Géographie des hauts salaires : une photographie du monde d’avant

Je ne sais pas à quoi ressemblera le monde d’après Covid, s’il se distinguera beaucoup du monde d’avant, en attendant la note que vient de publier l’Insee sur les hauts salaires en France permet de voir d’où l’on part.

On y apprend que le top 1% des salariés du privé est constitué de 163000 salariés équivalent temps plein, qui touchent au moins chaque mois  8680€ net, qu’il est constitué majoritairement de dirigeants et de cadres, qu’il concentre 8% de la masse salariale du secteur privé, part qui augmente depuis trente ans alors qu’elle avait baissé des années 1960 aux années 1980.

S’agissant de la géographie des salaires, si l’on regarde ce qu’ils pèsent dans deux des 101 départements français, Paris et les Hauts-de-Seine, le constat est édifiant :

Ces deux départements, qui représentent 5,8% de la population de France métropolitaine au 1er janvier 2020, concentrent une part déjà plus importante des salaires du privé, part qui croît pour atteindre des sommets quand on se focalise sur les très hauts salaires.

Ces résultats sont similaires à ceux que nous avions observé avec Michel Grossetti il y a deux ans de cela : nous montrions plus précisément que les différences géographiques de salaires en France étaient relativement faibles, en dehors précisément de ces deux départements, qui concentrent des métiers en lien avec l’activité des sièges sociaux, de la banque et de la finance.

Il convient de garder en tête ces chiffres quand on s’amuse ensuite à comparer les PIB par habitant des régions françaises : les PIB sont en effet régionalisés sur la base des salaires versés, le fait que l’Ile-de-France connaissent un PIB par habitant bien supérieur aux autres régions tient pour partie à cette concentration des très hauts salaires. Difficile dès lors de parler de “surproductivité” de l’Ile-de-France comme le font de trop nombreux commentateurs, c’était l’un des messages de notre article.

On peut s’interroger également sur le calibrage de notre système fiscal, sa progressivité, en se disant que ce serait bien qu’il résorbe un peu mieux qu’aujourd’hui les inégalités de niveau de vie, qui dépendent au moins pour partie de ces inégalités de salaire. On pourrait aussi s’interroger sur la pertinence de cette concentration atypique des pouvoirs économiques, politiques, médiatiques dans la région capitale. Bref, quelques sujets pour le monde d’après.

Impact économique de la crise sanitaire : actualisation (épisode 34)

L’Insee vient de publier une version actualisée au 27 mai de l’impact économique de l’épidémie, à l’échelle du pays. Les choses vont un peu mieux : la perte estimée à -33% au 7 mai est ramenée à -22% au 27 mai. Ci-dessous le détail par secteur.

Comme les fois précédentes, j’ai territorialisé l’analyse, en appliquant les taux de perte sectoriels aux poids des secteurs observé à l’échelle des départements, puis des EPCI.

La situation relative des territoires bouge peu, la corrélation entre les taux de perte aux différentes dates est très forte, on retrouve Paris, les Hauts-de-Seine, la Savoie parmi les départements les plus affectés, la Lozère, la Creuse et la Meuse comme départements les moins affectés. Je vous redonne les chiffres précis par département et par EPCI dans ce fichier.

Covid 19 et densité : le cas américain (épisode 33)

Je continue mon exploration du lien entre densité et Covid 19, en me focalisant sur le cas américain, à l’échelle des États américains. Je croise ici le nombre de décès par million d’habitants et le nombre d’habitants par km².

Lorsqu’on retient l’ensemble des États américains, on obtient ce graphique :

La corrélation entre les deux variables est relativement forte, mais on voit qu’elle est tirée par 6 États tous contigus à L’État de New-York (New-Jersey, Connecticut, Massachusetts, Rhode Island, Maryland, Delaware). Pris ensemble, ces 7 États concentrent un peu plus de 15% de la population et un peu plus de 58% des décès Covid.

