Les inégalités spatiales de salaire en France : différences de productivité ou géographie des métiers ?

C’est le titre d’un article que nous avons rédigé avec Michel Grossetti et Benoît Tudoux, suite à une sollicitation de l’INSEE pour un numéro spécial d’Economie et Statistique.

Notre idée de départ était d’interroger l’hypothèse au cœur des modèles de l’économie géographique qui considère que les salaires versés sur le marché du travail sont égaux à la productivité du travail. Cette hypothèse, courante en économie, explique que les chercheurs, pour évaluer la surproductivité éventuelle de tel ou tel territoire, estiment des équations de salaire : s’ils observent à tel endroit un salaire supérieur de 10% à la moyenne, ils en déduiront que sur ce territoire, les salariés sont 10% plus productifs. Sauf que cette hypothèse est très contestable pour certains métiers (cadres de la finance, états-majors des grands groupes, artistes, …). Donc, si ces métiers ont une géographie particulière, on risque de faire dire aux sursalaires de grosses bêtises en termes de surproductivité…

Pas qu’aux sursalaires, soit dit en passant : pour régionaliser les PIB, l’INSEE s’appuie précisément sur les salaires versés. Un PIB par emploi supérieur de 10% à la moyenne à tel ou tel endroit correspond, en fait, à un salaire moyen versé supérieur de 10% à la moyenne, rien d’autre. Considérer que cela signifie que les personnes sont 10% plus productives, c’est accepter l’hypothèse que salaire=productivité, ce que certains font sans s’en rendre compte, comme d’autres font de la prose.

Nous voulions donc voir dans quelle mesure la géographie de ces professions atypiques influait sur la géographie des salaires.  Nous voulions également creuser un deuxième point : l’importance des effets de composition. Qu’un territoire verse en moyenne des salaires supérieurs de 10% peut s’expliquer par le fait non pas que chaque salarié est plus productif, mais par le fait que les spécialisations des territoires diffèrent.  Jusqu’à récemment, neutraliser ces effets de composition était difficile, car les données disponibles étaient relativement agrégées : pour les professions, on avait un détail en une trentaine de postes seulement. Nous avons donc exploité une base plus récente et plus détaillée, sur données 2013, avec un détail des professions en plus de 400 postes. Ce dernier point est décisif : seul un tel niveau de détail permet d’appréhender l’influence des métiers particuliers (par exemple les cadres des marchés financiers) sur les différences géographiques de salaire.

Résultat des courses ? Les différences géographiques de salaires sont avant tout des différences de spécialisation métiers des territoires, elles sont très peu liées à des effets géographiques intrinsèques. Pour le dire autrement, une fois neutralisés les effets de spécialisation, on n’observe que très peu de différences de rémunération (donc de productivité si on retient l’hypothèse initiale) entre les territoires français. L’Ile-de-France fait cependant exception. Plus précisément Paris et les Hauts-de-Seine. Est-ce dû à une plus forte productivité sur ces territoires ? Bof : une bonne part de l’écart tient à la surreprésentation des cadres de la banque et de la finance, et à la présence des états-majors des grands groupes… Une fois neutralisés effets de composition et effet professions atypiques, l’Ile-de-France présente des sursalaires d’environ 10%, soit l’écart moyen de prix entre la région capitale et les autres régions…

Sur la base de ces résultats, nous proposons une autre explication des différences géographiques de salaire : elles seraient moins liées à des différences de « performance » des territoires qu’à la géographie des métiers, elle-même héritée de l’histoire et des choix politiques. Nous nous livrons notamment en fin d’article à une petite comparaison France-Allemagne qui nous semble éclairante.

Nous avons donc soumis notre article, qui a été évalué par deux rapporteurs, qui nous ont fait part d’un ensemble de remarques, que nous avons intégrées dans une nouvelle version de notre article. Deuxième analyse par les rapporteurs, ensuite, pour apprendre au final que l’article était finalement rejeté, compte-tenu des commentaires de l’un des deux rapporteurs, que je ne peux m’empêcher de vous livrer, avec des commentaires sur ses commentaires.

Les auteurs souhaitent démontrer que la géographie très inégalitaire des salaires en France est en réalité due à la géographie des métiers. Or parmi les variables individuelles prises en compte en plus des effets géographiques et de structure ne figurent que l’âge, le sexe et la nature privée ou publique du contrat de travail. Quid des qualifications et des diplômes? En l’absence de proxies valables pour ces derniers, leur effet est très certainement capturé par les indicatrices métiers. Or il s’agit bien de dimensions différentes qu’il conviendrait de distinguer pour démontrer de manière convaincante que les disparités spatiales de salaires en France s’expliquent pour l’essentiel par la géographie des métiers.

C’est gentil, mais l’information sur les qualifications et les diplômes ne figure pas dans la base, ce que l’évaluateur est censé savoir… Et avec une décomposition en plus de 400 professions, on peut considérer qu’elle est bien capturée, cette information, en effet… Et même si elle y figurait et qu’elle jouait significativement, elle ne pourrait que réduire encore les effets géographiques, donc renforcer notre argumentation…

Par ailleurs, les auteurs invoquent l’histoire pour rendre compte de la géographie des métiers. Mais cela n’invalide pas l’existence d’effets d’agglomération : le rôle des accidents de l’histoire dans l’agglomération spatiale des activités est d’ailleurs au cœur de l’économie géographique.

