PDF Version

Transcription

PDF Version

Délinquance et mobilité résidentielle
Denis Fougère*
Francis Kramarz**
Julien Pouget***
Notre étude se propose de quantifier l’effet causal de la délinquance subie par
les ménages sur leur probabilité de déménagement. Plus précisément, nous analysons simultanément les deux phénomènes, délinquance subie par le ménage et
déménagement, en tenant compte de l’endogénéité potentielle de la victimation,
mais aussi de celle de la localisation initiale du ménage dans l’espace des communes. Les données utilisées proviennent des enquêtes permanentes sur les conditions de vie des ménages (EPCVM) réalisées par l’INSEE entre 1997 et 2002. Ces
données ont été enrichies par nos soins de variables provenant du recensement
général de la population de 1999 et des déclarations annuelles de données sociales (DADS). Nos résultats montrent que les ménages de revenu moyen ou élevé partent plus à la suite d’une atteinte à leurs biens (cambriolage ou vol de véhicule).
Mais ils déménagent moins que les plus pauvres à la suite d’une agression physique contre l’un de leurs membres.
CRIME AND HOUSEHOLD MOBILITY
Our study is concerned with the estimation of the causal effect of household
victimization on household mobility. More precisely, we analyze both processes
(victimization and mobility) by taking into account potential endogeneity of household victimization, but also potential endogeneity of household initial geographical
localization. Data that we use come from surveys on household living conditions
(enquêtes permanentes sur les conditions de vie des ménages) collected by INSEE
(Paris) between 1997 and 2002. These data are matched with local environment
variables that come from the 1999 French Census and from the 1996 DADS (déclarations annuelles de données sociales) data set on wages. Our results show that
medium- and high-income households are more likely to move after a burglary or a
car theft (i.e. they are more sensitive to property crime), while low-income households are more likely to move when at least one of their members has been assaulted (i.e. they are more sensitive to violent crime).
Classification JEL : J19, K19, R23.
* CNRS, CREST-INSEE, CEPR et IZA.
** CREST-INSEE, CEPR et IZA.
*** INSEE, CREST et IZA.
Nous tenons à remercier pour leurs remarques et suggestions Michel Glaude, Louis Hotte, David
Margolis, Antonio Merlo, Philippe Robert, Sébastian Roché, Alain Trannoy, Yves Zenou, ainsi que
les participants au séminaire préparatoire à la publication de ce numéro spécial de la Revue économique (École normale supérieure, Paris, 26 et 27 janvier 2004), au séminaire Recherche de l’INSEE
du 12 février 2004 et à la Conférence « On crime and conflict » organisée par le CEPR à Marseille les
8 et 9 octobre 2004. Les commentaires d’un rapporteur anonyme de la Revue nous ont permis
d’améliorer significativement la qualité de cet article. Nous restons bien évidemment responsables
des erreurs et insuffisances qui subsistent.
313
Revue économique — vol. 56, N° 2, mars 2005, p. 313-336
Revue économique
« The feelings of many of the respondents in our study were
summed up by a 33-year-old married mother of three from a very poor
West-Side neighborhood:
If you live in an area in your neighborhood where you have people
that don’t work, don’t have no means of support, you know, don’t have
no jobs, who’re gonna break into your house to steal what you have, to
sell to get them some money, then you can’t live in a neighborhood and
try to concentrate on tryin’ to get ahead, then you get to work and you
have to worry if somebody’s breakin’ into your house or not. So, you
know, it’s best to try to move in a decent area, to live in a community
with people that works. »
William Julius WILSON (When Work Disappears)
Notre article se propose de quantifier l’effet causal de la délinquance subie
par les ménages sur leur probabilité de déménagement. En ce sens, il prolonge
et complète l’étude réalisée par Levitt et Cullen [1999], qui essayaient de
mesurer les effets de la délinquance sur la mobilité résidentielle aux États-Unis
à l’aide de données agrégées, mais qui ne disposaient pas pour cela d’observations individuelles sur les atteintes (aux biens ou aux personnes) directement
subies par les ménages. Dans notre article, nous analysons simultanément les
deux phénomènes, délinquance subie par le ménage et le déménagement, en
tenant compte de l’endogénéité potentielle de la victimation, mais aussi de celle
de la localisation initiale du ménage dans l’espace des communes (« pauvres »,
« riches » ou « intermédiaires » selon notre classification fondée sur la distribution des rémunérations salariales dans la commune du logement).
La question posée et l’approche suivie distinguent notre étude de la plupart des
travaux microéconométriques sur la délinquance. En effet, l’analyse économétrique de la délinquance a été longtemps, et reste encore aujourd’hui, largement
dominée par l’approche beckérienne (Becker [1968]). Celle-ci postule la rationalité économique de l’individu supposé pouvoir choisir, sur la base d’une comparaison des coûts et des bénéfices, entre une activité légale (le travail salarié) ou illégale (la délinquance). Selon Becker, cette décision dépend certes des préférences
et des capacités de chaque individu, mais surtout des caractéristiques du contexte
économique qui conditionne les possibilités de gain mais aussi les risques d’échec
dans chacune de ces deux activités. Ainsi, des salaires peu élevés où un fort taux de
chômage devrait pousser l’individu à commettre des actes délictueux, alors qu’à
l’inverse des sanctions pénales ou un contrôle policier plus étroit devrait l’en
dissuader. Pour se justifier, cette argumentation a pendant longtemps utilisé les
corrélations entre certaines variables agrégées (par exemple, le taux de délinquance et le niveau du chômage constatés à un moment donné) sans être pour
autant capable d’interpréter ces corrélations comme des relations causales1. Des
analyses économétriques plus récentes, exploitant des séries plus longues et des
données d’observation plus riches, ont pu, grâce à la méthodologie de l’économétrie des panels et des variables instrumentales, confirmer statistiquement l’existence des déterminismes postulés par Becker et les économistes qui ont repris et
développé son analyse théorique (comme Ehrlich [1973]). Certains de ces travaux
ont, par exemple, examiné les effets du renforcement des forces de police ou des
1. Sur ce point, voir les études étrangères citées par Hugues Lagrange ([2003], p. 67-75).
314
Denis Fougère, Francis Kramarz, Julien Pouget
sanctions pénales à l’égard des jeunes délinquants aux États-Unis (Levitt [1997 et
1998]). Pour la plupart, toutefois, les études récentes se sont efforcées de mesurer
avec une plus grande précision les liens entre le niveau des inégalités de revenus,
ou celui du taux de chômage, et le taux de délinquance (Gould, Weinberg et
Mustard [2002] ; Machin et Meghir [2000] ; Entorf et Spengler [2000] ; Fougère,
Kramarz et Pouget [2003], ces quatre études portant respectivement sur les ÉtatsUnis, la Grande-Bretagne, l’Allemagne et la France)1.
Certains chercheurs ont cependant souligné que le modèle beckérien tend à
sous-estimer l’insécurité qui sévit dans les plus grandes villes, particulièrement
aux États-Unis où la criminalité est bien identifiée comme un phénomène typiquement urbain : en 1993, les villes de plus de 500 000 habitants avaient un taux
de criminalité quatre fois supérieur à celui des villes de moins de 50 000 habitants, et sept fois supérieur à celui des zones rurales. Ces économistes se sont
alors proposés d’expliquer les fortes variations spatiales et temporelles de la
délinquance à partir des recherches récentes sur les interactions sociales.
Ces travaux font l’hypothèse que l’utilité d’un agent économique dépend non
seulement de ses décisions mais aussi de celles des autres agents, ce qui est caractéristique dans la théorie économique de la présence d’une externalité, qui peut
être positive ou négative selon qu’elle écarte ou rapproche celui qui la subit de
son optimum individuel. Appliquée à la délinquance, cette approche se révèle
capable par exemple d’expliquer, mieux que ne le fait une approche économique
classique en termes de comparaison de coûts et de bénéfices, la forte variabilité
géographique et temporelle des taux de délinquance. Glaeser, Sacerdote et
Scheinkman [1996] montrent que cette hypothèse se vérifie particulièrement
pour les atteintes aux biens, notamment celles commises par les hommes les plus
jeunes, mais moins dans le cas des crimes les plus violents, qui seraient davantage le fait de décisions purement individuelles.
Sans aller jusqu’à construire et estimer un modèle avec interactions sociales,
nous mettons en évidence dans cette étude les effets de la délinquance sur la
mobilité résidentielle des ménages qui ont subi dans le passé proche des atteintes
aux biens ou aux personnes. Nous présentons pour cela les résultats d’une étude
économétrique conduite à partir des enquêtes permanentes sur les conditions de
vie des ménages (EPCVM) de l’INSEE. Ces enquêtes recueillent des informations
sur les caractéristiques socio-économiques d’environ 8 000 ménages interrogés,
mais aussi sur leur cadre de vie, la qualité de leur voisinage et les actes délictueux
