1

Aider les zones ségrégées en Ile‐de‐France

Projet d'article Version très provisoire

Février 2012

Matthieu Bunel

Université de Caen Basse Normandie, CREM (UMR 6211) et TEPP (FR 3126)

19, rue Claude Bloch

14000 Caen

mathieu.bunel@unicaen.fr

Elisabeth Tovar

Université Paris Ouest Nanterre La Défense, EconomiX (UMR 7235) et TEPP (FR 3126)

200, avenue de la République, 92001 Nanterre Cedex

etovar@u‐paris10.fr

Résumé L'objectif de cet article est de proposer un indicateur original d'accès local à l'emploi et de l'appliquer sur des données géolocalisées de la région Ile‐de‐France. On simule ensuite les effets de trois types de politique publique d'employabilité, d'attractivité et de transport. Finalement une typologie des communes étudiées est proposée au regard des résultats obtenus. Code JEL: R11, J61 Mots‐clés : Accès local à l'emploi, Ile‐de‐France, spatial mismatch, données géoréférencées

2

Introduction

Depuis l'article fondateur de Kain (1968), de très nombreux travaux empiriques ont sondé l'hypothèse du "spatial mismatch" afin d'identifier et de caractériser des zones géographiques qui se singularisent par un taux de chômage ou une probabilité de sorti du chômage plus élevés que la moyenne ou encore un taux des taux d'accès à l'emploi plus faible que la moyenne (voir Fieldhouse, 1999; Houston, 2005; Patacchini and Zenou, 2005, pour les villes anglaises, Musterd et al., 2003 and van der Klaauw and van Ours, 2003, pour les Pays‐Bas; Brännström, 2004 and Aslund et al., 2006 pour la Suède; Dujardin et al., 2008 on Brussels, Mapsat and Laurent, 1997, Coffel and Delattre, 2003, Gobillon and Selod, 2007; Duguetet al., 2009; Détang‐Dessandre and Gaigné, 2009, Korsu and Wenglenski, 2010, pour la France et Matas et al., 2010 pour l'Espagne). Ce travail s'inscrit dans la lignée de ces travaux empiriques. L'objectif est de proposer un indicateur original d'accès à l'emploi développé dans un article antérieur (voir Bunel et Tovar, 2012) qui prend en compte quatre dimensions complémentaires : la proximité des emplois ; la probabilité individuelle d'obtention d'un emploi, la concurrence entre zones géographiques et les effets de frontières. Dans une première étape, on mobilise les données exhaustives géo‐localisées issues des DADS en 2005 et du fichier Logement du Recensement Général de la Population 2006 ainsi que les données de l'enquête Emploi de 2005 pour calculer ces taux d'accès pour la région Ile‐de‐France. En appliquant l'indicateur il est possible d'identifier les communes qui se caractérisent par un taux d'accès à l'emploi le plus faible. Un focus sur les 300 communes les plus importantes qui se situent au cœur de la région est également proposé afin de vérifier la stabilité des résultats obtenus. Afin de mesurer l'existence d'autocorrélation spatiale, un indicateur local d'association spatial (indicateurs Lisa développés par Anselin, 1995) est utilisé. Dans une seconde étape, on simule les effets de différentes interventions publiques possibles visant soit à favoriser l'employabilité des salariés des zones ségrégées (politique de capital humain), soit à réduire le temps d'accès entre le lieu d'habitation et la zone d'implantation des entreprises (politique de transport), soit à favoriser l'implantation de nouvelles entreprises (politique d'attractivité). Cette démarche permet d’identifier d’éventuelles hétérogénéités entre les unités spatiales concernant l’accès à l’emploi en distinguant les zones éloignées de l’emploi pour des raisons d’employabilité de ces membres (manque de qualification ou d’expérience) de celles qui sont géographiquement éloignées de l’emploi (distance spatiale ou temps de transport), celles qui sont victimes d'une trop faible attractivité des entreprises (taux d'emploi en fonction de la population active) ou enfin celles qui sont victimes de stigmatisation. L'organisation de cet article est la suivante. La section 1 présente l'indicateur d'accès à l'emploi proposé. La section 2 expose les résultats des simulations des trois politiques publiques. La dernière section propose une typologie des communes étudiées fonction des simulations réalisées.