L’histoire au cœur des modèles d’économie géographique, on croit rêver… Ils évoquent des « accidents historiques » pour dire qu’on ne peut pas expliquer l’émergence de telle ou telle activité à tel ou tel endroit, mais qu’ensuite on a des processus économiques cumulatifs qui confèrent des avantages irréversibles à ces endroits. Je n’ai pas vu passer de modèle d’économie géographique expliquant la structure urbaine déséquilibrée de la France et la structure urbaine équilibrée de l’Allemagne. Des études historiques, si.

Enfin, l’analyse est essentiellement descriptive et aucun mécanisme n’est étudié de façon rigoureuse empiriquement.

Le jour où j’ai reçu cet avis, j’ai lu ce billet retweeté par Antoine Belgodère, où il est question de cette hiérarchie entre économétrie et statistiques descriptives, que j’invite tous les chercheurs en sciences sociales à lire. Pour les non-initiés au petit monde de la recherche en économie : dire d’une analyse qu’elle est descriptive figure au rang de pire insulte. On a les critères de scientificité qu’on peut.

L’approche me semble ainsi trop légère pour remettre en question de manière convaincante plusieurs décennies de recherche théorique et empirique sur les déterminants et les effets de l’agglomération spatiale des activités.

Là, je me suis dit d’abord que Popper devait se retourner dans sa tombe…  Je me suis dit ensuite que cela fait des dizaines d’années, en effet, que les modèles d’économie géographique, dans leurs versions empiriques, considèrent que salaire=productivité, que c’est une hypothèse, qu’elle est contestable, très contestable même, que la contester fait bouger les résultats et l’interprétation qu’on peut en faire. Autant ne pas la remettre en question, donc, pour que la connaissance avance.

Après discussion avec Michel Grossetti et Benoît Tudoux, on a décidé de poster notre article sur Hal, car au-delà des objectifs de publication de nos recherches, la diffusion des résultats est importante. En voici le résumé :

L’objectif de cet article est d’analyser les différences géographiques de salaire de France métropolitaine, en exploitant des données individuelles localisées de salaire pour l’année 2013 (données DADS), qui proposent notamment une décomposition fine des métiers en plus de 400 postes.

Nous estimons dans un premier temps des équations de salaire, avec comme variables explicatives des caractéristiques individuelles, des indicatrices géographiques et des indicatrices métiers. Nous montrons que les indicatrices métiers expliquent une part importante des différences de salaire, les indicatrices géographiques ne jouant qu’à la marge.

A métiers identiques, certains territoires, tous en Ile-de-France, présentent cependant des salaires significativement supérieurs à la moyenne. Un focus sur ces territoires montre que ces sursalaires s’expliquent pour une part importante par la présence des secteurs de la banque et de la finance et de l’activité des sièges sociaux, au sein desquels figurent des métiers relevant de marchés à très fortes inégalités de rémunération.

L’article est visible ici. N’hésitez pas à commenter.

Croissance de l’emploi et croissance du chômage : quelle(s) relation(s) ?

Dans mon dernier billet consacré à la géographie des taux de chômage, j’indiquais en conclusion qu’il ne fallait pas aller trop vite en besogne lorsqu’on observait un taux de chômage faible sur un territoire donné : un taux de chômage faible est compatible avec un territoire dynamique en matière de création d’emploi, mais aussi avec un territoire déprimé, les personnes à la recherche d’un emploi prospectant hors zone.

Pour avancer un peu sur cette question, j’ai collecté des données sur le chômage et sur l’emploi total par zone d’emploi (304 zones en France métropolitaine), sur la période la plus longue disponible sur le site de l’Insee, à savoir la période 2003-2012.

Première exploration très simple : j’ai calculé le taux de croissance annuel moyen pour les deux indicateurs et la corrélation entre ces deux variables. On s’attend à ce que le taux de croissance du chômage soit lié négativement au taux de croissance de l’emploi. Est-ce le cas ?

cho_empL’allure du nuage de points semble indiquer que c’est le cas, ce que confirme l’estimation de la régression : une hausse de 1% du taux de croissance de l’emploi se traduit par une baisse de 0,6% du taux de croissance du chômage, le coefficient est significatif au seuil de 1%. La qualité de la relation est cependant assez faible, le R² étant de 23% (en gros, les différences de taux de croissance de l’emploi n’expliquent « que » 23% des différences de taux de croissance du chômage).

Deuxième exploration, plus intéressante je trouve : je me suis focalisé sur le quart des zones d’emploi qui présentent les plus faibles taux de chômage en 2012. Pour cadrer les choses, en 2012, la moyenne simple des taux de chômage est de 9,4% ; la valeur minimale est de 4,5%, la valeur maximale de 16,8%. Le premier quartile, qui permet de repérer les 25% de zones aux plus faibles taux de chômage, est de 7,8%.

