logarithme du rapport de vraisemblance, signe qu'il s'agissait du modèle le mieux adapté. Les coefficients du modèle et leur signification sont fournis dans le tableau 2.

Tableau 2. Résultats du modèle spatial de Durbin avec erreurs en ce qui a trait aux dépenses engagées dans des établissements licenciés à Toronto (Canada) - Aires de diffusion, 2010 : coefficients et signification
Variable	Coefficient
Variables socioéconomiques
Pourcentage de membres d'une minorité non visible	0,004^{Tableau 2 - Note de bas de page ***}
Pourcentage de membres d'origine ethnique philippine	−0,003^{Tableau 2 - Note de bas de page *}
Pourcentage d'employés en gestion	0,580^{Tableau 2 - Note de bas de page ***}
Revenu médian des ménages, après impôt	0,00001^{Tableau 2 - Note de bas de page ***}
Pourcentage de revenu provenant de paiements de transfert	−0,018^{Tableau 2 - Note de bas de page ***}
Pourcentage de logements de moins de 5 étages	0,001^{Tableau 2 - Note de bas de page ***}
Pourcentage de maisons unifamiliales	0,002^{Tableau 2 - Note de bas de page ***}
Pourcentage de maisons en rangée	0,005^{Tableau 2 - Note de bas de page ***}
Pourcentage de scolarité postsecondaire	0,300^{Tableau 2 - Note de bas de page ***}
Variables liées à l'environnement bâti
Stations de métro	0,049
Stations de métro décalées	0,249^{Tableau 2 - Note de bas de page ***}
Densité de restaurants axés sur la consommation d'alcool, par AD (km²)	0,001
Densité de restaurants axés sur la consommation d'alcool décalés, par AD (km²)	0,007^{Tableau 2 - Note de bas de page *}
Densité de restaurants, par AD (km²)	0,0003^{Tableau 2 - Note de bas de page *}
Densité de restaurants décalés, par AD (km²)	0,001^{Tableau 2 - Note de bas de page **}
Constante	4,506^{Tableau 2 - Note de bas de page ***}
Terme autorégressif spatial
Lambda	0,639^{Tableau 2 - Note de bas de page ***}
Source des données : Statistique Canada. Enquête sur les dépenses des ménages (EDM) : information détaillée pour 2013 [Internet]. Ottawa (Ont.) : Statistique Canada; 2013 [Consultation le 7 août 2015]. En ligne à : http://www23.statcan.gc.ca/imdb/p2SV_f.pl?Function=getSurvey&SDDS=3508 Abréviation : AD, aire de diffusion. Remarques : Une variable décalée tient compte de l'effet d'une variable d'intérêt (le cas échéant, les dépenses en alcool) dans les quartiers avoisinants d'une AD spécifique. Par exemple, pour une AD nommée AD1, si AD2 et AD3 sont voisines, on peut prendre la moyenne de leurs valeurs moyennes totales de dépenses en alcool et les inclure en tant que variable indépendante de décalage spatial. Ce qui constitue un voisin dépend de la définition de la contiguïté (c.-à-d. le critère de la tour : le partage d'une arête, ou le critère de la reine : le partage d'une arête ou d'un point), et la structure qui en résulte est enregistrée en tant que matrice de pondération spatiale. Densité de restaurants décalés : l'effet de la densité de restaurants dans les aires immédiatement adjacentes à une AD. Stations de métro décalées : l'effet de la présence de stations de métro dans les aires immédiatement adjacentes à une AD. Note de tableau - 2 p < 0,05. Retour à la référence de la note de tableau * p < 0,01. Retour à la référence de la note de tableau p < 0,001. Retour à la référence de la note de tableau *

Variables socioéconomiques et démographiques

Le pourcentage de personnes se déclarant d'origine ethnique philippine a été la seule variable en lien avec l'origine ethnique significative dans le modèle final. Une augmentation d'un point du pourcentage de personnes d'origine ethnique philippine a été associée à une diminution des dépenses en alcool de l'ordre de 0,28 %. Le pourcentage de membres de minorités non visibles a constitué un élément positif important, une augmentation d'une unité se traduisant par une hausse des dépenses en alcool de l'ordre de 0,44 %.

