La ségrégation socio-spatiale à Marseille (2/2 : la mesure de la ségrégation)

Par défaut

Cet article fait suite à un premier travail publié ici. Il s'agit d'une par­tie de mon tra­vail réa­lisé pour mon mémoire de Mas­ter 1 inti­tulé « Stra­té­gies rési­den­tielles et ségré­ga­tion socio-spa­tiale à Mar­seille. Vers une modé­li­sa­tion indi­vidu-cen­trée », sous la direc­tion de V. Laper­rière, Aix-Mar­seille Uni­ver­sité.

La mesure et la cartographie de la ségrégation socio-spatiale à Marseille par les indices de ségrégation nous permettra ici de quantifier le niveau de ségrégation de chacun des groupes de population étudiés mais également d’identifier quels sont les espaces caractérisés par une sur-représentation ou une sous-représentation d’un ou de plusieurs de ces groupes.

Les indices de ségrégation retenus

Les indices de ségrégation résidentielle, que nous avons introduits précédemment, permettent de mesurer le niveau de ségrégation d’un groupe de population. Il existe cinq catégories d’indices de ségrégation, une pour chaque dimension de la ségrégation : les indices d’égalité, d’exposition, de concentration, de regroupement et de centralisation. Pour chaque dimension, on distingue : les indices unigroupe, qui mesurent la ségrégation d’un groupe par rapport à l’ensemble de la population ; les indices intergroupes, qui comparent la répartition de deux groupes de population pris deux à deux ; les indices multigroupes, qui évaluent le niveau de ségrégation de l’ensemble des groupes de population [Tiva­dar, Schaef­fer, Torre et Bray, 2014].

 Ainsi, selon la dimension de la ségrégation qu’ils évaluent, certains indices de ségrégation quantifient la séparation spatiale d’un groupe dans les unités spatiales de l’aire d’étude, d’autres mesurent la possibilité d’interaction entre groupes, d’autres encore comparent la superficie occupée par les différents groupes de population étudiés, etc.

Pour étudier la répartition de la population âgée dans les métropoles canadiennes, Séguin, Apparicio et Negron [2013], suivant les préceptes de Massey et Denton [1989], ont calculé cinq indices de ségrégation, un par dimension. Nous avons quant à nous préféré écarter les indices de centralisation en raison de leur mode de construction trop théoriquement orienté 1 [Dasré, 2012, p.39] ainsi que les indices de concentration, qui prennent en compte la superficie des unités spatiales et dont les valeurs seraient donc biaisées par la présence de vastes espaces naturels non habités aux extrémités de la commune de Marseille. Nous avons donc retenu cinq indices, couvrant les trois dimensions restantes, pour évaluer l’état de la ségrégation socio-spatiale à Marseille.

Avant de commencer l’énumération et la présentation des indices que nous avons retenus, rappelons que les groupes de population étudiés sont distingués selon les PCS d’actifs (recensement de la population 2012), issues de la nomenclature des PCS agrégée de l’INSEE (agriculteurs exclus), que l’aire d’étude est la commune de Marseille dans sa globalité et que les unités spatiales choisies sont les quartiers. Rappelons enfin que l'on trouvera les formules mathématiques des indices retenus dans [Massey, Denton, 1988] ou bien dans [Apparicio, 2000], en français. Les indices choisis pour évaluer l’état de la ségrégation socio-spatiale à Marseille sont les suivants :

