École Nationale de la Statistique et de l Analyse de l Information. Rapport du projet de statistique

(1)

École Nationale de la Statistique et de l’Analyse de l’Information

Rapport du projet de statistique

Groupe 33 SUR LE THÈME :

Disparités territoriales des richesses et du capital humain

Responsable : Clément DUFAURE Élèves

THOMASSIN Mathieu KATHIR Ranujan MONTES Pierre

2020-2021

(2)

Introduction 2

Matériaux et qualités des données 5

Définitions . . . 5

La plateforme de l’Observatoire des Territoires . . . 5

Sources et mode de recueil . . . 6

Mode de redressement . . . 6

1 Une inégale répartition des richesses et du capital humain à l’échelle régio- nale 7 1.1 Le niveau du capital humain et de richesses sont fortement disparates à l’échelle des régions . . . 7

1.2 La France se divise en trois blocs avec des niveaux de richesses et capital humain différents : IDF vs Outre-Mer vs Autres régions . . . 10

2 Niveau de richesse, Niveau de capital humain des disparités au sein même des territoires : les communes 12 2.1 Les communes de l’Île-de-France présentent de fortes inégalités de richesse et de capital humain . . . 12

2.2 Le niveau de richesses et de capital humain sont inégalement répartis entre les communes urbaines et rurales . . . 14

3 Les territoires les plus riches dépensent moins pour l’éducation 16 3.1 Les dépenses régionale (resp. départementales) par lycéen (resp. collégiens) sont fortement inégales. . . 16

3.2 Les territoires qui dépensent le plus pour l’éducation sont les plus pauvres . . . 17

Conclusion-Discussion 19 Bibliographie 22 Annexes 25 3.3 Définitions des indicateurs . . . 25

3.4 Clustering des communes de l’Ile-de-France . . . 29

3.5 Clustering des régions de France . . . 31

3.6 Clustering des communes de France . . . 32

3.7 Graphiques obtenus par le biais des analyses . . . 33

3.7.1 Boîte à moustache . . . 33

3.7.2 Tableau récapitulatif du niveau de capital humain - richesse . . . 34

3.8 Analyse sur les EPCI . . . 34

(3)

Introduction

En janvier 2019 le président Emmanuel MACRON affirmait que sa priorité en matière d’investissements publics s’orientait vers des dépenses dans les secteurs de l’éducation et de la santé [1]. Il argumentait en disant que ces mesures permettraient de revaloriser les territoires ruraux en leur donnant accès à la médecine et à l’enseignement. Les disparités territoriales font l’objet de nombreuses études, elles sont visibles à de nombreuses échelles. Cela nous amène à nous interroger surles disparités territoriales des richesses et du capital humain

La question des disparités territoriales des richesses et du capital humain est d’actualité.

Une multitude de rapports académiques, des services publics pointent de nombreuses inégalités aux niveaux économique et social. Notamment, le terme de "fracture spatiale" apparaît de ma- nière récurrente dans le discours de nos hommes politiques. Par exemple, le niveau de richesses de nos territoires est très largement inégal (Le pib/hab est de 55 000 € en Île-de-France contre 9 000 € à Mayotte). Ces déséquilibres profondément enracinés depuis des décennies doivent donc être étudiés afin de comprendre leurs causes, et de mettre en évidence des liens entre plusieurs situations afin de résorber ces différences et de rétablir l’égalité de nos territoires. La question de l’éducation est bien évidemment importante, la reproduction sociale décrite par Bourdieux semble se vérifier. L’Unicef montre que les fonds alloués à l’éducation des enfants des 20% de ménages les plus riches représentent environ 1,3 fois le montant des fonds alloués à l’éducation des enfants des 20% de ménages les plus pauvres[2]. Nous voyons dans les études déjà réali- sées que des liens entre niveau d’éducation et revenus sont mis en évidence tout comme des liens entre taux de croissance du pib et croissance du niveau de capital humain, des dispari- tés liées aux territoires sont clairement visibles lors de l’étude des relations centres-périphéries.

Depuis plus de 20 ans de nombreux macroéconomistes se sont penchés sur l’analyse des données empiriques afin de vérifier l’hypothèse de Gary Becker sur l’existence de liens de causalité entre niveau d’études et salaire. Bien évidemment, les conclusions de chaque étude varient selon l’échelon géographique et temporel des populations étudiées.

Cependant, à l’heure actuelle la majorité des études s’accordent sur le fait qu’il existe bien un lien de corrélation entre le niveau d’études et celui du salaire. Ainsi, les études montrent qu’en moyenne une année d’étude supplémentaire accroît les revenus dans une proportion variant de 6 à 15%, ce qui signifie qu’il faut compter entre 5 et 14 ans d’études supplémentaires pour doubler son revenu[3]. En effet, empiriquement entre 2002 et 2011, en euros constants 2011, le salaire net moyen vingt ans après la fin des études d’un diplômé ayant le niveau bac est de 1 829 euros, celui d’un diplômé du supérieur est de 3 285 euros[3].

En 2018, les dépenses en matières d’éducation représentaient 6,7% du pib alors que les dépenses privées ne représentaient que 0,5% du pib[4]. Les principales motivations pour de telles dépenses sont dans un premier lieu liées à la volonté de renouveler le capital humain qui part à la retraite. En 2011, Eric Hanushek et Ludger Wößmann ont modélisé une relation entre le taux moyen de croissance et celui du capital humain[5] en s’appuyant sur la

2

(4)

« théorie de la croissance endogène » développée parPaul ROMER et Robert LUCAS.

Les estimations montrent qu’atteindre un score élévé au test pisa permettrait de garantir de la croissance[6].

Notamment, les études statistiques de l’INSEE mettent en évidence des différences de revenus, de niveaux de vie, de formation, de soins ou en général d’accès aux services. Ces différences existent à plusieurs échelles : Régions, Départements, Agglomérations et Communes. On observe des inégalités très généralement liées aux relations centres-périphéries, sur ce thème les inégalités sont généralement inter et intra territoires, quel que soit le niveau géographique retenu. Par exemple l’INSEE met en évidence que les taux de réussite du diplôme national du brevet dans les collèges publics varient, en Île-de-France, du simple au double selon le type de territoires[7].

Les études déjà réalisées autour du lien entre richesses et niveau de capital humain ne mettent pas assez en évidence la notion des disparités, en effet le plus souvent elles se contentent d’analyser les liens entre revenu et éducation. C’est pourquoi il est important de s’intéresser à celles-ci.

Ceci nous amène a la question suivante : L’inégale répartition des richesses à l’échelle des territoires s’accompagne-elle toujours d’une inégale répartition du capital humain ?

Pour y répondre, nous nous sommes posés les questions suivantes : Quelles disparités territoriales de richesses peut-on faire apparaître et selon quelles échelles ? Comment mesurer et mettre en évidence les différences de capital humain ? Y a-t-il des liens de corrélation entre richesses et capital humain ? Quels sont les liens entre l’effort d’investissement dans l’éduca- tion et le niveau d’étude moyen par territoires ? Les territoires les plus riches sont-ils ceux qui investissent le plus dans l’éducation ?

Au cours de notre étude nous allons essayer de modéliser des liens de corrélation entre des variables statistiques afin de mettre en évidence de tels liens entre le niveau de capital humain et le niveau de richesses.

La base de données fournie est celle de l’Observatoire des territoires. Cette base est accessible en Open Data sur https://www.observatoire-des-territoires.gouv.fr. Riche d’environ 600 indicateurs, nous avons d’abord exploré les indicateurs les plus en lien avec les notions de richesse et de capital humain.

Pour ce faire, notre étude se réalisera en plusieurs étapes clefs, avec différents échelons géographiques. Dans un premier temps (1) nous allons observer une inégale répartition des richesses et du capital humain à l’échelle régionale. Quels sont les grands indicateurs statistiques de la richesse et du capital humain ? Pour ce faire, nous allons (1.1) mettre en évidence l’existence de disparités inter-régionales ainsi que des liens entre niveau de richesses et celui du capital humain. Puis (1.2), nous observerons que nous pouvons regrouper nos régions en trois blocs de niveaux inégaux : IDF vs Outre-Mer + Corse vs Autres régions.