dont ils ont pu être victimes. L’enquête est réalisée deux fois, à un an d’intervalle,
auprès du même ménage. Elle permet ainsi de savoir si un ménage a quitté le
logement qu’il occupait l’année précédente.
Nos résultats montrent que les ménages de revenu moyen ou élevé partent
plus à la suite d’une atteinte à leurs biens (cambriolage ou vol de véhicule). Mais
1. L’étude conduite par Fougère, Kramarz et Pouget [2003] est, à notre connaissance, la première
à évaluer l’effet causal du niveau du taux de chômage des jeunes sur le nombre de délits enregistrés
dans chaque département français au cours de la dernière décennie. Le modèle statistique sur lequel
s’appuie cette étude, identique en cela aux modèles des trois études étrangères citées, est un modèle
de panel à effets fixes, dans lequel le taux de chômage, variable explicative du niveau de la délinquance enregistrée, est traité comme une variable endogène. Les variables instrumentales, dont la
validité et l’exogénéité sont acceptées sur la base de procédures usuelles (tests de Sargan et de HollySargan), sont les évolutions départementales des taux d’emploi dans les principaux secteurs d’activité économique.
315
Revue économique
ils déménagent moins que les plus pauvres à la suite d’une agression contre un
(au moins) de leurs membres. Ces résultats sont obtenus à l’aide de modèles à
équations simultanées dans lesquels la localisation initiale du ménage dans une
commune « pauvre », le fait d’avoir été victime et le départ du logement sont des
variables endogènes. La première section rappelle les principaux résultats des
études antérieures, pour l’essentiel nord-américaines, consacrées au sujet. La
seconde section présente les données que nous utilisons. La troisième section
expose les principaux résultats de notre étude.
LES RÉSULTATS DES ÉTUDES NORD-AMÉRICAINES
Plusieurs études nord-américaines ont par le passé essayé de quantifier les
liens entre insécurité, criminalité et mobilité résidentielle. Pour ce faire, elles ont
tenté d’évaluer l’impact du niveau de la délinquance sur les choix résidentiels et
plus précisément sur le dépeuplement des villes les plus touchées par la criminalité. La plupart de ces analyses régressent des mesures agrégées de la dépopulation sur le niveau de la criminalité et de la délinquance, et concluent que, toutes
choses égales par ailleurs, les villes qui se dépeuplent le plus sont celles qui sont
davantage affectées par la criminalité (Frey [1979] ; Katzman [1980] ; Grubb
[1982] ; Sampson et Woolredge [1986] ; Dugan [1999]).
Levitt et Cullen [1999] ont ré-examiné cette question en tentant d’y répondre
avec des arguments économétriques plus rigoureux, malgré le caractère très
agrégé des données à leur disposition. En premier lieu, ils choisissent d’analyser
l’impact non pas du taux de criminalité, mais de son évolution sur le dépeuplement
urbain. En effet, si le niveau de criminalité peut initialement affecter les choix de
résidence, on peut en revanche supposer que c’est l’évolution de la criminalité qui
est la plus à même d’expliquer les décisions de déménager. Ils estiment leur
modèle sur un panel de villes américaines, en contrôlant par un certain nombre de
variables démographiques et économiques (notamment la structure par âge, par
origine ethnique, le taux de chômage et le revenu moyen), et évaluent qu’à chaque
acte de délinquance supplémentaire, on peut associer le départ d’un habitant.
Néanmoins, cette approche ne permet pas de conclure rigoureusement quant au
sens de la causalité : en effet, il est possible que les augmentations conjointes de la
criminalité et du dépeuplement urbain soient le fait d’un même troisième facteur,
non pris en compte dans la modélisation. C’est pourquoi Levitt et Cullen estiment sur
le même panel de villes américaines un modèle à variables instrumentales. Il s’agit
alors de construire une variable susceptible d’affecter le taux de criminalité mais pas
le dépeuplement urbain. Levitt et Cullen se proposent d’utiliser comme instruments
des caractéristiques du système judiciaire, notamment le taux moyen d’emprisonnement par crime. Leur estimation par variables instrumentales confirme l’impact du
taux de criminalité sur le dépeuplement des villes américaines.
Enfin, Levitt et Cullen cherchent à caractériser plus finement les catégories
de population les plus susceptibles de quitter les villes à cause de l’augmentation
de la délinquance et de la criminalité urbaines. Pour cela, ils disposent uniquement de données en coupe (agrégées et individuelles). Dans un premier temps,
ils régressent les taux de migration de différentes catégories de la population sur
les caractéristiques démographiques et économiques de chaque ville, ainsi que
316
sur l’évolution du taux de criminalité. Dans un second temps, ce sont les décisions de chaque ménage qui sont analysées de la sorte. Les deux types de régression montrent que ce sont les ménages les plus aisés et ceux qui comprennent des
enfants qui sont les plus sensibles à l’augmentation de la délinquance urbaine.
La fuite des ménages les plus favorisés peut être vue comme une externalité
négative susceptible d’entraîner une concentration de la pauvreté dans les centres
urbains, et, par suite, une nouvelle augmentation de la criminalité.
LES DONNÉES UTILISÉES
Les criminologues ont depuis longtemps souligné les difficultés rencontrées
pour mesurer le plus rigoureusement possible le niveau et l’évolution de la délinquance. En France, depuis quelques années, les interrogations quant à la fiabilité
des différentes sources statistiques font même partie intégrante du débat public.
Sans entrer dans ce débat, nous souhaitons éclairer le lecteur en lui présentant les
différentes sources que nous avons utilisées ainsi que quelques statistiques
descriptives.
Les enquêtes de victimation de l’INSEE
Il faut préciser qu’historiquement la criminalité et la délinquance ont d’abord
été mesurées à partir des comptes rendus chiffrés de l’activité des services judiciaires, puis, un peu plus en amont, de celle de la police. Ces comptes rendus ne
reflètent que les actes qui ont fait l’objet d’une plainte ou dont les autorités se
sont saisies : ils permettent donc de dresser un tableau partiel de la délinquance
et de la criminalité et de leurs évolutions à court terme. On considère par contre
que la mesure des évolutions à plus long terme peut être affectée par des modifications dans le fonctionnement des institutions policières ou pénales, et par des
changements dans la propension des victimes à porter plainte.
Les enquêtes de victimation présentent l’avantage de recueillir des informations qui se situent bien en amont du processus de prise en charge des délits par
les institutions policières et judiciaires : elle permettent donc d’estimer l’importance des victimations non enregistrées par les pouvoirs publics. Elles fournissent en outre des informations précieuses sur les caractéristiques socio-démographiques des victimes et sur les comportements induits par la victimation et plus
généralement par les peurs engendrées par le sentiment d’insécurité. Néanmoins,
ces enquêtes, difficiles à élaborer, présupposent que les victimes sont capables
d’y répondre (ce qui exclut, par exemple, les homicides). De ce fait, elles sont
surtout relatives aux agressions et aux vols. Les données recueillies peuvent être
également affectées par un certain nombre de biais (dus à des oublis, à des
mauvaises datations des faits, ou bien à des réticences à répondre).
Les enquêtes de victimation que nous utilisons sont issues du dispositif des
enquêtes permanentes sur les conditions de vie des ménages (EPCVM), mis en place
par l’INSEE à partir de 1996 et qui donne lieu depuis cette date à trois enquêtes par
an. En particulier, l’enquête de janvier, utilisée ici, traite des questions de la qualité
de l’habitat et du voisinage, des équipements collectifs et de l’insécurité (voir
317
Revue économique
Dumartin et Taché [2001]). L’enquête est mise en œuvre sur un échantillon
d’environ 8 000 logements, et fournit alors des résultats sur un peu moins de 6 000
ménages effectivement répondants. À partir de 1997, deux ensembles d’informations sont collectés, au niveau « ménage » et au niveau « personne répondante ».
Dans tous les ménages où vivent moins de quatre personnes de 15 ans et plus,
toutes ces personnes sont interrogées. Dans les ménages de quatre personnes de
15 ans et plus, trois personnes sont tirées au sort pour être interrogées (ont été retenues les trois personnes de 15 ans et plus nées le plus tôt dans l’année, c’est-à-dire
celles dont le mois de naissance est le plus proche de janvier).
Les occupants d’un logement donné sont interrogés deux années de suite à la
même date : l’échantillon de logements est renouvelé par moitié tous les ans.
Cela permet de construire des panels de deux années consécutives. Si un ménage
a quitté le logement entre ces deux années, les nouveaux occupants du logement
sont interrogés, mais le fichier final précise que ces occupants ne sont pas les
mêmes que ceux interrogés dans l’enquête précédente : on en déduit alors le
déménagement des occupants initiaux. Cette information n’est néanmoins disponible que pour les années 1998, 1999, 2001 et 2002 : nous avons donc utilisé dans
notre étude l’ensemble des ménages interrogés deux années consécutives (19971998, 1998-1999, 2000-2001, 2001-2002) ; les variables analysées étant