Le pourcentage de travailleurs des domaines de la gestion ou de l'administration a été largement associé aux dépenses en alcool, une augmentation d'une unité menant à une augmentation prévisible des dépenses de 78,57 %. Le revenu médian après impôt s'est aussi avéré être un facteur positif, une augmentation d'un dollar se traduisant par une hausse prévue des dépenses de 0,0006 %. Inversement, le pourcentage de revenu provenant de paiements de transfert s'est révélé négativement associé aux dépenses en alcool, une augmentation d'une unité entraînant une baisse des dépenses de 1,74 %. L'éducation postsecondaire a eu un effet très positif sur les dépenses, une augmentation d'un point de la proportion de qualifications postsecondaires dans l'AD étant associée à une hausse prévisible des dépenses de l'ordre de 35 %.

Le pourcentage d'immeubles à logements de moins de cinq étages, le pourcentage de maisons unifamiliales et le pourcentage de maisons en rangée ont tous été positivement associés à la consommation d'alcool, une hausse d'une unité témoignant de hausses des dépenses de respectivement 0,13 %, 0,23 % et 0,48 %.

Variables liées à l'environnement bâti

La présence de lignes de métro et la présence spatialement décalée de lignes de métro (c.-à-d. la présence de lignes de métro dans les aires avoisinantes) ont été positivement associées aux dépenses en alcool, une hausse d'une unité se traduisant par une augmentation des dépenses de 5,01 %. La présence de lignes de métro dans les aires voisines (décalage) a été associée à une hausse des dépenses de 28,28 %. La densité des restaurants axés sur la consommation d'alcool et de ceux décalés a été positivement associée aux dépenses en alcool, une hausse d'une unité représentant des hausses de dépenses de respectivement 0,06 % et 0,73 %. Enfin, la densité de restaurants servant des repas et des boissons alcoolisées ainsi que de restaurants de ce type décalés a été positivement associée aux dépenses en alcool, une hausse d'une unité entraînant une hausse des dépenses de 0,03 %. En ce qui a trait à la densité des restaurants décalés, une hausse d'une unité s'est traduite par une augmentation des dépenses de l'ordre de 0,10 %.

Analyse

Notre étude a permis de conclure qu'il existe des liens importants entre les variables socioéconomiques à échelle fine et les dépenses en alcool engagées dans des établissements licenciés. Notamment, les proportions d'habitants titulaires d'un diplôme d'études postsecondaires et occupant des postes dans le domaine de la gestion ont été très positivement associées aux dépenses en alcool. Ces résultats laissent penser que, pour promouvoir la santé, les campagnes comme celle du Centre de toxicomanie et de santé mentale (CAMH) intitulée « Rethink Your Drinking » [Repensez votre consommation] devrait être adaptée aux groupes sociodémographiques ou aux établissements fréquentés par ceux-ci. Il se peut que bon nombre de débits de boisson de Toronto ciblent une clientèle occupant des postes en gestion et en administration, celle-ci jouissant d'un revenu disponible plus élevé.

Cette étude a aussi conclu à une association positive entre la présence de lignes de métro et les dépenses en alcool à l'échelle locale. Les études antérieures ont fait état de la possibilité qu'un plus grand accès au transport public dans des régions où la densité de points de vente d'alcool est grande pouvait accroître la consommation d'alcool^{Note de bas de page 19}. Les conclusions de notre étude vont dans le même sens, puisque la présence de lignes de métro dans une même AD a entraîné une hausse de 5,00 % des dépenses en alcool. De plus, la présence de lignes de métro dans les aires avoisinantes a aussi été reliée à une hausse des dépenses en alcool. Pour les décideurs, ces renseignements pourraient s'avérer utiles au moment defaire des recommandations sur la densité des points de vente d'alcool.

La densité des restaurants axés sur la consommation d'alcool et d'autres restaurants a eu pour effet d'augmenter légèrement les dépenses. Cette conclusion va dans le même sens que les travaux de Gruenewald, Ponicki et Holder^{Note de bas de page 16}, qui ont conclu que, sans tenir compte du prix des boissons alcoolisées mais en contrôlant les variables des ventes et de la disponibilité, la disponibilité physique sous forme de points de vente d'alcool augmentait les ventes en boissons alcoolisées.