Dans un second temps(2), nous allons nous montrer que les disparités que nous avons vu à l’échelle régionales s’observent aussi entre les communes. Tout d’abord(2.1), nous analyserons la régions Île-de-France et décèlerons de forte inégalités inter-communales. Ensuite (2.2) nous allons étendre notre analyse à l’échelle de toute les communes de France pour mettre en évidence un séparatisme Urbain/Rural.

Finalement (3), nous allons montrer que les territoires les plus riches dépensent le moins pour l’éducation. On observera (3.1) que Les dépenses régionales en matière d’éducation sont inégalement réparties à l’échelle des Anciennes régions. Puis on montrera (3.2) que les ter-

(5)

ENSAI 1A Disparités territoriales des richesses et du capital humain

ritoires les plus pauvres par habitant (donc ceux qui disposent de faible niveau de capital humain par habitant) sont ceux qui dépensent le plus pour l’éducation.

2020-2021 page 4 MONTES, THOMASSIN, KATHIR

(6)

Définitions

Les disparités territoriales correspondent à des différences de niveau de développement dans les domaines économiques, sociaux et culturels. Elles sont souvent appréhendées comme révélatrices d’une situation de déséquilibre voire d’injustice. Leurs mesures, leurs évaluations, permettent de comparer divers territoires à plusieurs échelles.

Les richesses sont des stocks de valeurs contenant l’ensemble des biens (actif et passif) détenus par un agent. Ces stocks de valeur sont alimentés par des flux correspondant en majo- rité aux productions matérielles ou immatérielles. Au niveau territorial, les richesses peuvent être déterminées par la somme des recettes locales, par le pib local ou les subventions de l’État.

La richesse des territoires peut s’appréhender par le biais de deux composantes : la richesse des ménages qui y résident, c’est-à-dire leur niveau de vie, et la richesse perçue par les communes.

La richesse des ménages trouve son origine principale dans les salaires et traitements qu’ils perçoivent en rémunération de leur travail. Les salaires et traitements représentent en moyenne les deux tiers du niveau de vie des ménages. En effet, ce niveau est complété par d’autres types de revenus tels que les pensions et retraites, les prestations ainsi que les minima sociaux ou les revenus financiers comme les revenus du patrimoine. La richesse perçue par les communes provient principalement des taxes perçues sur les ménages et les établissements implantés sur le territoire, mais aussi d’autres ressources comme les dotations l’État ou d’autres types de transferts en provenance des collectivités territoriales ou de l’Union européenne.

La théorie du "capital humain"a été développée et popularisée parGary Becker. Se- lon ce lauréat du prix de la banque de Suède en mémoire a Alfred Nobel de 1992, les études et la formation peuvent être assimilées à des investissements qui alimentent un stock de producti- vité appelé "capital humain". Selon la logique beckerienne les investissements dans l’éducation doivent conduire à des salaires plus élevés. La mesure du capital humain est toutefois compli- quée, en 2018 la Banque mondiale face au manque d’indicateurs à sa disposition a mis en place un "indicateur de capital humain". Les études académiques sur le sujet mesurent le capital humain souvent par le niveau d’étude, parfois par le salaire et dans de très rares cas par le niveau de santé. C’est pourquoi nous avons choisi de privilégier les indicateurs concernant le niveau d’étude. Le niveau de santé des individus n’a été approché que par l’espérance de vie des hommes et des femmes et la part des licenciés sportifs.

La plateforme de l’Observatoire des Territoires

Lors de nos analyses statistiques, nous nous appuyons sur un ensemble de données issus de l’Observatoire des territoires. Cette plateforme placée auprès du ministre chargé de l’aména- gement du territoire a été créée en 2004 en vue de "rassembler, analyser et diffuser les données relatives aux dynamiques et aux disparités territoriales ainsi qu’aux politiques menées dans le champ de l’aménagement et du développement des territoires". Cet organisme joue un rôle majeur dans l’harmonisation des méthodes d’analyse et d’observations, ses travaux suivent un

(7)

code de déontologie conforme aux attentes européenes. Les différentes variables y sont regrou- pées en thématiques socio-économiques. Les données regroupées sur le site sont principalement issue de statistiques publique, mais on retrouve aussi des données en provenance du privé.

Sources et mode de recueil

Dans le but de nous aider dans le choix des indicateurs à croiser, nous avons réalisé un tableau des différentes variables d’intérêt avec leur disponibilité en termes d’échelons géographiques.

Ce tableau nous permet d’identifier rapidement quelles sont les combinaisons d’indicateurs à observer en priorité, et jusqu’à quelle "finesse" géographique il est possible de les étudier. Pour le PIB régional par habitant, la source est l’Insee. Il est présenté en base 2010 et l’unité est l’euro par habitant.

La part des 25-34 ans titulaires d’un diplôme de l’enseignement supérieur provient du recensement de la population effectué par l’Insee. le rapport interdécile du revenu disponible des ménages provient du Fichier localisé social et fiscal (FiLoSoFi) de 2017 Nous avons des don- nées non disponibles pour certaines régions comme Mayotte, La Réunion et la Guadeloupe.

Les données concernant la médiane du revenu disponible par unité de consommation et celles sur le taux de pauvreté parmi les moins de 30 ans proviennent du Fichier localisé social et fiscal (FiLoSoFi) de 2017. La source de l’espérance de vie à la naissance pour les femmes est l’Insee et l’État civil. Enfin, les données sur les jeunes non insérés sont issues de l’Insee et du recensement de la population.

[Lien carnet de bord avec tableau des indicateurs]

Concernant les analyses statistiques, nous avons utilisé le logiciel SAS et R. Ces logiciels nous permet notamment de représenter nos résultats sous la forme de tableaux/graphiques.

Mode de redressement

Il n’y a pas de redressement selon la taille de la population de la zone concernée. L’Île-de-France a le même poids que la région Centre par exemple. Il en est de même au niveau communal.

Les variables ne sont parfois pas disponibles et nous avons alors procédé à la suppression des observations concernées. Ainsi, les observations au niveau régional pour la Guadeloupe, Mayotte et La Réunion concernant la part des diplômés du supérieur nous ont amené à ne pas les conserver après la première analyse bivariée entre le PIB par habitant et la part des diplômés du supérieur au niveau régional. Au niveau communal, nous avons également supprimé les observations manquantes.

Il existe des variables qui sont présentes au niveau régional, mais pas au niveau communal ce qui provoque une différence dans la construction des clusters.

(8)

Une inégale répartition des richesses et du capital humain à l’échelle régionale

Le niveau de capital humain est fortement lié à celui des richesses à l’échelle des ré- gions(1.1). Mais (1.2) il existe de fortes inégalités de richesses et de capital humain entre l’Île-de-France, les Outre-Mer et les autres régions.

1.1 Le niveau du capital humain et de richesses sont fortement disparates à l’échelle des régions

L’étude des indicateurs socio-économiques met en évidence l’existence de nombreuses dis- parités inter-régionales en matière de niveau de richesses et de capital humain.

Les disparités régionales de richesse s’observent notamment par l’analyse du PIB par habitant. En effet, le niveau du PIB par habitant est fortement variable d’une région a une autre.

Par exemple, l’Île-de-France a un PIB régional (2015) par habitant de 55 277 €, celui de Mayotte est de 8 661 € alors que la moyenne de l’ensemble des régions est de 26 788 € (Figure 1.1). La dispersion des valeurs représentatives du PIB régional par habitant (2015) révèle un écart type de 9 010 € ce qui confirme bien la grande disparités des richesses à l’échelle régionale.

Nous pouvons révéler les disparités inter-régionale des richesses par l’étude du taux de pauvreté. En effet, celui-ci met en évidence de fortes disparités : par exemple, le taux régional de pauvreté des moins de 30 ans en 2017 est de 17,9 % pour la région Pays-de-la-Loire contre 52,3 % à La Réunion. (Figure 1.2) De plus, la moyenne du taux régional de pauvreté s’établit a 26,2 % et l’étude de la dispersion des valeurs révèle un écart-type de 10 ce qui confirme bien la forte disparité des richesses à l’échelle régionale.

