Penser ce qui relie

C’est la conclusion de mon livre, son fil conducteur, aussi : plutôt que de considérer les territoires comme des entités en concurrence les unes avec les autres, il faut les voir comme des parties prenantes de systèmes interdépendants.

Le problème, c’est qu’on dispose de quantité de données par territoire, on est donc vite tenté de produire des classements sur tel ou tel indicateur de performance, se comparer à l’autre. A contrario, on dispose de peu de données sur les flux, sur tout ce qui traverse les territoires.

On dispose de peu de données, mais cela ne signifie pas qu’il n’en existe aucune. Il en existe sur les mobilités domicile-travail, sur les flux touristiques, sur les liens entre sièges sociaux et établissements, etc.

Parmi les chercheurs qui travaillent sur ce type de données, Nadine Catan. Le Monde vient de consacrer un article très bien fait relatif à une étude à laquelle elle a participé pour la Datar. L’article est visible ici (€), une synthèse de l’étude là.

Je souscris totalement à ce passage :

Passer de ville à système urbain permet de changer nos grilles de lecture des dynamiques territoriales et ainsi de modifier nos politiques publiques. Elus et développeurs sont appelés à mettre l’accent, non plus sur l’accumulation des populations et des emplois à un endroit donné, mais sur les connexions entre les différents lieux (…). Il faut aujourd’hui penser les villes, les métropoles, en termes de complémentarités et non plus se focaliser sur leurs avantages concurrentiels.

Je souscris et je me désole, dans le même temps, du peu de connaissance que les acteurs en charge de tel ou tel territoire ont de ces flux, de leur difficulté à comprendre que c’est ce qui importe. Au risque d’être lourd, j’insiste : l’enjeu n’est pas de penser ce qui sépare, mais de comprendre ce qui relie.

Le graphique du jour (le piège de nos croyances)

Le graphique, trouvé ici, reprend en abscisse la part effective des immigrés dans la population de différents pays et, en ordonnée, la part estimée par les citoyens de ces mêmes pays. La ligne rouge rassemble les points où parts estimées et parts effectives sont égales. Tous les pays sont au-dessus, signe que tout le monde surévalue la part des immigrés dans la population.

immigrationTous sont au-dessus, mais certains plus que d’autres. A ce petit jeu, ce sont les français qui se trompent le plus : la part des immigrés dans la population est de 10%, les français la déclarent en moyenne comprise entre 25 et 30%.

Je m’interroge sur une causalité : est-ce parce que nos politiques sont incapables de parler sérieusement d’immigration que les citoyens surestiment autant les chiffres, où est-ce parce que les citoyens surestiment autant ces chiffres que les politiques sont incapables d’en parler sérieusement ? Causalité circulaire, peut-être.

On pourrait élargir à bien d’autres sujets : piégés par nos croyances, nous avons tous du mal à voir les évidences et à agir en conséquence…

Taille des villes et performances économiques : une légende urbaine

city-35002_960_720Mondes Sociaux vient de mettre en ligne un article co-écrit par Michel Grossetti, Benoît Tudoux et moi-même, qui synthétise certains de nos travaux récents sur la question. Vous pouvez le lire en cliquant ici, allez y jeter un œil ne serait-ce que pour les illustrations !

J’aurai l’occasion d’en parler et d’en débattre au Printemps de l’Economie, lors d’une table ronde organisée par l’OFCE, jeudi 14 avril prochain, à laquelle participeront Guillaume Allègre, Xavier Timbeau et Laurent Davezies. Tous les détails sont ici. (Je participe également à deux autres tables rondes : mardi 12 matin sur le thème « quel territoire économique en dehors des périmètres institutionnels? » et mardi 12 après-midi sur le thème « comment favoriser l’innovation sur les territoires? »).