toujours celles de la première année, la seconde servant exclusivement à nous
renseigner sur la mobilité résidentielle du ménage. L’échantillon de panel
comprend initialement 9 885 ménages de toutes tailles.
En janvier de chaque année, l’enquête fournit des informations sur les actes
de délinquance dont ont été victimes les ménages et les individus durant les deux
années précédentes. Les ménages sont interrogés sur la sécurité de leur logement
et de leur véhicule, tandis que les individus sont interrogés sur les agressions et
les vols dont ils ont pu être victimes (en dehors des cambriolages et des vols de
voiture).
Par exemple, en janvier 2002, les questions posées aux ménages étaient les
suivantes :
« Votre logement a-t-il été cambriolé en 2000 ou 2001 ? »
« En 2000 et 2001, avez-vous été victime d’un vol de voiture ou d’objet se
trouvant dans une voiture du ménage ? »
Quant aux individus, on leur posait en 2002 ces deux questions :
« En 2000 ou 2001, avez-vous été victime personnellement de vols en dehors
des cambriolages et des vols de voiture (par exemple vol de sac à main, de
portefeuille, dans un lieu public ou sur le lieu de travail) ? »
« En 2000 ou 2001, avez-vous été personnellement victime d’agressions ou
d’actes de violence ; y compris de la part de personnes que vous
connaissiez » ?
Pour toutes ces questions, les modalités de réponses sont les suivantes :
1. Oui, en 2000 et 2001.
2. Oui, en 2000.
318
3. Oui, en 2001.
4. Non.
5. Ne sait pas.
sauf pour la question concernant les agressions, pour laquelle la modalité
« Refuse de répondre » a été ajoutée.
Dans le cadre de notre étude, nous considérons qu’un ménage ou une personne
a été victime si il (ou elle) a répondu à ces questions par une des trois premières
modalités. Au niveau des ménages, nous agrégeons également les deux types de
victimation mesurés, en construisant une variable « ménage victime » si celui-ci
a été cambriolé ou bien a été victime d’un vol concernant son véhicule. De
même, pour les seuls ménages dont tous les individus ont été interrogés, nous
repérons les ménages dont au moins un des membres a été victime d’un vol ou
d’une agression.
Les enquêtes sur les conditions de vie nous fournissent bien évidemment des
informations démographiques et économiques sur les ménages, dont notamment
la nationalité de la « personne de référence », le niveau de vie et la composition
de chaque ménage. Le niveau de vie du ménage est calculé comme le revenu du
ménage par unité de consommation. Les ménages enquêtés ont été ventilés entre
quatre classes dont les bornes sont les quartiles de niveau de vie de l’ensemble
des ménages interrogés à toutes les enquêtes (et pas seulement de ceux retenus
pour constituer nos panels empilés). Le type de ménage permet d’avoir des informations croisées sur la composition et l’âge de la personne de référence du
ménage. Dans notre analyse, nous distinguons ainsi, parmi les personnes seules
et les couples sans enfants, ceux dont la personne de référence a moins de 59 ans
ou plus de 60 ans. Nous distinguons également les couples avec enfants selon
que le ménage correspondant comprend ou non plus de trois personnes âgées de
15 ans et plus, ainsi que les familles monoparentales.
Les variables utilisées sont toujours celles de la première enquête, notamment
l’information relative aux caractéristiques du ménage (type de ménage, niveau
de revenu) et aux actes de délinquance dont celui-ci ou ses membres pris individuellement ont été victimes. La seconde enquête sert exclusivement à observer
la mobilité résidentielle du ménage.
Les données sur les contextes locaux
Afin d’enrichir ces statistiques de délinquance par les caractéristiques du
contexte local, nous avons utilisé un certain nombre de données administratives
ou d’enquête disponibles au niveau des départements et des communes.
Au niveau des communes, le recensement de la population de 1999 nous
fournit la structure de la population par âge et par nationalité. Nous avons ainsi
construit la part des jeunes de 10 à 19 ans dans la population de la commune,
ainsi que la part des étrangers. Nous disposons également du nombre d’actifs et
du nombre de chômeurs par commune, ce qui nous permet de calculer des taux
de chômage communaux.
Les variables concernant le niveau de richesse relatif des différentes
communes ont été calculées à partir des déclarations annuelles de données
319
Revue économique
sociales (DADS), disponibles facilement à ce niveau pour l’année 1996. Il s’agit
donc d’utiliser les distributions de salaires dans le secteur privé et semi-public
pour construire des indicateurs de pauvreté et de richesse des communes. Ce
choix peut être discutable dans la mesure où ces indicateurs ne prennent pas en
compte l’ensemble des revenus. Néanmoins, ils donnent une indication approchée des distributions des niveaux de vie dans une commune, dans la mesure où
l’on considère ici des effectifs et des salaires mesurés au lieu de résidence (et non
pas au lieu de travail).
Le graphique 1 représente la distribution des salaires en 1996 pour tous les
salariés travaillant dans les secteurs privé et semi-public. À partir de cette distribution, trois indicatrices ont été créées : une commune est considérée comme
« pauvre » si les postes rémunérés moins de 90 000 FF par an représentent plus
de 50 % du total des postes. Elle est considérée comme « riche » si les postes
rémunérés plus de 100 000 FF par an représentent plus de 50 % du total des
postes. Et enfin, l’indicatrice d’inégalité concerne les communes dont les postes
rémunérés moins de 70 000 FF par an représentent plus de 18 % du total des
postes et dont les postes rémunérés plus de 150 000 FF par an représentent plus
de 18 % du total des postes1.
Graphique 1. Distribution des salaires en 1996
3 000 000
2 500 000
2 000 000
Effectifs en
Équivalents - Temps
Complet
1 500 000
1 000 000
500 000
0
< 40 000 40 000FF
50 000
FF
50 00060 000
FF
60 00070 000
FF
70 000- 80 000- 90 000- 100 000- 120 000- 150 000- 200 000>
80 000 90 000 100 000 120 000 150 000 200 000 300 000 300 000
FF
FF
FF
FF
FF
FF
FF
FF
Champ : tous salariés (secteurs privé et semi-public temps complet ou partiel)
Unité : nombre de postes rémunérés dans l’année, équivalents temps complet
Source : DADS [1996].
1. Nous avons considéré qu’une commune est « inégalitaire » lorsque les salaires y sont distribués de sorte qu’approximativement un tiers d’entre eux est situé aux deux extrêmes de la distribution, en faisant l’hypothèse que la répartition de ce tiers est symétrique. Ceci implique que la moitié
de ce tiers (soit approximativement 18 %) est située plus bas que la borne minimale des classes de
salaires répertoriées dans la base de données locales de l’INSEE (soit FF 70 000), l’autre moitié étant
située plus haut que la borne maximale de ces classes (soit FF 150 000). Rappelons que la base de
données locales de l’INSEE ne contient qu’une information sur la fréquence par classe des salaires
observés dans les DADS, commune par commune (cf. graphique 1). Ce choix nous amène à situer
environ 8,5 % des ménages de notre échantillon dans ce type de commune (cf. tableau 1). Si nous
avions choisi de placer 45 ou 50 % des salaires aux deux extrêmes de la distribution, nous aurions
certes produit une caractérisation plus forte de l’« inégalité », mais nous aurions classifié in fine
beaucoup moins de ménages dans les communes « inégalitaires ». Si nous avions à l’inverse réparti
seulement 20 ou 25 % des salaires à ces deux extrêmes de la distribution, nous aurions probablement
produit une caractérisation jugée trop peu consensuelle de l’« inégalité ».
320
L’échantillon
Le déménagement étant une décision du ménage dans son entier, nous avons
en conséquence utilisé l’information collectée au niveau du ménage, en particulier celle relative aux atteintes à ses biens (cambriolages au domicile, vols de et
dans les véhicules), mais aussi l’information agrégée collectée auprès de chacun
de ses membres (en particulier les agressions contre les personnes et les vols
d’effets personnels), pour autant que cette information concerne l’ensemble des
personnes du ménage ayant 15 ans et plus1. En raison de la procédure aléatoire
d’interrogation des personnes appartenant à un ménage, l’information relative
aux individus n’est exhaustive que pour les ménages d’au plus trois personnes
de 15 ans et plus. Pour éviter le problème d’erreur de mesure inhérent à cette
procédure de sondage, nous avons limité une partie de notre étude (celle dans
laquelle nous estimons des modèles probit trivariés) aux ménages d’au plus trois
personnes. Cette restriction de champ conduit vraisemblablement à une surestimation des possibilités de déménagement, qui sont plus grandes pour des
ménages de taille plus faible, comme le suggère le tableau 1 dans lequel nous
reportons quelques statistiques descriptives pour l’échantillon dans son
ensemble, mais aussi pour le sous-échantillon des ménages d’au plus trois
personnes de 15 ans et plus. Une autre méthode eût consisté à réaliser l’analyse
au niveau des individus, en faisant l’hypothèse que ceux-ci constituent des unités
statistiques indépendantes : ceci est à l’évidence une hypothèse peu admissible,
que nous n’avons donc pas retenue. La solution la plus satisfaisante consisterait