3

I. L'accès local à l'emploi

Afin de caractériser les différentes communes d'un territoire, on peut s'appuyer sur un indicateur d'accès à l'emploi. Toutefois il n'existe pas dans la littérature de consensus sur les éléments susceptibles d'intervenir dans la définition d'un tel indicateur. Globalement, il s'agit d'un rapport entre les emplois disponibles ou vacants et le nombre de postulants pour une zone géographique donnée. Une telle définition reste vague et nécessite en premier lieu de définir la notion d'emplois vacants (Ihlanfeldt and Sjokist, 1998, Dares, 2010) et de préciser leur accessibilité lorsque les coûts d'opportunité liés aux déplacements sont intégrés (Kawabata and Shen, 2007). En second lieu, il faut identifier précisément quels sont les concurrents potentiels pour ces emplois et intégrer leur accessibilité et leur employabilité (Détang‐Dessandre and Gaigné, 2009 ; Matas et al., 2010 ; Bunel and Tovar, 2012). Cette section vise à définir ces différents points et propose un indicateur original d'accès à l'emploi. On expose ensuite les résultats obtenus lorsque cet indicateur est appliqué à l'Ile‐de‐France. 1) Indicateur utilisé Ce travail s'appuie sur un indicateur original d'accès local à l'emploi prenant en compte la proximité spatiale entre le lieu d'habitation des travailleurs et le lieu d'implantation des entreprises, la probabilité d'accès à l'emploi, la concurrence entre territoires plus ou moins proches pour les mêmes zones d'emplois (Bunel et Tovar, 2012). En outre, afin de ne pas biaiser les indicateurs obtenus pour les communes qui se trouvent le plus en périphérie, on prend en compte les effets de frontière. Les données sur les emplois vacants sont relativement rares et difficiles d'accès aussi bien en France que dans l'ensemble des pays industrialisés (NBER, 1966, Fondeur et Zando, 2009 ; Dares, 2010). C'est pourquoi pour mesurer les opportunités d'emplois on utilise à l'instar de Jayet (2000) et de Korsu and Wenglenski (2010) le nombre d'emplois occupés. a) Proximité spatiale des emplois Afin de définir un taux d'accès à l'emploi un préalable est de définir les emplois qui sont considérés comme proches. D'après les données 2007, plus de 70% des salariés de l'Ile‐de‐France travaillent dans une autre commune que leur commune de résidence. En revanche seulement 8% d'entre eux travaillent dans une autre région1. De nombreuses études soulignent la présence de coûts liés au déplacement et que la qualité de l'information sur les opportunités d'emplois n'est ni parfaite ni homogène sur l'ensemble du territoire (Harris, 2007, Kawabata and Shen, 2007) . Ces frictions sont en général intégrées dans la littérature au moyen d'un poids fonction de la distance en kilomètre ou en temps entre la localisation des emplois et le lieu de résidence. Plusieurs formalisations de ce poids sont proposées dans la littérature (Cervero et al., 1999 ; Bania et al, 2008). On retient ici un poids discontinu qui dépend du temps de transport en voiture entre le centroïd de chaque communes obtenu grâce au logiciel Chronomap©. Dans les agglomérations, la distance physique fournit une proxy de mauvaise qualité de ce phénomène de friction lié aux phénomènes de congestion. En Ile‐de‐France il est très fréquent d'observer qu'une même distance en kilomètre conduise à des temps de déplacements très différents.

1 Une analyse minutieuse montre que les individus qui travaillent dans une autre région habitent en périphérie de la région.

