Géographie des taux de chômage : une forte inertie, quelques mobilités

Nous travaillons au sein du Service Etudes et Prospective du Pôle Datar de la Région Nouvelle-Aquitaine sur la géographie des taux de chômage, à différentes échelles géographiques (départements, zones d’emploi, EPCI), ainsi que sur le lien entre la dynamique de l’emploi et la dynamique du chômage. L’objectif est d’identifier des territoires qui sont dans une situation relative plus problématique, de documenter progressivement les déterminants de leur situation, pour agir ensuite plus efficacement et réduire les problèmes auxquels ils sont confrontés.

Ce travail a donné lieu à la production d’une première note disponible sur le portail des territoires de la Région, à laquelle vous pouvez accéder en cliquant ici. On mobilise le taux de chômage au sens du recensement, dont la définition est plus large que la définition traditionnelle, elle inclut pour partie ce que l’on appelle le halo du chômage (sont notamment comptabilisées les personnes qui se déclarent spontanément à la recherche d’un emploi).

Si le taux de chômage évolue avec le temps, à la hausse où à la baisse, l’analyse de la géographie des taux de chômage révèle une forte inertie : la situation relative des territoires bouge peu, ceux à plus fort taux de chômage que la moyenne restent globalement à plus fort taux de chômage, ceux à plus faible taux restent à plus faible taux. On a du mal à faire converger les taux à la baisse. Dans la note, on montre par exemple que les taux de chômage observés au recensement millésime 2012 (qui couvre la période 2010-2014) à l’échelle des EPCI “expliquent” 93% des taux de chômage du recensement millésime 2017 (qui couvre la période 2015-2019). Quand je dis “explique”, il s’agit en fait d’une corrélation, d’où les guillemets : ce qui est calculé, c’est le coefficient de corrélation entre les taux de chômage d’une année et ceux de l’autre année, un coefficient de 0,93 signifie que 93% des différences géographiques observées en 2017 peuvent être expliquées par les différences observées en 2012.

En complément du document, j’ai analysé depuis les taux de chômage (au sens de l’organisation internationale du travail cette fois, pas au sens du recensement) à l’échelle des départements : les taux 2010 “expliquent” 88% des taux 2019. Ceux de 2003 en “expliquent” encore 75%. Plus on s’éloigne dans le temps, moins le lien est important, heureusement, mais les taux de 1982 “expliquent” encore, malgré tout, 31% des taux de 2019.

Les deux graphiques ci-dessus représentent les nuages de points départementaux, chaque numéro correspond au numéro du département, les numéros en rouge correspondant aux départements de Nouvelle-Aquitaine. On voit la force du lien entre les taux de 2010 et ceux de 2019, et le lien beaucoup plus faible entre les taux 2019 et ceux de 1982 (pour information, il n’y a pas eu de changement radical dans la géographie des taux de chômage entre 2019 et 2020, la corrélation dépasse les 95%).

Une forte inertie, donc, mais quelques mobilités au sein de la distribution des taux de chômage. S’il n’y avait pas de mobilité, les coefficients seraient de 100%. On peut donc identifier les territoires qui ont connu les plus fortes évolutions dans leur situation relative, soit à la hausse (dégradation relative du taux de chômage), soit à la baisse (amélioration relative du taux de chômage). Sur cette base, dans le document, on identifie les territoires de Nouvelle-Aquitaine  qui non seulement ont des taux de chômage élevés, mais qui en plus connaissent une dégradation relative de leur situation, ce qui pourrait justifier une attention plus importante.

L’autre élément sur lequel on insiste ensuite est la très faible relation entre croissance de l’emploi et dynamique du chômage : ce n’est pas parce qu’on créé beaucoup d’emplois sur un territoire que le nombre de chômeurs ou le taux de chômage baissent, et ce n’est pas parce qu’on en créé peu, voire que l’emploi diminue, que le taux de chômage augmente. On observe en fait toutes les situations : croissance de l’emploi et du chômage, croissance de l’emploi et baisse du chômage, baisse de l’emploi et hausse du chômage, baisse de l’emploi et du chômage. Ceci peut résulter d’un large ensemble de déterminants : des zones attirent de la population, créé de l’emploi, mais pas suffisamment pour pourvoir les besoins, d’où la hausse du chômage ; d’autres zones, parfois les mêmes, proposent des emplois saisonniers ou intérimaires, ce qui peut résulter en une hausse du taux de chômage annuel moyen ; dans d’autres cas, les emplois créés ne peuvent être pourvus par les personnes au chômage, parce que ces personnes ne disposent pas des compétences recherchées, ou qu’elles sont confrontées à d’autres problèmes (logement, transport, santé, garde d’enfants, …) ; des territoires à croissance négative de l’emploi voient le chômage diminuer parce que les personnes qui sont à la recherche d’un emploi quittent le territoire ; etc.

