## Warning: package 'rmdformats' was built under R version 3.6.2

INTRODUCTION

L’inégalité économique dans le monde est un phénomène présent depuis toujours et, dans une certaine mesure, c’est un phénomène inévitable. De nombreux facteurs expliquent cela, qu’ils soient naturels : différences de climat, différences de ressources naturelles selon les territoires, situation géographique entre autres ou politiques : colonisation, guerres, régime politique du pays… Tous ces facteurs font qu’aujourd’hui nous nous retrouvons dans un monde très inégalitaire sur tous les plans (économique, politique, qualité de vie). D’un point de vue économique par exemple, l’écart est colossal entre les grandes puissances mondiales telles que les Etats-Unis, la Chine, ou encore l’Allemagne et de l’autre certains pays d’Afrique comme la Somalie ou le Malawi.

PROBLEMATIQUE

Le but de ce rapport est donc d’étudier les inégalités dans le monde en se basant sur une base de données : World Inegality Database qui répertorie les différents niveaux de richesse et de patrimoine mondiaux au cours du temps. Dans un premier temps nous allons chercher à modéliser graphiquement ces inégalités et d’étudier cela au cours du temps afin d’en voir l’évolution. Ensuite nous allons tenter de déterminer les sources de cette évolution.

Nous reprenons ici quelques graphiques présentés sur le site wid.world

ANALYSE DESCRIPTIVE

Ce barplot permet de visualier les inégalités dans ces différentes régions du monde. Les régions qui présentent les plus fortes inégalités sont le MOyen-Orient, le Brésil et l’Afrique avec plus de 50% des richesses de ces régions détenues par les 10% les plus aisés. Inversement, les inégalités sont moins flagrantes en Europe avec “seulement” 33% de richesse détenue par les 10% les plus aisés.

Evolution de la part des 10% de 1980 à 2015

Interessons-nous maintenant à l’évolution au cours du temps des inégalités dans ces mêmes régions. Premièrement on constate qu’au Moyent-Orient les inégalités ont toujours été très importantes (de l’ordre de 60-70%). Dans les autres régions les inégalités sont plutôt stables au cours du temps, on n’observe aucun changement flagrant sauf pour la Russie qui à partir des années 1990 la part de richesse des 10% les plus aisés à plus que doublé en passant d’environ 23% en 1990 à 48% de la richesse en 2000. Une des raisons qui peut expliquer ce changement brusque est la dislocation de l’URSS en 1991 aboutissant sur un changement de régime politique qui auparavant privilégiait les propriétés collectives (aux propriétés privées).
Ces boxplot, construits sur l’ensemble des valeurs des années 1980 à 2015, montrent la dispersion de l’évolution pour chaque région. Ainsi on remarque qu’en Chine, en Inde et en Russie la part des 10% les plus aisés a le plus fluctué notamment car ces pays ont rencontré de nombreux changements politiques et économiques ces dernières années.

215 codes from your data successfully matched countries in the map
5 codes from your data failed to match with a country code in the map
26 codes from the map weren't represented in your data

Nous avons tracé la carte représentant la part de richesse des 10% les plus aisés dans le monde en 2013. Les inégalités sont plus prononcées dans les régions les plus pauvres notamment l’Afrique subsaharienne. Ces inégalités sont également présentes au Moyen-Orient, qui est une région qui regroupe beaucoup de millionnaires. Dans les régions développées telles que l’Europe, l’Australie et les Etats-Unis les inégalités sont bien moins flagrantes et la répartition des richesse semble plus équitable.

Maintenant nous allons nous intéresser aux parts de revenus que possèdent les 40% et 50% les moins aisés à travers le monde.

Ci-dessus nous pouvons visualiser pour les mêmes régions, les richesses détenues par les 40% du milieu (classe moyenne). Premièrement, en Chine et en Europe les 40% du milieu détiennent plus de 40% de la richesse donc cela relate une juste répartition des richesses dans ces régions et ce de 1980 à aujourd’hui. A l’inverse, au Moyen-Orient, en Afrique subsaharienne et au Brésil, les 40% du milieu possèdent une faible part des revenus, notamment au Moyen-Orient avec environ un quart de la richesse seulement. Dans ces régions on observe de fortes inégalités avec une inexistance de classe moyenne, il y a deux classes : les riches et les pauvres. Enfin, on remarquera qu’en Inde et en Russie la répartition des richesses concernant la classe moyenne (40% du milieu) était équitable dans les années 80 mais a connu une forte baisse depuis, atteignant 30% pour l’Inde aujourd’hui et 37% pour la Russie.