4

Cette fonction de poids est appréhendée soit de manière continue (en général au moyen d'une fonction exponentielle) soit de manière discontinu. Cette seconde approche est privilégiée ici car elle permet de coller au mieux aux temps de transport observés en Ile‐de‐France (Rogers, 1997, DREIF, 2011). La fonction de poids entre la commune i et la commune j s'écrit sous la forme suivante :

b) L'employabilité des individus La particularité de notre indicateur est de supposer que l'accès à l'emploi dépend du niveau d'employabilité des individus. Cette dimensions est rarement introduite dans les études. Cette situation s'explique entre autres par l'absence d'information sur les probabilités d'accès à l'emploi géo‐référencé à un niveau relativement fin2. Par exemple, l'enquête Emploi ou le recensement ne peuvent être utilisés pour obtenir ce type d'information. Etant donnée la taille de l'échantillon de l'enquête Emploi, seules les probabilités d'accès à l'emploi pour les départements voire les zones d'emplois calculées à partir de cette base de données sont robustes. Les limites des données du recensement sont d'une autre nature. Le caractère continu du mode d'interrogation implique que des habitants de communes se trouvant dans une même région peuvent être interrogées à des dates très différentes. Ainsi le recensement ne fournit pas une photographie à une date fixe d'un territoire. Cette caractéristique ne pose pas de problème lorsque l'on traite de données structurelles (caractéristiques de la population ou de l'habitat) en revanche elle l'est davantage pour des données conjoncturelles comme le taux de chômage. Afin de contourner ce problème de données, l'idée est d'obtenir cette information en mobilisant simultanément l'enquête Emploi et les données du recensement. Dans un premier temps, à l'aide de l'enquête Emploi pour la période 2004‐2006, on estime la probabilité d'accès à l'emploi en fonction de caractéristiques individuelles (âge, sexe, état civil) du niveau de capital humain (niveau d'étude, catégorie socioprofessionnelle). A partir de l'estimation des coefficients de l'équation d'emploi, on prédit la probabilité des individus présents dans le recensement d'obtenir un emploi à l'aide d'un simulateur d'acceptation et de rejet intégrant la partie déterministe et stokastique de l'équation d'emploi. Par agrégation, on obtient alors une probabilité estimée d'accès à l'emploi géo‐localisée au

niveau de la commune. Cette probabilité est notée iP̂ pour la commune i (voir Bunel et Tovar,

2012 pour plus de détails). c) La concurrence spatiale La détermination d'un taux d'accès local à l'emploi conduit à répondre à la question suivante : Quels sont les concurrents potentiels qui doivent être comptabilisés pour des emplois situés dans une zone géographique donnée ? Plusieurs travaux prennent en compte que partiellement ou imparfaitement la concurrence pouvant exister entre différentes communes (Bania et al, 2008 ; Duguet et al., 2009). Ils considèrent pour déterminer les emplois et les concurrents potentiels une même zone géographique définie en kilomètre ou en temps de transport. Ce choix facilite fortement le mode de

2 Notons que les Fichiers historiques de l'ANPE permettent d'obtenir cette information mais uniquement pour les personnes à la recherche d'un emploi inscrite à Pole‐emploi. Ces fichiers sont également plus difficiles d'accès (Duguet et al, 2009).

5

calcul mais il est apparaît comme peu réaliste au regard de l'exemple suivant. Sur le graphique ci‐dessous les travailleurs 1 souhaitant postuler à l'emploi A sont concurrencés uniquement par les travailleurs 3 et 4. Le travailleur 2 n'est pas pris en compte car la distance entre son lieu de résidence et celui du travailleur 1 est jugée trop importante. Or un tel travailleur peut être localisé relativement proche de l'emploi A visé par le travailleur 1.

Ainsi lorsque l'on calcule un indice local d'accès aux emplois il est nécessaire d'adopter une stratégie alternative plus réaliste. Pour cela, e prendre en compte deux référents pour déterminer les emplois et les concurrents à prendre en compte. Le premier référent des emplois disponibles correspond à l'ensemble des emplois situés dans les communes j relativement proche en temps de la commune i. Le second correspond à l'ensemble des travailleurs issus des communes k relativement proches en temps des emplois se trouvant dans la commune j. Ainsi, notre indicateur local d'accès à l'emploi s'écrit de la façon suivante :

