L’avenir démographique des communes de Wallonie :

Présentation au sujet: "L’avenir démographique des communes de Wallonie :"— Transcription de la présentation:

1 L’avenir démographique des communes de Wallonie :
croissance démographique, vieillissement et besoins de logement à l’horizon 2035 Jean-Paul Sanderson

2 Introduction Ni prophétie ni prévision, la prospective n’a pas pour objet de pré-dire l’avenir –comme s’il s’agissait d’une chose déjà faite – mais de nous aider à le construire. H. de Jouvenel

3 Introduction Les perspectives réalisées aujourd’hui par les démographes reposent sur des méthodologies testées, éprouvées et rigoureuses, Toutefois, l’objectif de ces perspectives n’est pas de prédire l’avenir mais d’esquisser un futur possible, celui qui nous attend si les tendances observées aujourd’hui se poursuivent.

4 Introduction Evolution du vieillissement en Belgique
Tendance lourde difficilement réversible 65 & + =17% 80 & + =5% 65 & + =25% 80 & + =10%

5 Introduction Répartition inégale du phénomène à l’échelle spatiale
survieillissement

6 Introduction Trois spécificités de la démographie locale :
Grande variabilité : Age moyen (2015) R W: 40,89 Léglise: 35,38 Vresse : 45,71 % de 60+ ans RW: 24% Léglise: 16% Vresse 33% Changement très rapide : en 1970, les grandes villes sont parmi les communes les plus vieilles, depuis 1990 la commune la plus jeune est bruxelloise Migrations internes sont le moteur des transformations démographiques à l’échelle des communes (5 fois plus de migrants internes que de naissance ou de décès)

7 Objectifs Présenter brièvement la méthode de projection employée
Présenter des résultats en termes de vieillissement, de ménages et de logement par commune à l’horizon 2035

8 Méthode Deux problèmes :
Petits nombres: Beaucoup de perspective menées à grande échelle se limite à des groupements de population (OMPHALE en France > habitants) Générer des projections de population et de ménage: Souvent les ménages sont déduits après projection : perte de précision et risque de soumettre leur estimation à des conditions d’évolution différentes

9 Méthode Deux problèmes :
Petits nombres: Beaucoup de perspective menées à grande échelle se limite à des groupements de population (OMPHALE en France > habitants) Taille des communes belges Nombre de communes - de habitants 3 1% habitants 73 28% habitants 56 21% habitants 30 11% habitants 91 35% habitants 9 3%

10 Méthode Deux problèmes : Petits nombres: Daverdisse 1453 habitants

11 Méthode Deux problèmes : Petits nombres: Dinant habitants

12 Méthode Deux problèmes : Petits nombres: Namur

13 Méthode Deux problèmes :
Petits nombres: Beaucoup de perspective menées à grande échelle se limite à des groupements de population (OMPHALE en France > habitants) Générer des projections de population et de ménage: Souvent les ménages sont déduits après projection : perte de précision et risque de soumettre leur estimation à des conditions d’évolution différentes

14 Projections multi-état:
Méthode Projections multi-état: Les projections classiques (méthode des composantes) projettent la population par âge (groupe d’âge) en fonction de l’évolution de la fécondité, de la mortalité et des migrations

15 Projections multi-état:
Méthode Projections multi-état: On va ajouter un élément : l’évolution des types de ménages Un individu sera dès lors caractériser par Sexe (sj) Groupe d’âge (ak) Type de ménage auquel il appartient (ml) Type hybride combinant taille et état-civil Sa position dans le ménage (ml) Commune de résidence (ci) Pour chaque état, on estime la probabilité de subir une transition d’un état vers un autre entre t et t+5. En termes de résultats, on a simultanément la population et les ménages.

