Analyse statistique du chômage en France métropolitaine
Antsa RATSIMANOHATRA et Stéphane RANAIVOSOA
1 Introduction 2 Méthodes 2.1 Les données 2.2 Retraitement et mise en forme des données 2.2.1 Retraitement des données 2.2.2 Mise en forme 3 Etude du chômage selon les catégories et les régions 3.1 Etude selon le sexe 3.2 Etude selon les catégories d'âge 3.3 Etude selon les régions 4 Etude de la croissance et du taux de chômage 4.1 Comparaison des PIB régionaux 4.2 Etude avant et après la crise 4.3 Loi d'Okun 5 Conclusion 6 Références
1 Introduction
Le but de cette étude est de proposer une analyse statistique du chômage en France, notamment par l’étude de l’évolution au cours du temps du nombre de demandeurs d’emploi en France. Dans cette étude, le cadre sera restreint aux régions de la France Métropolitaine.
Dans un premier temps, le travail sera axé sur l’étude des disparités qui existent entre différentes classes, notamment le sexe et les catégories d’âges. On s’appuiera ainsi sur des graphiques pour caractériser le chômage en France métropolitaine et son évolution au cours du temps. On s’intéressera également aux différences qui existent sur le nombre de demandeurs d’emplois selon les grandes régions de la France Métropolitaine.
Puis dans un second temps, l’étude portera sur la relation entre le chômage et la croissance en France. On tentera ainsi de démontrer empiriquement la corrélation entre ces deux données économiques. Pour cela, on étudiera sur deux périodes distinctes (la première qui correspond à la période précédant la crise de 2008, et la seconde à celle qui s’en est suivie) l’évolution de ces deux variables. On mettra également l’accent dans cette partie, sur les différences existantes entre les régions.
2 Méthodes
Avant de directement rentrer dans l'analyse de nos données, nous avons pris le temps de décrire le processus de récupération et de mise en forme des données récupérées librement sur internet (open data).
2.1 Les données
Liste des ressources utilisées :
Séries mensuelles régionales du nombre de demandeurs d'emploi entre 1995 et 2016 (http://dares.travail-emploi.gouv.fr/dares-etudes-et-statistiques/statistiques-de-a-a-z/article/les-demandeurs-d-emploi-inscrits-a-pole-emploi-les-series-mensuelles-regionales)
Taux de chômage par sexe entre 1985 et 2013 (https://www.insee.fr/fr/statistiques/1906672?sommaire=1906743)
Taux d'emploi par âge entre 1975 et 2014 (https://www.insee.fr/fr/statistiques/1906676?sommaire=1906743#tableau-T16F046G3)
Population de la France entre 1975 et 2016 (https://www.insee.fr/fr/statistiques/1893198)
PIB régional en 2013 (https://www.insee.fr/fr/statistiques/2012723#col_1=2)
Taux de chômage localisés par région - Séries trimestrielles (http://www.bdm.insee.fr/bdm2/choixCriteres?codeGroupe=712)
Produits intérieurs bruts régionaux et valeurs ajoutées régionales de 1990 à 2014 (https://www.insee.fr/fr/statistiques/1893220)
2.2 Mise en forme des données
2.2.1 Retraitement des données
Selon nos besoins, nous avons extrait les informations qui nous intéressaient et effectué des calculs. A noter que toutes les données récupérées issues de nos sources n'étaient pas à retraiter.
Liste des tableaux de données finaux que nous avons exploités tout au long de ce rapport.
- Nombre de demandeurs d'emploi en fonction de l'âge et du sexe par région Pour obtenir ce tableau, nous avons utilisé notre première source de données qui comporte les effectifs par zone d'emploi (source 1). Nous avons du regrouper les zones d'emploi par région pour obtenir ce que l'on voulait, c'est-à-dire le nombre de demandeurs par région.
- Taux de chômage par sexe entre 1985 et 2014 Aucune modification n'a été effectuée sur le fichier récupéré (source 2).