J’ai ensuite calculé la médiane du taux de croissance annuel moyen de l’emploi sur 2003-2012 : elle est de 0,06% (ce qui signifie que 50% des zones ont un taux de croissance inférieur à cette valeur et 50% un taux supérieur). Idem pour le taux de croissance du chômage, la médiane est de 2,1%. On peut alors ranger les 76 zones d’emploi qui ont les plus faibles taux de chômage dans quatre cases :

croissance du chômage
faible forte Total
croissance de l’emploi faible 11 14 25
forte 30 21 51
Total 41 35 76

Les situations attendues sont les 30 zones qui ont une forte croissance de l’emploi (c’est-à-dire un taux de croissance supérieur à la médiane)  et une faible croissance du chômage (croissance du chômage inférieur à la médiane) et les 14 zones qui ont une faible croissance de l’emploi et une forte croissance du chômage, soit 44 zones sur les 76. Situation moins attendue pour les 32 autres zones : 11 zones connaissent une faible croissance de l’emploi qui n’entame pas leur taux de chômage, on peut penser qu’il s’agit de zones peu dynamiques qui ont tendance à voir partir leurs actifs ; 21 zones connaissent une croissance forte de l’emploi et du chômage, elles restent cependant dans le quartile des plus faibles taux de chômage en 2012, signe peut-être que ces zones attirent des actifs mais ne peuvent répondre à l’ensemble de la demande.

J’ai construit la carte permettant de visualiser ces quatre ensembles de zones (la taille des cercles est proportionnelle au nombre d’emploi en 2012) :

carteLa situation sans doute la plus enviable concerne les zones en vert : forte croissance de l’emploi, faible croissance du chômage. On trouve quelques grandes villes (Nantes, Rennes, Grenoble, des zones d’Ile-de-France comme Saclay), des villes de taille moyenne (Niort, Besançon, Pau, …) et des territoires de plus petite taille (Le Blanc, Chinon, Pontarlier, Bressuire, …).

Les zones en jaune présentent une croissance de l’emploi et du chômage supérieure à la médiane. On y trouve principalement des villes de taille moyenne, comme Poitiers, La Roche-sur-Yon, Cholet, le Genevois Français, …

Les zones en rouge présentent une faible croissance de l’emploi et du chômage. Toutes (sauf la zone d’emploi de Houdan) présentent un taux de croissance de l’emploi négatif. On y trouve quelques zones d’Ile-de-France (Houdan, Rambouillet, Etampes), des villes de l’Est (Wissembourg en Alsace, Morteaux ou Saint-Claude en Franche-Comté) et du centre de la France (Ussel, Mauriac, Saint-Flour).

Les zones en bleu, enfin, combinent croissance faible de l’emploi et croissance forte du chômage. Presque toutes ont également un taux de croissance de l’emploi négatif, elles sont plutôt de moyenne et petite taille. On y trouve Nemours, Epernay, Laval, Tulle, Aurillac, …

Si vous voulez le détail de ces zones, vous pouvez télécharger ce document (pdf) qui reprend leur nom, l’emploi en 2012, les taux de chômage 2003 et 2012 ainsi que les taux de croissance de l’emploi et du chômage entre les deux dates.

Pour conclure : il y a toujours des limites à ce type d’exercice, on rate notamment ici les interdépendances entre les zones d’emploi. On voit sur la carte que des zones proches sont dans des situations différentes, sans doute certains mouvements entre zones expliquent-ils ce que l’on observe. Il faudrait pour le savoir travailler sur des données de flux, analyser par exemple l’évolution des déplacements domicile-travail entre ces zones. Affaire à suivre, donc…

Sinon, la recherche en sciences sociales, ça peut servir, vous savez ?

Jeudi dernier, j’ai participé au jury de thèse de Marion Maisonobe, à Toulouse, qui a travaillé, en gros, sur la géographie de la recherche à l’échelle mondiale. Travail remarquable, de l’avis unanime du jury (l’occasion pour moi de rencontrer enfin Yves Gingras, ce que je souhaite à tout le monde…).

Sur le trajet aller, j’ai vu que le Japon ne faisait pas dans la dentelle : fermeture de 26 universités de sciences humaines et sociales, qui ne servent à rien, c’est bien connu.

Ce que montre la thèse de Marion Maisonobe ?

S’appuyant sur les publications scientifiques recensées par le Web of Science, géolocalisées pour la première fois à l’échelle des agglomérations partout dans le monde (je ne vous dis pas le travail de fourmi réalisé sur Toulouse pour arriver à cela…), elle montre que si les co-publications sont de plus en plus nombreuses, elles ne signent pas la fin de la géographie : on assiste plutôt à un processus massif de déconcentration géographique de la recherche, les régions « centre » voyant leur part baisser dans la quasi totalité des pays (voir cet article auquel elle a contribué par exemple), au profit des espaces intermédiaires (en France, Paris recule au profit de la « province »).

La mondialisation de la recherche n’est donc pas synonyme de « mort de la géographie », elle ne conduit pas à l’émergence d’une « communauté scientifique sans frontière », elle est plutôt synonyme de renforcement des logiques nationales (croissance forte des co-publications au sein des pays) et continentales (bloc européen, bloc asiatique, bloc américain, …). Les pays dits « en développement » voient leur part augmenter, les relations entre eux augmentent très fortement, également.