On voit des métropoles partout, sauf dans les statistiques

Nouvelle livraison pour alimenter le débat sur la métropolisation ! L’article co-écrit avec Michel Grossetti a en effet plutôt bien diffusé, il nous semble que notre critique de l’indicateur PIB régional par habitant est globalement acceptée, mais certains chercheurs nous opposent d’autres arguments. Pierre Veltz, par exemple, dans un entretien pour la revue L’Economie Politique (€), reconnaît dans un premier temps le problème :

le PIB régional est un concept qui soulève de nombreux problèmes, qui s’ajoutent à ceux du PIB en général. Où situer, par exemple, la valeur ajoutée produite par une entreprise comme Renault ? Le Technocentre, avec ses salaires élevés, contribue évidemment au PIB de l’Ile-de-France ; mais cette valeur ajoutée n’existerait pas sans les usines de production situées en province ou à l’étranger. La notion de PIB local, dans une économie aussi interconnectée que la nôtre, est artificielle. Par ailleurs, PIB élevé veut dire surtout, en pratique, salaires élevés. Les économistes orthodoxes diront que le salaire élevé récompense une productivité marginale élevée ! Mais le raisonnement est circulaire. On sait bien que la formation des salaires obéit à des normes et des rapports sociaux autres qu’une « productivité marginale » impossible à mesurer. Au total, la valeur ajoutée n’est pas localisable : elle est dans le réseau (pp. 17-18).

Il renvoie cependant, dans le même entretien, à d’autres arguments avancés par Davezies et Pech (2014) résultant de l’exploitation des données sur l’emploi salarié de l’Acoss, pour la période 2008-2012, par Aire Urbaine et par commune et affirme :

Cela dit, et c’est l’essentiel, il y a bien d’autres indicateurs de la force et des effets positifs de la métropolisation que le PIB : la concentration de la qualification, celle de l’emploi… La dynamique récente est à la concentration des créations d’emplois dans les zones métropolitaines (p. 18)

Dans une interview pour Xerfi Canal, il reprend le même argument.

Nous avions pour notre part montré l’absence d’effet taille à l’échelle des zones d’emploi, sur la période 1999-2011, mais le problème est que la comparaison de nos résultats avec ceux de Davezies et Pech (2014) est rendu difficile pour trois raisons : i) le zonage géographique n’est pas le même (zones d’emploi vs. aires urbaines), ii) la variable retenue n’est pas la même (ensemble des actifs occupés vs. emplois salariés privés), iii) la période d’étude n’est pas la même (1999-2011 vs. 2008-2012).

Nous avons donc décidé de mobiliser les mêmes données que ces auteurs, sur la période la plus récente disponible (2009-2014) pour éprouver la validité de leurs conclusions. Résultat? Leurs conclusions sont invalidées, ce qui s’explique notamment par un sévère problème de méthode dans l’analyse déployée. Une analyse rigoureuse montre qu’on ne peut conclure à un avantage général des métropoles en matière de création d’emplois sur la période d’étude.

Notre article vient d’être publié sur Hal, vous pouvez le télécharger en cliquant sur ce lien. As usual, toute remarque est la bienvenue !

Les taux de réussite à l’Université

Le ministère a publié en juillet dernier différentes statistiques sur la réussite dans les Universités françaises.  Avec des chiffres qui font peur : 27% des étudiants obtiennent leur licence en 3 ans, proportion qui monte à 39% pour les licences obtenues en 3 ou 4 ans. Le Monde vient de relayer l’information. L’objectif de ce billet est d’y voir un peu plus clair en évoquant différents points décisifs.

Premier point essentiel, ce taux de réussite varie très fortement selon la filière de bac des étudiants : plus du tiers des bacs généraux obtiennent leur licence en 3 ans et ils sont près de 50% à obtenir leur licence en 3 ou 4 ans, contre 15% pour les bacs technologiques et 5% pour les bacs professionnels. Raisonner sur un taux global n’a donc pas de sens, autant désagréger et s’interroger sur les moyens d’améliorer les choses pour chacun de ces sous-ensembles.