- Population, nombre de demandeurs d'emploi et taux de demandeurs d'emploi en 2016 par région Pour créer ce fichier, nous avons fusionné les données des demandeurs d'emploi (source 1) et de la population en 2016 (source 4). Le taux de demandeurs d'emploi a été calculé en faisant le ratio de ces deux variables.
- Taux d'emploi en fonction de l'âge Aucune modification n'a été effectuée sur le fichier récupéré (source 3).
- PIB total et par habitant en 2013 par région Aucune modification n'a été effectuée sur le fichier récupéré (source 5).
- Taux de croissance entre 1990 et 2014 par région A partir du PIB annuel entre 1990 et 2014 (source7), nous avons calculé le taux de variation du PIB d'une année à l'autre par région.
- Taux de chômage entre 1990 et 2014 par région Avec la source 6, nous obtenions directement le taux de chômage trimestriel. Donc, pour avoir le taux de chômage annuel, nous avons décidé de faire la moyenne annuelle à partir des taux trimestriels.
- Code pour créer un histogramme en ggplot,
- Code pour créer une série chronologique en ggplot,
- Code pour créer une carte de France.
2.2.2 Mise en forme
Une mise en forme des données en amont est nécessaire afin de pouvoir les représenter à l'aide de la librairie *ggplot* du logiciel *R*. Nous avons fait appel à cette librairie en particulier pour la réalisation de nos histogrammes et de nos séries chronologiques. Cette mise en forme est différente de celle pour cartographier nos données. Voici pour chaque type de graphique dessiné, un code que nous avons utilisé afin d'illustrer la structure type des tableaux de données à représenter.3 Etude du chômage selon les catégories et les régions
3.1 Etude selon le sexe
Les graphiques de cette section permettent de visualiser les différences entre le nombre de demandeurs d’emploi selon le sexe.
On remarque une certaine parité au niveau du nombre de demandeurs
d’emploi selon le sexe en 2016 dans chacune des régions.
Par ailleurs l’évolution au cours du temps du nombre de demandeurs
d’emploi démontre que les femmes sont généralement majoritaires dans la
recherche d’emploi. On note cependant que l’écart entre les hommes et
les femmes tend à diminuer au fil du temps.
Pour vérifier cette tendance il est nécessaire d’analyser ces chiffres
en rapport avec la population active. On obtient ainsi le taux de
chômage. En étudiant le taux de chômage selon le sexe, on peut confirmer
les conclusions tirées des précédents graphiques. En effet le taux de
chômage des femmes est bien supérieur au taux national, et donc à celui
des hommes. Les dernières années tendent cependant à montrer des taux
plus homogènes pour les deux sexes, et même des taux inférieurs pour les
femmes. Cependant, il faut remarquer que ces données ne permettent de
donner qu’une idée quantitative des disparités en termes d’emploi entre
les hommes et les femmes et non qualitative (rénumération, catégorie
socioprofessionnelle, etc.).
3.2 Etude selon les catégories d’âge
L’histogramme suivant montre les disparités en termes d’emploi entre trois différentes classes d’âges. Ainsi pour l’ensemble des régions, les personnes recherchant un emploi sont majoritairement âgées de 25 à 39 ans.
Sur les courbes ci-dessus, on observe que l’évolution du nombre de
demandeurs d’emploi selon la classe d’âge est relativement stable pour
les personnes âgées de moins de 25 ans. Cela n'est pas véritablement le
cas pour les autres catégories (les demandeurs âgés entre 25 et 49 ans
et les plus de 50 ans) qui connaissent toutes deux une brusque
croissance à partir de 2008. On peut noter aussi une espèce de creux en
2001 chez les 25 et 49 ans. Ces variations en 2001 et 2008 pourraient
être liées respectivement à la bulle internet de l'an 2000 et à la crise
des subprimes. Mais cela reste à démontrer.