Bref, plein de résultats riches d’enseignement, à l’heure où le discours dominant, en France (mais pas que), consiste à dire qu’il faut tout concentrer, et puis que quand même, il faut collaborer avec le pays leader (les Etats-Unis), le reste ne sert à rien.

En plus de traitements massifs de données à l’échelle mondiale, Marion Maisonobe a travaillé sur un sujet très pointu (la réparation de l’ADN) et interrogé des chercheurs spécialistes du domaine. On trouve dans sa thèse une anecdote croustillante, que tous les chercheurs et les politiques devraient garder en tête.

En 2009, une chercheuse a produit dans le domaine un travail considéré comme précurseur. Il a été demandé par les deux revues de référence, celles qui font rêver les chercheurs (plutôt « science dur ») du monde entier : Nature et Science. Ces deux revues n’ont pas publié l’article, finalement. Pourquoi ? La recherche s’appuyant sur un outil que personne n’avait dans le monde, il était clair que personne ne pourrait le citer dans les années suivantes, trop précurseur. Impossible de le publier, donc, parce que l’objectif des revues n’est pas de publier les meilleures recherches, mais les recherches qui seront les plus citées (il faut booster « l’impact factor », c’est-à-dire le nombre moyen de citations par article)…

Conclusion ? Les recherches en sciences humaines et sociales ne servent à rien.

 

La circulation invisible des richesses : quand le Cantal, l’Aveyron et la Lozère viennent au secours des Métropoles

Lorsqu’on analyse la géographie des PIB par habitant et celle des Revenus par habitant, on constate rapidement une déconnexion forte entre les deux, le cas le plus extrême concernant l’Ile-de-France, dont le PIB par habitant est environ 60% supérieur à la moyenne, pendant que son Revenu par habitant n’est supérieur que d’environ 20%. Il n’en faut pas plus à quelqu’un comme Jacques Levy pour affirmer alors que « les contribuables des villes les plus productives financent à fonds perdus les territoires urbains les moins efficaces » (source ici).

Je ne reviendrai pas sur les nombreuses limites du PIB par habitant comme indicateur de performance des régions, j’en ai déjà (trop) parlé, je vous invite à parcourir cette tribune du Monde ou d’aller voir, pour plus de détails, l’article co-écrit avec Michel Grossetti Je préfère me concentrer sur les éléments explicatifs de la déconnexion PIB/Revenu, pour insister sur un mécanisme contre-intuitif, dont l’importance vient d’être mise en évidence dans un article tout juste publié.

Quand Jacques Levy affirme que « les contribuables des villes les plus productives financent à fonds perdus les territoires urbains les moins efficaces », il a en tête un mécanisme et un seul, celui de la redistribution des revenus assurée par l’Etat : certains territoires produisent plus de richesses que d’autres, l’Etat y collecte logiquement plus d’impôts qu’il reverse sous forme de prestations aux habitants des autres territoires. Notons en passant que l’Etat ne procède pas à une redistribution spatiale des revenus, mais à une redistribution sociale : en forçant le trait, il prend aux « riches » pour donner aux « pauvres », comme « les riches » sont concentrés en certains lieux (notamment sur Paris) et « les pauvres » dans d’autres lieux (« les territoires urbains les moins efficaces » dirait Levy), la redistribution sociale devient involontairement spatiale.

Ce faisant, on oublie d’autres mécanismes essentiels de la circulation invisible des richesses : le premier d’entre eux relève du transfert opéré entre les actifs d’aujourd’hui et les actifs d’hier, autrement dit les retraités. Une part non négligeable de la déconnexion entre PIB et Revenu par habitant de l’Ile-de-France s’explique par le fait que les actifs franciliens, une fois à la retraite, vont se localiser un peu partout sur le littoral. Les actifs franciliens d’aujourd’hui financent donc les retraites des actifs franciliens d’hier, localisés hors région capitale. Un autre mécanisme important relève du fait que de nombreux actifs participant à la création de richesse en Ile-de-France résident hors Ile-de-France : ils créent du PIB dans la région capitale mais perçoivent leurs revenus hors région capitale. C’est vrai de toutes les régions limitrophes, le cas le plus emblématique étant celui de la Picardie, 13% des actifs y résidant travaillant en Ile-de-France.

Tout ceci est plutôt bien connu des chercheurs travaillant sur ces sujets. Un autre mécanisme moins connu vient d’être étudié par Pierre Bouché, Elisabeth Decoster et Ludovic Halbert dans un article pour la revue Géographie, Economie, Société intitulé « L’épargne réglementée, une géographie méconnue de la circulation de richesse en France ». Ces auteurs s’intéressent à l’épargne sur Livret collectée par la Caisse des Dépôts et Consignations, qui sert massivement à financer le logement social. Les sommes concernées ne sont pas négligeables : on apprend dans l’article que la Direction du Fonds d’Épargne gère 250 Milliards d’euros en 2013, dont environ 55 % sont distribués sous forme de prêts. Comme les lieux de collecte de l’épargne diffèrent des lieux d’investissement, on observe là encore une circulation invisible des richesses qui avait jusqu’à présent échappé aux observateurs.