Lorsqu’on estime le lien sans New-York ni ces États, la relation disparaît :

Au final, le résultat récurrent est le suivant : on n’observe pas de relation générale entre densité et épidémie, mais dans la plupart des pays, une zone plus ou moins large de forte densité est particulièrement touchée. C’est le cas en France avec Paris (voir ici), au Royaume-Uni avec Londres (voir ici), en Espagne avec Madrid (voir ici) et désormais aux États-Unis avec New-York et les États limitrophes. Seule l’Italie fait exception, aucun lien entre densité et épidémie même quand on intègre l’ensemble des territoires (voir ici).

Attention à ne pas aller trop vite en besogne, car j’imagine déjà certains m’expliquant qu’il s’agit là de “villes monde”, qui seraient plus touchées : d’autres très grandes villes rangées dans cette catégorie comme Chicago, Los Angeles, Singapour, Séoul, Shangaï, Tokyo,… ne le sont pas ou beaucoup moins.

Covid 19 et densité : le cas Italien (épisode 32)

Je continue à explorer le lien éventuel entre densité et pandémie. Pour la France, le lien semble ténu, dès qu’on exclut l’Ile-de-France des calculs (voir ici et ). Au Royaume-Uni également, dès qu’on exclut Londres (voir ici). Idem semble-t-il en Chine et en Espagne (voir ici).

Je vous propose de présenter les résultats pour le cas italien. Pour cela, j’ai collecté le nombre de cas par province italienne ici, et les données sur la densité et la population sur Eurostat. Il suffit ensuite de croiser la densité et le nombre de cas par habitant.

Résultat : aucune corrélation entre la densité et le nombre de cas par million d’habitants, les deux variables sont totalement indépendantes.

Covid 19 : un désavantage des métropoles ? (épisode 31)

J’ai passé beaucoup de temps et dépensé beaucoup d’énergie depuis plusieurs années, avec mon collègue Michel Grossetti, à déconstruire le discours selon lequel les métropoles auraient un avantage économique sur les autres catégories de territoires. Je vous propose aujourd’hui d’analyser la situation de ces mêmes métropoles vis-à-vis de la pandémie en cours pour vous montrer que, malgré les apparences, elles n’ont pas de désavantage particulier.

Pour cela, j’ai collecté les données de Santé publique France sur les décès par département du 18 mars au 10 mai 2020. J’ai ensuite distingué de deux façons les départements. La première façon consiste à rassembler dans une même catégorie “métropoles” les départements où sont localisés les 22 métropoles instituées par la loi. Il y a une petite difficulté pour Paris, qui s’étend sur toute l’Ile-de-France, j’ai donc considéré que la métropole de Paris était constituée de tous les départements franciliens. J’ai procédé en complément d’une deuxième façon, en m’appuyant sur une typologie européenne basée principalement sur les densités de population, qui distingue les départements urbains, les départements ruraux, et entre les deux les départements dits intermédiaires (vous pouvez visualiser la carte ici). Le nombre de départements français dits urbain est de 14 : 7 départements d’Ile-de-France, auxquels il faut ajouter Lille, Marseille, Lyon, Bordeaux, Nantes, Toulouse et Nice.

En apparence, les métropoles pâtissent d’un désavantage important, lorsqu’on regarde par exemple le taux de mortalité de l’ensemble des métropoles et qu’on le compare au taux de mortalité hors métropoles.

Taux de mortalité par million d’habitants

A la date du 10 mai 2020, le taux de mortalité est de 305 décès par million d’habitants pour les métropoles, contre 178 pour les autres territoires. Il monte même à 336 pour les départements dits urbains, contre 240 pour les départements intermédiaires et 149 pour les départements ruraux.

Mais il s’agit là de moyennes, dont la valeur peut dépendre fortement de quelques observations, ce qu’il convient de vérifier. S’agissant de la distinction métropoles/hors métropoles, je vous propose de refaire le calcul sans Paris (sans l’Ile-de-France donc). S’agissant de la distinction urbain/intermédiaire/rural, je vous propose d’enlever l’Ile-de-France et Grand Est, dont la plupart des départements sont “intermédiaires”.