Plusieurs examens systématiques de la littérature internationale portant sur la densité des points de vente d'alcool ont permis de conclure à une forte association positive entre la densité des points de vente d'alcool et la consommation d'alcool. Livingston et collab.^{Note de bas de page 45} ont examiné la littérature provenant d'Amérique du Nord, du Royaume-Uni et de pays nordiques, que ce soit des études transversales, des expériences naturelles ou des expériences axées sur une série chronologique. La majorité de ces études sont arrivées à la conclusion qu'il existe d'importantes associations positives entre la densité des points de vente d'alcool et la consommation d'alcool. Dans une autre revue de littérature, Campbell et collab.^{Note de bas de page 46} ont eux aussi conclu que, dans l'ensemble, les études arrivaient à la conclusion que la densité des points de vente était associée à une hausse de la consommation d'alcool, et montraient que les interdictions relatives à l'alcool et les changements aux ententes de licence des débits de boisson pouvaient constituer des stratégies efficaces. Popova et collab.^{Note de bas de page 47} ont procédé à un examen systématique en se concentrant sur la densité des points de vente et sur les heures d'ouverture et leur lien avec la consommation d'alcool et les dommages matériels : de même, une majorité d'études faisaient une association positive entre la densité des points de vente d'alcool et une plus grande consommation d'alcool en général.

Plusieurs études se sont penchées sur l'incidence que la densité des points de vente d'alcool et les ententes entourant la vente d'alcool ont sur la consommation d'alcool au Canada. Xie et collab., après avoir examiné des données canadiennes couvrant la période 1968-1986, ont conclu à une importante association entre la diminution de la densité des détaillants hors site et la diminution de la consommation d'alcool^{Note de bas de page 46}. Trolldal a conduit une analyse des séries chronologiques sur le lien entre les ventes d'alcool et l'accessibilité dans quatre provinces canadiennes, mais il n'a pas trouvé d'association positive importante^{Note de bas de page 45}. Trolldal s'est aussi penché sur l'incidence de l'autorisation de la vente de vin dans les supermarchés du Québec et sur la privatisation de la vente d'alcool en Alberta. Il a conclu que le changement au Québec avait entraîné une hausse de 10 % des ventes de vin et une hausse moins importante sur l'ensemble des ventes d'alcool^{Note de bas de page 46}. En Alberta, la privatisation a entraîné une augmentation constante des ventes de spiritueux seulement.

Il se peut qu'une partie des variations observées dans la relation entre la densité des points de vente et la consommation d'alcool relève de la nature non linéaire de cette relation. Livingston et collab.^{Note de bas de page 48} ont dégagé deux effets différents attribuables à l'augmentation de la densité des points de vente d'alcool sur les méfaits engendrés par la consommation d'alcool : un effet de proximité et un effet de commodité. Le postulat de l'effet de proximité énonce que l'incidence de la densité des points de vente sur la consommation d'alcool est réduite lorsque les niveaux de densité sont élevés, et que cette densité finit par atteindre un point de saturation. Ainsi, les niveaux correspondants de méfaits engendrés par la consommation d'alcool vont eux aussi atteindre un plateau. Inversement, le postulat de l'effet de commodité énonce que plus la densité des points de vente d'alcool augmente, plus les méfaits engendrés par la consommation d'alcool augmentent rapidement car un plus grand nombre de buveurs se côtoient.

De plus amples recherches sont nécessaires pour nous aider à mieux comprendre ces relations. Notre étude fournit néanmoins la preuve d'un phénomène de grappes (cluster) entre la vente d'alcool et la consommation d'alcool, ce qui, selon nous, pourrait aider à prendre des décisions éclairées sur le nombre et la répartition des débits de boisson. On pourrait établir des valeurs critiques quant à la densité des points devente afin d'atténuer les méfaits engendrés par la consommation d'alcool ^{Note de bas de page 46} ^{Note de bas de page 48} ^{Note de bas de page 49}.

Forces et limites

Cette étude a utilisé une approche novatrice pour reproduire la démonstration de l'impact qu'ont la disponibilité de l'alcool et le revenu sur les dépenses en alcool, qui avait été précédemment faite par des méthodes plus traditionnelles. À notre connaissance, il s'agit de la première étude qui quantifie et illustre la structure spatiale des dépenses en alcool et qui se penche sur les liens entre les dépenses en alcool et les caractéristiques à échelle fine de la ville de Toronto. Elle illustre l'application de méthodes spatiales et utilise des données sur les dépenses en alcool en contexte canadien.