  • L’indice de ségrégation de Duncan et Duncan [1955], noté IS, est le plus célèbre des indices d’égalité. Cet indice unigroupe mesure la distribution spatiale d’un groupe de population. Variant entre 0 (distribution parfaitement égale dans les unités spatiales) et 1 (distribution ségrégative maximale), la valeur prise par l’indice indique la part de la population qui devrait déménager afin d’obtenir une distribution spatiale parfaitement identique à celle de la population totale [Apparicio, 2000 ; Tivadar et al., 2014].
  • Autre indice d’égalité, l’indice de dissimilarité de Duncan et Duncan [1955], noté ID. Il s’agit cette fois-ci d’un indice intergroupe mesurant le niveau de séparation spatiale de deux groupes de population pris deux à deux, à partir de leur distribution dans les unités spatiales de l’aire d’étude. Comme la plupart des autres, cet indice varie entre 0 (similitude spatiale parfaite entre les deux distributions) et 1 (dissemblance spatiale maximale entre les deux distributions). La valeur prise par ID désigne la part d’un des deux groupes qui devrait déménager afin d’obtenir des distributions spatiales parfaitement identiques [Apparicio, 2000 ; Tivadar et al., 2014].
  • L’indice d’interaction de Bell [1954], noté xPy, rattaché à la dimension de l’exposition. Cet indice intergroupe mesure la probabilité qu’un individu appartenant à un groupe donné partage la même unité spatiale (ici, le même quartier) qu’un individu d’un autre groupe de population. Plus la valeur de xPy est proche de 1, plus les deux groupes de population ont une probabilité forte de partager la même unité spatiale. A l’inverse, plus la valeur prise par xPy est proche de 0, plus les deux groupes de population ont une probabilité faible de partager la même unité spatiale. Tivadar et al. [2014] précisent que cet indice est « également influencé par la structure de la population : un individu d’un groupe sera confronté à une probabilité plus élevée de partager la même unité spatiale avec les membres du groupe majoritaire ».
  • La mesure de la proximité moyenne de White [1983], notée Pxx. Cet indice de regroupement unigroupe calcule, comme son nom l’indique, la distance moyenne entre les membres d’un même groupe. Toujours selon Tivadar et al. (2014), « cette proximité moyenne est mesurée en utilisant une matrice des distances entre les centroïdes des unités spatiales : elle correspond pour un groupe à la somme de ces distances pondérées par la population de ce groupe dans les unités spatiales. » Ainsi, plus la valeur de Pxx est faible, plus la proximité géographique et donc le regroupement est élevé.
  • Enfin, le quotient de localisation [Isard, 1960], noté QL, a été retenu pour identifier les espaces caractérisés par une sur-représentation ou une sous-représentation d’un ou de plusieurs groupes de population. Le quotient de localisation exprime le rapport entre la proportion du groupe dans l’unité spatiale et la proportion du groupe dans l’aire d’étude. Si la valeur de QL est supérieure à 1, le groupe de population est sur-représenté dans l’unité spatiale. A l’inverse, une valeur inférieure à 1 signifie que le groupe est sous-représenté dans l’unité spatiale. Calculé pour chaque unité spatiale de l’aire d’étude (pour chaque quartier de Marseille), le quotient de localisation permettra de réaliser des cartographies de la concentration spatiale des PCS étudiées dans l’espace urbain marseillais.

Nous avons choisi le logiciel Geo-Segregation Analyzer 2 pour calculer nos indices de ségrégation, en raison de sa facilité d’utilisation et de ses fonctionnalités pratiques 3.

Calcul et interprétation des indices de ségrégation

L'indice de ségrégation

Le tableau ci-dessous indique les valeurs prises par IS, l’indice de ségrégation, pour chacune des PCS étudiées.

PCS IS
Artisans, commerçants et chefs d’entreprises 0,1073
Cadres et professions intellectuelles supérieures 0,2948
Professions intermédiaires 0,1232
Employés 0,1228
Ouvriers 0,2344

A l’échelle des quartiers de Marseille et selon l’indice de ségrégation de Duncan et Duncan [1955], les cadres 4 et les ouvriers sont les deux PCS les plus ségrégées à Marseille en 2012. La valeur de IS indique en effet que plus de 29% des cadres et plus de 23% des ouvriers devraient déménager afin que leur distribution spatiale soit parfaitement identique à celle de la population totale. L’indice de ségrégation nous permet ainsi de quantifier le niveau de ségrégation de ces PCS, que l’on devinait déjà plus ségrégées que les autres à la lecture des cartographies réalisées précédemment.