(9)

Figure1.1 –Disparité inter-régionale des richesses : PIB/hab

Source: Données INSEE, année 2017 Échelon géographique : Régions

Figure 1.2 –Disparité inter-régionale des richesses : taux de pauvreté

Source: Données INSEE, année 2017 Échelon géographique: Régions

Ainsi, par l’étude de la richesse (PIB par habitant) et de la pauvreté (Taux de Pauvreté des moins de 30 ans), nous avons mis en évidence l’existence de nombreuses inégalités écono- miques entre les régions. Maintenant intéressons nous au niveau de capital humain.

Les disparités régionales de capital humain peuvent s’observer par l’analyse de la part régionale des diplômés de l’enseignement du supérieur dans la population. En effet, celle-ci révèle de fortes inégalités inter-régionales en matière de niveau d’éducation. Par exemple, la part régionale des diplômés du supérieur parmi les 25-34 ans est de 53,8 % en Île-de-France contre 20,10 % en Guyane. De plus, la moyenne de cet indicateur s’établit a 37,8 % et l’étude de la dispersion des valeurs révèle un écart type de 7,2 ce qui confirme bien la forte disparité des diplômés à l’échelle régionale. Puisque le capital humain est observable à partir du diplôme, nous pouvons compléter cette analyse par l’étude de son contraire : la part des non diplômés de 15 ans ou plus non scolarisés (figure 1.4) . En effet, cette variable présente une moyenne à 32,6 % et un écart type de 7,9. Ces deux variables relatives au niveau d’éducation dans nos régions sont fortement liées entre elles (coefficient de corrélation égal à -0,88).

De plus, puisque la recherche permet d’accroître le stock de connaissances et donc le capital humain, l’Ile-de-France, celle-ci se distingue en accueillant 4 chercheurs sur 10 alors que moins d’un habitant sur deux est francilien.

Figure1.3 –Disparité inter-régionale des richesses : estimation par le biais de la part des diplômés du supérieur

Source: Données INSEE - 2017 Échelon géographique: Régions

Figure 1.4 –Disparité inter-régionale des richesses : estimation par le biais de la part des non diplômés du supérieur

Source : Données INSEE - 2017 Échelon géographique: Régions

(10)

Afin de mieux interpréter les disparités de capital humain nous devons étudier d’autres variables qui permettent de l’évaluer.

Nous pouvons donc en outre, étudier le nombre régional d’entreprises créées. En effet, cet indicateur permet d’évaluer à la fois le stock de richesses et de capital humain d’un territoire car l’entreprise est un lieu où le capital humain se met en oeuvre et aboutit à la création de richesses, il permet aussi de révéler des inégalités territoriales. Par exemple, nous observons que le nombre régional en 2019 d’entreprises créées se fixe à 244 147 en Île-de-France contre 1.020 à Mayotte. Ces résultats montrent une forte inégalité, de plus la moyenne du nombre d’entreprises créées par région se situe à 45 alors que son écart-type est de 58. Si nous pondé- rons par la population on observe alors un rapport de 1 à 5 entre Mayotte et L’Île-de-France.

Nous avons donc montré que le stock de capital humain est fortement déséquilibré à l’échelle des régions.

Ainsi, par l’étude du niveau d’éducation et le nombre d’entreprises créées nous avons pu estimer le niveau régional de capital humain. Nous avons mis en évidence l’existence de nombreuses inégalités régionales en matière de niveau de capital humain.

Figure 1.5 – Répartition du nombre d’entreprises créées à l’échelle régionale Source : Données INSEE - 2017

Échelon géographique: Régions

Nous observons désormais que niveau du capital humain et de richesses sont fortement liés à l’échelle des régions.

En effet, l’étude des liens entre des indicateurs sociaux-économique met en évidence d’im- portants liens entre des indicateurs du niveau de capital humain et ceux de richesses. En résumé, nous observons que les régions qui disposent des niveaux de richesses les plus élevés sont celles qui disposent des niveaux en capital humain les plus élevés.

Par exemple, nous observons les indicateurs tels que le PIB par habitant, la part des cadres dans la population, le nombre d’entreprises créées, le PIB en valeur, la part des diplômés du supérieur, la part des ménages imposables sont fortement liés entre eux. (Figure 1.6) En somme, nous venons d’observer que l’étude d’indicateurs socio-économique à l’échelle régionale met en lumière de nombreuses disparités et que ces indicateurs sont liés. En effet un fort niveau de richesses s’accompagne d’un haut niveau de capital humain et inversement.

L’étude que nous venons de réaliser semble montrer que l’Île-de-France se détache du lot, peut-on regrouper les régions sous forme de blocs de niveau de richesses et de capital humain ?

(11)

1.2 La France se divise en trois blocs avec des niveaux de ri- chesses et capital humain différents : IDF vs Outre-Mer vs Autres régions

En effets, suite à nos analyses précédentes nous avons pu regrouper nos régions en 3 blocs rassemblant des individus similaires. (cf. annexes). Ce regroupement aboutit a la formation d’un bloc Île-de-France, d’un bloc regroupant les régions d’Outre-Mer et d’un bloc regroupant les régions restantes. L’étude du PIB régional par habitant (Figure 1.7) et celle de la part des personnes sans diplôme (Figure 1.8) montre bien les inégalités d’ordre géographiques.

Le premier bloc (Île-de-France) se caractérise par un niveau très élevé de richesses et de capital humain. En effet, il regroupe des forts niveaux de richesses et de capital humain.

Le deuxième bloc (Outre-Mer) quant à lui s’oppose symétriquement au premier. En effet, il regroupe les individus qui possèdent de faibles niveaux de capital humain et de richesses.

Le troisième et dernier bloc lui regroupe les individus dont le niveau de richesse et de capital humain est proche du niveau moyen.

Figure1.6 –PIB régional par habitant selon les groupes IDF, Outre Mer et Autres régions (province)

Source: Données INSEE-2017 Échelon géographique : Régions

Note de lecture: La France se divise en 3 blocs qui se caractérisent par différents niveaux de richesses et de capital humain

(12)

Figure 1.7 – PIB régionale par habitant selon les groupes IDF, Outre Mer et Autres régions (province)

Source: Données INSEE Échelon géographique : Régions 2017

Figure 1.8 – Part des personnes sans di- plôme selon les groupes IDF, Outre-mer et la Autres régions (province)

Source: Données INSEE Échelon géographique: Régions 2017

Note de lecture : La France se divise en 3 blocs qui se caractérise par dif- férents niveau de richesses et de capital humain

Nous observons que l’Île-de-France dispose d’un PIB par habitant élevé (Figure 1.7) : 55 227 € contre 28 021 € pour la province et seulement 22 495 € en moyenne pour les Outre Mer. Concernant (Figure 1.8) la part des non diplômés dans la population des plus de 15 ans non scolarisés le niveau de L’Île-de-France est de 24,5 % contre 42,65 % pour les Outre Mer ou 29 % pour les autres régions en moyenne.

En somme, nous venons de voir que le territoire national se divise en 3 blocs représentatifs de trois niveaux de richesses et de capital humain différents.

Conclusion partie 1 :Si dans la première sous-partie (1.1) on a démontré que la richesse est répartie inégalement entre territoires nous y avons aussi montré que le niveau de capital humain est lié à celui des richesses, ensuite dans la seconde (1.2) nous avons montré que les territoires peuvent se regrouper en 3 groupes (IDF vs Outre Mer vs autres régions). En faisant le lien, on constate que, les territoires les plus riches sont ceux qui ont un meilleur niveau de capital humain. Toutefois, à l’intérieur des régions, il existe des disparités que nous allons tenter d’analyser.

(13)

Chapitre 2

Niveau de richesse, Niveau de capital humain des disparités au sein même des territoires : les communes

Tout d’abord (2.1), nous observerons qu’à l’échelle des communes de Île-de-France les richesses et le capital humain sont inégalement répartis. Ensuite (2.2), nous observerons que les territoires urbains présente des niveau de richesses et de capital humain supérieur aux territoires ruraux.

2.1 Les communes de l’Île-de-France présentent de fortes inéga- lités de richesse et de capital humain

En effet, l’analyse focalisée sur les communes de l’Île-de-France permet de montrer d’importantes inégalités de richesses et de capital humain entre les communes au sein d’une même région.