Que montrent-ils ? Que certains départements épargnent beaucoup plus qu’ils ne perçoivent en termes d’investissement, à commencer par le Cantal (solde négatif de 72 %), l’Aveyron, la Haute-Loire, la Nièvre, la Lozère, ou encore la Manche (-56 %). A l’inverse, d’autres départements affichent des soldes positifs, c’est-à-dire que les montants des prêts qui leurs sont distribués sont plus élevés que ce que les encours observés ne laisseraient supposer. « Il s’agit de départements accueillant une agglomération de grande taille comme le Nord (Lille), la Haute-Garonne (Toulouse), la Gironde (Bordeaux), le Rhône (Lyon), l’Hérault (Montpellier), ou les départements franciliens, aux exceptions de Paris et, surtout, des Yvelines. La Seine-Saint-Denis affiche ainsi le solde positif le plus élevé de France avec +180 % (…) ».

Le Cantal, l’Aveyron et la Lozère viennent au secours de la Seine-Saint-Denis, Lille, Toulouse, Bordeaux, Lyon et Montpellier. Les « pauvres inefficaces » qui financent les « riches efficaces », voilà qui devrait en consoler certains, voire, soyons fous, les inciter à regarder autrement les dynamiques territoriales…

La géographie des taux de chômage

L’Insee vient de publier les taux de chômage par zone d’emploi de 2003 à 2013. Les zones d’emploi (304 pour la France métropolitaine) sont un découpage géographique intéressant de l’espace français, basé sur les migrations domicile-travail.

Sur la base des chiffres publiés, on peut représenter la distribution des taux de chômage aux deux dates, en rouge la courbe pour 2003, en bleu la courbe pour 2013 :

tx_cho

Deux choses : i) la courbe se déplace vers la droite, signe d’un accroissement du taux de chômage pour la grande majorité des territoires français, ii) la distribution est plus étalée en 2013, signe d’une plus grande dispersion des taux de chômage.

Je me suis ensuite amusé (il en faut peu pour amuser un économiste) à calculer la corrélation entre le taux de chômage 2013 et le taux de chômage 2003. L’idée est la suivante : si la corrélation est très bonne, cela signifie que les zones qui avaient un plus fort taux de chômage en 2003 ont toujours un plus fort taux de chômage en 2013. Résultat des courses : la corrélation est très bonne, ce qu’on peut voir sur ce graphique.

corr

En clair, vous prenez le taux de chômage de 2003 de votre zone d’emploi, vous le multipliez par 1,07, vous ajoutez 1,58% et vous obtenez le taux de chômage 2013. Le R² est de 0,82, ce qui signifie en gros que les taux de chômage de 2003 « expliquent » 82% des différences de taux de chômage en 2013. Bref : ça ne bouge pas beaucoup…

Rien n’empêche cependant de regarder les zones pour lesquelles le taux de 2003 explique le moins bien le taux de 2013, soit en positif (elles devraient avoir un taux plus fort en 2013) ou en négatif (elles devraient avoir un taux plu faible). Je me suis concentré sur les 10% des zones les moins bien expliquées, 5% de chaque côté soit 15 zones.

Pour les zones dont le taux de chômage observé est plus fort que celui attendu, on obtient cela :

code libellé taux en 2003 taux en 2013 taux prédit
2416 Gien 6,3 11,0 8,4
2417 Montargis 8,1 12,9 10,3
9101 Carcassonne 8,6 13,1 10,8
2204 Laon 8,6 13,0 10,8
9102 Limoux 8,9 13,3 11,1
8220 Vallée de l’Arve 6,2 10,3 8,2
5307 Carhaix-Plouguer 5,7 9,7 7,7
4208 Mulhouse 7,4 11,5 9,5
2202 Tergnier 11,2 15,5 13,6
4114 Saint-Dié-des-Vosges 10,0 14,2 12,3
2203 Thiérache 12,8 17,2 15,3
4105 Commercy 8,0 12,0 10,2
7301 Foix-Pamiers 8,1 12,1 10,3
7302 Saint-Girons 8,6 12,6 10,8
4106 Verdun 7,8 11,7 10,0

Les deux premiers chiffres des codes des zones d’emploi correspondent à leur région d’appartenance. Les deux premières zones dont les scores sont les pires sont en région Centre (code 24), il s’agit de Gien et Montargis. On trouve également deux zones en Languedoc-Roussillon (code 91), deux en Picardie (code 22), deux en Lorraine (code 41) et deux en Midi-Pyrénées (code 73).