Les distributions spatiales des artisans, des employés et des professions intermédiaires sont plus proportionnelles à celle de la population totale.

L'indice de dissimilarité

Le tableau suivant indique quant à lui les valeurs prises par ID, l’indice de dissimilarité de Duncan et Duncan [1955], qui mesure le niveau de séparation spatiale de deux groupes de population pris deux à deux. Il s’agit d’un indice dit intergroupe.

PCS Artisans Cadres Prof. Int. Employés Ouvriers
Artisans 0,2318 0,1362 0,1559 0,2357
Cadres 0,2318 0,1740 0,3258 0,4315
Prof. int. 0,1362 0,1740 0,1646 0,2793
Employés 0,1559 0,3258 0,1646 0,1376
Ouvriers 0,2357 0,4315 0,2793 0,1376

Sans surprise, la distribution spatiale des cadres et celle des ouvriers sont celles affichant la plus grande dissemblance. L’ID de 0,4315 signifie que plus de 43% des ouvriers ou des cadres devraient déménager pour que leurs distributions spatiales soient identiques, ce qui est tout de même assez conséquent. Les cadres et les ouvriers sont les PCS les plus séparées spatialement l’une de l’autre selon l’indice de dissimilarité, ce qui sous-entend que ces deux catégories sont celles qui ont le moins d’espaces résidentiels en commun et donc qu’elles ont les stratégies résidentielles les plus opposées.

La lecture en ligne de ce tableau nous permet également de relever que la distribution spatiale des cadres et celle des ouvriers sont celles qui sont le moins semblables aux autres distributions spatiales. En effet, ID est supérieur à 0,20 lorsqu’il compare la distribution spatiale des cadres avec celle des artisans, celle des employés et celle des ouvriers. L’indice est également supérieur à 0,20 lorsqu’il compare la distribution spatiale des ouvriers avec celle des artisans, celle des cadres et celle des professions intermédiaires. En revanche, ID est rarement supérieur à 0,20 lorsqu’il compare la distribution spatiale des employés ainsi que celle des artisans ou des professions intermédiaires avec les autres distributions spatiales. Tout comme l’indice de ségrégation, l’indice de dissimilarité indique que les cadres et les ouvriers sont les PCS les plus ségrégées à Marseille en 2012 selon la dimension de l’égalité.

Les valeurs les plus faibles prises par ID, par exemple pour les ouvriers et les employés (0,1376), pour les employés et les artisans (0,1559) ou pour les cadres et les professions intermédiaires (0,1740), indiquent une similitude dans la distribution spatiale de ces catégories, autrement dit que ces catégories partagent de nombreux espaces résidentiels.

L'indice d'interaction

Les valeurs prises par l’indice d’interaction de Bell [1954], noté xPy, sont renseignées dans le tableau ci-dessous. Appliqué à la ville de Marseille, cet indice intergroupe mesure la probabilité qu’un individu appartenant à une PCS donnée partage le même quartier qu’un individu d’une autre PCS donnée.

PCS Artisans Cadres Prof. Int. Employés Ouvriers
Artisans 0,1791 0,2549 0,3084 0,1724
Cadres 0,0567 0,2770 0,2865 0,1347
Prof. Int. 0,0542 0,1862 0,3086 0,1610
Employés 0,0524 0,1538 0,2465 0,1890
Ouvriers 0,0523 0,1290 0,2293 0,3370

Rappelons tout d’abord que les valeurs de cet indice sont influencées par la structure de la population, ce qui explique notamment les faibles valeurs de la première colonne : les artisans sont minoritaires parmi la population active, ils ne représentent que 5,69% de la population active totale en 2012. Ainsi, pour un individu membre d’une autre PCS, les probabilités de résider dans le même quartier qu’un artisan sont faibles car ceux-ci sont peu nombreux.

