Les immigrants forment une partie grandissante de la population dans les pays d’occident. En ce sens, il est de plus en plus pertinent d’étudier leurs conditions de vie et leur intégration. Pour ce faire, au Canada, le gouvernement fédéral a mis en place deux enquêtes : Enquête longitudinale auprès des immigrants du Canada (ELIC) et la Base de données longitudinales sur les immigrants (BDIM). Comme les bases de données longitudinales d’immigrants ont possiblement une attrition non-aléatoire supérieure aux natifs, il est donc encore plus pertinent de venir corriger le biais de sélection potentiel que cela peut occasionnés. Ce mémoire teste deux techniques de correction, soit l’application de poids statistiques inversés et un modèle de correction non-pondéré à trois équations. Dans les deux cas, nous corrigeons la participation au marché du travail et le revenu de travail, mais seul le modèle à trois équations corrige la non-participation au panel. Nous constatons que la correction non-pondérée apporte une meilleure correction du biais sur la participation au marché du travail, mais aucune technique s’est avérée meilleure dans la correction de l’équation de revenu.