16 Méthode Cinq types de transition :
Survivant dans la même commune et dans un type de ménage Migrant interne Migrant international Décédé Naissance 16

17 Méthode Exemple: Individus de ans * 589 communes * 2 sexe * 12 ménages T Hommes 20-24 ans Isolés

18 Méthode Exemple: Individus de ans * 589 communes * 2 sexe * 12 ménages T T+5 Hommes Hommes 20-24 ans ans Isolés Isolés Mariés sans enfant Mariés ménage de taille 3 Mariés ménage de taille 4 Mariés ménage de taille 5+ Autre ménage de taille 2 Autre ménage de taille 3 Autre ménage de taille 4 Autre ménage de taille 5+ Ménage collectif Emigrés vers une autre commune Emigrés à l’étranger Décédés Dans la même commune Disparaît

19 Méthode Probabilités de transition estimées à partir des comportements observés entre 2001 et 2015 en posant l’hypothèse d’un prolongement des tendances observées. Projections réalisées en quatre bonds de 5 années ( , , et ). Ajustement afin d’assurer la comparabilité avec les perspectives du Bureau Fédéral du Plan à l’échelle des régions. Inconvénient, en multipliant les catégories, on multiplie les problèmes de petits nombres.

20 Méthode Pour résoudre le problème des petits nombres: Lissage gaussien
Quand la probabilité d’une transition pour une commune donnée, est trop faible ou nulle, on vérifie si on n’a pas un problème de sous-effectif et si oui, on regarde les communes voisines. Principe : on va remplacer la probabilité calculée par une probabilité estimée, construite à partir de la valeur calculée en complétant l’information par celle disponible pour les communes voisines en pondérant celle-ci en fonction de la distance (géographique et socio-économique).

21 Méthode Exemple: Hommes, ans, sédentaires, autres ménages de taille 2, Gerpinnes. Probabilité (+5 ans) : hommes, ans, Gerpinnes, couple marié avec un enfant. Probabilité faible ou nulle car dénominateur très petit. Risque de variation aléatoire. On a pu estimer qu’il fallait au dénominateur 1740 individus pour que le calcul soit statistiquement significatif. Numérateur Dénominateur 5% 0% 0%

22 Méthode On va procéder à un lissage gaussien en complétant l’information disponible à l’échelle de Gerpinnes en regardant ce qui se passe dans les communes voisines (géographiquement et socioéconomiquement) et en pondérant l’information par la distance généralisée.

23 Ham-sur-Heure Nalinnes
Méthode Communes Dénominateur estimé Numérateur Probabilité estimée Gerpinnes 20 1,0 5,0% Ham-sur-Heure Nalinnes 20,0 Montigny-le-Tilleul 24,2 4,1% Profondeville 57,9 1,8% Gembloux 238,7 1,4 0,6% Villers-la-Ville 782,7 2,8 0,4% Genappe 1741,1 5,5 0,3%

24 Méthode Pour projeter les probabilité de transition, on a utilisé 3 modèles : Modèle 1: Quand les probabilités étaient très faible ou qu’il n’y avait pas de tendance, on a opté pour une moyenne temporellement pondérée des trois valeurs observée. Modèle 2: Quand les probabilités observées présentaient une tendance à la hausse, on a utilisé une régression logistique croissante avec une asymptote. Modèle 3: Quand les probabilités observées présentaient une tendance à la baisse, on a utilisé une régression logistique décroissante avec une asymptote.

25 Objectifs Présenter brièvement la méthode de projection employée
Présenter des résultats en termes de vieillissement, de ménages et de logement par commune à l’horizon 2035

26 Résultats : Test Ceci est le deuxième exercice de projection. L’exercice précédant projetait les données de 2011 à 2026. On peut tester les résultats en comparant la première année de projection de l’exercice précédant (2016) avec les données du Registre national (2015).

27 Ecart entre les projections (2016)
et les données du Registre (2015)

28 Ecart entre les projections (2016) Et les données du Registre (2015)
Entre -1% et 1% 92 entre -5% et -1% et entre 1% et 5% 128 Entre 5% et 10% 37 Plus de 10% 5

29 Ecart entre les projections (2016) Et les données du Registre (2015)
Part d’« erreur » liée aux petits effectifs Eléments de politique locale non pris en compte: Construction de lotissements Réaménagements de quartiers Eléments « imprévisibles » Ouverture d’une entreprise génératrice d’emploi Réalisation du RER Entre -1% et 1% 92 entre -5% et -1% et entre 1% et 5% 128 Entre 5% et 10% 37 Plus de 10% 5