à traiter simultanément l’information au niveau du ménage et les observations
relatives aux individus membres du ménage à l’aide d’un modèle multi-niveaux,
incorporant un effet aléatoire spécifique au ménage et des effets individuels
corrélés entre eux mais aussi à cet aléa « ménage ». Cette modélisation sera
estimée dans le cadre d’un travail ultérieur.
Le tableau 1 met en évidence les ressemblances, mais aussi les différences,
entre les deux échantillons (l’échantillon total et le sous-échantillon des seuls
ménages comprenant au plus trois personnes de 15 ans et plus). Imposer la restriction de champ revient à réduire l’échantillon de 9 885 à 7 433 ménages, les
ménages comprenant plus de quatre personnes de 15 ans et plus représentant 23 %
de l’échantillon initial. Cette restriction ne modifie que très peu la structure de
localisation des ménages. Elle modifie légèrement la structure des niveaux de
revenu, ceux-ci étant un peu plus élevés dans le sous-échantillon des ménages
comprenant plus de trois personnes âgées de 15 ans et plus2. La fréquence de
1. Malheureusement, les enquêtes EPCVM ne contiennent aucune information sur les violences
subies par les enfants de moins de 15 ans. Cette omission est regrettable, car il est probable que ces
violences incitent fortement au déménagement (à ce propos, les chiffres rendus publics par le ministère de l’Éducation nationale font état d’une nette augmentation des violences scolaires depuis le
dernier trimestre de l’année 2003 ; cf. le journal Le Monde, édition du 5 juin 2004, p. 13). De ce fait,
notre étude sous-estime vraisemblablement l’effet de la délinquance sur le départ du logement.
2. Le lecteur remarquera que l’échantillon initial est uniformément réparti dans les quatre classes
de revenu (par unité de consommation), bien que les limites des quartiles aient été construites à partir
de l’ensemble des ménages interrogés au sein du dispositif d’enquêtes EPCVM, et non à partir des
seuls 9 885 ménages observés dans les panels empilés. Cette constatation donne à penser que le
passage de la coupe transversale au panel ne modifie pas significativement la composition des
ménages observés. Il n’en va pas tout à fait de même lorsqu’on restreint le champ aux seuls ménages
de plus de trois personnes de 15 ans et plus (cf. tableau 1).
321
Revue économique
ménages victimes de l’un ou l’autre type de délit est plus élevée dans l’échantillon
global, ceci signifiant que les ménages de plus grande taille sont plus soumis à ce
type de risque. Enfin, comme nous pouvions l’anticiper, la fréquence des déménagements est plus élevée dans le sous-échantillon, que les déménagements surviennent ou non après une atteinte aux biens ou une agression sur les personnes.
Tableau 1. Statistiques descriptives de l’échantillon
(fréquences en %)
Caractéristiques des ménages
Ensemble
Sous-échantillon des
de l’échantillon
ménages d’au plus
(tous les ménages) 3 personnes de 15 ans et plus
Type de ménage
Personne seule de moins de 59 ans ..................
12,50
16,63
Personne seule de plus de 60 ans ......................
13,19
17,54
Couple sans enfant dont la personne
de référence a moins de 59 ans .........................
12,64
16,69
Couple sans enfant dont la personne
de référence a plus de 60 ans ............................
16,20
21,51
Couple avec enfants mais ménage avec moins de
3 personnes de 15 ans et plus ...........................
13,67
17,61
Ménage avec plus de 4 personnes de 15 ans et
plus ...................................................................
23,00
0,00
Famille monoparentale .....................................
7,39
8,18
Autre type de ménage .......................................
1,41
1,84
Revenu par unité de consommation
1er quartile .........................................................
24,58
22,51
2nd quartile ........................................................
25,08
23,84
3e quartile ..........................................................
24,84
25,68
4e quartile ..........................................................
25,50
27,97
Ménages dans commune « pauvre » .................
44,49
45,25
Ménages dans commune « riche » ...................
24,94
24,05
Ménages dans commune ni « riche », ni
« pauvre » .........................................................
30,57
30,70
Ménages dans commune « inégalitaire » .........
8,35
8,58
Localisation
Victimation
Atteintes aux biens seulement ..........................
10,23
9,63
Atteintes aux personnes seulement ...................
13,44
11,77
Atteintes aux biens et aux personnes ................
3,80
3,34
Non victimes .....................................................
72,53
75,26
Ménages ayant déménagé .................................
7,24
7,94
Parmi ceux qui n’ont pas été victimes ..............
6,51
6,95
Parmi ceux qui ont été victimes .......................
9,17
10,93
Effectif ..............................................................
9 885
7 433
Déménagement
Source : INSEE, Enquêtes EPCVM, 1997-2002.
322
Dans chacun des deux échantillons, la proportion de ménages ayant déménagé
parmi ceux ayant été victimes d’au moins l’un des deux types de délits recensés est
approximativement une fois et demi supérieure à la proportion de ménages ayant
déménagé parmi ceux n’ayant été pas été victimes1. En raison notamment des biais
de composition, il est difficile d’interpréter cet écart positif comme l’effet causal
de la délinquance subie sur le déménagement. Dans la suite de notre article, nous
voulons savoir si cet effet apparent résiste à une analyse du type « toutes choses
observables et non observables par ailleurs ». Pour cela, nous essayons notamment de tenir compte de l’endogénéité potentielle de la victimation, et au-delà de
celle de la localisation du ménage dans une commune « pauvre ». Cela suppose
bien évidemment que nous puissions estimer des modèles à équations simultanées
dans lesquels les variables expliquées sont qualitatives (se localiser ou non dans
une commune pauvre, être ou non victime, déménager ou non) et les résidus des
différentes équations sont potentiellement corrélés.
LES PRINCIPAUX RÉSULTATS
En première analyse, nous estimons des modèles probits dans lesquels le fait
d’avoir ou non déménagé (variable prenant respectivement les valeurs 1 et 0) est
expliqué par plusieurs caractéristiques du ménage et du contexte local, mais
aussi par le fait que le ménage ait subi ou non une atteinte aux biens (cette
variable prend la valeur 1 s’il a été victime d’un cambriolage ou d’un vol de ou
dans son automobile, 0 sinon), et qu’au moins l’un de ses membres âgé de 15 ans
et plus ait subi ou non une agression ou un vol d’effets personnels.
Les tableaux 2a (pour l’ensemble des ménages) et 2b (pour les seuls ménages
d’au plus trois personnes) reportent les résultats des coefficients de ces modèles
probits dans lesquels la localisation initiale du ménage et la victimation sont supposées exogènes. Le lecteur remarquera que la restriction de champ aux ménages de
plus de trois personnes de 15 ans et plus a généralement pour effet d’amplifier et de
rendre statistiquement plus significatifs les coefficients qui sont positifs dans le cadre
de l’analyse sur l’ensemble de l’échantillon. Comme nous l’avons souligné plus
haut, ceci résulte du fait que le déménagement est plus facile pour des ménages de
taille moyenne plus faible. Ceci dit, les grandes lignes de l’analyse restent les mêmes
pour les deux échantillons (échantillon total et sous-échantillon des ménages de plus
de trois personnes de 15 ans et plus). Ces grandes lignes sont les suivantes :
• un ménage victime de l’un ou l’autre des types de délits (atteinte aux biens ou
agressions contre les personnes) déménage plus probablement (colonne 1 des
tableaux 2a et 2b),
1. Remarquons que la proportion de ménages observés ici comme ayant déménagé après avoir
subi une atteinte aux biens ou une agression contre les personnes correspond à une élasticité vraisemblablement très inférieure à celle estimée par Levitt et Cullen [1999] à partir de statistiques agrégées, puisque ceux-ci concluent que dans les grandes villes des États-Unis, chaque nouvel acte de
délinquance enregistré est associé au départ d’une personne hors de l’agglomération. Dans notre
échantillon, ceci n’est pas manifestement le cas puisque seuls 9,17 % des ménages victimes
d’atteintes à leurs biens ou d’agressions contre l’un au moins de leurs membres ont déménagé dans
les deux années qui ont suivi l’acte délictueux. Pour espérer se rapprocher de l’estimation de Levitt
et Cullen, il eût fallu que cette proportion fût beaucoup plus élevée.
323
Revue économique
Tableau 2a. Probabilité de déménager (tous les ménages)
Victime (ménage ou individu) ..........................
Col. 1
Col. 2
Col. 3
Col. 4
Coeff.
Coeff.
Coeff.
Coeff.
0,0833
0,1794
(0,0437)
(0,0835)
Victime (ménage ou individu) dans ménage
de revenu moyen ...............................................
– 0,2034
de revenu assez élevé ........................................
– 0,0714
de revenu élevé .................................................
– 0,1223
(0,1233)
(0,1182)
(0,1178)
Victime individuelle .........................................
0,0621
(0,0504)
0,3054
(0,0912)
Victime individuelle dans ménage de revenu
moyen ................................................................
– 0,4354
assez élevé .........................................................