Pour déterminer ce taux d'accès à l'emploi, on mobilise les données exhaustives géo‐localisées issues des DADS en 2005 et du fichier Logement du Recensement Général de la Population 2006. On limite notre analyse aux seuls hommes âgés de 15 à 54 ans. En se focalisant sur la région Ile‐de‐France. Les statistiques descriptives sur ces données sont fournies en annexe. Notons que retenir une zone administrative particulière ici la région Ile‐de‐France introduit un effet frontière qu'il est nécessaire de contrôler. Lorsque l'on restreint l'espace d'analyse, les individus issus des communes proches de la frontière sont supposés rechercher un emploi uniquement dans la zone administrative considérée et être concurrencés dans leur recherche d'emplois uniquement par des individus de ces mêmes communes. Or, il est probable que des individus se trouvant dans les communes périphériques à l'Ile‐de‐France influencent également le taux d'accès à l'emploi des franciliens. Ce phénomène est loin d'être marginal en Ile‐de‐France au regard des flux observés, principalement entrants, de travailleurs qui habitent dans les communes des départements limitrophes mais qui travaillent en Ile‐de‐France. Ces taux sont de l'ordre de 20% à 40%. Afin de prendre en compte, cet effet frontière on considère dans notre calcul les communes se trouvant dans la périphérie de l'Ile‐de‐France (à moins de 50 km). Finalement, l'analyse directe de ces indicateurs locaux reposant sur un découpage administratif prédéfini incluant des zones d'importance relativement hétérogènes peut poser plusieurs problèmes : l'existence d'épiphénomène, d'erreur de mesure ou encore la présence d'îlots isolés de

6

faible densité. Pour pallier à ces inconvénients, on effectue un lissage des données. On utilise la méthode du noyau suivante :

(1)

avec

et correspond à la fenêtre de lissage, on retient de manière standard la fenêtre proposée par Silverman tenant compte de la distance de toutes les communes les unes par rapport aux antres (Silverman, 1986). On a :

avec D la distance entre chaque commune, l'écart interquartile de ces distances, son écart type et N le nombre de communes. Le graphique A1 en annexe expose la répartition d'un indicateur d'accès à l'emploi naïf reposant sur le rapport entre les emplois disponibles et le nombre d'actif par commune. Le graphique A2 s'appuie

sur l'indicateur de l'équation (1) intégrant les frictions sur le marché du travail, l'employabilité des individus, la concurrence entre communes et l'effet de frontière. On obtient une représentation sensiblement différente dans les deux cas. La première fournit une information sur le caractère plus ou moins résidentielle de la commune considérée. La seconde mesure directement le niveau d'accessibilité à l'emploi. Afin d'identifier les zones géographiques défavoriser en termes d'accès à l'emploi relativement au

caractéristiques initiales de la commune, on calcule une différence entre le taux et le taux naïf. Les graphiques 1a et 1b ci‐dessous exposent les résultats obtenus dans ce cas. Le premier porte sur les 1300 communes de l'Ile‐de‐France alors que le second se limite aux 300 communes les plus importantes.

Graphique 1a :

Ecart entre l'indicateur d'accès à l'emploi et l'indicateur naïf pour l'ensemble

des communes de l'Ile‐France

7

Source : Enquête Emploi, recensement de la population française.

Graphique 1b : Ecart entre l'indicateur d'accès à l'emploi et l'indicateur naïf

pour les 300 plus grosses communes de l'Ile‐France

Source : Enquête Emploi, recensement de la population française.

Les graphiques obtenus font apparaître très nettement cinq clusters pour l'ensemble de la région dont trois situés dans sont cœur. La zone en bleue sur le graphique 1b situé en Seine‐Saint‐Denis correspond aux communes ayant un taux d'accès à l'emploi relativement faible bien qu'elles se caractérisent par un rapport emploi sur actif relativement élevé (voir graphique A2). Les deux zones en rouge situées dans le Val‐de‐Marne et le Val‐d'Oise disposent quant à elles d'un accès à l'emploi nettement plus élevé que la moyenne.

2) Analyse de l'autocorrélation spatiale Ce point en cours de réalisation vise à étudier le niveau d'autocorrélation spatiale associé aux résultats précédents. La mesure de l'autocorrélation spatiale peut s'effectuer à l'aide d'un indice de Moran. Il correspond à un rapport entre une covariance et une variance.