En collectant des éléments plus précis sur la situation des territoires, on doit pouvoir mieux agir. Par exemple, lorsqu’on se trouve dans un territoire à fort chômage et faible création d’emploi, on peut se dire que des actions en termes de développement économique sont souhaitables. Quand on se trouve dans des territoires à forte dynamique d’emploi, ce n’est sans doute pas la priorité, des actions en termes de formation, d’orientation, voire de santé, de mobilité, de logement, …, sont préférables, en fonction des problèmes plus précis identifiés. C’est à ce travail d’identification plus précise des problèmes à traiter auquel nous allons nous atteler dans les prochains mois, en nous appuyant notamment sur la connaissance terrain des collègues de l’institution régionale et des acteurs des territoires concernés.

Géographie des taux de chômage : entre inertie et mobilités

Je participe lundi après-midi à une table ronde intitulée “Quelles politiques pour favoriser l’activité et l’emploi partout en France ?” dans le cadre du colloque annuel du Conseil d’Orientation pour l’Emploi “Emploi et Territoires”. L’occasion d’échanger côté chercheurs avec Etienne Wasmer et Jacques Levy. Je me rends ensuite sur Lyon, dans le cadre des Journées de l’économie, pour participer à une table ronde intitulée “Métropoles : l’impact sur les territoires”, où j’échangerai notamment avec Eric Charmes.

Beaucoup de choses à dire dans les deux cas. Cela m’a donné envie également de creuser un peu sur la question de la géographie des taux de chômage de manière plus sérieuse que dans mon précédent billet, car on regarde assez peu le problème du chômage à des échelles fines, on se focalise un peu trop sur les analyses macroéconomiques me semble-t-il. Pour cela, j’ai collecté les taux de chômage annuels par zone d’emploi de France métropolitaine (304 zones d’emploi) sur la période 2003-2014. Voici quelques résultats.

On peut d’abord représenter la distribution d’ensemble des taux de chômage en 2003 et en 2014 ; on s’aperçoit d’une part qu’elle se déplace vers la droite, signe de l’accroissement généralisé du chômage entre les deux dates, et d’autre part que la distribution est plus aplatie, signe d’une dispersion plus grande des taux de chômage.

choOn peut ensuite calculer les quartiles ou les déciles de taux de chômage, ce qui permet de vérifier cette évolution d’ensemble et de mesurer plus précisément la forte variation des taux de chômage selon les territoires.

déciles 2003 2014
minimum 4 4.8
d1 5.5 7.3
d2 6.3 8
d3 6.7 8.6
d4 7.1 9.1
d5 7.6 9.75
d6 8.1 10.2
d7 8.6 10.9
d8 9.2 11.8
d9 10.5 13.1
maximum 14.7 17.9

10% des zones d’emploi ont un taux de chômage inférieur à 5,5% en 2003 et à 7,3% en 2014 ; 10% des zones ont un taux de chômage supérieur à 10,5% en 2003 et à 13,1% en 2014. Le rapport d9/d1 baisse un peu, mais il reste élevé, passant de 1,9 à  1,8. En gros, le chômage varie du simple au double selon les territoires.

Au-delà de ces quelques chiffres, je voulais surtout voir si la situation relative des zones avait évolué sur la période : les zones les moins performantes en 2003 sont-elles toujours les moins performantes en 2014 ? Quid pour les zones les plus performantes ?

Pour cela, une façon de faire consiste à ranger les zones d’emploi par quartiles ou déciles en 2003, refaire l’exercice en 2014 et voir si certaines zones passent d’une classe à l’autre entre les deux périodes. Voici ce que cela donne en retenant les quartiles :

q1 q2 q3 q4
q1 63 17 3
q2 14 42 22 1
q3 1 12 39 16
q4 3 15 56

Guide de lecture : 63 zones d’emploi appartenant au premier quartile de taux de chômage en 2003 appartiennent toujours au premier quartile en 2014, 17 sont passées au deuxième quartile, 3 au troisième quartile.

On peut calculer un “indicateur d’inertie”, correspondant à la part des zones restant dans la même classe entre les deux dates : il est de 66%, signe que la géographie des taux de chômage bouge lentement.