30 Résultats

31 Résultat Wallonie 2015 2035 % of 65 + 17,5% 23,1% % of 80 + 5,2% 7,2%
coefficient de séniorité (80+/65+) 0,299 0,310 Taux d’accroissement annuel 0,41% Taux d’accroissement annuel (65 +) 1,79% Taux d’accroissement annuel (80 +) 1,96% Accroissement assez faible (équivalent aux 10 dernières années) Un accroissement plus rapide des 65+ et plus encore des 80+ plus Un vieillissement qui s’accélère

32 Taux d’accroissement annuel (2015-2035)
Positive au Sud du Brabant Wallon au Nord de Namur Au sud=est de Namur dans l’est de la province du Luxembourg

33 Taux d’accroissement annuel (2015-2035)
Positive au Sud du Brabant Wallon au Nord de Namur Au sud=est de Namur dans l’est de la province du Luxembourg Négatif dans la vallée de la Lesse et les communes de l’Est de Liège

34 Taux d’accroissement des 0-19 ans (2015-2035)
Positive à Liège et communes voisines au Sud du Brabant Wallon En province du Luxembourg Négatif dans la vallée de la Lesse et les communes de l’Est de Liège Le Tournaisi L’Entre-Sambre et Meuse

35 Taux d’accroissement des 65 + (2015-2035)
Correspond aux zones d’accroissement de la population Beaucoup d’espaces périurbains Effet de compensation Zones très jeunes

36 Taux d’accroissement des 65 + (2015-2035)
Correspond aux zones d’accroissement de la population Beaucoup d’espaces périurbains Effet de compensation Zones très jeunes A contrario, les plus faibles croissances se retrouvent là où la proportion de 65+ est élevée 2015 2035

37 Résultats : Ménages % ménages taille 1 % ménages taille 2
Nbre total de ménages 2035 36.40% 30.02% 14.21% 19.37% 2015 34.09% 31.02% 15.43% 19.45% ménages en plus en 20 ans, soit une moyenne annuelle de ménages Ralentissement de la croissance : , moyenne annuelle de ménages Pas de croissance exceptionnelle Croissance portée surtout par les petits ménages

38 Résultats : Ménages Nombre de ménage Evolution sur 20 ans
Moyenne annuelle 2015 2035 Absolu Relatif Petite taille 6.322 0,0059 Taille moyenne 3.934 197 0,0008 Grande taille 29.701 1.485 0,0047 Total 8.003 0,0050 L’évolution du nombre de petits ménages est à mettre en lien avec le vieillissement, 91% des 65 ans et plus vivent dans de petits ménages contre 65% pour l’ensemble des wallons. Le vieillissement implique donc une diminution de la taille des ménages.

39 Résultats : Ménages Evolution des petits ménages (taille 1-2) Augmentation partout, sauf Charleroi, il s’agit de la poursuite d’une tendance en cours depuis 2008, la part des petits ménages a diminué de 2 % ( ). Augmentation plus marquée dans les espaces périurbains du fait (notamment) d’un vieillissement accru

40 Conclusion Projection Multi-état et Lissage Gaussien
Solution pour les petites populations On obtient simultanément les ménages et les logements Possibilité de construire des scenarios en fonction des migrations internes

41 Conclusion Projection Multi-état et Lissage Gaussien
Evolution de la population Croissance dans la continuité Augmentation plus rapide du nombre de personnes âgées que de l’ensemble de la population Spatialement, croissance de la population sur les axes centraux et le déclin de la périphérie Effets de la récupération dans les zones qui sont les plus jeunes Augmentation du nombre de petits ménages en lien avec le vieillissement Passage du ménage au logement, équation complexe

42 Conclusion Projection Multi-état et Lissage Gaussien
Evolution de la population Evolution des ménages Augmentation du nombre de ménage dans la continuité Augmentation du nombre de petits ménages en lien avec le vieillissement Spatialement une croissance plus forte dans les espaces périurbains

43 MERCI