Pour les zones dont le taux de chômage est plus faible que le taux attendu, on obtient cet autre tableau :

code libellé taux en 2003 taux en 2013 taux prédit
9406 Corte 8,1 8,8 10,3
1108 Provins 8,5 9,2 10,7
8218 Annecy 6,1 6,6 8,1
2101 Charleville-Mézières 12,1 13,0 14,6
2607 Autun 9,0 9,6 11,3
2507 Cherbourg-Octeville 9,0 9,6 11,3
1109 Houdan 4,8 4,9 6,7
8305 Mauriac 5,7 5,8 7,7
9401 Ajaccio 8,3 8,5 10,5
9315 Toulon 10,5 10,7 12,9
9308 Aix-en-Provence 9,3 9,4 11,6
5303 Lannion 9,4 9,5 11,7
1101 Paris 8,7 8,7 10,9
2414 Romorantin-Lanthenay 10,3 10,0 12,6
9405 Calvi-L’Île-Rousse 11,3 10,4 13,7

Cette fois, les régions Corse (code 94) et Provence-Alpes-Côte d’Azur (code 93) dominent (5 des 15 zones), effet économie résidentielle, peut-être. L’Ile de France (code 11) suit, avec Provins, Houdan et Paris.

En résumé : la géographie de l’économie bouge assez peu. C’est un résultat récurrent des recherches sur le sujet, qu’il convient de garder en tête : si un élu vous promet qu’il va tout changer en quelques années, soyez sûr d’une chose, il se trompe… Ce qui ne signifie pas pour autant que tout soit écrit : certains territoires connaissent des évolutions relatives plus favorables, d’autres moins favorables. Reste à en comprendre les raisons, ce que le petit exercice statistique auquel je viens de me livrer ne permet pas : il faut ensuite aller sur le terrain, pour comprendre la spécificité des évolutions observées. Ce que les économistes font rarement. Mais c’est un autre sujet.

Qui sont tes amis Facebook?

Voici les résultats de la petite enquête lancée il y a quelques temps, afin de dire des choses sur les réseaux socionumériques, en l’occurrence sur Facebook. Les trois questions clés de l’enquête étaient les suivantes, elles ont permis de définir trois variables :

  1. Combien avez-vous d’amis Facebook? variable X
  2. Parmi vos amis Facebook, combien résident dans la même ville que vous? variable Y
  3. Parmi vos amis Facebook, combien de personnes n’aviez-vous jamais rencontré physiquement avant d’être amis sur Facebook? variable Z
S’agissant de la deuxième question, j’aurai préféré demander aux enquêtés le nombre de personnes résidant dans la même région plutôt que la même ville, mais c’est plus compliqué à obtenir sur Facebook.

A partir des valeurs de ces variables, j’ai défini deux indicateurs :

  1. le degré de proximité relationnelle, égal à (X-Z)/X. En clair, il s’agit de la proportion d’amis Facebook que vous aviez rencontré physiquement avec d’être amis sur Facebook.
  2. le degré de proximité géographique, égal à Y/X.
217 personnes ont répondu (un peu plus, mais il y avait quelques réponses incomplètes que j’ai supprimé). L’échantillon n’a rien de représentatif, ce n’était pas l’objectif. Voici les caractéristiques de base des personnes interrogées, pour les variables quantitatives, d’abord :
variable modalité %
genre homme 59%
femme 41%
Ville Poitiers 34%
Paris 12%
Autres 55%
niveau d’étude <bac +3 28%
bac+4 ou 5 49%
>bac+5 24%
utilisation Facebook tous les jours 80%
moins souvent 20%
Puis pour les variables qualitatives :
variable moyenne
age moyen 31,9
nombre d’années résidence 10,1
nombre d’amis Facebook 199,7
nb années sur Facebook 4,1

Le degré de proximité relationnelle

Premier résultat essentiel : le degré de proximité relationnelle des personnes enquêtés est particulièrement élevé. Moyenne de 93%, médiane de 99%, premier quartile de 97%, premier décile de 80%. Résultat conforme à mes attentes : Facebook ne permet pas, pour l’essentiel, de se faire de nouveaux amis, il permet d’entretenir des relations avec des amis que l’on s’est fait hors ligne. Résultat conforme à cette étude américaine.
J’ai estimé un petit modèle économétrique, avec pour variable expliquée le degré de proximité relationnelle et pour variables explicatives les différentes variables disponibles. Voici les résultats (les étoiles indiquent que les variables explicatives sont statistiquement significatives) :
variable expliquée : degré de proximité relationnelle
Coefficient
age -0,49 ***
homme -2,64
<bac+3 modalité de référence
bac +4 ou 5 2,25
>bac+5 -0,49
autre ville modalité de référence
poitiers -1,89
paris -2,41
nb années résidence 0,07
nb amis -0,04 ***
nb années FB 1,75 **
FB intensif -7,71 ***
constante 116,86 ***
n 217
R2 0,26
 Les variables qui ressortent sont l’âge (influence négative sur le degré de proximité relationnelle) et des variables qui caractérisent le mode d’utilisation de Facebook. Le nombre d’amis et l’intensité d’utilisation de Facebook conduisent notamment à une proximité relationnelle plus faible.