Comme précédemment, nous avons mis en relation avec le graphe des demandeur d'emploi le taux d'emploi en fonction de l'âge afin d’avoir l'évolution de la population active.
Définition de l’insee du taux d’emploi : Le taux d'emploi d'une classe d'individus est calculé en rapportant le nombre d'individus de la classe ayant un emploi au nombre total d'individus dans la classe. Il peut être calculé sur l'ensemble de la population d'un pays, mais on se limite le plus souvent à la population en âge de travailler (généralement définie, en comparaison internationale, comme les personnes âgées de 15 à 64 ans), ou à une sous-catégorie de la population en âge de travailler (femmes de 25 à 29 ans par exemple).
Ce graphique présentant l’évolution du taux d’emploi en France met en
avant les disparités existantes selon les catégories d’âges.
Effectivement, on note une certaine stabilité du taux d’emploi des
personnes âgées de 25 à 49 ans. Les moins de 25 ans ont vu leur taux
d’emploi diminuer au cours du temps. Quant aux plus de 50 ans, ils ont
connu une baisse du taux d'emploi durant les années 1980 pour ensuite
remonter et retrouver leur taux de 1975 (environ 58%).
3.3 Etude selon les régions
Les cartes de la France métropolitaine présentent une comparaison entre
le nombre de demandeurs d’emploi par région et la population dans chaque
région en 2016. Il apparaît ici que le nombre de demandeurs d’emploi
d’une région dépend fortement de sa population. En effet comme le montre
les deux cartes, les régions à forte population ont un nombre de
demandeurs d’emploi élevés. La correspondance est d’autant plus
flagrante que les tons de couleurs concordent parfaitement entre les
deux cartes.
Pour confirmer nos dires, nous avons réalisé une régression afin d'étudier la relation entre les demandeurs d'emploi et la population française en 2016.
##
## Call:
## lm(formula = demandeurs ~ population, data = data_demandeurs_pop)
##
## Residuals:
## Min 1Q Median 3Q Max
## -61711 -32583 -11729 11050 93190
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 3.205e+04 2.944e+04 1.089 0.299
## population 9.129e-02 5.159e-03 17.695 1.98e-09 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 52150 on 11 degrees of freedom
## Multiple R-squared: 0.9661, Adjusted R-squared: 0.963
## F-statistic: 313.1 on 1 and 11 DF, p-value: 1.98e-09
La statistique de Fisher du modèle est beaucoup plus grande que 1 (313.1), il existe donc une relation entre les demandeurs d'emploi et la population de France.
De plus la p-value associée à la population est très petite (1.98e-09), ce qui montre que la population impacte bel et bien le nombre de demandeurs d'emploi en France métropolitaine.
Pour visualiser cette relation, nous avons superposé la droite de régression du modèle aux données étudiées.
Afin de mieux comparer les régions entre elles, il est donc plus pertinent de comparer le taux de demandeurs d’emploi par région. Pour cela, on calcule le rapport entre le nombre de personnes cherchant un emploi et la population effective de la région.
On comparera ensuite ce taux au taux de demandeurs d’emploi de toute la France Métropolitaine afin de mettre en exergue les régions les plus dynamiques.
Ici, nous avons déterminé deux classes de couleur en fonction de la valeur 9.77, qui correspond au pourcentage national de demandeurs d'emploi. Cette cartographie de la France permet de mieux percevoir le dynamisme des régions en termes d’emploi. A titre d’exemple, la première carte de la France métropolitaine montre que l’Ile-de-France est une région possédant un nombre important de demandeurs d’emploi. Pourtant, il apparaît que cette région possède un taux inférieur à la moyenne métropolitaine.