Une des limites de cette étude concerne l'utilisation de caractéristiques des AD datant de 2006 pour prévoir les dépenses engagées dans des établissements licenciés en 2010, qui constituaient les seules données disponibles au moment de l'étude. Nous espérons que les prochaines études pourront utiliser des données plus récentes proches de celles entourant les dépenses. Un autre problème important associé aux études de zones restreintes est la question du « problème d'unité spatiale modifiable » (MAUP), en vertu duquel les analyses effectuées à différentes échelles spatiales entraînent des associations divergentes entre les variables explicatives et la variable de résultat^{Note de bas de page 13}. Pour cette étude, l'aire de diffusion a été choisie comme unité d'analyse afin d'utiliser les données disponibles, ce qui a limité le MAUP et permis de dégager des tendances locales pouvant s'appliquer aux efforts en matière de politiques. Une autre limite possible est la vulnérabilité au sophisme écologique, dans le cadre duquel les associations observées au niveau d'un groupe donné serviraient à tirer des inférences causales à l'échelle individuelle^{Note de bas de page 50}^{Note de bas de page 51}, ce qui mènerait à des conclusions erronées ^{Note de bas de page 52} ^{Note de bas de page 53}. Il est donc important de se rappeler que les conclusions présentées ici ne servent qu'à mieux comprendre les dépenses en alcool dans la ville de Toronto à l'échelle des AD. En outre, il convient de rappeler que nos résultats sont fondés sur des données transversales, par conséquent il est important d'éviter l'inférence de causalité. D'autres études pourraient éventuellement utiliser des modèles spatiaux à plusieurs niveaux pour arriver à des conclusions pouvant s'appliquer au niveau individuel. Par ailleurs, pour ce qui est de la nature transversale de notre étude, des analyses de séries chronologiques pourraient être effectuées.

Enfin, l'utilisation de caractéristiques sociodémographiques des résidents de l'AD pour prévoir les dépenses en alcool dans cette même AD repose sur le postulat que les achats sont effectués dans l'aire de résidence. Or il est fort possible que les dépenses des ménages soient souvent effectuées dans d'autres zones, ce qui est encore plus vrai avec des aires de diffusion aussi petites et du fait que les gens se déplacent pour se rendre au travail. Pour pleinement tenir compte de ce facteur, il faudrait utiliser des données sur l'endroit où les dépenses sont engagées et les caractéristiques des ménages, données qui n'existent pas à l'heure actuelle. On peut toutefois évaluer statistiquement une certaine proportion des achats effectués dans une autre AD grâce au modèle spatial de Durbin avec erreurs, étant donné que les variables spatialement décalées sur la densité des points de vente d'alcool tiennent compte de l'incidence de la densité des points de vente d'alcool dans les AD avoisinantes sur les dépenses moyennes en alcool dans une AD. Les associations positives observées indiquent que les achats dans des points de vente hors d'une AD ont une incidence considérable sur la moyenne des dépenses dans cette AD. L'important terme autorégressif spatial (Lambda) des modèles pourrait aussi découler des achats effectués dans les AD avoisinantes, augmentant par le fait même les niveaux de dépenses dans l'AD de résidence. En l'absence de données plus détaillées, une bonne façon de pallier cet écart entre le lieu de résidence et le lieu d'achat serait d'employer des « modèles gravitationnels » comme la méthode d'estimation de la densité par noyau, afin de mieux tenir compte des habitudes d'achat à l'extérieur de l'ADayant une incidence sur les dépenses à l'intérieur d'une AD locale ^{Note de bas de page 54}.