Concernant la part des 50% des plus pauvres, on tire les mêmes conclusion que pour le graphique précédent : une répartition plutôt équitable en Europe et en Chine, une répartition très inégalitaire au Moyen-Orient où les 50% les plus pauvres se partagent environ 26% de la richesse aujourd’hui et également une forte baisse de la part des plus pauvres en Inde et également en Russie dans une moindre mesure.

ETUDE DES DISPARITES AVEC L’INDICE DE GINI

Maintenant nous nous intéressons à l’indice de Gini pour mesurer la disparité des valeurs concernant la répartition des richesses dans les pays pour différentes classes de populations (10% les plus aisés, 50% les plus pauvres etc…)

108 codes from your data successfully matched countries in the map
1 codes from your data failed to match with a country code in the map
134 codes from the map weren't represented in your data

L’indice de Gini tend vers 0 lorsque les valeurs sont homogènes dans la répartition et il tend vers 1 lorsqu’il y a une forte disparité. Cela rejoint les commentaires précedants les inégalités sont plus présentes dans les régions les plus pauvres.

ACP : Etudes des variables influantes sur les inégalités

Dans cette partie on se focalise toujours sur la même base de données à savoir World Wid. On réalise une ACP des pays en fonction des variables suivantes : Revenu national avant impôt 2013, Revenue net des ménages 2013, Produit domestique brut 2013, Valeur de marché du patrimoine national 2013 et Patrimoine net des ménages en 2013.

On note dans un premier temps que le premier plan factoriel explique 99% des variations du modèle ce qui rend les résultats interprétables. Toutes les variables ont un cos2 supérieur à 0.9 donc sont interprétables également. Premièrement, on note que les variables Produit domestique brut 2013, Valeur de marché du patrimoine national 2013 et Revenu national avant impôt 2013 sont très corrélées positivement c’est à dire qu’un pays ayant une forte valeur dans une de ces variables aura également une valeur élevé dans les autres. Ces variables sont corrélées négativement avec les variables Revenue net des ménages 2013 et Revenu national avant impôt 2013.

Ce qui se dégage de cette ACP est la position du Qatar et du Kowait en haut à droite du graphe des individus. Ces pays se caractérisent donc par une grande valeur en Produit domestique brut 2013, Valeur de marché du patrimoine national 2013 et Revenu national avant impôt 2013 notamment car ce sont des pays très riches en ressources (pétrole, gaz).

Les pays “riches” en revenu et patrimoine se retrouvent sur la droite du nuage de points, à l’inverse les pays les plus pauvres sont sur la gauche du graphe

Maintenant nous allons chercher à classer les pays du monde en différentes classes selon ces mêmes variables. Dans un premier temps nous traçerons pour quelques pays pour avoir une bonne visibilité puis nous ferons cela pour tous les pays.

On peut choisir de couper en 3 classe

Représentation graphique par classe des pays

Les 3 classes obtenues semblent être les suivantes : les pays du golf en vert, les pays développés (en rouge) et les pays “pauvres” (en noir).

Nous allons maintenant prendre en compte tous les pays pour une période allant de 2010 à 2015 en conservant les mêmes variables.

Nous notons un nombre important de valeurs manquantes dans notre jeu de données. Pour palier à cela, nous utilisonsle package “missMDA” de R.

189 codes from your data successfully matched countries in the map
2 codes from your data failed to match with a country code in the map
54 codes from the map weren't represented in your data

Voici donc la classification de tous les pays en 3 classes, par soucis de visibilité nous allons tracer la carte du monde avec les coordonnées factorielles du premier plan factoriel.

Nous avons donc représenté les coordonnées facotorielles sur les deux premieres composantes principales afin de voir si on peut retrouver des différences ou des similarités entre les différentes régions du monde. Concernant la premiere composante principale, on note des valeurs très élevées pour l’Amérique du Nord, l’Océanie et l’Europe de l’Ouest. L’Afrique et l’Asie, donc les pays plutôt pauvres, ont une valeur faible concernant la première composante princiapale. Entre deux, l’Amérique latine, la Chine et la Russie (donc les pays émergeants) ont une valeur moyenne. Donc on peut dire que le premier axe correspond au niveau de richesse des pays dans le monde et permet donc de classer les pays en fonction de ce critère.

Concernant la carte sur la deuxième composante principale: l’Afrique subsaharienne, l’Amérique du Nord, la Russie et le Brésil ont une valeur élevé. A l’inverse, l’Afrique du Nord, l’Europe de l’Ouest et l’Australie ont une faible valeur sur cette composante principale. Là encore on observe une forte disparité dans le monde.

189 codes from your data successfully matched countries in the map
2 codes from your data failed to match with a country code in the map
54 codes from the map weren't represented in your data

Ces classes sont ordonnées par ordre croissant concernant les revenus des pays. Cette division du monde en 4 classes montre les inégalités de revenus dans le monde.