4 Taux de chômage et croissance
La seconde partie de ce rapport se donne pour objectif de montrer les liens entre la croissance économique et le taux de chômage. En théorie, la croissance est censée être créatrice d’emplois. La croissance économique désignant la variation positive de la production de biens et de services dans une économie sur une période donnée, généralement une période longue. En pratique, l'indicateur le plus utilisé pour la mesurer est le produit intérieur brut ou PIB. Ainsi pour produire plus, les entreprises ont besoin de main d’œuvre entrainant en théorie une baisse du taux de chômage. En France, lorsque la croissance est inférieure à 2%, le taux de chômage à tendance à augmenter. Cette relation empirique entre le taux de chômage et la croissance a été démontrée par Arthur Okun en 1962 : c'est ce que l'on appelle la loi d'Okun.
4.1 Comparaison des PIB régionaux
A travers ces cartographies, on peut observer quelles régions de la
France Métropolitaine sont les plus riches. On comparera ainsi les
régions au travers du PIB par habitant de chaque région et du PIB
régional.
En termes de biens et services produits par région on notera le poids prépondérant de l’Ile-de-France dans la production nationale. Le PIB de l’Ile-de-France représentant à lui seul 30% du PIB total de l’économie française. En ce qui concerne le PIB par habitant, on observe également l’écart important entre l’île de France et les provinces. Son PIB par habitant est quasiment deux fois plus important que celui de chacune des autres régions.
Enfin on remarque également que le classement des régions les plus riches est différent selon l’indicateur utilisé. Cela étant évidemment dû aux différences en termes de population.
4.2 Etude avant et après la crise
Une première approche pour étudier la relation entre le taux de chômage et la croissance consiste à visualiser l’évolution au cours du temps de ces deux données. Il a donc semblé pertinent d’étudier les séries obtenues sur deux périodes. On s’intéressera donc à la période précédant la crise de 2008 et ensuite à la période suivant la crise.
Les courbes de la croissance évoluent en dents de scie sur la première période étudiée, oscillant entre 0% et 5% selon les régions. La croissance de la France métropolitaine se situant en moyenne à 3 - 4 % juste avant la crise.
La crise de 2008 a vu la croissance chuter de 4 points faisant rentrer
en conséquence l’économie en récession. On observera certes, une reprise
de l’activité entre 2009 et 2010, cela pouvant être imputé aux mesures
de relances entreprises par le gouvernement pour relancer l’activité.
Par la suite, la croissance recommencera à décroître, pour s’installer à
un niveau relativement bas. Cette période se caractérisant ainsi par une
croissance atone, variant en moyenne autour de 0% et 2% de croissance.
Par opposition, on observe un taux de chômage relativement faible juste avant la crise, variant entre 7% et 8 % sur cette période. Le taux de chômage de la France métropolitaine durant la période suivant la crise se différencie ensuite par une hausse progressive du taux de chômage sur presque l’ensemble des régions. Les cartes qui suivent vont permettre de mieux visualiser les différences entre les deux périodes évoquées
Les deux cartographies ci-haut représentent les taux de croissance
moyen du PIB pour chaque région sur deux périodes distinctes : l'une
allant de 1990 à 2008 et l'autre de 2008 à 2014. L’idée étant de mettre
en relief les différences entre la période d’avant et après la crise.
On remarque évidemment que les taux de croissance moyens par région sont bien plus élevés sur la première période que sur la seconde. Néanmoins les régions à la plus forte croissance (Ile-de-France, Corse, Occitanie) restent les mêmes quelles que soient la période.
Grâce à cette appréciation du dynamisme économique régional, il est maintenant pertinent de s’intéresser à l’étude du taux de chômage moyen pour chacune des régions toujours sur les mêmes périodes.
On observe sur les deux dernières cartes que le taux de chômage s'est
accru après la crise pour toutes les régions sauf en Corse. Par ailleurs
on notera que le taux de chômage est d’autant plus élevé que la
croissance est faible sur la période d’après-crise. Cette approche
permet d’obtenir des premières informations concernant la relation entre
le chômage et la croissance.
