L’espace social du point de vue des facteurs sociodémographiques 126

Le dilemme du logement social public, qui oscille entre une valeur, celle de fournir un toit de qualité aux plus précaires, et une place dans le système de l’habitation, celle de devenir par la force des choses un espace résidentiel résiduel, trouve un écho dans l’espace social qu’il représente. Il s’agit toutefois de préciser que cet écho se manifeste surtout lorsque l’on s’intéresse aux caractéristiques sociodémographiques des ménages qui y résident. Les règles d’attribution constituent, à ce titre, un filtre puissant et efficace. Le résultat auquel elles aboutissent est la sélection d’une population dont les caractéristiques la distinguent de manière significative de la population en général.

Cette population est-elle pour autant homogène? Ne présente-t-elle pas elle-même une certaine diversité interne? Répondre à cette question n’est pas simple. La réponse dépend en partie des caractéristiques et attributs retenus. Une manière de tester cette hypothèse sur la relative homogénéité de la population résidant en HLM familles, est de passer par une analyse factorielle des correspondances. Sans entrer dans le détail, il est bon de rappeler que ce type d’analyse permet d’identifier s’il existe, au sein d’un ensemble de données, que celles-ci décrivent une population, des attitudes ou des conduites important peu, des dimensions sous-jacentes. En d’autres mots, ce type d’analyse produit une réduction des données disponibles en un ensemble de facteurs ou dimensions qui les condensent, ces facteurs ou dimensions devenant de nouvelles variables, auxquelles il est possible d’attribuer une signification (sociologique, démographique, psychologique, etc.) et à partir desquelles il est possible de conduire de nouvelles analyses.

Plus concrètement, ce que nous avons cherché à faire en utilisant ce type de méthode, est de voir s’il nous était possible de réduire des caractéristiques sociodémographiques de la population résidante en HLM familles en un ensemble réduit de dimensions, le croisement de celles-ci permettant de voir s’il se dégage des données de notre enquête des correspondances entre différents attributs observés (comme le sexe, la composition familiale, le niveau de revenu, l’emploi, etc.).

Nous avons ainsi produit plusieurs tentatives afin d’arriver à réduire les données de notre enquête. Les plus complexes d’entre elles reprenaient, d’une part, un nombre élevé de variables sociodémographiques de base : le sexe du répondant, la composition familiale regroupée, le revenu (regroupé en classes), la région d’origine du répondant, le nombre d’enfants du ménage, le nombre de personnes du ménage, la durée de résidence (regroupée en classes), le travail salarié ou autonome, et d’autre part, des variables plus directement liées à la situation sociale des personnes : le fait d’avoir rencontré des difficultés à payer ses factures, la date du dernier emploi occupé, les démarches entreprises pour la recherche d’emploi, les indicateurs de qualité d’emploi, le fait d’avoir été en conflit avec le voisinage. L’idée qui guidait ce type d’analyse était de voir s’il y avait une association entre certains attributs sociodémographiques et certaines conduites ou attitudes observées. Les résultats de cette première tentative ne se sont pas avérés concluants d’un point de vue statistique (le modèle ne parvenait pas à extraire des facteurs de la masse des données soumises à analyse).

L’absence de résultats n’est pas à prendre comme un échec. Elle indique au contraire qu’il n’y a pas de structure sous-jacente qui se dégage aisément des données disponibles. Elle incite aussi à réduire le nombre de variables introduites dans l’analyse. C’est cette dernière option qui a été retenue ici. Le résultat auquel nous aboutissons est une analyse factorielle reprenant 14 variables sociodémographiques de base (les autres ont été écartées au fur et mesure que nous produisions des analyses successives, celles retenues sont celles qui contribuaient le plus à l’extraction des facteurs). Il s’agit d’un ensemble de cinq régions d’origine (chacune est exprimée par une variable dichotomique oui/non), du sexe du répondant (la variable sexe féminin a été introduite dans le modèle), de la composition familiale (deux variables introduites : famille monoparentale et famille formée d’un couple), d’un niveau de revenu (le plus faible : moins de 15 000 dollars), du nombre d’enfants (la catégorie la plus élevée : quatre enfants et plus), de la durée de résidence en HLM (la plus longue : 20 ans et plus) et, enfin, des variables liées au travail (le fait que deux adultes du ménage travaillent et le fait que le répondant occupe un emploi ou exerce une activité à titre de travailleur autonome).