Le degré de proximité géographique

En moyenne, la proportion d’amis Facebook qui vivent dans la même ville que les personnes enquêtées est de 19%. Voici la distribution du degré de proximité géographique :
Les résultats sont sensiblement différents selon la ville des enquêtés : la proportion monte à 27% pour les poitevins et à 29% pour les parisiens. Elle est en revanche de 12% pour les résidents des autres villes.
Ces « scores » sont-ils élevés? Plutôt oui, je dirais : si le monde était plat, la proportion d’amis Facebook des habitants d’une ville donnée devrait être égale au poids de cette ville dans la population mondiale, ou dans la population française si on raisonne simplement sur la France. Poitiers ne pèse pas 27% de la population française, Paris ne pèse pas non plus 29% de la population. En raisonnant à l’échelle des régions, les proportions seraient sans doute significativement plus élevées. Dans tous les cas, la géographie reste marquée et les liens locaux sont plutôt importants.
Résultat assez peu surprenant : on entretient sur Facebook des relations développées hors ligne, relations qui se nouent pour une part importante dans la proximité géographique. Résultat conforme là encore avec celui de l’étude américaine citée plus haut, qui montre que 90% des amis facebook des personnes interrogés (des étudiants de premier cycle universitaire) résidaient dans le même Etat US qu’eux.
Comme plus haut, j’ai testé un petit modèle économétrique, dont voici les résultats :
variable expliquée : degré de proximité géographique
Coefficient
age -0,05
homme 2,43
<bac+3 modalité de référence
bac +4 ou 5 -6,08 **
>bac+5 -6,42 *
autre ville modalité de référence
poitiers 13,29 ***
paris 18,36 ***
nb années résidence 0,52 ***
nb amis 0,00
nb années FB -0,67
FB intensif 3,59
constante 12,77 *
n 217
R2 0,29
Ce sont cette fois des variables qui caractérisent les personnes qui influent sur le degré de proximité géographique. Sans surprise, le niveau d’études influe négativement sur ce degré : les personnes ayant un niveau d’études supérieur à bac+3 sont plus mobiles géographiquement. Le nombre d’années de résidence influe logiquement positivement sur le degré de proximité géographique.

Conclusion

A ceux qui pensaient que les réseaux socionumériques étaient susceptibles de bouleverser le monde social, cette petite enquête, sur le cas d’un réseau spécifique (Facebook), montre plutôt le contraire. L’intérêt de Facebook est ailleurs : il permet d’entretenir à moindre coût des relations préexistantes. Un prolongement possible consisterait à s’interroger sur la nature de ces relations (liens forts vs. liens faibles, cf. Granovetter), pour voir le rôle éventuel d’un tel réseau dans l’activitation des liens faibles, dont le rôle stratégique est mis en évidence depuis longtemps par la sociologie économique.

La géographie de Facebook ? La suite d’une longue histoire…

Toujours en train de préparer ma conférence de lundi prochain, où il sera notamment question de la géographie des réseaux sociaux, j’ai découvert une animation pas inintéressante : pour un pays donné, on peut voir dans quels autres pays, prioritairement, sont localisés les « amis » Facebook.

Sans surprise, on découvre que le monde n’est pas plat, que la géographie de Facebook est même très marquée, elle s’explique notamment par des effets de proximité géographique, des effets de proximité linguistique, qu’elle s’explique plus généralement par l’histoire longue des pays. Pour la France, ça donne cette configuration :

Je vous laisser découvrir les résultats pour le pays de votre choix : c’est ici.

La géographie de Facebook : c’est pour un sondage!!!

J’ai été sollicité récemment pour assurer une conférence sur les réseaux socio-numériques (Facebook, twitter, …) qui aura lieu sur Poitiers le 17 septembre prochain. Un des points de que je souhaite aborder est celui de la géographie des réseaux socio-numériques.

Dans cette perspective, j’ai eu l’idée d’organiser un petit sondage auprès de vous, fidèles lecteurs, en tout cas le sous-ensemble d’entre vous qui disposez d’une page Facebook. Vous verrez, répondre à ce sondage ne vous prendra que quelques minutes (il n’y a que 10 questions).

Trois de ces questions vous demanderont un petit effort, mais je compte sur vous, lecteurs adorés, pour accepter de vous livrer au jeu. Vous pourrez ainsi vous vanter, ensuite, d’avoir participé au déplacement de la frontière des connaissances ce qui, vous en conviendrez j’en suis sûr, ne vous arrive pas tous les jours (à moi non plus, je précise)… Voici ces trois questions, autant préparer les réponses avant de compléter le questionnaire en ligne :

  1. Combien avez-vous d’amis Facebook? (niveau facile)
  2. Parmi vos amis Facebook, combien résident dans la même ville que vous? (niveau moyen, cf. infra)
  3. Parmi vos amis Facebook, combien de personnes n’aviez-vous jamais rencontré physiquement avant d’être amis sur Facebook? (niveau difficile, cf. infra)
Pour la question 2, le niveau de difficulté est moyen : pour trouver ce nombre, il vous faut faire une recherche, dans l’ensemble de vos amis, en faisant une recherche par « lieu de résidence », tapez alors la ville où vous résidez actuellement. Facebook affichera ensuite vos amis qui résident dans la même ville que vous. Hélas, il n’affiche par le nombre d’amis concernés, il vous faut donc les compter « manuellement », d’où la difficulté…
Pour la question 3, le niveau de difficulté est plus important : il vous faut passer en revue tous vos amis et compter le nombre de personnes que vous n’aviez jamais rencontré physiquement avec d’être amis sur Facebook, c’est un peu plus long, donc… Comme certains pourraient être rebutés par cette question, la réponse n’est pas obligatoire. Mais ça me ferait drôlement plaisir si vous y répondiez, lecteurs vénérés… (petite précision : si votre ami est une institution, association, etc…, demandez-vous si vous aviez rencontré physiquement l’un des membres de cette institution/association avant d’être ami sur Facebook. Si oui, ne la comptez pas, sinon, comptez-là).
Comment participer au sondage? Rien de plus simple : il vous suffit de cliquer sur le lien ci-dessous :
Je publierai bien sûr sur mon blog les résultats et l’interprétation de cette petite enquête, ainsi qu’une synthèse plus générale des thèmes que j’aborderai. N’hésitez pas à diffuser cette enquête dans vos propres réseaux si vous le souhaitez!
Merci encore, lecteurs adulés, et n’hésitez pas à poster un commentaire si quelque chose n’est pas clair…
NB : Je viens de me rendre compte qu’une question est mal libellée (je ne peux plus modifier) ! Je demande à un moment « depuis combien de temps vivez-vous dans cette ville? » Il faut répondre le nombre d’années.