Figure 2.1 –médiane revenu disp Ile de France

Source: Données INSEE

Échelon géographique : Communes de l’Ile-de-France

Figure 2.2 – Part diplômés du supérieur en Île-de-France

Échelon géographique : Communes de l’Ile-de-France

Note de lecture : Les communes où la médiane du revenu disponible est la plus élevée sont celles qui disposent d’une part des diplômés du supérieur élevée.

L’Île-de-France était caractérisée jusqu’ici par des valeurs élevées au niveau régional. Mais l’analyse au niveau communal (Figure 2.1 et Figure 2.2) révèle une étendue assez grande en termes de richesse et de capital humain.

12

(14)

La médiane communale du revenu disponible par exemple va de 13.320 € à 44.370 €, et la part des diplômés du supérieur de 9.1 % et de 77.8 %, avec une moyenne de 44 %. Ainsi nous pouvons affirmer que la région Île-de-France présente de fortes disparités de richesses et de capital humain.

De plus, nous pouvons regrouper les communes de l’Île-de-France en cinq groupes de communes (Figure 2.3)

Figure 2.3 – Communes de l’Île-de-France regroupées par similitudes Source: Données INSEE

Échelon géographique : Communes 2020

Note de lecture : On observe une relation concentrique des richesses et du capital humain vers Paris.

Ces groupes, se forment en rassemblant des communes qui disposent de niveau de capital humain et de richesses proches. En effet, comme nous le montre les figures 2.4 et 2.5 le regroupement discrimine les communes en groupes de niveaux différents. Il faut toutefois observer, que l’on ne peut résumer l’intégralité du regroupement uniquement par ces deux variables.

(voir les annexes pour la construction des groupes).

Figure 2.4 – Le niveau de richesses dans les groupes de l’Ile de France

Source: Données INSEE Échelon géographique: Communes

2020

Figure 2.5 –Le niveau de capital humain parmi les groupes (classes) de communes de l’Île-de-France

Échelon géographique : Communes 2017 Note de lecture : L’Île-de-France se caractérise par des communes que l’on peut rassembler en 5 groupes de différents niveau de capital humain et de richesses.

Finalement, nous avons observé que l’Île-de-France, bien que présentant des niveaux de richesse et de capital humain largement supérieurs à ceux des autres régions, comporte au sein

(15)

de ses propres communes de fortes disparités tant sur les indicateurs du niveau de richesses que sur ceux du niveau de capital humain. En outre, nous avons mis en évidence cinq groupes (classes) de communes à l’échelle de l’Île-de-France. Une forme de disparité centres-périphéries (avec Paris pour centre) semble s’observer. En effet une forme de cercles concentrique apparaît avec les communes les plus riches et à haut niveau de capital humain proches de Paris et les communes les plus pauvres avec faible niveau de capital humain vers l’est de la région. Forts de ces résultats nous poursuivrons cette analyse des communes à l’échelle nationale en prenant l’ensemble des communes de la France.

2.2 Le niveau de richesses et de capital humain sont inégale- ment répartis entre les communes urbaines et rurales

En effet, nous observons que les communes urbaines disposent d’un niveau de richesses et de capital humain plus élevé que les communes rurales (Voir Figure 2.6 et Figure 2.7).

Figure 2.6 – Médiane du revenu disponible

2017

Figure 2.7 – Part des non diplômés parmi les 15 ans et plus non scolari- sés Source: Données INSEE

Note de lecture : Les communes urbaines semblent se distinguer des communes rurales à la fois sur le plan des richesses et sur le plan du capital humain.

Par exemple nous observons que la part des diplômés du supérieur dans les 25-34 ans est de 34,6 % dans les communes rurales contre 41,7 % dans les communes urbaines. De plus, nous observons que la médiane du revenu disponible est de 20 610 € dans les communes rurales contre 22 370 € dans les communes urbaines. (voir Figure 2.8 et 2.9) De plus, à l’échelle communale nous retrouvons le résultat initial obtenu à l’échelle régionale qui montre que les territoires les plus riches sont ceux qui disposent des plus hauts niveaux de capital humain.

Ainsi nous avons observé des différences importantes de niveau de richesses et de capital humain entres les communes rurales et urbaines. Les communes urbaines ont tendance à disposer d’un niveau de richesse et de capital humain plus élevés que les communes rurales.

Conclusion partie 2 :

Nous avons (2.1) montré que l’étude plus approfondie des communes de l’Île-de-France met

(16)

Figure 2.8 – Disparité rurale- urbaine : un indicateur d’éducation, la médiane des parts du diplômés

2020

Figure2.9 –Disparité rurale-urbaine : un indicateur de richesse, la médiane du revenu disponible

Figure2.10 – Typologie urbain/rural Source: Observatoire des territoires Échelon géographique: Communes

Figure2.11 –carte issue du clustering des communes

Source: Données INSEE, clustering Échelon géographique : Communes Note de lecture :

en évidence de fortes disparités géographiques en matière de richesses et de capital humain.

De plus, nous pouvons regrouper les communes en 5 blocs différents. Ceux-ci forment des cercles concentriques autour de Paris. Une relation centre-périphérie semble donc s’observer.

En outre, l’Île-de-France se caractérise par de fortes inégalités de richesses tout comme de capital humain. Ensuite (2.2) nous observons à l’aide d’une étude à l’échelle communale sur la France entière qu’une classification rural/urbain semble judicieuses. En effet, les communes urbaines disposent de niveau de richesses et de capitaux par habitants supérieurs au communes rurales.

(17)

Chapitre 3

Les territoires les plus riches

dépensent moins pour l’éducation

Tout d’abord (3.1), nous montrerons que le niveau de dépenses en matière d’éducation est inégal à l’échelle des anciennes régions. Ensuite (3.2), nous montrerons que les régions les plus pauvres et disposant d’un faible niveau de capital humain sont celles qui dépensent le plus en matière d’éducation.

3.1 Les dépenses régionale (resp. départementales) par lycéen (resp. collégiens) sont fortement inégales.

Nous avons précédemment mis en exergue, des disparités territoriales du capital humain à plusieurs échelles en étudiant la part des diplômés du supérieur et la part des non diplômes. En effet, nous avons vu que les zones urbaines disposent d’un niveau supérieur au zones les moins urbaine. De plus, l’analyse au niveau des régions montre des différences notables entre 3 blocs (IDF vs Outre Mer vs Autres régions). Par exemple nous observons que la Guyane possède une part des diplômés du supérieur de 20,10 % alors que celle en Île-de-France s’établie à 53,8

% (données insee 2017).

Nous pensons, que la gestion régionale des lycées et départementale des collèges peut aboutir à la formations de nombreuses disparités. En effet, nous pensons qu’une inéquité au niveau des infrastructures scolaires peut être à l’origine de la création des différences de niveau scolaire et donc de niveau de capital humain. Ce qui pourrait confirmer les résultats obtenus précédemment.

Après une analyse (Figure 3.1), nous observons qu’il existe bien de forte disparités à l’échelle des anciennes régions en matière de dépenses d’éducations. Ces inégalités sont plus pronon- cées pour les dépenses par lycéen que pour les dépenses par collégien. Cependant, ces résultats sont à prendre avec des "pincettes" car ici nous n’avons pas pu réaliser l’étude des disparités départementale des dépenses par collégien car nous n’avions pas les données.

Au niveau des dépenses par lycéen, nous observons de fortes disparités. En effet, la Guyane dépense 10 723 € par lycéen contre 7 329 € pour la Bretagne. Le niveau de dépenses moyen lui se situe à 8 544 €.

Concernant les dépenses dans le supérieur ici aussi de fortes disparités s’observent. En effet, la région Pays de la Loire dépense 6 687 € contre 10 937 € pour la corse. Le niveau moyen de dépense lui se fixe à 8 711 €

16

(18)

Figure 3.1 –Dépenses régionales d’éducations Source: Données INSEE

Échelon géographique: Anciennes régions

Lecture: Il y a de fortes disparités de dépenses entre les régions.

Pour les dépenses dans le 1er degré des disparités sont aussi observables (maximum : 4748 pour Guyane ; minimum : 2892 pour Pays de Loire ; moyenne : 3632)

Les dépenses par collégiens sont elles aussi inégales à l’échelle des régions (maximum : 7552 pour Guyane ; minimum : 5169 pour Pays de Loire ; moyenne : 6210)

Nous venons de voir (3.1) que les dépenses en matières d’éducations sont fortement inégales à l’échelle des anciennes régions. Nous souhaitons désormais savoir si des liens entre niveau de richesses et niveau de dépenses en matière d’éducations sont vérifiables. De plus, nous souhaitons savoir si des liens entre niveau de capital humain et dépenses en matière d’éducation sont vérifiables. Cependant, nous n’analyserons pas les évolutions dans le temps en matière de dépenses, de niveau de richesses et de niveau de capital humain.