Deuxième point, il faut toujours faire attention quand on manipule ce genre de données, on a souvent du mal à appréhender les effets multiplicatifs. Je m’explique : supposons que le taux de réussite d’une licence soit de 70% en L1, 70% en L2 et 70% en L3, scores assez élevés. Devinette : quelle est la proportion d’étudiants qui obtiendront leur licence en 3 ans précisément ? Réponse : un tout petit plus d’un tiers… (0,7*0,7*0,7 = 34,3% très précisément). C’est ce que l’on observe pour les bacs généraux. Dans les faits, le taux n’est pas le même pour les trois années : pour Sciences Eco Poitiers, l’an dernier, ils sont respectivement de 50% en L1, 80% en L2 et 95% en L3, soit une probabilité d’obtenir sa licence en 3 ans de 38% et en 3 ou 4 ans de 66,5%. La problématique de l’échec à l’Université est massivement une problématique L1, qui concerne prioritairement les bacheliers technologiques et professionnels.

Troisième point, il faut également toujours s’interroger sur les données de base : en l’occurrence, le Ministère peut suivre la trajectoire des étudiants inscrits dans les Universités, mais ils perdent leur trace s’ils vont, après une L1, en BTS, en classe préparatoire ou en école. Ces étudiants qu’on ne peut plus suivre seront comptés comme ayant échoué dans leurs études, alors qu’en fait ils se sont réorientés et ont peut-être très bien réussi. Quelle est l’ampleur de ce phénomène ? Toutes universités, la proportion d’étudiants inscrits en L1 une année et non inscrits dans un établissement supérieur public l’année suivante est de 30,6%. On pourrait donc calculer un autre taux de réussite en retranchant ces étudiants du dénominateur, le taux d’obtention de la licence en 3 ans passerait en gros de 27% à 38% et le taux d’obtention en 3 ou 4 ans de 39% à 56%.

Une question importante reste cependant celui du devenir de ces non réinscrits. Le service statistique de l’Université de Poitiers (le SEEP) a enquêté les étudiants inscrits en 2012-2013, qui ne se sont pas réinscrits l’année suivante. Les résultats sont visibles ici. On y apprend que 27% des L1 ne se sont pas réinscrits l’année suivante, mais que ceci n’est pas synonyme d’arrêt des études. 71% sont en formation, massivement hors université : 34% en BTS, 23% en école, 6% en classe prépa, 10% en « autres formations », soit un total de 73%. Autre chiffre intéressant : 61% des non réinscrits se disent satisfaits de leur année de formation, certains se sont inscrits dans une stratégie d’attente d’être pris dans la formation de leurs choix, d’autres avaient fait le voeu prioritaire d’aller à l’Université et se sont rendus compte que ce système ne leur convenait pas (je vous laisse découvrir les nombreux verbatims, très instructifs).

Dernier point, on observe des différences fortes de taux de réussite : une réussite en 3 ou 4 ans, en moyenne de 39%, varie en France métropolitaine entre 13% à Paris 8 et 53% à Angers. Une partie de l’explication tient aux caractéristiques différentes des entrants : imaginons qu’une Université accueille plus de bacheliers technologiques que la moyenne, son taux de réussite attendu (« taux simulé » dans le document du Ministère) sera logiquement plus faible. A Paris 8, ce taux attendu est de 29,8 et à Angers, il est de 42,5. La différence entre taux observé et taux simulé permet de calculer ensuite la valeur ajoutée de chaque établissement : elle est de 10,5 à Angers et de -8,6 à Paris 8. L’écart sur les taux de réussite entre ces deux Universités est donc pour partie lié à la différence de caractéristiques des entrants, mais pour partie seulement, Angers « performe » plus qu’attendu, Paris 8 moins qu’attendu. Poitiers est plutôt bien placé également, avec un taux de réussite de 46,9 et une valeur ajoutée de 6 (7ème université selon ce critère).

Attention cependant à ne pas aller trop vite en besogne : le Ministère ne dispose pas de toutes les informations sur les étudiants, le taux attendu est donc calculé sur la base des caractéristiques observables. A titre d’illustration, on n’a pas l’information sur la part des mentions au bac, si une Université en accueille plus que la moyenne, le calcul du taux simulé ne prendra pas en compte cela, on l’attribuera avec erreur à la « valeur ajoutée » de l’établissement.

