, La base de données exploitée contient 26 857 actifs occupés dont 8,54% sont des fonctionnaires de la fonction publique. Étant donné que cette dernière catégorie n'a pas été concernée par la perte de revenu durant le confinement, le calcul de l'indicateur sera effectué en considérant uniquement les actifs occupés dans le secteur privé, soit un total de 24 564 actifs occupés. Pour ce faire, nous recourons à la technique de l'Analyse en Composantes Multiples (ACM). Les variables utilisées pour effectuer cette analyse sont : l'appartenance à l'un des quintiles de dépenses, le niveau scolaire et l'affiliation à la Caisse Nationale de Sécurité Sociale (CNSS)

, Une valeur minimale de l'indicateur signifie que l'actif occupé est très exposé au risque de perte de revenu durant le confinement. Par exemple, l'actif occupé ayant la valeur 0 de l'indicateur a le profil suivant : c'est un individu issu du premier quintile de dépenses, n'a aucun niveau scolaire et exerce son activité dans le secteur informel (vu qu'il n'est pas affilié à la CNSS). Nous ajoutons que 59% de ces actifs occupés ayant une valeur nulle de l, Les calculs effectués nous donnent un indicateur variant entre 0 et 4,88

, Nous avons scindé cet indicateur en quintiles. La figure 1 récapitule la répartition des actifs occupés selon leur appartenance à l'un des quintiles de risque. Environ 27,71% des individus de l'échantillon ont un risque élevé de perte de revenu (du fait qu'ils appartiennent au premier quintile). Puis, nous avons procédé à une ventilation de ces quintiles selon l'arrêt (ou non) de l'activité pendant le confinement. Les résultats montrent que, parmi les actifs supposés en arrêt d'activité, environ 32,33% courent un risque élevé de perte de revenu, Comme discuté auparavant, l'indicateur calculé a pour objectif de capter l'exposition au risque de perte de revenu selon les trois dimensions retenues

M. Bibliographie-buheji, K. Da-costa-cunha, G. Beka, B. Mavri´c, Y. Leandro-do-carmo-de-souza et al., « The Extent of COVID19 Pandemic Socio-Economic Impact on Global Poverty », A Global Integrative Multidisciplinary Review, American Journal of Economics, vol.4, pp.213-224, 2020.

D. M. Cutler, W. Huang, and A. Lleras-muney, « When does education matter? The protective effect of education for cohorts graduating in bad times, Social Science and Medicine, vol.127, pp.63-73, 2015.

. Haut-commissariat-au-plan-du-maroc, « Répercussions de la Pandémie COVID-19 sur la situation économique des ménages », 2ème Panel sur l'impact du CORONAVIRUS sur la situation économique, 2020.

T. Kristal and Y. M. , « Does the coronavirus pandemic level gender inequality curve? (It doesn't) », Research in Social Stratification and Mobility, vol.100520, 2020.

F. T. Pfeffer, S. Danziger, and R. F. Schoeni, Wealth disparities before and after the Great Recession, vol.650, pp.98-123, 2013.