– 0,3353
élevé ..................................................................
– 0,2925
(0,1454)
(0,1375)
(0,1333)
Victime (niveau ménage) ..................................
0,0906
– 0,2286
(0,0541)
(0,1332)
Victime (niveau ménage) et ménage de revenu
moyen ................................................................
(0,1750)
assez élevé .........................................................
(0,1653)
élevé ..................................................................
(0,1649)
0,3102
0,5026
0,3651
Effet marginal moyen :
• de l’un au moins des deux types de victimation
1,10 %
– ménages de faible revenu ............................
2,77 %
– ménages de revenu moyen ..........................
0,56 %
– ménages de revenu élevé .............................
0,70 %
• des agressions contre les individus .................
0,81 %
5,14 %
– 0,91 %
• des atteintes aux biens ....................................
0,15 %
1,20 %
– 2,72 %
2,49 %
1,75 %
• des deux types de délits ..................................
2,11 %
1,12 %
1,42 %
1,94 %
Seuls les coefficients associés à la victimation sont indiqués ici. Les écarts types sont notés entre parenthèses.
Source : INSEE, Enquête « EPCVM », 1997-2002. Nombre d’observations : 9 885.
Un ménage est victime s’il a subi une atteinte aux biens. Une personne est victime si elle a subi une agression.
La variable endogène est égale à 1 quand le ménage n’est plus dans le logement à la seconde interrogation. Les
régressions incluent une constante, des indicatrices de composition du ménage et d’âge de la personne de référence, de niveau de revenu du ménage en interaction avec le niveau des salaires de la commune d’habitation,
ainsi que la nationalité de la personne de référence. Le modèle est estimé par maximum de vraisemblance.
324
Tableau 2b. Probabilité de déménager (ménages d’au plus trois personnes)
Victime (ménage ou individu) ..........................
Col. 1
Col. 2
Col. 3
Col. 4
Coeff.
Coeff.
Coeff.
Coeff.
0,1300
(0,0505)
0,2134
(0,1003)
de revenu moyen ...............................................
– 0,1149
de revenu assez élevé ........................................
– 0,0576
de revenu élevé .................................................
– 0,1672
(0,1451)
(0,1398)
(0,1352)
Victime individuelle ..........................................
0,0785
(0,0592)
0,3209
(0,1108)
moyen ................................................................
– 0,3895
assez élevé .........................................................
– 0,2479
élevé ..................................................................
– 0,3886
(0,1738)
(0,1630)
(0,1561)
Victime (niveau ménage) ..................................
0,1406
– 0,1779
(0,0621)
(0,1594)
moyen ................................................................
(0,2058)
assez élevé .........................................................
(0,1970)
élevé ..................................................................
(0,1911)
0,3645
0,3980
0,3843
Effet marginal moyen :
• de l’un au moins des deux types de victimation
1,84 %
3,65 %
1,75 %
0,60 %
• des agressions contre les individus .................
1,08 %
5,90 %
0,05 %
• des atteintes aux biens ....................................
– 0,80 %
2,01 %
– 2,43 %
2,88 %
2,93 %
• des deux types de victimation .........................
3,29 %
2,38 %
2,97 %
1,88 %
Seuls les coefficients associés à la victimation sont indiqués ici. Les écarts types sont notés entre parenthèses.
Source : INSEE, Enquêtes « EPCVM », 1997-2002. Nombre d’observations : 7 433. Une observation est un ménage d’au
plus trois personnes de 15 ans et plus. Un ménage est victime s’il a subi une atteinte aux biens. Une personne est victime
si elle a subi une agression. La variable endogène est égale à 1 quand le ménage n’est plus dans le logement à la seconde
interrogation. Les régressions incluent une constante, des indicatrices de composition du ménage et d’âge de la
personne de référence, de niveau de revenu du ménage en interaction avec le niveau des salaires de la commune d’habitation, ainsi que la nationalité de la personne de référence. Le modèle est estimé par maximum de vraisemblance.
325
Revue économique
• l’effet de la victimation apparaît sans lien avec le revenu du ménage dans le cas
où les types de délit, agression contre les biens ou contre les personnes, ne sont
pas différenciés (colonne 2 des tableaux 2a et 2b) ;
• en revanche, lorsque les types de délit sont distingués, le départ du logement
apparaît comme plus corrélé aux atteintes aux biens qu’aux agressions contre les
personnes (colonne 3 des tableaux 2a et 2b),
• enfin, lorsqu’on considère les effets des deux types de délit en association avec
les niveaux de revenu des ménages, le déménagement suite à une atteinte aux
biens semble être facilité par le niveau de revenu, mais les ménages les plus
pauvres apparaissent comme plus sensibles aux agressions contre les personnes
(colonne 4).
Par ailleurs, les estimations des coefficients associés aux covariables autres
que la victimation1 montrent que :
• les couples les plus âgés, les couples mariés et les familles monoparentales
déménagent moins ;
• la fréquence des déménagements est plus élevée dans les communes de grande
taille et dans celles dans lesquelles la dispersion des rémunérations est élevée ;
• les ménages les plus riches (quatrième quartile de revenu) déménagent moins
lorsqu’ils habitent des communes « riches » ;
• ceux dont le revenu appartient au troisième quartile de la distribution des
revenus (par unité de consommation) déménagent moins lorsqu’ils résident dans
des communes « intermédiaires » en termes de rémunérations salariales.
Le bas des tableaux 2a et 2b présente les effets marginaux moyens de la victimation sur le déménagement (dans ces calculs, nous distinguons les cas où le
ménage a été victime de l’un au moins des deux types de victimation, de l’un ou
l’autre des deux types de victimation, et des deux types simultanément)2. Dans
chacun des cas, notons Vi la variable dichotomique qui vaut 1 si le ménage
i ( i = 1, …, n ) de l’échantillon a été victime (0 sinon), Di la variable dichotomique qui vaut 1 si ce ménage déménage (0 sinon), et Xi les caractéristiques du
1. Afin de ne pas allonger l’article, les estimations de ces coefficients ne sont pas reportées ici ;
elles sont disponibles auprès des auteurs. Ces autres régresseurs sont des indicatrices de composition
du ménage croisées avec l’âge de la personne de référence (personne seule de moins de 59 ans,
personne seule de plus de 60 ans, couple sans enfants dont la personne de référence a moins de
59 ans, couple sans enfants dont la personne de référence a plus de 60 ans, couple avec un enfant,
famille monoparentale), des indicatrices de niveau de revenu du ménage croisées avec le niveau de
vie de la commune de référence (quartile de revenu par unité de consommation croisé avec le fait
que le ménage vit dans une commune « pauvre », « riche », ou ni « riche », ni « pauvre »), l’origine
nationale de la personne de référence (communauté européenne, pays d’Europe de l’Est, Maghreb,
autres pays d’Afrique), l’indicatrice d’inégalité des salaires dans la commune, la taille de la
commune, le taux de chômage communal, la proportion de jeunes de 10 à 19 ans dans la commune,
la proportion d’étrangers dans la commune.
2. Les écarts types de ces effets marginaux n’ont pas été estimés faute de temps. Pour estimer
ces grandeurs, il eût fallu mettre en œuvre des procédures de bootstrap pour chacun des modèles
estimés. La demande qui nous a été faite d’estimer les effets marginaux moyens de la victimation sur
le déménagement nous est parvenue très tardivement dans le processus de révision du manuscrit. De
ce fait, il ne nous a pas été possible d’y répondre complètement en estimant également les écartstypes des effets marginaux moyens.
326
ménage et de son environnement. L’effet marginal de la victimation pour le
ménage i est égal à :
∆ i = Pr ( D i = 1 V i = 1, X i ) – Pr ( D i = 1 V i = 0, X i )
L’effet marginal moyen est alors estimé comme la moyenne de ces ∆i sur
l’ensemble de l’échantillon (i.e. pour l’ensemble des ménages) ou sur un souséchantillon particulier (par exemple, pour les ménages de faible revenu). Les
effets marginaux moyens estimés sur l’ensemble de l’échantillon sont plus
faibles que ceux estimés sur le sous-échantillon des ménages comprenant au
plus trois personnes de 15 ans et plus. Ils font apparaître que l’effet marginal
moyen des agressions individuelles sur la décision de déménager est bien plus
élevé pour les ménages à faible revenu, sachant qu’il est quasi nul pour les
autres types de ménage. À l’opposé, l’effet marginal moyen des atteintes aux
biens est plus élevé pour les ménages de revenu moyen1 ou élevé. Il est à
signaler que l’effet marginal moyen des atteintes aux biens est négatif pour les
ménages de faible revenu, probablement parce que dans leur cas, une atteinte
aux biens grève significativement leur revenu et donc leur possibilité de déménagement.
Les résultats relatifs aux effets de la victimation sur le déménagement sontils confirmés lorsqu’on tient compte de l’éventuelle endogénéité de la localisation initiale du ménage et de sa victimation, c’est-à-dire lorsqu’on fait l’hypothèse que localisation et victimation du ménage dépendent elles-mêmes non