Elle bouge malgré tout : 19% des zones voient leur situation relative se dégrader, 15% s’améliorer. Mais attention, on peut avoir des effets de seuil, une zone juste en dessous d’un quartile en 2003 passant juste au-dessus en 2014. Pour éviter ce genre de biais, on peut regarder les zones qui se sont déplacés de plus d’une classe entre les deux dates : elles sont 4 dans chaque sens quand on se focalise sur les quartiles.

Gien, Carhaix-Plougher et Vesoul passe de la classe 1 à la classe 3 ; Digne-les-Bains de la classe 2 à la classe 4. Forte dégradation relative pour ces territoires. A contrario, Ajaccio passe de la classe 3 à la classe 1 ; Autun, Cherbourg-Octeville et Aix-en-Provence de la classe 4 à la classe 2. Forte amélioration pour ces territoires.

J’ai reproduit le même exercice en m’appuyant cette fois sur une typologie plus fine, celle des déciles. 227 zones (75%) restent dans le même décile ou passent dans un décile juste voisin ; 32 zones (10%) voient leur situation relative s’améliorer assez nettement (déplacement de plus de deux classes vers des classes à taux de chômage plus faibles) ; 45 zones (15%) voient leur situation se dégrader assez nettement (déplacement de plus de deux classes vers des classes à taux de chômage plus forts). Voici la carte représentant ces zones (je n’ai pas représenté la zone d’emploi de Paris pour que la carte soit plus lisible, cette zone est une de celles qui voient leur situation s’améliorer nettement, puisqu’elle passe de la classe 8 à la classe 4) :

carte_choLa taille des cercles est proportionnelle au nombre d’emploi en 2012. Les zones en rouge sont celles qui voient leur situation s’améliorer nettement, celles en bleues voient leur situation se dégrader nettement. Attention à ne pas faire de mauvaises interprétations : on ne sait pas dans quel classe initiale étaient ces zones, ce que permet de repérer la carte, ce sont les zones qui ont bougé le plus dans la distribution.

Si on veut repérer les zones qui sont dans la meilleure situation, on peut retenir plutôt celles qui appartiennent à la première classe de taux de chômage en 2014 (taux inférieur à 7,3%). Elles sont au nombre de 33. Parmi elles, 24 étaient déjà dans la première classe en 2003, 8 sont passées de la classe 2 à la classe 1 et une zone est passée de la classe 3 à la classe 1 (Limoux). Voici le tableau puis la carte associée :

code ZE nom ZE taux 2003 taux 2014
1109 Houdan 4.8 4.8
1112 Rambouillet 4.9 5.7
1113 Plaisir 5.6 6.3
1116 Saclay 5.5 6.4
2506 Avranches 5.1 6.8
2510 Saint-Lô 5.3 7.2
4201 Haguenau 5.9 7.2
4202 Molsheim-Obernai 4.6 6.7
4206 Wissembourg 5.5 6.1
4303 Morteau 5.4 6.8
4304 Pontarlier 5.5 6.9
4306 Lons-le-Saunier 5.3 6.5
5201 Ancenis 5.1 6
5206 Cholet 5.6 7.3
5208 Segré 4.4 7.2
5209 Laval 5 6.9
5210 Mayenne 4.6 6.7
5217 Les Herbiers 4 5.7
5304 Loudéac 4.3 6.9
5314 Vitré 4.2 5.4
5412 Bressuire 5.9 7
7213 Oloron-Sainte-Marie 6.3 7.3
7304 Rodez 4.4 6.3
7401 Tulle 4.4 6.4
7402 Ussel 6.5 7.3
8202 Bourg-en-Bresse 4.7 7.2
8213 Villefranche-sur-Saône 5.8 6.9
8218 Annecy 6.1 6.5
8221 Mont Blanc 5 6.2
8304 Aurillac 5.5 6.9
8305 Mauriac 5.7 5.5
8306 Saint-Flour 5.3 6.2
9113 Lozère 4.7 6

La carte :

carte2On observe des effets de proximité géographique plutôt intéressants. Là encore, prudence dans l’interprétation : certaines zones peuvent connaître de très faibles taux de chômage, parce que ces territoires “se vident”, les personnes recherchant un emploi prospectant hors zone. Ce n’est pas le cas de toutes les zones représentées, mais sans doute de certaines d’entre elles.

Pour aller plus loin, il faudrait en fait étudier le lien entre croissance de l’emploi et taux de chômage, toutes les combinaisons étant possibles (forte croissance de l’emploi et faible chômage, forte croissance de l’emploi et fort chômage, etc). Disons que ce sera pour un prochain billet.

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.