Cet indice d’exposition nous permet, entre autres, de quantifier les probabilités d’interaction théoriques entre cadres et ouvriers, catégories apparues jusqu’ici comme les plus ségrégées. Selon les valeurs prises par xPy, en moyenne, dans un quartier où réside un cadre, environ 13% de la population appartient à la catégorie des ouvriers, environ 27% de la population appartient à la catégorie des professions intermédiaires et environ 28% appartient à la catégorie des employés 5. Dans un quartier où réside un ouvrier, en moyenne, environ 12% de la population appartient à la catégorie des cadres, environ 22% d’individus appartiennent à la catégorie des professions intermédiaires et environ 33% appartiennent à la catégorie des employés 6.

L’indice d’interaction confirme que les ouvriers et les cadres ont de plus faibles possibilités d’interaction que les autres catégories de population étudiées, qu’ils sont les groupes les plus ségrégés selon l’exposition.

Cet indice nous permet également d’observer de fortes probabilités d’interaction entre les ouvriers et les employés, entre les professions intermédiaires et les employés, bien que les résultats puissent être biaisées par la forte représentation des employés dans la population active (près de 31% de la population active en 2012).

La mesure de la proximité moyenne

Le tableau ci-dessous montre les valeurs prises par Pxx, mesure de la proximité moyenne. Cet indice calcule la distance moyenne (en unités de distance) entre les membres d’une même catégorie.

PCS Pxx
Artisans 5,6390
Cadres 5,0755
Prof. Int. 5,4424
Employés 5,4641
Ouvriers 5,4933

Selon cet indice unigroupe, la catégorie la plus ségrégée selon la dimension du regroupement est celle des cadres. En effet, cette PCS affiche la proximité moyenne la plus faible, ce qui indique une plus forte proximité géographique chez des cadres que chez les autres PCS, qui ont toutes une proximité moyenne plus ou moins similaire. Les cadres ont donc plus tendance à se regrouper dans des quartiers contigus que les autres catégories, ce qui était visible sur la cartographie de leur distribution spatiale : les quartiers bordant le littoral au sud du Vieux-Port comptent un nombre important et une part importante de cadres dans leur population active.

Les artisans affichent quant à eux une mesure de la proximité moyenne légèrement plus importante que celle des autres PCS, ce que nous avions, aussi, déjà pu observer dans la cartographie de leur distribution spatiale, qui semblait plus disséminée dans l’espace urbain que les autres catégories. Cette mesure n’est cependant pas suffisamment significative.

La ségrégation cartographiée par les quotients de localisation

Enfin, le calcul du quotient de localisation (QL) permet d’identifier quels sont les espaces caractérisés par une sous-représentation ou bien par une sur-représentation d’une ou de plusieurs PCS. Les cartographies figurant sur les pages suivantes sont issues des calculs de QL pour chaque PCS et pour chacun des 110 quartiers de Marseille étudiés.

Concrètement, le quotient de localisation exprime le rapport entre la part du groupe de population dans le quartier et la part du groupe dans l’ensemble de la ville. Les valeurs inférieures à 1 indiquent une sous-représentation (en bleu) de la PCS dans le quartier tandis que les valeurs supérieures à 1 indiquent une sur-représentation (en rouge) de la PCS dans le quartier.

Carte 1 (cliquer pour agrandir).

Carte 1 (cliquer pour agrandir).

Carte 2 (cliquer pour agrandir).

Carte 2 (cliquer pour agrandir).

Carte 3 (cliquer pour agrandir).

Carte 3 (cliquer pour agrandir).

Carte 4 (cliquer pour agrandir).

Carte 4 (cliquer pour agrandir).

Carte 5 (cliquer pour agrandir).

Carte 5 (cliquer pour agrandir).

La cartographie de la concentration spatiale des artisans (carte 1) montre une concentration faible à forte des artisans dans tous les quartiers bordant le littoral au sud du Vieux-Port ainsi que dans les quartiers périphériques de l’est et du nord-est de la ville, des Mourets (13ème) à Eoures (11ème). Cette catégorie, également représentée par les commerçants, est aussi concentrée dans de nombreux quartiers de l’hypercentre, notamment à Thiers, à Belsunce et à Saint-Charles, ainsi que dans de nombreux quartiers du nord de la ville. Les artisans sont sous-représentés dans les quartiers à l’extrême nord-ouest de Marseille.