3.2 Les territoires qui dépensent le plus pour l’éducation sont les plus pauvres

Figure3.2 –Part des diplômés du su- périeur

Source: Données INSEE Échelon géographique : Anciennes

régions

Figure3.3 –Dépense moyenne par lycéen (€/élève)

Échelon géographique: Anciennes régions Note de lecture : Les régions qui disposent du faibles niveau de capital humain sont presque toujours celles qui dépensent le plus par lycéen.

(19)

Nous observons (Figure 3.2 et 3.3) et que les territoires qui allouent le plus de dépenses sont généralement ceux dont le niveau de richesses est le moins élevé et ceux dont le niveau de capital humain est le plus faible. En effet, le coefficient de corrélation entre niveau de dé- pense par lycéen et le pib par habitant est de -0,58 ce qui confirme un fort lien entre ces deux indicateurs. De plus le coefficient de corrélation entre les dépenses par lycéen et la part des diplômés du supérieur est de -0,63.

Ces résultats peuvent s’expliquer par la volonté de nos gouvernement d’uniformiser le niveau d’éducation à l’échelle régionale. En effet, même si cela ne s’inclut pas dans notre projet nous observons que certain territoires ont vu la part des diplômés dans leur population signifi- cativement augmenter entre 2007 et 2017. Par exemple, la Guadeloupe évolue pour passer de 23,3 % a près de 33,1 %.

Conclusion partie 3 :

Nous avons (3.1), tout d’abord mis en évidences l’existence de fortes disparités en matière de dépenses publiques relatives à l’éducation des lycéen, collégien et primaires à l’échelle régionale (Anciennes régions). Nous supposons que ces inégalités sont plus accrues à plus petite échelle, car en nous appuyant sur un rapport du cnesco. (Article du cnesco) qui met en évidence des disparités encore plus visibles à l’échelle des départements. Ensuite (3.2), nous avons montré que des liens entre niveaux de dépenses et richesses sont observables. En effet, une relation inverse s’observe : les régions les plus pauvres sont celles qui dépenses le plus en matière d’édu- cation. De plus, nous mettons en évidences des liens entre le niveau de capital humain et le niveau de dépenses en matière d’éducation.

(20)

L’inégale répartition des richesses à l’échelle des territoires s’accompagne-elle d’une inégale répartition du capital humain ?

Dans un contexte de chômage persistant, il semble nécessaire de déconcentrer l’activité économique afin d’offrir plus d’opportunités d’emplois en dehors des aires urbaines majeures.

De plus, il faut rééquilibrer nos territoires car la photographie de la France aujourd’hui est celle d’un pays profondément déséquilibré : les quinze plus grandes métropoles concentrent 81 % de la croissance économique alors qu’elles ne représentent que 30 % de la population française (selon Paul Hermelin). Nous pouvons craindre que la crise économique provoquée par le Covid- 19 risque d’aggraver les fractures territoriales. A plus long terme, la concentration des richesses et du capital humain au sein des villes pourrait être remise en cause par les conséquences de la dérive climatique.

Le niveau de richesses et le niveau du capital humain sont inéquitablement répartis tant à l’échelle régionale que communale. Ces niveaux sont fortement liés entre eux. En effet, les territoires qui possèdent les plus hauts (resp. faibles) niveaux de richesses sont ceux qui disposent du plus haut (resp. faible) niveau de capital humain. En outre, les territoires qui dépensent le moins (resp. le plus) en matière d’éducation sont les territoires les plus riches (resp. pauvres) disposant d’un haut niveau de capital humain. Les régions se regroupent en 3 blocs de niveaux de richesses et de capital humain différents : Île-de-France (très fort niveau de richesses (30%

du PIB) et de capital humain (avec 41% des chercheurs)), Outre Mer (Faible niveau de richesses et de capital humain) et les autres Régions (niveau modéré de richesses et de capital humain).

Les communes elles aussi se séparent en deux bloc de niveaux de richesses et de capital humain différents : urbain (fort niveau de richesses et de capital humain)et rural (Faible niveau de richesses et de capital humain).

Les disparités territoriales des richesses et du capital humain traduisent une géographie inquiétante. En effet, comme les variables niveau de richesses et niveau de capital humain sont fortement liées nous pouvons craindre une accentuation des inégalités territoriales à l’ave- nir. Cette crainte repose sur les travaux sur la reproduction sociale de Pierre Bourdieu. De plus, de nombreux économistes (Hanushek et Woeßmann) se sont penchés sur la question de la croissance, ils ont modélisés la relation entre le taux moyen de croissance et des mesures composites de qualité du capital humain. Ces économistes théorisent notamment une hausse de la croissance en tant que résultat d’une hausse du score au test PISA. Cependant, il faut nuancer nos propos car certains économistes expliquent que l’éducation n’est pas un moteur de la croissance à elle seule mais un rouage de celle-ci.

Ces résultats présentent toutefois certaines limites.La première difficulté de l’étude réside dans l’approche de ce que sont la richesse et le capital humain. Pour la richesse (ou la pau- vreté), nous avons mis en avant des critères monétaires avec le PIB par habitant, le revenu disponible ou la part des ménages imposés. De même, le taux de pauvreté est d’abord vu sous

(21)

l’angle monétaire (ce qui est en soi un débat). Mais nous voyons ici la richesse seulement d’un point de vue des flux et non du stock. Le patrimoine n’y est pas pris en compte alors qu’il permet aux ménages de financer l’investissement en capital humain.

Pour le capital humain, les études s’accordent à distinguer les compétences et la santé. Les compétences peuvent être appréhendées par le niveau d’étude, et dans une société qui amène 80 % d’une classe d’âge au baccalauréat, le plus pertinent est de considérer la part des diplômés de l’enseignement supérieur. Nous avons choisi d’aborder l’angle de la santé par l’espérance de vie. Cependant, cet indicateur n’est pas disponible au niveau communal. Nous avons donc envisagé d’utiliser la part des licenciés sportifs, représentant un niveau d’investissement des individus dans leur capital physique, mais cette variable n’est pas disponible pour la Corse (communes et région) et nous aurait conduit à la retirer de l’analyse. Au niveau communal, nous n’utilisons donc que des variables en lien avec le diplôme.

Que ce soit richesse ou capital humain, le point de vue qui prime ici est l’individu. Or la richesse n’est pas qu’individuelle et peut aussi être appréhender à un niveau plus collectif.

Les entreprises d’une même activité tendent ainsi à se regrouper en cluster pour favoriser l’innovation, et faire travailler ensemble des individus diplômés permet de profiter d’externalités positives. Ainsi, l’échelon géographique des bassins de vie aurait pu être mobilisé davantage.

Cependant, les variables de richesse n’y étaient pas disponibles ce qui empêchent le croisement avec les variables de capital humain. Du côté des méthodes mises en oeuvre, il aurait été in- téressant d’effectuer des comparaisons dans le temps, car pour de nombreuses variables nous disposions des années 2007, 2012 et 2017. Or, nous avons choisi de nous limiter à l’année 2017 (ou la plus proche pour certains indicateurs) et d’effectuer un « panorama » de la situation.

Nous ne disposions pas des méthodes pour traiter les séries temporelles alors que celles-ci nous auraient permis de regarder les phénomènes de convergence ou de divergence entre les territoires.