Il n’en reste pas moins que la production de ces statistiques est particulièrement intéressante, à condition de ne pas se contenter de regarder le classement des Universités, mais de les analyser en détail, plus pour mieux se connaître que pour se mesurer aux autres. Les services statistiques des Universités produisent également tout un ensemble d’études particulièrement utiles, celui de Poitiers en tout cas (voir ici), mais j’imagine que ce n’est pas le seul. Mon sentiment : elles sont sous-utilisées dans les Universités, leur mobilisation permettrait d’améliorer le diagnostic sur ce qui va, sur ce qui ne va pas, et donc de prendre ensuite de meilleures décisions en termes d’évolution des formations et d’accompagnement des étudiants.

Hausse de la triche au bac en 2014 ? Pas sûr du tout (les journalistes, je te jure…)

[Petite séquence : j’en ai marre de défaire mes cartons après déménagement…]

Le Parisien a publié un article intitulé « le plagiat, nouvelle plaie des examens ». Le Monde a relayé l’information en indiquant que « la triche aux examens est en forte hausse » : +10% (+9,8% très précisément) . Dans l’ensemble de ces fraudes, la part des tricheries au téléphone portable et calculatrice arrive en première position, avec 30,9% des cas détectés. Bigre, que se passe-t-il dans la tête de nos chers bambins ?

Bon, peut-être faut-il relativiser.

Premier point, calculer la hausse des fraudes sans s’interroger sur la hausse du nombre de candidats n’a pas trop de sens. Imaginez que le nombre de candidats ait augmenté de 10% et que le nombre de fraudes ait augmenté de 10%, vous en déduirez logiquement que la hausse de la fraude a été de 0%… En l’occurrence, ce n’est pas le cas, mais ceci conduit à réduire la hausse relative, puisque le nombre de candidats a augmenté de 3,3% d’après cet article : il est passé de 664 709 candidats à 686 907 candidats. L’augmentation de +9,8% tombe mécaniquement à +6,3%.

Deuxième point, quand un phénomène augmente, quel qu’il soit, demandez-vous toujours si l’augmentation n’est pas lié au fait qu’on le regarde plus attentivement qu’auparavant. On apprend par exemple dans cet article daté de mai 2014 que « l’imagination des prétendants au baccalauréat n’a pas de limites. Une évolution technologique qui a forcé le ministère de l’Education nationale à utiliser par exemple des détecteurs de téléphones portables dans les salles d’examens » . Difficile de quantifier l’impact d’une telle mesure, mais on peut penser qu’une partie de la hausse des tricheries détectées n’est pas liée à une hausse des tricheries, mais à une hausse des détections…

Dernier point, c’est gentil de raisonner en taux de croissance de la fraude, mais en nombre absolu, je signale qu’on est passé de 469 tricheries détectées à 515. Pendant ce temps, les candidats sont passés de 664 709 à 686 907. Alors on peut aussi s’amuser à calculer la part des fraudeurs dans l’ensemble. Elle est passée de 0,071% à 0,075% sans neutralisation de l’effet d’augmentation des candidats, et de 0,071% à 0,073% en neutralisant cette augmentation. Soit une hausse du taux de fraude de 0,002 points de pourcentage.

Sûr que ça méritait des billets alarmistes dans la presse nationale…

[Fin de la séquence, je retourne à mes cartons].

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.

Le retour de la vengeance des relocalisations

Cet après-midi, un journaliste de Libé m’a contacté au sujet des relocalisations : il paraît que notre ministre du redressement productif (Arnaud Montebourg) souhaite mettre en place un programme confié à « l’Agence française des investissements internationaux (Afii) [qui] va offrir gratuitement aux entreprises qui le souhaitent un nouveau service en leur permettant de calculer les avantages de tous ordres à relocaliser des activités ». J’étais passé à côté de l’info, j’ai trouvé cet article du JDD daté du 18 janvier dernier et celui-ci (quasi le même) dans le Figaro (daté du 11 janvier).