La carte 2, qui montre la concentration spatiale des cadres, présente une structure spatiale particulière. Les cadres sont en effet sous-représentés dans la quasi-totalité des quartiers au nord de la ville ainsi que dans de nombreux quartiers à l’est mais apparaissent sur-représentés voire très fortement sur-représentés au sud et à l’extrême est de la ville, autour des Accates et d’Eoures. Le quotient de localisation atteint même des valeurs supérieures à 2,5 dans certains quartiers du 7ème et du 8ème arrondissements, comme au Roucas-Blanc. Ce que l’on observait déjà sur la cartographie de la distribution spatiale de cette PCS peut maintenant être commenté en termes de concentration spatiale : les quartiers situés au sud en bord de mer sont caractérisés par une très forte concentration de cadres et professions intellectuelles supérieures.

Les cartographies 3 et 4, qui présentent elles aussi une structure spatiale, partagent de nombreuses similitudes. Les employés et les ouvriers sont en effet sous-représentés dans les 7ème et 8ème arrondissements, espaces où se concentrent plutôt les cadres et les artisans (comme nous venons de le voir). Les employés et les ouvriers sont aussi tous deux sous-représentés au nord-est, dans les quartiers situés au nord du technopôle de Château-Gombert. A l’inverse, ces deux catégories sont sur-représentées dans les quartiers situés au nord-ouest et à l’est de la ville, autour de la Valbarelle, mais dans une bien moindre mesure pour les employés que pour les ouvriers. Les valeurs prises par QL sont en effet très élevées dans certains quartiers du nord de la ville, notamment aux Crottes, à la Cabucelle ou aux Borels. La valeur particulière liée à la présence du camp de Carpiagne réapparait sur la cartographie de la concentration spatiale des employés.

La dernière des cartographies ci-dessus montre la concentration spatiale des professions intermédiaires (carte 5). Cette concentration semble ressembler à celle des cadres : les professions intermédiaires sont elles aussi sous-représentées dans les quartiers situés au nord de la ville. Cependant, à la différence des cadres, les professions intermédiaires sont bien moins concentrées dans les quartiers situés au sud en bord de mer. Ensuite, bien qu’apparaissant concentrés au nord de Château-Gombert ou à l’ouest de Luminy, les valeurs prises par le quotient de localisation sont bien moins importantes pour les professions intermédiaires que pour n’importe quelle autre PCS : l’amplitude de la distribution statistique formée par les valeurs de QL est la plus faible (les valeurs vont de 0,45 à 1,47).

***

Les différents indices de ségrégation résidentielle que nous avons calculés nous ont permis de quantifier la séparation spatiale (dimension de l’égalité) entre les groupes de population étudiés, différenciés selon la PCS, de mesurer les possibilités d’interaction entre ces groupes (dimension de l’exposition) et la proximité moyenne intragroupe (dimension du regroupement) et d’identifier les structures spatiales de la concentration et de la sous-représentation de ces groupes de population dans les quartiers de Marseille. Ces mesures appuient et confortent nos précédentes observations, réalisées après la simple cartographie de la distribution spatiale des PCS dans l’espace marseillais.

Tout d’abord, les cadres et les ouvriers sont à la fois les catégories les plus opposées, celles qui partagent le moins d’espaces résidentiels, les plus séparées dans l’espace et celles qui ont le moins de probabilités d’interaction. Une mesure indique même que les cadres sont plus regroupés au sein de quartiers contigus que les autres catégories étudiées. Les quartiers dans lesquels les ouvriers se concentrent le plus sont majoritairement situés au nord de la ville, tandis que les cadres se concentrent plutôt dans les quartiers au sud, au bord du littoral, ce qui créé une inégalité socio-spatiale nette entre le nord et le sud de Marseille. Il faut néanmoins ajouter à cette opposition nord/sud une opposition ouest/est marquée par une plus forte concentration d’ouvriers à l’est, autour de la Valbarelle et de la vallée de l’Huveaune et donc par une sous-représentation des cadres dans ces espaces.