Taux de mortalité par million d’habitants, hors Ile-de-France (graphique de gauche) et hors Ile-de-France et Grand Est (graphique de droite)

Les différences entre les ensembles de territoires ont pratiquement disparu. Toujours au 10 mai 2020, le taux de mortalité des métropoles hors Paris tombe à 194 décès par million d’habitants, contre 178 pour les départements hors métropoles. Les taux sont de 155 pour les départements urbains, 144 pour les départements intermédiaires et 132 pour les départements ruraux. La réponse à la question du titre est donc plutôt négative, sauf à considérer qu’il n’y a qu’une métropole en France, Paris. De même, penser qu’il y a un avantage du rural face à l’épidémie s’avère erroné.

Pour conclure, une petite digression. Nous nous sommes toujours défendus, Michel Grossetti et moi-même, de porter un discours “anti-métropole”, ou bien “pro-rural”, étiquettes que certains aimeraient bien nous coller. Ce que nous nous efforçons de montrer, c’est que les catégories de “métropole”, de “ville moyenne” ou de “rural”, sont souvent trompeuses car elles ne sont pas homogènes. C’est exactement la même chose que je viens de montrer dans ce billet, qui invite avant tout à se méfier non pas des métropoles, mais des moyennes.

Impact économique de la crise : actualisation (épisode 30)

L’Insee a publié pour la troisième fois un point de conjoncture incluant une estimation des pertes d’activité consécutives à la crise sanitaire et au confinement. J’en profite pour actualiser l’impact territorial des prévisions sectorielles de l’Insee.

Les prévisions sont stables ou légèrement à la baisse, l’impact global passe d’une perte de 36% à une perte de 33% en un mois.

Comme les fois précédentes, j’applique ces taux de pertes nationaux aux poids des secteurs par territoire, ce qui me permet de construire une carte par département, puis une carte par intercommunalité.

Les corrélations entre les résultats du 9 avril, du 23 avril et du 7 mai sont très fortes (supérieures à 99%), si bien que les cartes ne sont pas modifiés ou très à la marge. A l’échelle des départements, les Hauts-de-Seine (-39%) et la Savoie (-37%) sont les plus impactés, la Lozère (-27%) et la Creuse (-27%) sont les moins touchés. Je vous remets à disposition les résultats dans ce fichier à télécharger.

Au Royaume-Uni également, la densité joue peu (épisode 29)

Petit billet pour signaler le travail de Valentine Quinio, du Centre for Cities,  qui s’est intéressée au lien entre densité et épidémie pour le Royaume-Uni dans ce billet. Elle montre que la relation existe quand on inclut l’ensemble des local authorities (échelle géographique à laquelle elle raisonne), mais qu’elle disparaît pratiquement quand on exclut Londres de l’analyse.

Le R² est d’un peu plus de 46% dans le premier cas : les différences de densité “expliquent” un peu plus de 46% des différences d’occurrence de l’épidémie (mesurée par le nombre de cas pour 100 000 habitants). Mais quand on enlève Londres, le pourcentage tombe à un peu moins de 10%.

Ceci est conforme à ce que j’avais trouvé pour la France en croisant densité et taux de mortalité : le R² est de 22% quand on inclut l’ensemble des départements, il tombe à 4% quand on exclut les départements d’Ile-de-France.

Covid 19, épisode 28 : fin de la première vague ?

Comme chaque semaine, l’Insee livre les chiffres sur la mortalité toutes causes confondues, du 1er mars au 20 avril cette fois. Globalement, la surmortalité par rapport à 2019 et à 2018 se confirme : 109 831 décès sur cette période, contre 86 606 en 2019 et 94 881 en 2018. La tendance est heureusement à la baisse depuis le 1er avril.