seulement de variables exogènes caractéristiques du ménage et du contexte local,
mais aussi de termes aléatoires potentiellement corrélés avec le résidu de l’équation probit de déménagement ? Ces corrélations peuvent être justifiées de
plusieurs façons :
– les ménages dont les membres sont plus (respectivement, moins) prudents,
ou ont une aversion au risque plus (respectivement, moins) élevée, seraient
simultanément moins (respectivement, plus) exposés aux cambriolages et aux
agressions, et plus (respectivement, moins) susceptibles de déménager ; l’attitude face au risque, variable omise dans notre analyse, pourrait donc expliquer
la corrélation négative entre les résidus des équations probit relatives à la victimation et au déménagement ;
– les ménages plus enclins à s’installer dans une commune « pauvre », toutes
choses observables égales par ailleurs, pourraient avoir une propension différente au déménagement ; si par exemple certains de ces ménages étaient caractérisés par des instabilités diverses (professionnelles ou affectives), ils seraient
dans le même temps plus enclins à s’installer dans des communes « pauvres » à
bas salaires et à les quitter dès que leurs conditions de vie instables les conduisent, ou plus exactement les contraignent, à choisir une autre résidence ; de ce
fait, il serait tout à fait possible d’observer une corrélation positive entre les
résidus des équations probit relatives à la localisation et au déménagement.
Comme habituellement, l’absence de prise en compte de ces corrélations,
dans le cas où celles-ci sont significativement différentes de zéro, peut biaiser
1. Dans cet exercice, les ménages de revenu moyen sont définis comme ceux dont le revenu par
unité de consommation appartient au second ou au troisième quartile de la distribution des revenus
(par u.c.).
327
Revue économique
les estimations des coefficients des variables de victimation dans l’équation de
déménagement. En tenir compte à l’aide d’un modèle (causal) à équations simultanées a donc un double intérêt : il est ainsi possible d’établir, par l’inférence
statistique, un jugement sur l’existence de ces corrélations, mais, plus important
encore, l’estimation de ce modèle multivarié permet de confirmer ou de moduler,
une fois les corrélations potentielles prises en compte, les résultats du probit
univarié. Le modèle à équations simultanées a également le mérite de produire,
en plus de l’estimation de l’effet causal de la victimation sur le déménagement,
l’estimation conjointe des effets de plusieurs variables d’intérêt sur la probabilité
de victimation.
Pour tester l’éventuelle endogénéité de la localisation initiale du ménage et de
sa victimation, nous avons tout d’abord essayé d’estimer un modèle à quatre
équations probits simultanées par la technique du maximum de vraisemblance
simulé. Les quatre variables expliquées sont en ce cas : la localisation initiale
dans une commune classée comme « pauvre » selon le critère retenu, le fait que
le ménage ait été victime d’un cambriolage ou d’un vol de véhicule au cours des
deux années précédant la première enquête, le fait qu’au moins un individu de
15 ans et plus du ménage ait subi une agression dans le même intervalle, et, enfin,
le fait que le ménage ait déménagé entre les dates des deux enquêtes. Malheureusement, aucune des tentatives menées en ce sens n’a débouché sur une
convergence de l’algorithme d’optimisation.
Face à ces difficultés, nous nous sommes limités à l’estimation de deux
modèles à trois équations probits simultanées. Dans le premier modèle, nous
expliquons simultanément la localisation initiale du ménage dans une commune
« pauvre », le fait que le ménage ait été victime d’au moins une atteinte aux biens
(cambriolage ou vol de la voiture), et le déménagement. Dans le second, nous
expliquons simultanément la localisation initiale du ménage dans une commune
« pauvre », le fait que l’un au moins de ses membres âgés de 15 ans et plus a été
victime d’une agression, et le déménagement. Des estimations intermédiaires
ayant montré que le coefficient de corrélation entre les résidus des équations des
deux types de délits (atteintes aux biens et agressions contre les personnes) est
non significativement différent de zéro1, et donc que ces deux types de délits
frappent indépendamment les ménages, nous avons recouru à l’estimation de
deux modèles probits trivariés. Leur estimation n’a pu être obtenue que sur le
sous-échantillon des ménages comprenant au plus trois personnes âgées de
15 ans et plus. Les résultats reproduits ci-après doivent donc être interprétés avec
la réserve émise plus haut, à savoir que, dans cette catégorie de ménages, les
possibilités de déménagement sont vraisemblablement plus grandes. En comparant la quatrième colonne du tableau 2b et les troisièmes colonnes des tableaux 3
et 4, le lecteur pourra toutefois vérifier que l’ordre de grandeur et le signe des
coefficients associés aux variables de victimation dans l’équation de déménagement de cette catégorie ne sont pas modifiés après prise en compte des corrélations entre les résidus des trois équations.
En raison du rôle causal que l’on souhaite faire jouer à la victimation,
supposée affecter la probabilité de déménagement, l’identification des modèles
1. Ce résultat est obtenu dans le cadre de l’estimation de probits bivariés (victimation du ménage
et victimation individuelle), mais aussi de probits trivariés (victimation du ménage, victimation individuelle et déménagement).
328
probits doit reposer sur l’exclusion dans l’équation de déménagement de variables explicatives intervenant dans l’équation de localisation initiale et dans
l’équation de victimation. L’enquête ne fournissant pas de variables susceptibles de jouer clairement le rôle d’instruments valides (par exemple, une réforme
pertinente pour notre sujet d’étude, survenue au cours de la période d’observation), nous avons eu recours à des tests directionnels nous conduisant à exclure
de l’équation de déménagement des variables qui s’y étaient révélées statistiquement non significatives1. Ainsi figure dans l’équation de localisation, mais
pas dans l’équation de déménagement, la variable indicatrice des couples
jeunes, qui affecte positivement la localisation initiale dans une commune
« pauvre » mais pas le déménagement. Par ailleurs, sont incluses dans l’équation de victimation, mais pas dans celle de déménagement, la proportion
d’adolescents et le taux de chômage dans la commune (mesurés à l’aide du
recensement de 1999), ces deux variables accroissant de manière significative la
probabilité d’être victime, mais étant sans effet sur le déménagement. Les résultats des estimations des deux modèles probits trivariés sont contenus dans les
tableaux 3 et 4.
Les estimations des coefficients des modèles probits trivariés confirment que
les ménages de revenu moyen ou élevé partent plus à la suite d’une atteinte aux
biens (cf. colonne 3 du tableau 3)2. Mais ils déménagent moins que les plus
pauvres à la suite d’une agression contre un (au moins) de leurs membres (cf.
colonne 3 du tableau 4). Les effets marginaux moyens de l’un ou l’autre type de
victimation estimés pour les trois catégories de ménage (définies par le niveau
de revenu, faible, moyen ou élevé) sont plus élevés que dans le cas des probits
simples (cf. tableau 2b). Ils le sont particulièrement dans le cas des agressions
contre les personnes, et plus particulièrement encore dans ce cas, pour les
ménages de faible revenu (cf. bas du tableau 4). Pour cette catégorie de ménages,
le modèle probit trivarié conduit à une valeur estimée de l’effet marginal moyen
qui est presque deux fois et demi celle du cas univarié.
Expliquer ce dernier résultat, notamment en essayant de tenir compte de la
gravité des agressions physiques ou du préjudice financier, des caractéristiques
des personnes agressées (âge, sexe) et en croisant les effets du revenu du
ménage et du contexte local (commune, ou quartier, pauvre ou riche), est toutefois difficile, en raison de la faiblesse des effectifs des cellules obtenues après
croisement.
L’examen de quelques statistiques descriptives, calculées sur la totalité de
l’échantillon (soit 65 000 personnes), révèle toutefois que, si les individus appartenant aux ménages les plus pauvres ne subissent pas plus fréquemment des
agressions graves, entraînant de longs arrêts de travail, ils sont relativement plus
nombreux à connaître leur agresseur (tableau 5). Bien évidemment, la relation
entre la connaissance de l’agresseur et le déménagement mériterait d’être validée
à l’aide de données plus nombreuses que celles utilisées dans cet article.
1. Pour être plus précis, rappelons que la méthode des tests directionnels consiste à mettre tous
les instruments potentiels dans les équations auxiliaires et à les introduire un par un dans l’équation
d’intérêt, en en retranchant tous ceux qui n’y sont pas statistiquement significatifs.
2. Dans les estimations reportées dans les tableaux 3 et 4, nous avons agrégé les deux quartiles
centraux pour créer la modalité « revenu moyen », la référence étant un revenu appartenant au
premier quartile de la distribution des revenus.
329
Revue économique
Tableau 3. Localisation (dans une commune pauvre), victimation au niveau du ménage,
et déménagement
Col. 1
Constante ....................................
Nationalité
Communauté européenne ...........