Il y a près de deux ans, je m’étais fendu d’un billet pour montrer, à partir d’une des rares bases de données permettant de quantifier le phénomène (la base de l’Observatoire de l’Investissement de Trendéo), que les relocalisations ne pesaient quasiment rien dans les opérations d’investissement réalisées en France (ni dans les emplois créés à l’occasion de ces opérations). Les délocalisations pas beaucoup plus, en passant. Ceci sur données 2009. Un an plus tard, j’avais récidivé en co-écrivant un article sur données 2009 et 2010, qui arrivait au même résultat : les relocalisations ne pèsent quasiment rien, les délocalisations pas beaucoup plus.

Les politiques, qui n’aiment tant rien que de se saisir des sujets majeurs, se sont très vite emparés du sujet. J’en avais parlé un an plus tard, à la quasi-veille des élections présidentielles, pour rappeler que Nicolas Sarkozy avait confié à Yves Jégo la rédaction d’un rapport destiné à mettre fin à la mondialisation anonyme, de proposer des préconisations pour favoriser les relocalisations, tout ça, tout ça… Arnaud Montebourg, fils spirituel de Nicolas Sarkozy et d’Yves Jégo, donc, si je comprends bien.

Comme ce soir, je n’avais pas piscine, j’ai décidé d’actualiser un peu les statistiques de l’Observatoire de l’Investissement, en compilant les chiffres pour 2009, 2010, 2011 et 2012. Ce qui conduit à deux tableaux, le premier recense les opérations de délocalisation, de désinvestissement, de relocalisation et d’investissement observés en France par Trendéo ; le deuxième quantifie la même chose, en termes d’emplois créés/détruits plutôt qu’en nombre d’opérations. A chaque fois, on peut calculer le ratio délocalisation/désinvestissement (ça pèse lourd dans les emplois détruits les délocalisations?) et le ratio relocalisation/investissement (ça pèse lourd dans les emplois créés les relocalisations?).

Tableau 1, en nombre d’opérations :

année délocalisation désinvestissement ratio relocalisation investissement ratio
2009 106 2728 3,9% 12 3011 0,4%
2010 37 2712 1,4% 13 5261 0,2%
2011 30 2279 1,3% 8 4106 0,2%
2012 52 2067 2,5% 12 2961 0,4%
Total 261 10161 2,6% 45 15577 0,3%

Tableau 2, en nombre d’emplois

année délocalisation désinvestissement ratio relocalisation investissement ratio
2009 -12688 -285884 4,4% 406 169511 0,2%
2010 -3022 -172810 1,7% 205 194900 0,1%
2011 -2477 -119858 2,1% 108 165199 0,1%
2012 -3296 -117225 2,8% 245 132328 0,2%
Total -25495 -747487 3,4% 964 691130 0,1%

Les délocalisations pèsent 2,6% des opérations de désinvestissement et 3,4% des emplois détruits. Côté relocalisation, c’est 0,3% des opérations d’investissement et 0,1% des emplois créés.

Bon, on peut toujours se dire que, justement, il faudrait fissa mettre en place des politiques pour booster la dynamique. Pour preuve les cas de relocalisations aux Etats-Unis. Sauf qu’en pourcentage des emplois créés et détruits, aux Etats-Unis comme en France, ça doit pas peser lourd. Sauf qu’en plus, aux Etats-Unis, l’hétérogénéité des conditions de travail et de rémunération entre Etats est sans aucune mesure avec l’hétérogénéité des conditions de travail et de rémunération entre régions françaises : en forçant un peu le trait, certains Etats du Nord feraient palir d’envie la Suède, certains Etats du Sud feraient s’enfuir les travailleurs chinois. Et ça relocalise pas mal au Sud, quand même.