Cette évolution est conforme à celle observée à l’aide des données de Santé publique France. Pour preuve, j’ai construit le graphique des nouveaux décès quotidiens pour la période du 19 mars au 4 mai 2020 :

En complément, Baptiste Coulmont a procédé à une analyse de la mortalité en 2020 par rapport à la moyenne observée sur 2001-2019, ce qui lui a permis de produire ce graphique remarquable :

Si le pic dû à la canicule en 2003 était plus élevé que celui observé cette année, la surmortalité apparente est plus élevée pour 2020, avec plus de 30 000 décès de plus que la moyenne. Étant entendu, je le rappelle, que nous avons été sur une bonne partie de la période en confinement, ce qui a sans conteste réduit le nombre de morts.

J’avais insisté la dernière fois et les fois précédentes, cette surmortalité reste très marquée géographiquement, 4 régions payant un lourd tribut : le nombre de décès est supérieur à celui de 2019 de 95% en Ile-de-France, de 60% dans le Grand Est, de 28% en Bourgogne-Franche-Comté et de 24% dans les Hauts-de-France.

Pour illustrer autrement les différences géographiques, je reprend deux graphiques de l’Insee, le même que le premier graphique ci-dessus, mais pour deux régions aux profils différents, la Nouvelle-Aquitaine et l’Ile-de-France (tous les graphiques régionaux sont visibles ici) :

Il ne s’est rien passé de visible en Nouvelle-Aquitaine, contrairement à ce que l’on observe en Ile-de-France.

Je termine par un dernier graphique qui compare les taux de mortalité entre 2020 et 2019 par tranche d’âge et par sexe, deux autres variables très influentes.

On voit que la surmortalité s’observe et s’accroît à partir de 50 ans, et qu’à partir de 65 ans elle est bien plus forte pour les hommes que pour les femmes. On note aussi que la mortalité chez les hommes de moins de 25 ans est significativement plus faible que l’an dernier : c’est une forme d’externalité positive du confinement, qui a réduit le nombre de morts accidentelles (notamment sur la route) observée habituellement chez les jeunes hommes de cette tranche d’âge.

Impact économique du confinement : quels territoires sont les plus touchés ? (épisode 27)

C’est le titre d’un petit article rédigé pour la Revue L’actualité Nouvelle-Aquitaine, que vous pouvez lire ici. Je reprends ce que j’avais expliqué dans ce billet, en détaillant sur la méthode en annexe, et en présentant surtout une carte à l’échelle des intercommunalités.

Vous pouvez télécharger le fichier excel avec les pertes d’activité par département et par intercommunalité en cliquant ici.

 

La densité favorise-t-elle l’épidémie ? (épisode 26)

J’ai vu passer différentes analyses et travaux qui posent la question du lien entre la densité des territoires et l’épidémie en cours, la plupart du temps en supposant qu’une densité supérieure se traduirait par une propension à être contaminé, ou par un taux de mortalité, plus forts.

Je dis bien la plupart du temps, car le premier a en avoir parlé, Jacques Levy, pronostiquait l’inverse fin mars, dans un texte visible ici :

« En France, c’est le Grand Est et la Bourgogne-Franche-Comté qui ont les taux de mortalité les plus élevés et, même en tenant compte de la pyramide des âges, l’Île-de-France reste relativement épargnée ». (…) « On peut se demander si les citadins bénéficient d’une immunité particulière qui serait liée à leur forte exposition permanente à des agents pathogènes multiples. En tout cas, l’habitat dans une zone à forte urbanité (densité + diversité) apparaît plutôt protecteur. » (souligné par moi)

Il semble qu’il ait été démenti depuis : l’urbanité parisienne n’a pas protégé ses habitants.

A l’inverse, Jean-Pierre Orfeuil, dans un texte disponible ici, brasse tout un ensemble de statistiques par département pour évaluer l’impact de la densité sur la mortalité, sur la base desquelles il croit pouvoir affirmer en conclusion que “l’impact de la densité des territoires sur la mortalité Covid apparaît au moins égal et probablement supérieur à celui des facteurs de comorbidité comme l’âge”. Nadine Levratto, Mounir Amdaoud et Giuseppe Arcuri, dans ce qui constitue à ma connaissance le premier travail économétrique sur données françaises cherchant à expliquer les différences géographiques relatives à l’épidémie, estiment également l’impact de cette variable, parmi d’autres, variable qui joue significativement dans leurs différents modèles. Sur cette base, certains en vont même jusqu’à affirmer que “la ville dense a trahi ses habitants”.