Ensuite, d’autres mesures indiquent au contraire des similitudes spatiales entre répartitions. C’est par exemple le cas pour les ouvriers et les employés ou pour les cadres et les professions intermédiaires. L’indice de dissimilarité indique que ces paires de PCS ont plus tendance à partager les mêmes espaces résidentiels que les autres. De même, si l’on exclut de l’analyse les employés (en raison de leur part importante dans la population active biaisant le résultat), l’indice d’interaction nous indique lui aussi que les cadres et les professions intermédiaires ont de plus fortes probabilités d’interaction entre eux qu’avec les autres PCS.

Enfin, les indices de ségrégation montrent que la catégorie des artisans est la moins ségrégée. La distribution spatiale de cette PCS est la plus semblable à celle de la population totale selon l’indice de ségrégation.

Bibliographie

APPARICIO P., 2000, « Les indices de ségrégation résidentielle : un outil intégré dans un système d’information géographique », Cybergeo : European Journal of Geography [en ligne], URL : http://cybergeo.revues.org/12063.

APPARICIO P., MARTORI J. C., Pearson A. L., Fournier E., Apparicio D., 2014,  « An open-source software for calculating indices of urban residential segregation », Social Science and Computer Review, 32 (1), pp. 117-128.

BELL W., 1954, « A probability model for the measurement of ecological segregation », Social Forces, 32 (4), pp. 357-364.

BURGESS E., 1925, « La croissance de la ville. Introduction à un projet de recherche », in L’école de Chicago, naissance de l’écologie urbaine, Paris, Aubier, coll. Champ urbain, éd. et trad. 1979, pp. 131-147.

DASRE A., 2012, « Les mesures du regroupement spatial des populations. Aspects méthodologiques et applications aux grandes aires urbaines françaises », thèse de Doctorat de Démographie, sous la direction de Bergouignan C., Université Montesquieu - Bordeaux IV, 703 p.

DUNCAN O. D., DUNCAN B., 1955, « A Methodological Analysis of Segregation Indexes », American Sociological Review, 41, pp. 210-217.

ISARD W., 1960, Methods of regional analysis : an introduction to regional science, The MIT Press, Cambridge, 784 p.

MADORE F., 2013, « Évolution de la ségrégation socio-spatiale en milieu urbain. Le cas de l'aire urbaine de Nantes », Annales de Géographie, n°692, pp. 371-392.

MADORE F., 2005, « La ségrégation sociale dans les villes françaises : réflexion épistémologique et méthodologique », Cahiers de Géographie du Québec, vol. 49 n°136, pp. 45-60.

MASSEY D. S., DENTON N. A., 1988, « The dimensions of spatial segregation », Social Forces, vol. 67 (2), pp. 281-315.

MASSEY D. S., DENTON N. A., 1989, « Hypersegregation in U.S. metropolitan areas : Black and Hispanic segregation along five dimensions », Demography, vol. 26, n°3, pp. 373-391.

SEGUIN A-M., APPARICIO P., NEGRON P., 2013, « La répartition de la population âgée dans huit métropoles canadiennes de 1981 à 2006 : un groupe de moins en moins ségrégué », Cybergeo : European Journal of Geography [en ligne], URL : http://cybergeo.revues.org/25860.

TIVADAR M., SCHAEFFER Y., TORRE A., BRAY F., 2014, « OASIS – un Outil d’Analyse de la Ségrégation et des Inégalités Spatiales », Cybergeo : European Journal of Geography [en ligne], URL : http://cybergeo.revues.org/26579.

WHITE M. J., 1983, « The Measurement of Spatial Segregation », American Journal of Sociology, 88, pp. 1008-1019.

 


Pour me citer :

Romain Mejean, 2016 « La ségrégation socio-spatiale à Marseille (2/2 : la mesure de la ségrégation) », romainmejean.fr, site web personnel.