Conclusion

Les résultats de notre étude laissent penser que les facteurs socioéconomiques à l'échelle fine et les variables associées à l'environnement bâti pourraient influencer les dépenses en alcool. Les résultats confirment les conclusions d'études précédentes menées à l'échelle individuelle en ce qui concerne la corrélation entre les facteurs socioéconomiques et la consommation d'alcool, et met pour la première fois en lumière des associations entre les dépenses en alcool à l'échelle fine et les caractéristiques socioéconomiques. Nous avons dégagé d'importantes associations entre l'environnement bâti et les dépenses en alcool, qui soulignent l'importance de considérer les facteurs contextuels comme des facteurs ayant une grande incidence sur les comportements en matière de santé. En outre, notre étude ajoute considérablement à notre compréhension actuelle en ce qui a trait aux dépenses en alcool en reconnaissant l'influence spatiale. Les conclusions de cette étude ont permis de démontrer l'utilité d'une approche d'analyse spatiale pour comprendre la consommation d'alcool, et de souligner comment les méthodes spatiales utilisées pourraient aider certaines municipalités à établir de meilleures stratégies de réduction de la consommation d'alcool en vue de réduire les méfaits engendrés par la consommation d'alcool. Les travaux de recherche futurs bénéficieront de cette compréhension spatiale des dépenses en alcool engendrées dans des établissements licenciés et pourront explorer d'autres avenues, comme étudier d'autres variables de l'environnement bâti et appliquer des modèles permettant de mesurer expressément les effets à l'échelle locale.

Remerciements

Les auteurs tiennent à remercier le Dr Philemon Ho‑Yan Leung pour ses conseils généraux et pour l’aide qu’il a apportée lors de la correction d’épreuve et de la mise en forme de l'article. Ils souhaitent aussi remercier Dr Jianhua Zhao pour son aide à la rédaction technique en réponse aux commentaires des examinateurs, ainsi que Heather Hofstetter pour son aide lors de la correction d’épreuve et de la mise en forme du manuscrit.

Conflits d’intérêts

Les auteurs déclarent n’avoir aucun conflit d’intérêts en lien avec ces travaux.

Contribution des auteurs et avis

AL, JL, MC, et SL ont suggéré et planifié l’analyse. AL a mené l’analyse et rédigé la première ébauche. AL, JL, MC et SL ont commenté et mis en forme les ébauches subséquentes.
Le contenu de cet article et les opinions qui y sont exprimées n'engagent que les auteurs et ne sont pas forcément représentatifs de la position du Gouvernement du Canada.

Références

Note de bas de page 1

Shield KD, Taylor B, Kehoe T, et al. Mortality and potential years of life lost attributable to alcohol consumption in Canada in 2005. BMC Public Health [Internet]. 2012;12(1):91. En ligne à : https://bmcpublichealth.biomedcentral.com/articles/10.1186/1471-2458-12-91

Retour à la référence de la note de bas de page 1

Note de bas de page 2

World Health Organization. Global status report on alcohol and health 2014. Genève (CH) : Organisation mondiale de la Santé; 2014.

Retour à la référence de la note de bas de page 2

Note de bas de page 3

Rehm J, Gnam W, Popova S, et collab. The costs of alcohol, illegal drugs, and tobacco in Canada, 2002. J Stud Alcohol Drugs. 2007;68(6):886-895.

Retour à la référence de la note de bas de page 3

Note de bas de page 4

Action Cancer Ontario et Agence ontarienne de protection et de promotion de la santé (Santé publique Ontario). Agir pour prévenir les maladies chroniques : recommandations pour améliorer la santé de la population ontarienne. Toronto (Ont.) : Imprimeur de la Reine pour l'Ontario; 2012.

Retour à la référence de la note de bas de page 4

Note de bas de page 5

Abdel‐Ghany M, Silver JL. Economic and demographic determinants of Canadian households' use of and spending on alcohol. Fam Consumer Sci Res J. 1998;27(1):62-90.

Retour à la référence de la note de bas de page 5

Note de bas de page 6

Tan A, Yen ST, Nayga Jr. RM. Factors affecting alcohol purchase decisions and expenditures: a sample selection analysis by ethnicity in Malaysia. J Fam Econ Issues. 2009;30(2):149-159.

Retour à la référence de la note de bas de page 6

Note de bas de page 7

Sharpe DL, Abdel-Ghany M, Kim H-Y, et al. Alcohol consumption decisions in Korea. J Fam Econ Issues. 2001;22(1):7-24.

Retour à la référence de la note de bas de page 7

Note de bas de page 8

Yen ST, Jensen HH. Determinants of household expenditures on alcohol. J Consumer Affairs. 1996;30(1):48-67.

Retour à la première référence de la note de bas de page 8

Note de bas de page 9

Bernstein KT, Galea S, Ahern J, et al. The built environment and alcohol consumption in urban neighborhoods. Drug Alcohol Depend. 2007;91(2):244-252.