( )( ) ( )2~~~~~~ ∑∑∑ −÷−−i

ii j

jiiji IIIIIIwmn=M

avec n le nombre total d'individu ; m le nombre de paires de voisins, wij la matrice de voisinage et et Ī la valeur moyenne de I.

Afin de s'assurer de la stabilité des résultats on considère trois types de matrice de voisinage: une

matrice reposant sur la contigüité (reine d'ordre 1 et 2), une matrice de distance (5km et 20 km) et

une matrice des plus proches voisins (5 et 20). On calcule l'indice de Moran pour l'ensemble de la

population puis seulement pour les 300 communes les plus importantes. Dans un voisinage de 5 km l’indice de Moran de l'indice d'accès à local est de 0,91 il chute sensiblement à 0,34 dans un voisinage de 20 km mais reste significatif ce qui confirme une forte structuration spatiale de l'indice calculé.

8

Tableau 1 : Analyse de l'autocorrélation spatiale

Ensemble de l'Ile-de-France 300 communes les plus importantes uniquement

Critère de contigüité Reine de l'ordre 1 0,93*** 0,40*** Reine de l'ordre 2 0,77*** 0,27*** Critère de distance 5 plus proches voisins 0.89*** 0,76*** 20 plus proches 0,78*** 0,47*** 5 kilomètres 0.91*** 0,68*** 20 kilomètres 0,34*** 0,18*** Source : Enquête Emploi, recensement de la population française.

A partir de cette indicateur global de corrélation il est également possible de calculer un indicateur local d'association spatiale (LISA). Ces indicateurs proposés initialement par Anselin (1995) s'obtiennent très facilement. Les graphiques ci‐dessous correspondent aux premiers résultats obtenus.

Graphique 2 : Indicateurs locaux d'association spatiale

Source : Enquête Emploi, recensement de la population française.

II. Simulations d'interventions publiques Afin de caractériser les clusters identifiés et de préciser les effets de différents types de politiques publiques, cette seconde section propose différentes simulations de réformes simples affectant soit l'employabilité, soit le temps de transport soit l'implantation des entreprises. Les points suivants exposent les résultats obtenus dans ces différents cas. 1) Action sur l'employabilité L'action publique peut tout d'abord porter sur le niveau d'employabilité des actifs. On suppose qu'un investissement massif en capital humain permet d'égaliser le niveau d'employabilité de tous les actifs

9

du territoire. On calcule un niveau d'accès à l'emploi fictif tenant compte de cette hypothèse. Les

graphiques 3a et 3b présentent l'écart entre ce nouveau taux et le taux calculer dans la section précédente. Deux clusters apparaissent très nettement sur le graphique. Ils reflètent en partie seulement les écarts de taux de chômage observés entre communes (voir graphique A3)

2) Action sur les temps de transport Une politique alternative susceptible d'être appliquée consiste à faciliter les déplacements des travailleurs de l'Ile‐de‐France et de limiter les effets de congestions existant dans certaines zones. On suppose ici que cette politique de transport permet de supprimer l'ensemble des effets de congestion. Parcourir une distance kilométrique donnée prend autant de temps l'ensemble des franciliens. On calcule un nouvel indicateur d'accès local à l'emploi associé à cette politique. Les

graphiques 4a et 4b exposent les écarts observés avec le taux initial . On représente également sur ces cartes une partie du réseau routier (les routes anciennement nationales et les autoroutes). Les zones qui bénéficieraient le plus de cette politique (en rouge sur les cartes) sont celles situées à l'extrême Est et Ouest de la région relativement éloignées du réseau routier. Les zones en bleues l'axe Nord‐Sud sont celles qui bénéficient à l'heure actuelle d'infrastructures routières leur permettant de se déplacer relativement facilement. Ces zones seraient les perdantes d'une telle politique. 3) Attractivité du territoire Enfin, on appréhende une dernière politique visant à favoriser l'implantation des entreprises sur le territoire. On suppose que cette politique d'attractivité a pour conséquence de lisser le rapport nombre d'emplois disponibles sur nombre d'actifs à sa valeur moyenne (un peu moins de 2). Les graphiques 5a et 5b donnent les résultats des écarts observés entre le taux calculé intégrant cette

politique et le taux initial .