Nous avons choisi de ne pas imputer de valeurs pour les données manquantes. En effet, une première mise en oeuvre du package missMDA au niveau régional a débouché par exemple sur un nombre de -22 013 chercheurs à La Réunion après l’imputation. Même si la présentation du package MissMDA explique que cela ne change pas la position de l’individu sur les axes facto- riels, ne maîtrisant pas la technique sous-jacente, nous avons donc soit supprimé les individus dont les valeurs sont manquantes soit écarté certaines variables. Cela explique notamment une carte des communes de France issue du clustering avec de nombreuses zones vides. Nous n’avons pas pu utiliser exactement les mêmes indicateurs selon l’échelon géographique. Les axes issus des analyses multivariées ne sont donc pas construits de manière identiques selon l’échelon géographique. En revanche, les variables de richesses présentent une bonne corréla- tion entre elles, tout comme celles de capital humain. Ceci permet d’avoir une vision globale cohérente. Ainsi, parmi les variables utilisées au niveau régional le PIB par habitant, l’espé- rance de vie selon les sexes ne sont pas disponibles au niveau communal. Il en est de même pour le taux de pauvreté dont les valeurs sont manquantes pour un nombre trop important de communes et que nous avons préféré ne pas utiliser. Enfin, certaines régions ont trop de valeurs manquantes comme Mayotte que nous avons écarté de l’analyse multifactorielle. La variable « nombre de chercheurs » n’est pas renseignée pour 6 régions alors que la recherche est un moteur de croissance de la connaissance et donc du capital humain. De même, la part des licenciés sportifs n’est pas disponible pour la Corse d’où son abandon.

L’analyse aurait pu être plus affinée pour mieux identifier les communes possédant une université plutôt que de marquer une commune sitôt que celle-ci possède un établissement

(22)

d’enseignement supérieur quel qu’il soit car il n’y a seulement 67 universités en France. Nous n’avons pas pu prendre les dépenses moyennes par jeune dans l’enseignement supérieur car les données étaient disponibles pour les régions de 1972 mais pas pour les nouvelles régions de 2016 (nous nous sommes volontairement limités à deux échelons géographiques).

Nous avons également mis de côté les variables représentant le nombre d’établissements scolaires (de l’école maternelle au lycée) alors qu’elles peuvent indiquer une plus forte concentration du capital humain selon les communes.

Notre analyse reflète une répartition de la richesse et du capital humain selon une distinction centre/périphérie, alors que nous avons repéré que les hyper-centres des zones urbaines présentent souvent une médiane du revenu disponible par habitant inférieur au reste des communes l’entourant. Les richesses ne seraient donc pas concentrées dans les zones urbaines de façon homogène, les hyper-centres des villes pourraient être constitués d’îlots de pauvreté.

Notre démarche consistant à passer d’une analyse régionale à une analyse communale pourraient donc être prolongée par une analyse encore plus fine, par quartier ou par car- royage. Cependant, les variables concernant le taux de pauvreté ne sont déjà pas disponibles pour de très nombreuses communes.

(23)

Bibliographie

[1] Site de l’OBS. Actualités en temps réel - journal d’information - nouvelobs.com. URL http://www.nouvelobs.com/politique/20190118ve.AFP0891/

macron-l-ecole-et-la-sante-sont-les-deux-moteurs-de-notre-investissement.

html.

[2] site de l’UNICEF France. Unicef france. URLhttps://www.unicef.fr/.

[3] Pierre Cahuc and André Zylberberg. Les Ennemis de l’emploi : Le chômage, fatalité ou nécessité ? Flammarion. ISBN 978-2-08-135750-1.

[4] Site du Ministère de l’éducation nationale de la jeunesse et du sport. 157 milliards d’euros consacrés à l’éducation en 2018 : 6,7 % du pib. URL https://www.education.gouv.fr/

157-milliards-d-euros-consacres-l-education-en-2018-67-du-pib-5519.

[5] L’Ecole, un bon investissement ? URL http://www.cafepedagogique.net/lexpresso/

Pages/2016/06/20062016Article636020000829827025.aspx.

[6] Site du centre nationale de l’étude du système scolaire. Inégalités territoriales.

[7] Conseil nationale d’éducation scolaire (CNESCO). Panorama des inégali- tés scolaires d’origine territoriale en france. URL http://www.cnesco.fr/fr/

panorama-des-inegalites-scolaires-dorigine-territoriale-en-france/.

22

(24)

1.1 Disparité inter-régionale des richesses : PIB/hab . . . 8

1.2 Disparité inter-régionale des richesses : taux de pauvreté . . . 8

1.3 Disparité inter-régionale des richesses : estimation par le biais de la part des diplômés du supérieur. . . 8

1.4 Disparité inter-régionale des richesses : estimation par le biais de la part des non diplômés du supérieur . . . 8

1.5 Répartition du nombre d’entreprises créées à l’échelle régionale . . . . 9

1.6 PIB régional par habitant selon les groupes IDF, Outre Mer et Autres régions (province) . . . 10

1.7 PIB régionale par habitant selon les groupes IDF, Outre Mer et Autres régions (province) . . . 11

1.8 Part des personnes sans diplôme selon les groupes IDF, Outre-mer et la Autres régions (province) . . . 11

2.1 médiane revenu disp Ile de France . . . 12

2.2 Part diplômés du supérieur en Île-de-France . . . 12

2.3 Communes de l’Île-de-France regroupées par similitudes . . . 13

2.4 Le niveau de richesses dans les groupes de l’Ile de France . . . 13

2.5 Le niveau de capital humain parmi les groupes (classes) de communes de l’Île-de-France . . . 13

2.6 Médiane du revenu disponible . . . 14

2.7 Part des non diplômés parmi les 15 ans et plus non scolarisés . . . 14

2.8 Disparité rurale-urbaine : un indicateur d’éducation, la médiane des parts du diplômés . . . 15

2.9 Disparité rurale-urbaine : un indicateur de richesse, la médiane du revenu disponible . . . 15

2.10 Typologie urbain/rural . . . 15

2.11 carte issue du clustering des communes . . . 15

3.1 Dépenses régionales d’éducations . . . 17

3.2 Part des diplômés du supérieur . . . 17

3.3 Dépense moyenne par lycéen (€/élève) . . . 17

3.4 Arbre hiérarchique des communes de l’Ile-de-France . . . 29

3.5 Classification Ascendante Hiérachique des communes de l’Ile-de-France 29 3.6 Classification Ascendante Hiérarchique des régions . . . 31

3.7 Cercle de corrélation des variables . . . 32

3.8 Graphe des modalités : zone rurale et urbaine . . . 32

3.9 Graphe des individus communes . . . 33

3.10 Répartition des nomenclatures des PCS (professions et catégories socioprofessionnelles) . . . 33

(25)

3.11 VBOX PIB par habitant . . . 36 3.12 VBOX part des diplômés du supérieur chez les 25-34 ans . . . 36

(26)

3.3 Définitions des indicateurs Définition des variables

Toutes les définitions et leurs explications sont issues du site de l’Observatoire des territoires.

Définitions : Rapport interdécile du revenu disponible par unité de consommation

Les rapports interdéciles des revenus permettent d’identifier les disparités (ou écarts) entre les plus riches et les plus pauvres. Ainsi, le rapport interdécile (D9/D1) des niveaux de vie est le rapport entre le niveau de vie plancher des 10 % les plus aisés et le niveau de vie plafond des 10 % les plus modestes.

Le revenu disponible est le revenu à la disposition du ménage pour consommer et épargner.

Il comprend les revenus d’activité (nets des cotisations sociales), indemnités de chômage, retraites et pensions, revenus fonciers, les revenus financiers et les prestations sociales reçues (prestations familiales, minima sociaux et prestations logements). Au total de ces ressources, on déduit les impôts directs (impôt sur le revenu, taxe d’habitation) et les prélèvements sociaux (CSG, CRDS).

Le revenu disponible par unité de consommation (UC), également appelé "niveau de vie", est le revenu disponible par "équivalent adulte". Il est calculé en rapportant le revenu disponible du ménage au nombre d’unités de consommation qui le composent. Toutes les personnes rat- tachées au même ménage fiscal ont le même revenu disponible par UC (ou niveau de vie).

Les Unité de Consommation (UC) sont un système de pondération attribuant un coefficient à chaque membre du ménage et permettant de comparer les niveaux de vie de ménages de tailles ou de compositions différentes. Avec cette pondération, le nombre de personnes est ramené à un nombre d’unités de consommation (UC).

Pour comparer le niveau de vie des ménages, on ne peut s’en tenir à la consommation par personne. Lorsque plusieurs personnes vivent ensemble, il n’est pas nécessaire de multiplier tous les biens de consommation (en particulier, les biens de consommation durables) par le nombre de personnes pour garder le même niveau de vie.