Retour à la référence de la note de bas de page 9

Note de bas de page 10

Saelens BE, Handy SL. Built environment correlates of walking: a review. Med Sci Sports Exer. 2008;40(7 Suppl):S550-S566.

Retour à la première référence de la note de bas de page 10

Note de bas de page 11

Gatrell AC, Elliott SJ. Geographies of health: an introduction. 3e éd. Hoboken (NJ): John Wiley and Sons; 2014.

Retour à la référence de la note de bas de page 11

Note de bas de page 12

Craglia M, Maheswaran R. GIS in public health practice. Boca Raton (FL): CRC Press; 2004.

Retour à la référence de la note de bas de page 12

Note de bas de page 13

Cromley EK, McLafferty SL. GIS and public health. 2e éd. New York (NY): Guilford Press; 2012.

Retour à la référence de la note de bas de page 13

Note de bas de page 14

Ward MD, Gleditsch KS. Spatial regression models. Thousand Oaks (CA): Sage Publications; 2008.

Retour à la référence de la note de bas de page 14

Note de bas de page 15

Scribner RA, Cohen DA, Fisher W. Evidence of a structural effect for alcohol outlet density: a multilevel analysis. Alcohol Clin Exp Res. 2000;24(2):188-195.

Retour à la référence de la note de bas de page 15

Note de bas de page 16

Gruenewald PJ, Ponicki WR, Holder HD. The relationship of outlet densities to alcohol consumption: a time series cross-sectional analysis. Alcohol Clin Exp Res. 1993;17(1):38-47.

Retour à la référence de la note de bas de page 16

Note de bas de page 17

Cerdá M, Diez-Roux AV, Tchetgen ET, et al. The relationship between neighborhood poverty and alcohol use: estimation by marginal structural models. Epidemiology (Cambridge, Mass). 2010;21(4):482-489.

Retour à la référence de la note de bas de page 17

Note de bas de page 18

Galea S, Ahern J, Tracy M, et collab. Neighborhood income and income distribution and the use of cigarettes, alcohol, and marijuana. Am J Prev Med. 2007;32(6 Suppl):S195-S202.

Retour à la première référence de la note de bas de page 18

Note de bas de page 19

Pollack CE, Cubbin C, Ahn D, Winkleby M. Neighbourhood deprivation and alcohol consumption: does the availability of alcohol play a role? Int J Epidemiol. 2005;34(4):772-780.

Retour à la référence de la note de bas de page 19

Note de bas de page 20

Lê F, Ahern J, Galea S. Neighborhood education inequality and drinking behavior. Drug Alcohol Depend. 2010;112(1-2):18-26.

Retour à la référence de la note de bas de page 20

Note de bas de page 21

Weich S, Burton E, Blanchard M, et collab. Measuring the built environment: validity of a site survey instrument for use in urban settings. Health Place. 2001;7(4):283-292.

Retour à la première référence de la note de bas de page 21

Note de bas de page 22

Frank L, Kavage S, Devlin A. Health and the built environment: a review. Rochester (NY) : Urban Design 4 Health; 2012.

Retour à la première référence de la note de bas de page 22

Note de bas de page 23

Liang W, Chikritzhs T. Revealing the link between licensed outlets and violence: counting venues versus measuring alcohol availability. Drug Alcohol Rev. 2011;30(5):524-535.

Retour à la référence de la note de bas de page 23

Note de bas de page 24

Grubesic TH, Pridemore WA, Williams DA, Philip-Tabb L. Alcohol outlet density and violence: the role of risky retailers and alcohol-related expenditures. Alcohol Alcohol. 2013;48(5):613-619.

Retour à la référence de la note de bas de page 24

Note de bas de page 25

Statistique Canada. Îlot de diffusion (ID) [Internet]. Ottawa (Ont.) : Statistique Canada; 2011 [consultation le 26 avril 2015] [No 98-301-XWF au catalogue]. En ligne à : https://www12.statcan.gc.ca/census-recensement/2011/ref/dict/geo014-fra.cfm

Retour à la première référence de la note de bas de page 25

Note de bas de page 26

Statistique Canada. Recensement de la population de 2006 [Internet]. Ottawa (Ont.) : Statistique Canada; 2006 [consultation le 7 août 2015]. En ligne à : https://www12.statcan.gc.ca/census-recensement/2006/index-fra.cfm