Voilà, voilà… Bon, sinon, en creux, les emplois détruits pour d’autres motifs que les délocalisations, ça pèsent 96,6% de l’ensemble des emplois détruits en France. Et les emplois créés pour d’autres motifs que pour des relocalisations, ça pèse 99,9% des emplois créés en France. Je me demande si le Ministère du Redressement Productif ne devrait pas se pencher un peu plus sur ces autres chiffres. Question idiote d’un chercheur qui n’a pas piscine, sans doute…

Et le cumul des mandats, au fait?

Nouveau petit travail sur les données par député du site NosDéputés.fr (épisode 1 ici, épisode 2 là), en se focalisant cette fois sur la question du cumul des mandats. L’idée est la suivante : quelles sont les caractéristiques des députés qui influent sur leur tendance à cumuler plusieurs mandats?

Pour répondre à cette question, j’ai d’abord fusionné la base des députés actuels et celle des députés de la législature précédente, afin d’avoir plus d’observations et de mettre en évidence d’éventuelles différences (j’ai bien sûr repéré les doublons, c’est-à-dire les députés présents sur les deux périodes, pour ne pas les compter deux fois). J’ai ensuite construit une variable « cumulard », égale à 1 si le député en question détient plus d’un mandat et à 0 sinon.

D’où ce premier petit tableau :

(%) 2007-2012 2012- Total
non cumulard 14.5 16.6 15.5
cumulard 85.5 83.5 84.5
Total 100.0 100.0 100.0

En moyenne, 84,5% de cumulards… Très légère baisse pour la « promo » en cours…

J’ai ensuite testé un petit modèle (modèle probit binaire), avec, comme variable explicatives : i) le sexe, ii) l’âge (et l’âge au carré en cas de relation non linéaire), iii) une variable « député 2012 » pour différencier la législature actuelle de la précédente, iv) une variable « sortant » pour identifier les députés réélus, v) une variable « Ile de France », pour différencier les députés de la capitale des autres députés, vi) le groupe d’appartenance, avec comme groupe de référence le groupe SRC.

L’enjeu est de voir si certaines variables influent sur la probabilité de cumuler. Résultats :

effet marginal
homme 5.80% **
age 2.74% ***
age² -0.02% ***
député 2012 1.53%
sortant 4.90% *
idf 0.17%
src modalité de référence
ecolo -26.84% ***
gdr -2.10%
nc 7.77%
rrdp 9.03%
udi -3.51%
ump 2.80%
autres -35.29% ***
nb. Obs 903
LR Chi2(13) 65.33 ***

Commentaires (seules les variables étoilées sont significatives, d’autant plus qu’il y a d’étoiles) :

* le fait d’être un homme plutôt qu’une femme augmente la probabilité de cumuler de 5,8 points de pourcentage. Effet de genre, donc,

* l’âge joue également, mais de manière non linéaire : le signe négatif devant la variable « age au carré » signifie qu’on a une courbe en cloche, autrement dit que la probabilité de cumuler augmente avec l’âge jusqu’à un certain seuil, puis diminue ensuite. Compte-tenu de la valeur des coefficients, on peut calculer le point de retournement : en l’occurrence, 57,4 ans (j’ai arrondi les coefficients dans le tableau, on trouve ce point de retournement avec les valeurs exactes),

* pas de différence significative entre nouvelle promo et ancienne promo. En revanche, le fait d’être sortant augmente de près de 5 points de pourcentage la probabilité de cumuler,

* pas d’effet géographique Ile de France. J’ai en revanche testé une autre version du modèle avec une variable par région, deux « régions » ressortent, avec un effet négatif sur la probabilité de cumuler : les députés « Français hors de France », qui réduisent de plus de 60% la probabilité de cumuler (hypothèse d’interprétation politiquement incorrecte : on a casé là des gens inéligibles ailleurs) et les députés de Poitou-Charentes, qui réduisent cette même probabilité de plus de 20% (hypothèse d’interprétation évidente : les picto-charentais sont des gens biens),

* s’agissant des groupes d’appartenance, effet significatif d’appartenir à un « autre groupe », qui est un groupe hétérogène, composé des non inscrits et de députés dont l’appartenance à un groupe n’est pas renseignée dans la base. Difficile à interpréter, donc. En revanche, un autre effet très significatif est le fait d’appartenir au groupe écolo, avec une baisse de près de 27 points de pourcentage de la probabilité de cumuler. Aucune différence significative entre les autres groupes.