Pays de l’Est ...............................
Maghreb ......................................
Autres pays d’Afrique ................
Autres .........................................
Type de ménage
Personne seule de moins de 59 ans
Couple sans enfants dont la pers.
de réf. a moins de 59 ans ............
de réf. a plus de 60 ans ...............
Couple, 1 enfant .........................
Famille monoparentale ...............
Autres .........................................
Situation matrimoniale
Femme célibataire ......................
Homme célibataire .....................
Marié ..........................................
Revenu
Revenu moyen ............................
Revenu assez élevé .....................
Revenu élevé ..............................
Revenu moyen dans commune
pauvre .........................................
Revenu assez élevé dans commune
pauvre .........................................
Revenu élevé dans commune
pauvre .........................................
Revenu faible dans commune
moyenne .....................................
moyenne .....................................
moyenne .....................................
moyenne .....................................
riche ............................................
riche ............................................
riche ............................................
riche ............................................
Commune pauvre .......................
Commune riche ..........................
Ménage victime ..........................
Ménage victime (avec revenu
moyen) ........................................
Col. 2
Col. 3
Victimation
Localisation dans
Déménagement
(Ménage)
une commune pauvre
Coeff. Std. Err Coeff. Std. Err Coeff. Std. Err
– 2,5401 (0,2175)
0,0401 (0,0567) – 1,6723 (0,1311)
– 0,1873
– 0,3204
– 0,3261
– 0,3725
– 0,5814
(0,1389)
(0,4059)
(0,2094)
(0,3954)
(0,5315)
– 0,4776
0,0295
– 0,4318
– 0,9200
– 1,4369
(0,1021) – 0,1823 (0,1498)
(0,2600)
0,5721 (0,3855)
(0,1552) – 0,3578 (0,2264)
(0,3279) – 0,2255 (0,3867)
(0,4897)
– 0,4873 (0,0652)
0,2232 (0,0615) – 0,5199 (0,1063)
0,0535 (0,0547)
0,1338 (0,0681) – 0,4485 (0,1191)
– 0,4193 (0,0592)
0,2920
0,0834
0,0907 (0,0717) – 0,0055
0,1341
(0,0758)
(0,0729)
(0,0726)
(0,1201)
– 0,1768
– 0,4489
– 0,3449
– 0,3757
(0,0689)
(0,0847)
(0,1595)
(0,1478)
– 0,2134 (0,0750)
0,0767 (0,0694)
0,0287 (0,0510) – 0,3311 (0,0710)
0,1653 (0,0625) – 0,1679 (0,0437)
0,2904 (0,0601) – 0,3428 (0,0435)
0,3568 (0,0600) – 0,6359 (0,0440)
– 0,1399 (0,0888)
– 0,2319 (0,0948)
– 0,3981 (0,1084)
1,1144 (0,3295)
0,8022 (0,3409)
0,5928 (0,3243)
0,5759 (0,2728)
0,9938 (0,3578)
1,0259 (0,3166)
0,6592 (0,3220)
0,4516 (0,2844)
– 0,0653 (0,0517)
0,1630 (0,0562)
– 0,1414 (0,5602)
0,3283 (0,1728)
330
Ménage victime (avec revenu
élevé) .........................................
Taille de la commune ................
0,0475
Inégalité au sein de la commune
0,0692
Taux de chômage communal .....
2,4098
Part d’étrangers dans la commune – 0,0690
Part d’adolescents dans la
4,0897
commune ...................................
Corrélation entre localisation (dans
une commune pauvre) et
déménagement ..............................
Corrélation entre victimation
(niveau ménage) et
déménagement ...........................
Effet marginal moyen des atteintes
aux biens du ménage :
– sur le déménagement des
ménages à faible revenu ...........
ménages à revenu moyen ...........
ménages à revenu élevé .............
0,3242 (0,1847)
0,0457 (0,0134)
0,1151 (0,0695)
(0,0131)
(0,0708)
(0,5091)
(0,5295)
– 0,3285 (0,4996)
(0,9756)
0,5940 (0,1910)
– 0,0030 (0,2760)
– 2,64 %
3,44 %
3,35 %
Modèle estimé par maximum de vraisemblance. Log-vraisemblance moyenne : – 1.2832.
Source : INSEE, Enquête « EPCVM ». Nombre d’observations : 7 433.
Tableau 4. Localisation (dans commune pauvre), victimisation au niveau individuel,
et déménagement
Col. 1
Col. 2
Victime
Localisation dans
individuelle
une commune pauvre
Coeff. Std. Err. Coeff. Std. Err.
Constante ...................................
– 2,0348 (0,2085)
Nationalité
Communauté européenne ..........
Pays de l’Est ..............................
Maghreb .....................................
Autres pays d’Afrique ...............
Autres ........................................
– 0,0836
– 0,2857
– 0,3669
0,0681
– 0,0972
(0,1232)
(0,3266)
(0,1916)
(0,3168)
(0,3983)
Col. 3
Déménagement
Coeff.
Std. Err.
0,0378 (0,0565) – 1,7103 (0,1283)
– 0,4773
0,0314
– 0,4334
– 0,9248
– 1,4427
(0,1021) – 0,1961 (0,1442)
(0,2634)
0,6009 (0,3486)
(0,1559) – 0,3251 (0,2242)
(0,3333) – 0,2791 (0,3636)
(0,4899)
Type de ménage
Personne seule de plus de 60 ans
de réf. a moins de 59 ans ...........
de réf. a plus de 60 ans ..............
Couple avec un enfant ...............
Famille monoparentale ..............
Autres ........................................
Situation matrimoniale
Femme célibataire .....................
– 0,5312 (0,0628)
0,0592 (0,0522)
– 0,4988 (0,0582)
0,2258 (0,0615) – 0,4779 (0,0976)
0,1378 (0,0682)
0,2951 (0,0758) – 0,4010 (0,1083)
0,0865 (0,0728) – 0,1630 (0,0675)
0,2066 (0,0662) – 0,0031 (0,0725) – 0,4768 (0,0848)
0,1378 (0,1202) – 0,3419 (0,1597)
– 0,1863 (0,0704)
Homme célibataire ....................
Marié .........................................
0,0819 (0,0691)
0,0281 (0,0510) – 0.3349 (0,0692)
331
Revue économique
Revenu
Revenu moyen ............................
– 0,0751 (0,0589) – 0,1684 (0,0438)
Revenu assez élevé .....................
– 0,0210 (0,0568) – 0,3434 (0,0435)
Revenu élevé ..............................
0,0708 (0,0563) – 0,6366 (0,0441)
pauvre .........................................
– 0.0666 (0,0874)
pauvre .........................................
– 0,1530 (0,0902)
Revenu élevé dans commune pauvre
– 0,3160 (0,1018)
moyenne .....................................
1,1095 (0,3091)
moyenne .....................................
0,9132 (0,3095)
moyenne .....................................
0,6966 (0,2975)
moyenne .....................................
0,6905 (0,2481)
Revenu faible dans commune riche
0,9797 (0,3378)
Revenu moyen dans commune riche
1,1217 (0,2885)
riche ............................................
0,7615 (0,2945)
Revenu élevé dans commune riche
0,5619 (0,2600)
Commune pauvre .......................
– 0,0795 (0,0502)
Commune riche ..........................
0,0590 (0,0552)
Victime individuelle ...................
0,6420 (0,4613)
Victime individuelle (ménage
à revenu moyen) .........................
– 0,2414 (0,1286)
Victime individuelle (ménage
à revenu élevé) ............................
– 0,3178 (0,1405)
Taille de la commune .................
0,0806 (0,0123)
0,0385 (0,0137)
Inégalité au sein de la commune
0,0666 (0,0687)
0,1107 (0,0674)
Taux de chômage communal ......
– 0,0561 (0,4954)
Part d’étrangers dans la commune
0,8134 (0,4548)
Part d’adolescents
dans la commune ........................
2,6845 (0,9472)
Corrélation entre localisation (dans
une commune pauvre)
et déménagement
Corrélation entre victimation
et déménagement ........................
– 0,3708 (0,4897)
0,6130 (0,1730)
– 0,1990 (0,2450)
Effet marginal moyen des agressions contre les individus :
ménages à faible revenu .......
14,9 %
ménages à revenu moyen .....
8,15 %
ménages à revenu élevé .......
6,37 %
Modèle estimé par maximum de vraisemblance. Log-vraisemblance moyenne : – 1.3174.
Source : INSEE, Enquête « EPCVM ». Nombre d’observations : 7 433.
332
Tableau 5. Proportion d’agressions ayant entraîné des arrêts de travail
(en fonction du revenu du ménage)
(en %)
Classe de revenu
er
nd
e
3 quartile
4 quartile
7,4
6,3
7,4
5,1
1 semaine ou moins .....................................
56,3
46,2
59,1
49,1
Entre 1 semaine et 1 mois ...........................
31,0
34,6
28,8
34,0
Plus d’un mois .............................................
12,7
19,2
12,1
17,0
Victimes connaissant l’agresseur ...............
50,8
39,2
35,3
32,0
Agressions suivies d’un arrêt de travail .....
1 quartile 2 quartile
e
Durée de l’arrêt de travail
Source : INSEE, Enquête « EPCVM », 1997-2002. Nombre d'observations : 65 000.
Par ailleurs, les estimations des coefficients montrent que la probabilité d’un
cambriolage ou d’un vol de véhicule augmente avec le niveau de revenu du
ménage, la taille de la commune, son taux de chômage et la proportion d’adolescents qui y résident. Elle est plus élevée dans les communes « riches » mais elle
est plus faible pour les ménages âgés et les femmes célibataires (cf. colonne 1 du
tableau 3). La probabilité qu’une personne au moins dans le ménage déclare
avoir été agressée est sans relation avec le revenu du ménage, la « richesse » de
la commune ou son taux de chômage. C’est malgré tout une fonction croissante
de la taille de la commune et de la proportion d’adolescents qui y résident. Elle
est moins élevée pour les personnes appartenant à des ménages âgés, et plus
élevée pour les personnes appartenant à un couple jeune (sans ou avec enfant)
ou à un ménage monoparental (cf. colonne 1 du tableau 4). Les célibataires, les
couples jeunes, les ménages les plus riches, mais aussi les étrangers, résident
moins fréquemment dans les communes « pauvres » (cf. colonnes 2 des
tableaux 3 et 4). Pour l’essentiel seuls sont corrélés (positivement) les résidus des
équations de localisation initiale et de déménagement (cf. tableaux 3 et 4)1.
CONCLUSION
Notre étude avait pour objectif de quantifier l’effet causal de la délinquance