Sans entrer dans le détail des résultats, il importe de souligner, en premier lieu, que le modèle apparaît adéquat (le test de Kaiser-Meyer-Oklin produit une statistique de 0,629 – on considère que si cette statistique est supérieure à 0,5 le modèle est adéquat – le test de sphéricité de Bartlett est aussi concluant). En deuxième lieu, il est utile de préciser le nombre de facteurs extraits par l’analyse. Au total, il s’élève à 14 facteurs, dont six ont une valeur propre supérieure à un, ce sont ces facteurs qui nous intéressent ici. À eux six, ces facteurs expliquent 61 % de la variance totale observée au sein de l’échantillon (ce qui veut dire, en contrepartie, que 40 % de la variance reste inexpliquée). Le nombre élevé de facteurs est à interpréter comme un indicateur d’une diversité au sein des données qui ne réduit pas aisément à quelques dimensions fondamentales. Il signifie aussi que les correspondances ou associations entre les différentes variables introduites dans le modèle sont d’une intensité modérée. Autrement dit, la population étudiée est traversée par de nombreuses dimensions sous-jacentes qui laissent penser qu’elle est moins homogène qu’il n’y paraît de prime abord. Cela dit, et c’est un troisième point important, s’il y a des facteurs qui ont été extraits, c’est qu’il y a bien aussi des correspondances (des affinités) qui apparaissent entre différentes variables. Pour rendre compte de celle-ci, la manière la plus simple est de reprendre les graphes produits par l’analyse factorielle, lesquels illustrent dans un plan à deux dimensions comment les facteurs se croisent et quelles sont les positions des différentes variables par rapport à ceux-ci. Pour les lire, il convient dès lors d’identifier les variables qui sont proches les unes des autres dans l’espace à deux dimensions ainsi délimité. Les figures 11.1 à 11.3 reprennent le croisement obtenu pour les trois premiers facteurs. Si nous ne retenons que ces trois premiers, c’est parce qu’ils contribuent le plus à l’explication de la variance, les trois suivants (les facteurs 4 à 6) n’apportant qu’un degré d’explication supplémentaire très marginal.

Figure 11. 1

Croisement des facteurs 1 et 2

Figure 11. 2

Figure 11. 3

Croisement des facteurs 2 et 3

À la lecture des graphes précédents, il apparaît que le premier facteur oppose, d’un côté (les valeurs négatives de l’axe horizontal), les répondants de sexe féminin associés à la monoparentalité et à l’origine Caraïbes et, de l’autre (les valeurs positives de l’axe horizontal), les personnes originaires du Maghreb et du Moyen-Orient associées au fait de vivre en couple et d’avoir un nombre élevé de personnes par pièce. Ce premier axe exprime donc une différence dans les structures familiales, qu’il associe à des caractéristiques ethnoculturelles des répondants et à un indicateur de surpeuplement. Le deuxième facteur est plus difficile à interpréter. Il oppose en effet les personnes originaires d’Asie, qu’ils associent au fait de former un couple, aux répondants féminins, associées à monoparentalité. Il semble alors que les deux premiers axes servent surtout à décrire les variations déjà observées lorsque nous croisions la composition familiale et la région d’origine des répondants. La monoparentalité n’est pas distribuée de la même manière d’une population à l’autre. Le troisième facteur est plus lisible puisqu’il est constitué autour d’une dimension clairement identifiable au travail avec, d’un côté, le fait que le répondant travaille lui-même et qu’il appartienne à un ménage où deux adultes travaillent et, de l’autre, la catégorie qui saisit les ménages qui ont les revenus les plus faibles.

En combinant ces différents facteurs, des profils différents apparaissent peu à peu. Si l’on prend par exemple les femmes qui ont répondu à notre enquête, on voit qu’elles vivent plus souvent au sein d’un ménage monoparental, qu’elles sont plus souvent d’origine caraïbe (ou canadienne), qu’elles résident depuis relativement longtemps dans les HLM et qu’elles ont des revenus plus faibles. À l’opposé, on trouve des familles formées d’un couple, qui connaissent une situation de surpeuplement et dont les répondants sont originaires du Maghreb et du Moyen-Orient ou d’Asie, mais qui ne sont pas forcément très associées à une insertion réussie sur le marché du travail. En effet, rappelons que le fait de travailler et que les ménages au sein desquels deux adultes travaillent s’opposent surtout à la faiblesse des revenus, ces variables étant en faible correspondance avec les autres.

Il se dessine ainsi une relative hétérogénéité des familles vivant en HLM, surtout caractérisée par une combinaison entre leur origine ethnoculturelle et leur composition familiale. Cette hétérogénéité relative s’inscrit aussi dans des formes de précarité différenciées, mais qui semblent toutes plus ou moins marquées par un accès difficile au marché du travail. D’un côté, on retrouve des femmes qui élèvent seules leurs enfants et de l’autre, des couples qui font face à des problèmes de surpeuplement. De part et d’autre, l’insertion en emploi semble difficile, avec un désavantage marqué pour les femmes soutiens principaux de famille.