Retour à la référence de la note de bas de page 26

Note de bas de page 27

Statistique Canada. Enquête sur les dépenses des ménages (EDM) : information détaillée pour 2013 [Internet]. Ottawa (Ont.) : Statistique Canada; 2013 [Consultation le 7 août 2015]. En ligne à : http://www23.statcan.gc.ca/imdb/p2SV_f.pl?Function=getSurvey&SDDS=3508

Retour à la référence de la note de bas de page 27

Note de bas de page 28

University of Waterloo Geospatial Centre. DMTI Spatial CanMap enhanced points of interest (EPOI) [Internet]; Waterloo (Ont.) : Université de Waterloo; 2013 [Consultation le 7 août 2015]. En ligne à : https://uwaterloo.ca/library/geospatial/collections/canadian-geospatial-data-resources/dmti-canmap-enhanced-points-interest-epoi

Retour à la référence de la note de bas de page 28

Note de bas de page 29

University of Waterloo Geospatial Centre. DMTI Spatial CanMap route logistics [Internet]. Waterloo (Ont.) : Université de Waterloo; 2014 [consultation le 7 août 2015]. En ligne à : https://uwaterloo.ca/library/geospatial/collections/canadian-geospatial-data-resources/canada/dmti-canmap-route-logistics

Retour à la référence de la note de bas de page 29

Note de bas de page 30

Statistique Canada. Enquête nationale auprès des ménages (ENM) : information détaillée pour 2011 [Internet]. Ottawa (Ont.) : Statistique Canada; 2011 [Consultation le 29 septembre 2017]. En ligne à : http://www23.statcan.gc.ca/imdb/p2SV_f.pl?Function=getSurvey&SDDS=5178#a2

Retour à la référence de la note de bas de page 30

Note de bas de page 31

Atkinson AB, Gomulka J, Stern NH. Spending on alcohol: evidence from the Family Expenditure Survey 1970-1983. Econ J. 1990; 100(402):808-827.

Retour à la référence de la note de bas de page 31

Note de bas de page 32

Statistique Canada. Classification nationale des professions pour statistiques (CNP-S) 2001 [Internet]. Ottawa (Ont.) : Statistique Canada; 2001 [Consultation le 11 mars 2016]. En ligne à : http://www23.statcan.gc.ca/imdb/p3VD_f.pl?Function=getVD&TVD=65267

Retour à la référence de la note de bas de page 32

Note de bas de page 33

Anselin L, Bera AK. Spatial dependence in linear regression models with an introduction to spatial econometrics. In: Ullah A, Giles DEA, editors. Statistics textbooks and monographs. New York (NY): Marcel Dekker; 1998;237-290.

Retour à la référence de la note de bas de page 33

Note de bas de page 34

Viton PA. City and regional planning 870.03: notes on spatial econometric models [Internet]; 2010. En ligne à : https://pdfs.semanticscholar.org/64ab/4ec3a6cb25cb191818c5d65400e6c3697082.pdf

Retour à la référence de la note de bas de page 34

Note de bas de page 35

Anselin L, Syabri I, Kho Y. GeoDa: an introduction to spatial data analysis. Geogr Anal. 2006;38(1):5-22.

Retour à la référence de la note de bas de page 35

Note de bas de page 36

Pridemore WA, Grubesic TH. A spatial analysis of the moderating effects of land use on the association between alcohol outlet density and violence in urban areas. Drug Alcohol Rev. 2012;31(4):385-393.

Retour à la référence de la note de bas de page 36

Note de bas de page 37

Zhu L, Gorman DM, Horel S. Alcohol outlet density and violence: a geospatial analysis. Alcohol Alcohol. 2004;39(4):369-375.

Retour à la référence de la note de bas de page 37

Note de bas de page 38

LeSage JP. What regional scientists need to know about spatial econometrics. SSRN eJournal [Internet]; 2014 [Consultation le 14 janvier 2017]. En ligne à : https://papers.ssrn.com/sol3/papers.cfm?abstract_id=2420725

Retour à la référence de la note de bas de page 38

Note de bas de page 39

LeSage JP. The theory and practice of spatial econometrics [Internet]. Toledo (OH): University of Toledo; 1999. En ligne à : https://www.spatial-econometrics.com/html/sbook.pdf

Retour à la première référence de la note de bas de page 39

Note de bas de page 40

Anselin L. Spatial econometrics. Dans : Baltagi B (dir.). A companion to theoretical econometrics. Maldon (MA): Blackwell Publishing; 2001:310-330.