4.3 Loi d'Okun
On remarque cependant sur les cartographies précédentes que la croissance reste malgré tout positive sur la période d’après crise. On pourrait donc penser que le taux de chômage devrait baisser légèrement grâce à cette faible croissance. Cependant, la Loi d'Okun établit une relation entre le taux de croissance (PIB) et la variation du taux de chômage. On considère ainsi qu'il faut une croissance supérieure à 3% en moyenne pour faire baisser le chômage. Ce taux varie selon les pays, car il dépend de deux facteurs : l'évolution de la population active et de la productivité du travail.
La population active n’étant pas stable (on a montré précédemment que la démographie de la population était fortement corrélée à la demande d'emploi), si elle augmente de 1% par an, il faut que la croissance de la production croît elle aussi de 1% pour que le chômage se stabilise, pour que les nouveaux arrivants sur le marché du travail soient "absorbés".
De plus, on estime que la productivité du travail s'accroît chaque année (progrès techniques, formation du personnel, management de plus en plus efficace). Cet accroissement est destructeur d’emplois. En effet, la production de certains biens et services nécessitant moins de main d’œuvre, cela se traduit par des suppressions d’emplois. De ce fait, si la productivité horaire augmente de +0.5%, il faut que la croissance augmente de la même valeur pour stabiliser le chômage. Ainsi en considérant ces chiffres, on détermine que la croissance fera baisser le chômage à partir d’un taux supérieur à 1,5%. On appellera ce taux, le taux de croissance potentiel.
##
## Call:
## lm(formula = Okun[, 1] ~ Okun[, 2], data = Okun)
##
## Residuals:
## Min 1Q Median 3Q Max
## -0.78603 -0.24783 0.02333 0.29422 0.93821
##
## Coefficients:
## Estimate Std. Error t value Pr(>|t|)
## (Intercept) 0.92819 0.19326 4.803 8.50e-05 ***
## Okun[, 2] -0.28042 0.05667 -4.948 5.97e-05 ***
## ---
## Signif. codes: 0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
##
## Residual standard error: 0.4662 on 22 degrees of freedom
## Multiple R-squared: 0.5268, Adjusted R-squared: 0.5052
## F-statistic: 24.49 on 1 and 22 DF, p-value: 5.969e-05
Cette régression nous montre bien une corrélation négative entre la croissance et le taux de chômage. Par ailleurs, elle nous permet également d’obtenir le coefficient d’Okun. Ainsi sur la période allant de 1991 à 2014, le coefficient de la droite de régression, ici -0.28042, indique que lorsque la croissance réelle est supérieure d'un point à la croissance potentielle, alors le taux de chômage diminue en moyenne de 0.28042 point.
5 Conclusion
Pour conclure, il a été montré qu’au fil du temps, certaines classes d’individus étaient bien plus touchées par le chômage, notamment les femmes et les jeunes. Concernant les différences selon les différentes catégories d’âges, la tendance tend à se confirmer pour les jeunes. On remarque ainsi une plus forte exposition pour ces derniers. On peut cependant supposer que l’allongement des études pour certains et le manque d’expérience pour d’autres, rend leur insertion sur le marché du travail plus difficile. Concernant les femmes, la dynamique est toute autre. On peut observer une convergence du taux de chômage des femmes vers celui des hommes ces dernières années. On notera toutefois que cette étude, ne s’est pas intéressée aux variables qualitatives du marché du travail, à savoir les catégories socio-professionnelles, les rémunérations et les différents postes et grades.
Enfin, la loi d'Okun (ou l'intuition d'Okun) s'est avérée être une des relations les plus durables de la macroéconomie moderne. Cette propriété étant souvent présentée comme étant l’une des croyances fondamentales de l’économie. Cette loi semble également se distinguer par sa durabilité et sa simplicité. Par ailleurs il est impossible d’établir un coefficient d’Okun unique pour l’ensemble des économies. Cette variabilité s’expliquant en grande partie par les différences sur l’évolution de la population active, et de la productivité du travail.