III. Esquisse de typologie des communes de l'Ile-de-France

Cette dernière partie vise à classer les différentes communes de la région Ile‐de‐France à partir des résultats obtenus dans les deux sections précédentes. Une analyse des correspondances principales ainsi qu'une analyse ascendante hiérarchique sont proposées (Volle, 1997). Les résultats de l'ACP sont présentés en annexe (projection des points communes sur le plan factoriel et cercle de corrélation). Globalement le premier plan factoriel restitue 79% de l'inertie totale du nuage de points. L'analyse du cercle de corrélation conduit à l'interprétation suivante de ce plan. Il oppose pour le premier axe des communes qui bénéficieraient pleinement d'une politique d'attractivité et d'employabilité. Ces deux politiques apparaissent comme très corrélées. Le second axe factoriel oppose des communes caractérisées par un rapport emploi sur actif faible et susceptible de voir leur situation d'accès à l'emploi s'améliorer sensiblement suite à l'introduction d'une politique de transport aux communes ayant des caractéristiques inverses. En l'état actuel de l'analyse six groupes de communes peuvent être identifiés.

10

Graphique 3 : Typologie des communes

‐ Le groupe 1 (en violet sur le graphique), est constitué de communes qui profiteraient principalement des politiques d'attractivité ou d'employabilité mais peu de la politique de transport

‐ Le groupe 2 (en jaune sur le graphique), correspond aux communes qui possèdent un rapport emploi sur actif plutôt défavorable et qui profiteraient principalement de la politique de transport mais peu en revanche des politiques d'attractivité ou d'employabilité

‐ Les communes du groupe 3 (en gris sur le graphique) verraient leur situation en termes d'accès à l'emploi se dégrader suite à la mise en place d'une politique d'attractivité ou d'employabilité.

‐ Le groupe 4 (en bleu ciel sur le graphique) seraient quant à eux pénalisés par une politique de transport.

‐ Le groupe 5 (en noir sur le graphique) correspond aux communes dont la situation variera le moins suite à l'introduction des trois politiques étudiées.

‐ Le groupe 6 (en rouge sur le graphique) est constitué de communes dont le rapport emploi sur actif est plutôt favorable qui subiraient la politique de transport mais qui profiteraient des politiques d'employabilité et d'attractivité.

V. Conclusion

Cet article vise à étudier les écarts existants en région Ile‐de‐France entre les taux d'accès à l'emploi de différentes communes. Trois types de politiques publiques sont proposées susceptibles d'aider les zones les plus défavoriser. Notons que dans cette version très provisoire seules des politiques globales ont été envisagées. L'objectif est d'appréhender également dans une version plus avancée de cet article des politiques plus ciblées visant à aider spécifiquement certaines zones géographiques.