Retour à la référence de la note de bas de page 40

Note de bas de page 41

LeSage JP. An introduction to spatial econometrics. Revue d'économie industrielle. 2008;(123):19‑44.

Retour à la référence de la note de bas de page 41

Note de bas de page 42

Elhorst JP. Applied spatial econometrics: raising the bar. Spat Econ Anal. 2010;5(1):9-28.

Retour à la référence de la note de bas de page 42

Note de bas de page 43

Xu Y, Kennedy E. An introduction to spatial analysis in social science research. Quant Method Psych. 2015; 11(1):22-31.

Retour à la référence de la note de bas de page 43

Note de bas de page 44

R Core Team (2013). R: A language and environment for statistical computing. Vienne (Autiche) : R Foundation for Statistical Computing. En ligne à : http://www.R-project.org/

Retour à la référence de la note de bas de page 44

Note de bas de page 45

Livingston M, Livingston M, Chikritzhs T, et al. Changing the density of alcohol outlets to reduce alcohol-related problems. Drug Alcohol Rev. 2007;26(5):557-566.

Retour à la référence de la note de bas de page 45

Note de bas de page 46

Campbell CA, Hahn RA, Elder R, et collab. The effectiveness of limiting alcohol outlet density as a means of reducing excessive alcohol consumption and alcohol-related harms. Am J Prev Med. 2009;37(6):556-569.

Retour à la référence de la note de bas de page 46

Note de bas de page 47

Popova S, Giesbrecht N, Bekmuradov D, et collab. Hours and days of sale and density of alcohol outlets: impacts on alcohol consumption and damage: a systematic review. Alcohol Alcohol. 2009;44(5):500-516.

Retour à la référence de la note de bas de page 47

Note de bas de page 48

Livingston M. Alcohol outlet density and assault: a spatial analysis. Addiction. 2008;103(4):619-628.

Retour à la référence de la note de bas de page 48

Note de bas de page 49

Lipton R, Yang X, A. Braga A, et collab. The geography of violence, alcohol outlets, and drug arrests in Boston. Am J Public Health. 2013;103(4):657-664.

Retour à la référence de la note de bas de page 49

Note de bas de page 50

Rezaeian M, Dunn G, St Leger S, Appleby L. Geographical epidemiology, spatial analysis and geographical information systems: a multidisciplinary glossary. J Epidemiol Community Health. 2007;61(2):98-102.

Retour à la référence de la note de bas de page 50

Note de bas de page 51

Quick M. Exploring crime in Toronto, Ontario with applications for law enforcement planning: geographic analysis of hot spots and risk factors for expressive and acquisitive crimes [Mémoire de maîtrise en ligne]. Waterloo (Ont.) : Université de Waterloo; 2013. En ligne à : https://uwspace.uwaterloo.ca/bitstream/handle/10012/7331/Quick_Matthew.pdf?sequence=1&isAllowed=y

Retour à la référence de la note de bas de page 51

Note de bas de page 52

Loney T, Nagelkerke NJ. The individualistic fallacy, ecological studies and instrumental variables: a causal interpretation. Emerg Themes Epidemiol [Internet]. 2014;11:18. En ligne à : https://www.ncbi.nlm.nih.gov/pmc/articles/PMC4350299/pdf/12982_2014_Article_135.pdf

Retour à la première référence de la note de bas de page 52

Note de bas de page 53

Richardson S. Statistical methods for geographical correlation studies. Dans : Elliott P, Cuzick J, English D, Stern R (dir.). Geographical and environmental epidemiology: methods for small area studies. Oxford (UK) : Oxford University Press;1992:181-204.

Retour à la référence de la note de bas de page 53

Note de bas de page 54

Berke EM, Tanski SE, Demidenko E, et collab. Alcohol retail density and demographic predictors of health disparities: a geographic analysis. Am J Public Health. 2010;100(10):1967-1971.

Retour à la référence de la note de bas de page 54

Détails de la page

Date de modification :: 2018-11-18

Sélection de la langue

Recherche