Conclusion définitive : ça manque de jeunes femmes écolos picto-charentaises, dans l’hémicycle…

PS : sur le sujet du cumul des mandats, lecture incontournable découverte via un commentaire d’un précédent billet (merci Gabriel!), cet Opus de Laurent Bach.

Le travail des députés : des compléments

Complément à mon billet d’hier, sur la base d’autres statistiques disponibles sur le site NosDéputés.fr (merci à Philippe Bonnet pour le lien). Certains m’ont fait remarqué à juste titre que l’activité des députés ne se limitait pas à participer aux votes publics, ils participent à des commissions, posent des questions écrites ou orales, interviennent dans l’hémicycle, déposent des propositions de lois, amendements, etc.

Le site NosDéputés.fr permet très facilement de récupérer des éléments statistiques, par député, pour la législature en cours, comme pour la précédente (2007-2012). On ne peut pas faire de statistiques par jour, mais on peut calculer le nombre de semaines de présence des députés dans l’hémicycle, ou encore le nombre de présence en commission, etc. Voici quelques premiers résultats :

(par mois) moyenne médiane
semaines de présence 2.8 2.9
présence en commission 5.1 4.8
questions écrites ou orales 4.6 1.9
interventions en hémicycle 16.1 3.4

Précisions sur les statistiques « semaines de présence » : pour qu’une semaine soit comptabilisée ainsi, il suffit que le député soit présent au moins l’un des jours de cette semaine. Comptabilisation large, donc. A contrario, la seule présence physique ne suffit pas, il faut avoir été en commission, ou être intervenu dans l’hémicycle, etc. Au total, il s’avère que les députés sont grosso modo à mi-temps. On note également le décalage entre moyenne et médiane pour les deux derniers items, signe de distributions asymétriques : quelques députés trustent les questions et les interventions.

Pour approfondir l’analyse, je me suis concentré sur les semaines de présence et les présences en commission, en distinguant selon le groupe d’appartenance des députés. Résultats en image, d’abord :

Les écolos semblent les plus assidus, notamment en semaine. Pour confirmer et approfondir encore, j’ai testé deux petits modèles, avec comme variable expliquée les semaines de présence par mois et les présences en commission par mois, et comme variables explicatives : i) le sexe, ii) l’âge, iii) le fait d’être un nouveau député non cumulard, iv) le groupe d’appartenance. Résultats :

semaines par mois commission par mois
Coef. p-value Coef. p-value
homme -0.02 0.80 -0.11 0.64
age -0.01 0.00 *** -0.02 0.09 *
non cumulard 0.09 0.19 0.30 0.25
src modalité de référence
ecolo 0.32 0.04 ** 0.60 0.30
gdr -0.36 0.03 ** -2.01 0.00 ***
ni -0.32 0.21 -2.49 0.01 ***
rrdp -0.29 0.06 * -1.27 0.03 **
rump -0.33 0.00 *** -1.41 0.00 ***
udi -0.32 0.01 *** -1.38 0.00 ***
ump -0.21 0.00 *** -1.25 0.00 ***
constante 3.39 0.00 *** 6.77 0.00 ***
0,0951 0,1103
nb obs. 573 573

L’âge des députés joue négativement sur leur présence en semaine, comme en commission. Plus on est vieux, moins on est là. Pas d’effet de genre. Pas d’effet « cumul des mandats ». Pas mal d’effets de groupe d’appartenance : par rapport au groupe SRC (qui comprend notamment tous les députés PS), les écolos sont significativement plus présents en semaine, tous les autres groupes sont significativement moins présents. Pour la présence en commission, les écolos ne sont pas plus présents que les SRC, tous les autres groupes sont moins présents. Pour finir : les résultats pour UMP et RUMP sont très proches…