Notes :

  1. Selon Dasré [2012], les indices de centralisation sont construits autour de l’hypothèse forte que l’organisation spatiale des individus en milieu urbain suit un schéma concentrique semblable au modèle de Burgess [1925] et ne sont donc pas applicables à tout type de configuration urbaine.
  2. Il s'agit d'un logiciel open source automatisant le calcul de plus de 43 indices de ségrégation résidentielle à partir d’un fichier vectoriel SIG importé [Apparicio P., Martori, Pearson, Fournier, Apparicio D., 2014].
  3. Geo-segregation analyzer permet notamment décrire certains résultats directement dans la couche shape chargée, dont les quotients de localisation (QL), ce qui facilite leur cartographie.
  4. Par soucis de simplification, nous désignerons désormais la PCS “cadres et professions intellectuelles supérieures” par “cadres” ainsi que la PCS “artisans, commerçants et chefs d’entreprises” par “artisans”.
  5. Notons, là encore, que les employés représentent 30,94% de la population active en 2012, contre 25,24% de la population active pour les professions intermédiaires.
  6. Interprétation et lecture de l’indice d’après [Apparicio, 2000].

2 réflexions au sujet de « La ségrégation socio-spatiale à Marseille (2/2 : la mesure de la ségrégation) »

  1. Lagachon

    Tout d'abord merci de partager ton travail et bravo pour la masse de données qu'il a du falloir traiter. Il y a de nombreuses questions qui me sont venues à la lecture de l'article, en voilà quelques unes si tu as envie de répondre (ici ou à un apéro marseillologique) :
    - avec les données on doit pouvoir identifier les quartiers les plus et les moins ségrégués. Ce serait intéressant d'avoir une carte avec les couleurs qui distinguent les quartiers où les indices que tu utilisent sont les plus/moins fort ? A moins que la variance soit assez faible.
    - les catégories que tu utilises agrègent des populations qui n'ont pas forcément les mêmes stratégies résidentielles (cf Anaïs Collet, Rester bourgeois, 2014 ou 2015), ça pourrait être une piste pour un M2 ou une thèse.
    - Et les chômeurs longue durées ? Les retraités ? Peut-être que ça ne raconte rien de fou mais ce serait bien de le dire, enfin, encore une fois, c'est plus une piste pour plus tard si tu continues.
    Au plaisir de se croiser, et encore une fois, bravo !

    • Romain Mejean

      Merci de ta lecture et de ton intérêt. Je vais essayer de répondre à tes questions.

      Tout d'abord, tous les indices de ségrégation ne peuvent pas être cartographiés. Il s'agit, pour la plupart, d'indices quantifiant le niveau de ségrégation d'une catégorie sur l'ensemble d'un territoire d'étude. Le calcul ne donne donc qu'une seule et unique valeur, qui concerne l'ensemble de la ville. Or, pour réaliser une cartographie thématique, on a besoin d'une valeur différente pour chaque unité spatiale (ici, pour chaque quartier). Le seul indice pouvant être cartographié est donc le quotient de localisation (http://oasis.irstea.fr/wp-content/uploads/2013/10/09-S%C3%A9gr%C3%A9gation-locale.pdf).

      Je vais me pencher sur la référence que tu cites. Il est vrai que certaines PCS agrègent des populations qui n'ont pas forcément les mêmes stratégies résidentielles, je pense notamment aux "artisans, commerçants et chefs d'entreprises".

      Quant aux chômeurs et aux retraités, j'ai fait le choix ici de travailler seulement sur la population active occupée mais en effet il s'agit de populations aux stratégies résidentielles potentiellement spécifiques. J'imagine les retraités caractérisés par bien moins de mobilité résidentielle, par exemple, mais je n'ai pas suffisamment lu sur ce sujet pour m'avancer plus.

      Merci encore et à bientôt.
      RM

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Veuillez taper les valeurs indiquées sur les dés. *