Dis-moi où tu habites, je te dirai pour qui tu votes

Article intéressant dans Le Monde sur les intentions de vote en faveur des trois principaux candidats en fonction de la distance aux grandes agglomérations (Un ensemble plus complet de résultats est disponible sur le site de l’IFOP) :

En forçant le trait, courbe en U pour Hollande et courbes en U inversé pour Sarkozy/Le Pen (dont les courbes sont proches).

Comment expliquer cela? Avant tout par la sociologie, car les inégalités sociales ont une géographie… Pour en trouver une petite preuve dans l’étude de l’IFOP, je me suis amusé à construire un graphique qui reprend les pourcentages de réponse positive à la question suivante :

Les chômeurs pourraient trouver du travail s’ils le voulaient vraiment.

Sur une des diapositives, on trouve le pourcentage de réponse positive en fonction de l’éloignement aux grandes agglomérations, pour toutes les catégories de personne. Sur une autre diapositive, on trouve ces mêmes pourcentages, mais seulement pour les ouvriers. En compilant, on obtient ce graphique :

 

La courbe est beaucoup plus plate pour les ouvriers que pour l’ensemble de la population (coefficient de variation de 6% pour la population totale contre 3% pour le sous-ensemble des ouvriers). C’est donc moins l’éloignement aux grandes agglomérations que l’appartenance à certaines catégories sociales qui semble compter.

Le titre pourrait donc être : dis-moi où tu habites, je te dirais qui tu es et donc pour qui tu votes…

Géographie des fainéants

Nicolas Sarkozy semble considérer qu’une des explications du chômage en France tient au fait que certains chômeurs refusent un peu trop facilement les formations où les emplois qu’on leur propose.

Propos pas vraiment nouveau à l’UMP, puisque lors de la dernière campagne présidentielle, en 2007, le futur Premier Ministre de la France déclarait :

la famille qui se lève tôt le matin pour aller « bosser » ne doit pas avoir le sentiment d’être lésée par celle qui, cumulant les aides et allocations, n’en ressent plus la nécessité.

Notre Président de la République et notre Premier Ministre étant des gens biens informés, on ne peut que les croire sur cet enchaînement. Etant donné que, parallèlement, l’Insee vient de publier les taux de chômage par zone d’emploi sur la période 2003-2010, on peut s’amuser à repérer les territoires où se concentrent les personnes qui n’ont décidément aucune envie de se lever tôt le matin. Une sorte de géographie des fainéants donc (car les fainéants ont tendance à se regrouper, c’est bien connu).

Voici le top ten :

ze libellé 2010
2203 Thiérache 16,2
3125 Calais 16,2
3122 Lens-Hénin 16
3117 Maubeuge 15,7
9107 Agde-Pézenas 15,3
3115 Valenciennes 15
2205 St-Quentin 14,9
3110 Roubaix-Tourcoing 14,9
9104 Alès 14,7
9112 Sète 14,6

Vous ne serez pas sans remarquer que le Nord Pas de Calais est bien représenté (5 des 10 zones d’emploi). Un effet Aubry, sans doute…

Bon, je vous vois venir : vous vous demandez où sont concentrés les courageux? Vos désirs sont des ordres, nouveau top ten :

ze libellé 2010
5304 Loudéac 5,9
8306 Saint-Flour 5,8
1112 Rambouillet 5,7
7304 Rodez 5,7
5217 Les Herbiers 5,5
7401 Tulle 5,4
8305 Mauriac 5,4
5314 Vitré 5,3
9113 Lozère 4,9
1109 Houdan 4,5

Le problème, c’est que la géographie des fainéants est particulièrement stable (ce qui est somme toute logique : les fainéants n’aiment guère se déplacer). Pour preuve ce nuage de point qui croise le taux de chômage en 2010 et celui de 2003 :

On remarque enfin que le taux de chômage en 2010 est assez systématiquement supérieur à celui de 2003. Petite vérification à partir des données : sur les 304 zones d’emploi, seules 17 voient leur taux de chômage diminuer entre les deux périodes (dont 4 zones d’emploi Corses…). Conclusion : la fainéantise est contagieuse.