11

3a 3b

4a 4b

12

5a 5b

13

Références bibliographiques Anselin, L., (1995), "Local indicators of spatial association – LISA", Geographical Analysis, 27(2), pp. 93‐115. Bania, N., Leete, L. and Coulton, C. (2008) Job Access, Employment and Earnings: Outcomes for Welfare Leavers in a US Urban Labour Market, Urban Studies, 45 (11), pp. 2179–2202. Bunel M. and E. Tovar, 2012, "Local Job Accessibility Measurement: When the Model Makes the Results Methodological Contribution and Empirical Benchmarking on the Paris Region", Document de travail du CREM, WP 2012‐12. Cervero, R., Rood, T. and Appleyard, B. (1999) Tracking accessibility: employment and housing opportunities in the San Francisco Bay area, Environment and Planning A, 31 (7), pp. 1259–1278. DARES, (2010), La mesure des « emplois vacants » : situation actuelle et perspectives, Rapport de synthèse, mars 2010. Détang‐Dessendre, C. and Gaigné, C. (2009) Unemployment duration, city size, and the tightness of the labor market, Regional Science and Urban Economics, 39, pp. 266–276. Dos Santos M., Y. L'Horty and E. Tovar,, 2010, "Ségrégations urbaines et accès à l’emploi"; numéro spécial de la Revue d’Economie Régionale et Urbaine, n°1, p. 4‐25.. DREIF, (2011) Les Franciliens utilisent autant les transports en commun que la voiture pour se rendre au travail, Ile‐de‐France à la page, 253, avril. Duguet E., Y. L'Horty et F. Sari, 2009, "Sortir du chômage en Île‐de‐France. Disparités territoriales, spatial mismatch et ségrégation résidentielle", Revue Economique, vol 60, pp. 979‐1010. Dunlop J., (1966), Job Vacancy Measures and Economic Analysis, in NBER, The Measurement and Interpretation of Job Vacancies, Colombia University Press. Fondeur Y et J‐L. Zanda, (2009), LES EMPLOIS « VACANTS », Connaissance de l'emploi, 64. Jayet, H. (2000) Villes et marchés du travail, in Ville et emploi. Le territoire au cœur des nouvelles formes du travail, E. Perrin and N. Rousier (Eds.), Paris, L’Aube, pp. 53‐64. Kain J, (1968), "Housing Segregation, Negro Employment, and Metropolitan Decentralization", Quarterly Journal of Economics, 82, p. 175‐197. Kain J, (1992), "The Spatial Mismatch Hypothesis: Three Decades Later", Housing Policy Debate, 3, p. 371‐460. Kawabata, M. and Shen, Q. (2007) Commuting Inequality between Cars and Public Transit: The Case of the San Francisco Bay Area, 1990‐2000, Urban Studies, 44 (9), pp.1759‐1780. Korsu, E. and Wenglenski, S. (2010) Job Accessibility, Residential Segregation, and Risk of Long‐term Unemployment in the Paris Region, Urban Studies, 47(11), pp. 2279–2324. Matas A., Raymond J‐L. and Roig J‐L., 2010, "Job Accessibility and Female Employment Probability: The Cases of Barcelona and Madrid", Urban Studies, vol 47, n°4, pp. 769–787. Rogers, C. (1997) Job search and unemployment duration: implications for the spatial mismatch hypothesis, Journal of Urban Economics, 42, pp. 109–132. Silverman, B. (1986) Density Estimation for Statistics and Data Analysis, London, Chapman and Hall. Tovar E., 2000, "Ségrégation et formes d’emploi à Paris", Revue d’économie Régionale et urbaine, p. 111‐134. Volle M, 1997, Analyse des données, Economica Paris.

14

Annexe : Statistiques descriptives

French LFS French Census Individual variables 15‐19 years 0,3% 0,4% 20‐24 years 4,9% 5,6% 25‐39 years 46,4% 46,4% 40‐54 years 48,4% 47,6% Age 38,711 Married 45,4% 54,0% Children less than 6 years old 14,8% 29,2% Children between 6 and 18 years old 23,9% 35,9% Diploma variables Upper education 12,2% 15,9% Graduate 11,8% 13,1% BAC pro 9,6% 9,5% BAC 5,8% 7,1% BEP 31,3% 32,6% No degree 29,3% 21,8% Oswald's Hypothesis House 47,2% 55,5% Size of the House 27,4% 17,5% Owner‐occupied 45,5% 51,4% Living in publicly owned units 18,8% 15,6% Renter‐occupied in a no publicly owned units 35,7% 33,0% Neighbourhood variable Unemployment rate 7,8% 7,7% Localisation Ile‐de‐France 21,7% 20,4% Acquitaine 3,8% 4,7% Bretagne 3,9% 5,0% Centre 2,9% 4,2% Lorraine 4,0% 4,0% Nord‐pas‐Calais 9,2% 6,7% Paca 5,6% 6,9% Rhône‐Alpes 10,0% 10,0% Other 38,9% 38,2% Labor status in t Unemployed 13,0% 8,6% Employed 87,0% 91,4% Labor status in t+1 Out of the labor market 3,8% n.a Unemployed 10,4% n.a Source : French LFS and Census Dwellings database.

15

Graphiques A1 et A2 : Indicateur naïf d'accès à l'emploi et indicateur proposé.

Graphiques A3 : Taux de chômage par commune

16

Graphiques A4 : Résultats de l'ACP Projection des points communes sur le plan factoriel