Aussi, pour comparer les niveaux de vie de ménages de taille ou de composition différente, on utilise une mesure du revenu corrigé par unité de consommation à l’aide d’une échelle d’équivalence. L’échelle actuellement la plus utilisée (dite de l’OCDE) retient la pondération suivante :

- 1 UC pour le premier adulte du ménage ;

- 0,5 UC pour les autres personnes de 14 ans ou plus ; - 0,3 UC pour les enfants de moins de 14 ans.

Le champ couvert est celui de l’ensemble des ménages fiscaux ordinaires : il exclut les personnes sans domicile ou vivant en institution (prison, foyer, maison de retraite. . . ).

Cet indicateur est calculé sur le champ des ménages dont le revenu disponible est positif ou nul.

(27)

Définitions : PIB par habitant

Le Produit Intérieur Brut des régions européennes (PIB) exprimé en standard de pouvoir d’achat est l’indicateur communément utilisé pour mesurer le développement économique d’espaces géographiques déterminés. La mesure en unité de compte SPA (standard de pouvoir d’achat ou parité de pouvoir d’achat) est un taux de conversion monétaire qui permet d’expri- mer dans une unité commune les pouvoirs d’achat des différentes monnaies. Ce taux exprime le rapport entre la quantité d’unités monétaires nécessaire dans des pays différents pour se procurer le même « panier » de biens et de services.

Ce PIB régional permet de situer les régions européennes (NUTS 2) les unes par rapport aux autres sur la base de la création de richesse (valeur ajoutée brute).

Le PIB par habitant des régions européennes (NUTS 1) est ici rapporté au nombre d’habitants de la région. Il permet de relativiser les valeurs absolues du PIB régional et d’effectuer des comparaisons.

Définitions : Part des diplômés du supérieur chez les 25-34 ans

L’indicateur est la part dans la population des 25-34 ans non scolarisée résidant dans chaque zone d’emploi, des titulaires d’un diplôme universitaire de 1er cycle, BTS, DUT, diplôme des professions sociales ou de santé, d’infirmier(ère), ou d’un diplôme universitaire de 2ème ou 3ème cycle (y compris médecine, pharmacie, dentaire), diplôme d’ingénieur, d’une grande école, doctorat, exprimée en pourcentage.

Le capital humain est un facteur d’adaptation auquel l’économie fera de plus en plus appel pour faire face aux défis économiques, environnementaux et sociaux. Le renforcement de ce capital humain permet de mieux anticiper les évolutions prévisibles et nécessaires. L’importance de diplômés du supérieur dans la population en âge de travailler et plus spécifiquement parmi les jeunes est un gage de moyens pour répondre aux défis de la société de la connaissance, parmi lesquels les défis économiques de l’innovation et du développement.

Définitions : Espérance de vie

L’espérance de vie à la naissance (ou à l’âge 0) représente la durée de vie moyenne - autrement dit l’âge moyen au décès - d’une génération fictive soumise aux conditions de mortalité de l’année. Elle caractérise la mortalité indépendamment de la structure par âge.

Elle est un cas particulier de l’espérance de vie à l’âge x. Cette espérance représente, pour une année donnée, l’âge moyen au décès des individus d’une génération fictive d’âge x qui auraient, à chaque âge, la probabilité de décéder observée cette année-là au même âge. Autrement dit, elle est le nombre moyen d’années restant à vivre au-delà de cet âge x (ou durée de survie moyenne à l’âge x), dans les conditions de mortalité par âge de l’année considérée.

Définitions : Médiane du revenu disponible par unité de consommation

"La médiane du revenu disponible correspond au niveau au-dessous duquel se situent 50 % de ces revenus. C’est de manière équivalente le niveau au-dessus duquel se situent 50 % des revenus." Le revenu disponible est le revenu à la disposition du ménage pour consommer et épargner. Il comprend les revenus d’activité (nets des cotisations sociales), indemnités de chômage, retraites et pensions, revenus fonciers, les revenus financiers et les prestations sociales reçues (prestations familiales, minima sociaux et prestations logements). Au total de ces ressources, on déduit les impôts directs (impôt sur le revenu, taxe d’habitation) et les prélèvements sociaux (CSG, CRDS).

Le revenu disponible par unité de consommation (UC), également appelé "niveau de vie", est le revenu disponible par "équivalent adulte". Il est calculé en rapportant le revenu disponible du ménage au nombre d’unités de consommation qui le composent. Toutes les personnes rat- tachées au même ménage fiscal ont le même revenu disponible par UC (ou niveau de vie).

(28)

Le champ couvert est celui de l’ensemble des ménages fiscaux ordinaires : il exclut les personnes sans domicile ou vivant en institution (prison, foyer, maison de retraite. . . ).

Cet indicateur est calculé sur le champ des ménages dont le revenu disponible est positif ou nul. Les résultats sont fournis pour la France métropolitaine, la Martinique et La Réunion Définitions : Taux de pauvreté des moins de 30 ans

Cet indicateur correspond au taux de pauvreté des personnes dans les ménages dont le réfé- rent fiscal a moins de 30 ans (%). Le taux de pauvreté correspond à la proportion d’individus appartenant à des ménages dont le niveau de vie (après transferts, impôts et prestations sociales) est inférieur au seuil de 60 % de la médiane du revenu disponible de l’ensemble de la population. Le champ couvert est celui de l’ensemble des ménages fiscaux ordinaires : il exclut les personnes sans domicile ou vivant en institution (prison, foyer, maison de retraite. . . ).

Cet indicateur est calculé sur le champ des ménages dont le revenu disponible est positif ou nul. Les résultats sont fournis pour la France métropolitaine, la Martinique et La Réunion.

Définitions : Part des jeunes non insérés

L’indicateur est le rapport de la population des jeunes non insérés à l’ensemble de la population des 15-24 ans. On désigne sous le terme de jeunes non insérés les personnes de 15 à 24 ans qui ne sont pas inscrits dans un établissement d’enseignement secondaire ou supérieur et n’ont pas d’emploi, fût-il occasionnel.

La situation hors formation et hors emploi se prolonge, ou intervient régulièrement, chez les jeunes rencontrant des difficultés d’insertion sur le marché du travail : ces derniers enchaînent emplois de courte durée et périodes de chômage, ou ne trouvent pas d’emploi, voire se sont résignés à l’inactivité. Ces difficultés sont particulièrement fréquentes chez ceux qui ont quitté l’appareil de formation sur un échec scolaire, sans diplôme, et pour lesquels un retour vers la formation est souvent délicat. Ces jeunes sont menacés par la pauvreté et l’isolement re- lationnel. De plus, pauvreté et isolement se renforcent mutuellement et accentuent encore les difficultés d’accès à la formation et à l’emploi. Un processus d’exclusion sociale, amenant à une rupture durable des liens sociaux et institutionnels, peut s’enclencher. A l’échelle d’un territoire, une valeur élevée de cet indicateur constitue donc une alerte pour les acteurs publics ou collectifs.

Définitions : taux de pauvretés des moins de 30 ans

"Cet indicateur correspond au taux de pauvreté des personnes dans les ménages dont le ré- férent fiscal a moins de 30 ans (Le taux de pauvreté correspond à la proportion d’individus appartenant à des ménages dont le niveau de vie (après transferts, impôts et prestations sociales) est inférieur au seuil de 60 % de la médiane du revenu disponible de l’ensemble de la population."

Définitions : nomenclature des professions et catégories socioprofessionnelles (PCS)

Selon l’Observatoire des territoires, "la nomenclature PCS permet de classer les individus en fonction de leur situation professionnel avec plusieurs critères tels que le métier, l’activité économique, qualification, position hiérarchique et son statut." Les indicateurs, que nous ap- pelerons "PCS", prennent en compte l’ensemble de la population (il n’y a pas de distinction homme-femme).

Définitions : part des "ouvriers" dans la population

Selon, l’Observatoire des territoires, "l’indicateur rapporte le nombre d’individus rattachés à la PCS des "ouvriers" à l’ensemble de la population."

Définitions : part des "autres sans activités professionnelles" dans la population

Selon l’Observatoire des territoires, "l’indicateur rapporte le nombre d’individus rattachés à la PCS des "autres sans activité professionnelle" à l’ensemble de la population."