subie par les ménages sur leur probabilité de déménagement. Elle prolonge et
précise celle réalisée par Levitt et Cullen [1999] qui ont quantifié les effets de la
délinquance sur la mobilité résidentielle aux États-Unis à l’aide de données agrégées. Nos résultats, obtenus à l’aide des données des enquêtes de l’INSEE sur les
conditions de vie des ménages montrent que :
1. La probabilité d’une atteinte aux biens du ménage (cambriolage ou vol de
véhicule) augmente avec le niveau de revenu du ménage, la taille de la commune,
son taux de chômage et la proportion d’adolescents qui y résident. Elle est plus
élevée dans les communes « riches » ;
1. Les modèles dans lesquels la corrélation entre localisation initiale et victimation était également introduite n’ont pu être estimés. Il nous a fallu contraindre cette corrélation à être nulle pour
atteindre la convergence.
333
Revue économique
2. La probabilité qu’une personne au moins dans le ménage déclare avoir été
agressée est sans relation avec le revenu du ménage, la « richesse » de la
commune ou son taux de chômage. C’est malgré tout une fonction croissante de
la taille de la commune et de la proportion d’adolescents qui y résident. Elle est
moins élevée pour les personnes appartenant à des ménages âgés, et plus élevée
pour les personnes appartenant à un couple jeune ou à un ménage monoparental ;
3. L’intensité des déménagements consécutifs à des atteintes aux biens ou aux
personnes est inférieure à celle reportée par Levitt et Cullen [1999] qui estiment
qu’aux États-Unis, chaque nouvel acte de délinquance enregistré est associé au
départ d’une personne hors de l’agglomération ; il se peut que cette différence
tienne à la moindre fluidité du marché du logement en France ;
4. Les ménages de revenu moyen ou élevé déménagent plus fréquemment à
la suite d’une atteinte aux biens. Mais ils déménagent moins que les plus pauvres
à la suite d’une agression contre un (au moins) de leurs membres.
Ce dernier résultat est quelque peu inattendu. Les statistiques descriptives
calculées sur la totalité de l’échantillon (soit 65 000 personnes) révèlent toutefois
que les individus appartenant aux ménages les plus pauvres connaissent plus
souvent leur agresseur que les personnes appartenant à des ménages plus riches.
Victimes de délinquants qui sont vraisemblablement leurs voisins, exposés de ce
fait à des violences physiques ou verbales répétées, privés de la protection des
forces de police, les ménages les plus pauvres victimes de la délinquance échapperaient à leurs agresseurs par le biais de cette « mobilité inquiète » qu’évoque
Marx1 ; ils espéreraient ainsi accéder à des zones d’habitation pas forcément plus
aisées, mais peut-être moins dangereuses car plus laborieuses. La jeune femme
américaine interrogée par William Julius Wilson en 1996, et dont les propos sont
repris au début de cet article, le dit fort bien : « Mieux vaut déménager pour
s’installer dans un quartier décent et vivre au sein d’une communauté de
personnes qui ont un travail. »
Il reste malgré tout une hypothèse à valider, celle concernant la relation entre
le revenu moyen de la commune de résidence et le niveau de revenu des ménages
qui la quittent après avoir été victimes de délinquants. Cette question est importante car elle est au centre de l’analyse des phénomènes de ghettoïsation. Dans
les quartiers défavorisés, la délinquance pourrait expliquer, en relation étroite
avec d’autres phénomènes (fuite des entreprises et des commerces vers les
centres des villes et dans les zones dédiées aux activités industrielles et commerciales, désengagement des services publics, diminution de la qualité des établissements scolaires, etc.)2, le départ des classes moyennes et même de certains
1. « Le criminel suscite cette tension et cette mobilité inquiète sans lesquelles l’aiguillon de
la concurrence lui-même s’émousserait » (Marx, Matériaux pour « l’économie », dans Œuvres,
tome II, p. 399).
2. Ces phénomènes et leurs conséquences néfastes sur la ségrégation urbaine sont bien décrits
dans un rapport récent du Conseil d’analyse économique (Fitoussi, Laurent et Maurice [2004]), qui,
entre autres mérites, plaide pour la mise en place d’une politique publique volontariste en faveur des
quartiers et des zones de relégation sociale. Il est évident que dans l’esprit des auteurs de ce rapport,
comme dans le nôtre, les instruments d’une telle politique doivent impérativement compléter toute
action publique visant à rétablir la sécurité des habitants de ces quartiers. Si la puissance publique
oubliait ce que sont les causes sociales et économiques de la délinquance, sa politique sécuritaire
serait à terme condamnée à l’échec.
334
ménages modestes. Une étude statistique rigoureuse permettrait peut-être de
valider l’hypothèse de Jacques Donzelot, selon qui « les pauvres relégués en
périphérie constituent une « menace » pour les moins pauvres, en termes de
sécurité pour leur personne et leurs biens », ces derniers voulant « à tout prix
quitter la périphérie pour fuir les effets négatifs de la promiscuité avec ceux qui
s’y trouvent relégués » (Donzelot [2003]). Ce type de résultat permettrait également d’interpeller les partisans de la mixité sociale en leur rappelant que celleci ne se décrète pas. La mobilité résidentielle et la structure sociale de l’espace
géographique, qui est le produit de cette mobilité, sont des processus endogènes1.
La définition et la mise en place de dispositifs d’incitations ou d’interventions
permettant de limiter la ségrégation urbaine passent par la mise en évidence préalable des logiques qui la déterminent. En ce domaine, comme dans beaucoup
d’autres, il convient de ne pas confondre les causes et leurs effets.
RÉFÉRENCES BIBLIOGRAPHIQUES
BECKER G. S. [1968], « Crime and Punishment: An Economic Approach », Journal of
Political Economy, 76, p. 169-217.
DONZELOT J. [2003], « Les nouvelles inégalités et la fragmentation territoriale », Esprit,
299, p. 132-157.
DUGAN L. [1999], « The Effect of Criminal Victimization on a Household’s Moving
Decision », Criminology, 37, p. 903-930.
DUMARTIN S. et TACHÉ C. [2001], « Évaluations de la qualité de l’environnement, des
nuisances et de l’insécurité », Insee-Résultats n° 740, INSEE.
EHRLICH I. [1973], « Participation in Illegitimate Activities: A Theoretical and Empirical
Investigation », Journal of Political Economy, 81, p. 521-565.
ENTORF H. et SPENGLER H. [2000], « Socio-Economic and Demographic Factors of
Crime in Germany: Evidence from Panel Data of the German States », International
Review of Law and Economics, 20, p. 75-106.
FITOUSSI J. P., LAURENT E. et MAURICE J. [2004], Ségrégation urbaine et intégration
sociale. Rapport n° 45, Conseil d’analyse économique, La Documentation française,
Paris.
FOUGÈRE D., KRAMARZ F. et POUGET J. [2003], « Crime and Unemployment in France »,
Mimeo, CREST-INSEE.
FREY W. [1979], « Central City White Flight: Racial and Nonracial causes », American
Sociological Review, 44, p. 425-448.
GLAESER E. L., SACERDOTE B. et SCHEINKMAN J. [1996], « Crime and Social Interactions », Quarterly Journal of Economics, 111, p. 507-548.
GOULD E., WEINBERG B. et MUSTARD D. B. [2002], « Crime Rates and Local Labor
Market Opportunities in the United States: 1977-1997 », Review of Economics and
Statistics, 84, p. 45-61.
GRUBB W. N. [1982], « The Flight to the Suburbs of Population and Employment, 19601970 », Journal of Urban Economics, 11, p. 348-367.
KATZMAN M. [1980], « The Contribution of Crime to Urban Decline », Urban Studies,
17, p. 277-286.
1. C’est ce dont nous avons essayé de tenir compte en incorporant dans notre modèle une équation explicative de la localisation initiale des ménages dans le groupe des communes classées comme
« pauvres ».
335
Revue économique
LAGRANGE H. [2003], Demandes de sécurité. France, Europe, États-Unis, Paris, Le
Seuil.
LEVITT S. D. [1997], « Using Electoral Cycles in Police Hiring to Estimate the Effect of
Police on Crime », American Economic Review, 87, p. 270-290.
LEVITT S. D. [1998], « Juvenile Crime and Punishment », Journal of Political Economy,
106, p. 1156-1185.
LEVITT STEVEN D. et CULLEN J.B. [1999], « Crime, Urban Flight, and the Consequences
for Cities », Review of Economics and Statistics, 81, p. 159-169.
MACHIN S. et MEGHIR C. [2000], « Crime and Economic Incentives », The Institute for
Fiscal Studies Working Paper, no. 00/17, Londres (à paraître dans The Journal of
Human Resources).
MARX K. [1861-1865], Matériaux pour « l’économie », dans Œuvres, tome II, Bibliothèque de la Pléiade, Paris, Gallimard.
SAMPSON R. J. et WOOLREDGE J.D. [1986], « Evidence that High Crime Rates Encourage
Migration Away from Central Cities », Sociology and Social Research, 90, p. 310314.
WILSON W. J. [1996], When Work Disappears. The World of the New Urban Poor, NewYork. Alfred A. KNOPF, Inc.
336

PDF Version

Transcription

Documents pareils

Type de ménage Type de logement en état de précarité à revenus

Les plafonds de ressources Les HLM sont réservés à des ménages

Code personne recevant argent (s06q09) Fichier: cq06

Codes des secteurs d`activité 01- Agriculture, sylviculture et pêche

Plafonds de ressources hlm 2015

crédit à la consommation

CHARTE DE L`ACCOMPAGNEMENT SOCIAL LIE AU LOGEMENT

PLAFONDS DE RESSOURCES au 1er janvier 2015

EJET (Cycle 1, âgés de 18

recrutement atsem ou agent d`animation