Jean-Luc LIPATZ INSEE DG Division « Etudes territoriales » Recensement et sources administratives et si on parlait géographie?

Page 2 SFdS Jean-Luc LIPATZMai 2009 Il ne sera pas question de tout cela…

Page 3 SFdS Jean-Luc LIPATZMai 2009 Qu’est-ce qu’il a mon recensement? › Les zonages! › Adaptés au suivi, ils sont tournés vers le passé › La planification et l’évaluation demandent un outil Permettant de voir à l’intérieur des objets suivis : plus de détail relations spatiales entre composants sans a priori sur le contour du futur territoire d’intervention, sans a priori sur les principes de constitution des mailles élémentaires géolocaliser carroyer

Page 4 SFdS Jean-Luc LIPATZMai 2009 Le MAUP (Modifiable Area Unit Problem) Le biais géographique 1000 habitants Chômage = 10 % 1000 habitants Chômage = 10 % 1000 habitants Chômage = 20 % 1000 habitants Chômage = 20 % IRIS 1IRIS 2 Repérer cela!

Page 5 SFdS Jean-Luc LIPATZMai 2009 MAUP La nécessité d’une vision fine ZUS de « Petit-Marseille » à Rochefort (17) Une petite portion d’un IRIS hétérogène (en rouge le parc social) ZUS « Pierre Loti » à Aytré (17) Un territoire hétérogène à recibler (en rouge les chômeurs)

Page 6 SFdS Jean-Luc LIPATZMai 2009 Environs de La Rochelle

Page 7 SFdS Jean-Luc LIPATZMai 2009 Environs de La Rochelle

Page 8 SFdS Jean-Luc LIPATZMai 2009 Les unités spatiales du recensement Plus de détail? Pas recensé Année de collecte

Page 9 SFdS Jean-Luc LIPATZMai % du territoire sacrifié… Dans les communes de moins de habitants, observable uniquement au travers d’unités géographiques figées, de taille trop grande par rapport aux niveaux où se manifestent les ségrégations socio-spatiales … même pas pour la bonne cause Le partage sur la taille des communes est arbitraire et ne recouvre aucune réalité géographique Dans les communes de plus de habitants, on ne peut pas faire grand chose à cause du sondage

Page 10 SFdS Jean-Luc LIPATZMai 2009 La reconquête – acte I – les > › Le RIL est un progrès considérable qui sert de matériau base pour la géolocalisation d’autres données similaires à celles du recensement. Production régulière de données fines sur : –Les revenus –L’activité –L’emploi –… une certaine vision de la population › Pour quoi pas aussi le RP?

Page 11 SFdS Jean-Luc LIPATZMai 2009 Remplir les trous de collecte corriger les biais administratifs et temporels Mesure RP Mesure source administrative Déduire ceci? Adresses Population de cela?

Page 12 SFdS Jean-Luc LIPATZMai 2009 Des régressions locales L’espace considéré comme une variable explicative Estimations Régressions linéaire sur sous-ensembles locaux Pondérations décroissantes avec la distance s Pop Adm : CNAM/TS ou RFL

Page 13 SFdS Jean-Luc LIPATZMai 2009 Zones de surreprésentration des chômeurs Estimations à partir des années de collecte 2004 à 2006 Strasbourg Population totale RP (5 années de collecte) Populations estimées (ménages seulement)

Page 14 SFdS Jean-Luc LIPATZMai 2009 La reconquête – acte II – les < › Depuis mi 2010, des données géolocalisées peuvent être produites sur tout le territoire sans considération de taille de commune › Et le RP? Population fiscale au 31 décembre 2008

Page 15 SFdS Jean-Luc LIPATZMai 2009 Des données fiscales aux données RP L’idée Deux sources parlant de la même réalité Avec des interprétations / descriptions différentes : ‐ Qualité (RP : valeurs manquantes, fisc : défauts d’enregistrement) ‐ Etudiants (RP : au lieu de résidence, fisc : dans leur famille) ‐ Enfants (RP : données complètes, fisc : seulement l’âge) ‐ Résidence secondaires ‐ Notion d’immeuble ‐ Personnes hors ménages ordinaires Mais 95 % des enregistrements parlent des mêmes personnes  Importer la localisation depuis les données fiscales

Page 16 SFdS Jean-Luc LIPATZMai 2009 Le processus 1) Appariement des deux fichiers individuels en utilisant : –La commune de résidence –Le sexe –La date de naissance –La commune (éventuellement seulement le département) de naissance  Appariements multiples 2) Calcul d’un score individuel –Qualité de la reconnaissance du lieu de naissance? –Enregistrement administratif correspondant à une résidence secondaire, à autre chose qu’une maison ou un appartement? 3) Calcul par agrégation d’un score au niveau immeuble RP 4) Choix de l’appariement le plus probable, invalidation des appariements improbables –Le recensement est collecté par grappes 5) Interpolation des appariements invalidés et des échecs d’appariement –Entre deux enregistrements RP voisins dans le fichier, lorsqu’ils ont été identifiés dans la même rue

Page 17 SFdS Jean-Luc LIPATZMai 2009 Les résultats Rien n’est parfait –Le lieu de naissance n’est parfaitement connu d’aucune des deux sources : intégré au calcul du score. –La date de naissance des personnes âgées est parfois mal saisie –Les données manquantes du recensement sont comblées par clonage : impossible à corriger, les ménages correspondants sont placés au barycentre du district de collecte pour..  Mais le résultat est plus que satisfaisant Département de la Vienne, communes de moins de habitants, population des ménages ordinaires Positionné au barycentre0.6 % Résultant du repérage de l’immeuble97.4 % Interpolé2.0 %

Page 18 SFdS Jean-Luc LIPATZMai 2009 Les positions professionnelles Poitiers et environs Employés Fonction publique A Référence : ensemble du département Source RP 2007

Page 19 SFdS Jean-Luc LIPATZMai 2009 En guise de conclusion : l’objectif impossible… Chômage RP en 2009 à Curzay sur Vonne (465 hab.) Carreaux de 200m de coté

Page 20 SFdS Jean-Luc LIPATZMai 2009 L’aventure continue! Merci de votre attention Source : Recensements, carreaux de 1Km², Estimations JRC