Définitions : Part des "cadres et professions intellectuelles supérieures" dans la population Selon l’Observatoire des territoires, "’indicateur rapporte le nombre d’individus rattachés à la

(29)

PCS des "cadres et professions intellectuelles supérieures" à l’ensemble de la population."

Définitions : Part des "agriculteurs exploitants" dans la population

Selon l’Observatoire des territoires, "l’indicateur rapporte le nombre d’individus rattachés à la PCS des "agriculteurs" à l’ensemble de la population."

Défnitions : Part des "employés" dans la population

Selon l’Observatoire des territoires, "l’indicateur rapporte le nombre d’individus rattachés à la PCS des "employés" à l’ensemble de la population."

Définitions : Part des "artisans, commerçants et chefs d’entreprise" dans la population Selon l’Observatoire des territoires, "l’indicateur rapporte le nombre d’individus rattachés à la PCS des "artisans, commerçants , chefs d’entreprise" à l’ensemble de la population.".

Définitions : Part des "professions intermédiaires" dans la population

Selon l’Observatoire des territoires, "l’indicateur rapporte le nombre d’individus rattachés à la PCS des "professions intermédiaires" à l’ensemble de la population.".

Définitions : Part des salariés de 15-64 ans en emploi précaire

Selon l’Observatoire des territoires, cet indicateur correspond à la part des salariés qui n’ont pas de contrat à durée indéterminé (CDI). Il s’agit des contrats à intérim, apprentissage, les emplois jeunes, CES (contrats emploi solidarités), contrats de qualifications ou autre emplois aidés, et les stages rémunérés par les entreprises, les contrats à durée déterminé (CDD), sai- sonniers, vacataires, etc...

Définitions : Part des actifs de 15-64 ans en emploi à temps partiel

Selon l’Observatoire des territoires, cet indicateur révèle "le taux d’emploi à temps partiel("le temps partiel est le temps de travail inférieur à la durée légale du travail ou à la durée conven- tionnelle si celle-ci est inférieure") d’une classe d’individus". Il est calculé à partir du rapport du nombre d’actif ayant un emploi en temps partiel sur le nombre d’actif total.

Définitions : Typologie urbain/rural

Selon l’Observatoire des territoires, cet indicateur est construit à partir de la grille de densité communale. Les espaces "denses" ou "densités intermédiaires" sont qualifiés d’urbain, alors que ceux peu dense sont qualifiés de rural.

Définitions : Nombre d’entreprises créées par secteur d’activité

Selon l’Observatoire des territoires, cet "indicateur correspond au nombre total d’entreprises créées au cours de l’année." Il prends en compte les secteurs d’activités suivants : industrie ; construction ; commerce, transports, hébergement et restauration ; information et communica- tion ; activités financières et d’assurance ; activités immobilières ; Activités spécialisées, scienti- fiques et technologies, et activités de service administrative ; activités administrative publique, enseignement, santé et action sociale et autres activités de services.

Définitions : Nombre total de chercheurs en RD

Selon l’Observatoire des territoires, "les chercheurs en Recherche et Développement (RD) sont des spécialistes travaillant à la conception ou à la création de connaissances, de produits, de procédés, de méthodes et de systèmes nouveaux et à la gestion des projets concernés".

Définitions : Nombre de licenciés sportifs pour 100 habitants

Selon l’Observatoire des territoires, "le nombre de licenciés sportifs est rapporté à la population totale". Dans certaines régions, cet indicateur peut avoir une valeur supérieur à 100 lorsque

"le nombre de licenciés sportifs inscrits dans un territoire est supérieur au nombre d’habitants qui y habitent."

Définitions : Part des 20-24 ans sans diplôme

Selon l’Observatoire des territoires, "cet indicateur représente la part des jeunes sans diplôme parmi les 20-24 ans. Le terme « jeunes sans diplôme » désigne les individus âgés de 20 à 24 ans qui ne poursuivent ni études, ni formation, et n’ont obtenu ni CAP, ni BEP, ni diplômes de rangs plus élevés."

(30)

3.4 Clustering des communes de l’Ile-de-France

Figure3.4 – Arbre hiérarchique des communes de l’Ile-de-France

Figure 3.5 – Classification Ascendante Hiérachique des communes de l’Ile-de- France

La classe 1est composé d’individus partageant :

de fortes valeurs pour les variables nombre d’entreprises créées, densité de population, part des diplômés du supérieur chez les plus de 15 ans, part des cadres supérieurs et pis et part des diplômés du supérieur chez les 25-34 ans (de la plus extrême à la moins extrême).

de faibles valeurs pour la variable taux d’actifs occupés dans une autre commune.

des communes plus pauvres et moins dotées de capital humain

de fortes valeurs pour les variables part des non diplômés du supérieur parmi les plus de 15 ans, part des ouvriers, part des employés, part des non-insérés, part des sans diplômes, part des salariés précaires parmi les 15-64 ans , densité de population et part des agriculteurs (de la plus extrême à la moins extrême).

(31)

de faibles valeurs pour les variables médiane du revenu disponible, part des diplômés du supérieur chez les plus de 15 ans, part des cadres et professions intellectuelles supérieures, part des diplômés du supérieur chez les 25-34 ans, part des licenciés sportifs, part des artisans, commerçants et chefs d’entreprise et taux d’actifs occupés dans une autre commune (de la plus extrême à la moins extrême).

La classe 3 est composé d’individus partageant : de fortes valeurs pour les variables densité de population, part des cadres et professions intellectuelles supérieures, part des diplômés du supérieur chez les 25-34 ans, part des diplômés du supérieur chez les plus de 15 ans et médiane du revenu disponible (de la plus extrême à la moins extrême).

de faibles valeurs pour les variables part des ouvriers, part des non diplômés du supérieur parmi les plus de 15 ans, part des employés, part des sans diplômes, part des licenciés sportifs, taux d’actifs occupés dans une autre commune, part des non-insérés et part des agriculteurs (de la plus extrême à la moins extrême).

des communes riches, avec du capital humain, et davantage de sportifs que la classe 3 de fortes valeurs pour les variables médiane du revenu disponible, part des diplômés du supérieur chez les 25-34 ans, part des diplômés du supérieur chez les plus de 15 ans, part des licenciés sportifs, part des cadres et professions intellectuelles supérieures, taux d’actifs occupés dans une autre commune et part des artisans, commerçants et chefs d’entreprise (de la plus extrême à la moins extrême).

de faibles valeurs pour les variables part des non diplômés du supérieur parmi les plus de 15 ans, part des non-insérés, part des ouvriers, part des employés, densité de population, part des sans diplômes, part des salariés précaires parmi les 15-64 ans, part des salariés à temps partiel chez les 15-64 ans part des salariés à temps partiel chez les 15-64 ans et nombre d’entreprises créées rapporté aux entreprises existantes (de la plus extrême à la moins extrême).

La classe 5est composé uniquement de Paris :

très riche et fortement dotée en capital humain avec plus de salariés à temps partiel que la classe 4

de fortes valeurs pour les variables médiane du revenu disponible, part des diplômés du supérieur chez les plus de 15 ans, part des cadres et professions intellectuelles supérieures, part des diplômés du supérieur chez les 25-34 ans, part des licenciés sportifs, part des artisans, commerçants et chefs d’entreprise et part des salariés à temps partiel chez les 15-64 ans (de la plus extrême à la moins extrême).

de faibles valeurs pour les variables part des employés, part des non diplômés du supérieur parmi les plus de 15 ans, part des ouvriers, part des non-insérés, part des sans diplômes, part des agriculteurs et densité de population (de la plus extrême à la moins extrême).

(32)

3.5 Clustering des régions de France

Figure 3.6 – Classification Ascendante Hiérarchique des régions Source: Données INSEE

Échelon géographique : Régions 2016 Lecture : 3 groupes de régions se détachent

(33)

Figure3.7 – Cercle de corrélation des variables Source: Données INSEE

Échelon géographique : Régions 2016

Lecture: Haut niveau de richesse va de pair avec haut niveau de capital humain

3.6 Clustering des communes de France

Figure 3.8 –Graphe des modalités : zone rurale et urbaine Source: Données INSEE

Échelon géographique : Régions 2016

Lecture : Les communes urbaines et rurales s’opposent particulièrement sur la première dimension