J’aurai personnellement tendance à être très prudent sur ce lien supposé. D’abord parce que si des villes très denses sont touchées (New-York, Paris, Londres, …), d’autres le sont beaucoup moins (Los Angeles, Singapour, Shangaï, …). Ensuite parce que, dans le cas chinois, Wanli Fang et Sameh Wahba montrent clairement que la densité des villes n’influe pas sur le nombre de cas de Covid 19, mais que la distance à Wuhan, en revanche, joue un peu.

Creusons un peu sur le cas français, en nous appuyant sur les données départementales fournies par Santé publique France d’une part, et celles sur la densité fournies par le recensement de la population millésime 2016, d’autre part.

La carte des densités est la suivante :

La densité varie de 14,8 habitants au km² en Lozère, à 20 860,3 à Paris, en passant par 564,7 dans le Rhône, ou 454,2 dans le Nord. On peut ensuite représenter sous forme de nuage de points le lien entre densité (le logarithme de la densité plus précisément) et le taux de mortalité :

On voit clairement ressortir des départements d’Ile-de-France, qui allient forte densité et forte mortalité, mais aussi des départements à densité plus faible, qui pâtissent d’une mortalité au moins aussi forte (Territoire de Belfort, Haut-Rhin, Moselle, Vosges) pendant que d’autres (Nord, Rhône, …) ont une mortalité comparativement faible. Bref : c’est un peu le bazar.

Pour valider ou invalider ce sentiment, j’ai testé le lien entre le taux de mortalité, d’un côté, et la densité de population de l’autre : lorsqu’on estime la relation en prenant en compte l’ensemble des départements, le R² n’est pas totalement négligeable, il est de 23% (et le coefficient associé à la densité est positif et significatif au seuil de 1%). Ceci signifie que les différences de densité “expliquent” 22% des différences de taux de mortalité. Quand on teste la même relation en enlevant les départements d’Ile-de-France, le R² tombe à 4% (et le coefficient n’est plus significatif qu’au seuil de 5%). En dehors de l’Ile-de-France, la densité semble donc peu explicative.

Pour compléter, on peut identifier les départements pour lesquels la relation joue le moins bien, en calculant ce que l’on appelle les résidus : s’ils sont très négatifs, cela signifie que le taux de mortalité est très inférieur à ce que l’on attend vu la densité du département, et inversement pour les résidus très positifs. Dans le premier cas, on trouve la Haute-Garonne, le Vaucluse, le Finistère, l’Ile-et-Vilaine, la Loire-Atlantique et l’Hérault : taux de mortalité plus faible qu’attendu vu la densité. Dans le deuxième cas, on trouve le Territoire de Belfort, le Haut-Rhin, les Vosges, la Moselle et la Meuse.

La carte des résidus montre sans surprise une opposition, non pas entre les départements denses et les départements moins denses, mais entre un grand quart Nord-Est plus touché et des parties Ouest et Sud largement épargnées.

Une réflexion plus générale, sur la base de ces éléments : je crois que nous sommes face à une épidémie qu’il faut voir comme un processus, avec des territoires touchés les premiers en raison “d’accidents historiques” (le hasard dit autrement,  comme le rassemblement religieux ayant eu lieu sur Mulhouse, qui aurait pu avoir lieu ailleurs), au sein desquels s’enclenchent ensuite des processus cumulatifs locaux. Sans doute que la densité joue un peu ensuite sur l’ampleur du processus cumulatif local, comme pourrait jouer l’âge moyen pour le taux de mortalité, mais on ne peut pas en faire des facteurs explicatifs de la géographie de l’épidémie, qui reste pour une très large part le produit de processus multifactoriels et largement contingents.