Nouveau jeu de données : études de nouvelles variables pour expliquer les inégalités dans le monde.

Dans cette partie une utilise un nouveau jeu de données : countryExData. On va premièrement étudier la variable “productive natural resources” qui donne un taux de ressources naturelles, plus ce taux est elevé plus le pays est riche en ressources naturelles. On va chercher à savoir si la répartition des ressources naturelles dans le monde est inégalitaire.

ETUDE DES RESSOURCES NATURELLES (facteur naturel)

149 codes from your data successfully matched countries in the map
0 codes from your data failed to match with a country code in the map
94 codes from the map weren't represented in your data

La carte ci-dessus a été générée via la base de données countryExData et la colonne “Productive natural resources” qui représente la quantité de ressources naturelles de chaque pays dans le monde. Cette carte permet d’expliqué en partie les inégalités que l’on connait aujourd’hui dans le monde car on remarque que chaque pays ne dispose pas de la même quantité de ressources naturelles ainsi certains pays sont favorisés “naturellement”. On remarque notamment qu’en Afrique, qui est la région la plus pauvre, les ressources natuelles (sauf exceptions comme le Rwanda, l’Algérie, Côte d’Ivoire, Congo et Gabon, Afrique du Sud) sont globalement plus faibles. L’Europe de l’Ouest, l’Australie, et l’Amérique du Nord sont des régions qui regorgent de ressources naturelles, expliquant en partie la richesse de ces régions. Cette carte explique en partie les inégalités dans le monde cependant il faut nuancer car par exemple un pays comme l’Algérie possède plus de ressources que l’Angleterre mais pour autant l’Algérie n’est pas plus riche que cette dernière. Ainsi pour expliquer les inégalités dans le monde il faut aller plus loin que le facteur naturel à savoir la répartition des ressources naturelles dans le monde.

Maintenant interessons-nous à une variable sur l’écologie. ## ETUDE DE L’ECOLOGIE DANS LE MONDE (facteur écologique)

149 codes from your data successfully matched countries in the map
0 codes from your data failed to match with a country code in the map
94 codes from the map weren't represented in your data

L’indice de performance environnementale (en anglais : Environmental Performance Index) est un indice créé pour évaluer, comparer et améliorer l’efficacité des politiques environnementales. Il se base sur les critères suivants :

  • accès à l’eau potable
  • assainissement
  • mortalité infantile
  • pollution intérieure
  • Particules dans l’air urbain
  • ozone dans l’air
  • nitrates dans l’eau
  • consommation d’eau
  • protection des régions sauvages (naturalité)
  • protection des écorégions
  • exploitation forestière
  • surpêche
  • subventions agricoles
  • efficacité énergétique
  • énergies renouvelables
  • émissions de CO2.

L’indice de performance environnementale permet donc de mesurer la performance d’un pays d’un point de vue écologique. Plus l’indice est proche de 1 plus le pays est “éco-responsable” et inversement.

On remarque que les pays impliqués dans la notion d’écologie sont les pays les plus riche en effet la carte est très similaire à celle du PIB par habitant (à voir ci-après) Ce qui est logique car l’écologie n’est pas une priorité pour les pays pauvres.

ETUDE DU PIB/habitant (facteur économique)

149 codes from your data successfully matched countries in the map
0 codes from your data failed to match with a country code in the map
94 codes from the map weren't represented in your data

Cette carte modélise le PIB par habitant dans toutes les régions du monde. La première conclusion est qu’il existe de fortes inégalités selon les régions en effet les pays d’Afrique en général ont un revenu par habitant très faible, allant jusqu’à moins 700$ par habitants. Au Burundi par exemple, il est de 629$ par habitant. De l’autre côté, l’Europe occidentale, l’Amérique du nord, l’Australie et certains pays du Golf (Emirats Arabe Unis, Kuwait) se détachent avec un PIB par habitant très élevé, atteignant même 59850$ par habitant au Luxembourg ce qui est 95 fois supérieur à celui du Burundi. Entre deux, nous avons les pays d’Asie et d’Amérique latine.

Ainsi les inégalités de richesses dans le monde se caractérisent surtout au niveau des régions du monde. Dans chaque région le niveau de richesse est plutôt homogène, cependant d’une région à l’autre il y a de grandes disparités. En effet on peut faire les classes suivantes : - Europe de l’Ouest, Amérique du Nord, Australie et Moyen-Orient sont les régions avec un PIB/habitants très élevés - Afrique subsaharienne, et certains pays d’Asie (hors Chine, Japon) ont un PIB/habitant très faible - les pays entre-deux : Amérique latine, Afrique du Sud, Afrique du Nord, Chine, Russie

Dans cette partie nous allons nous intéresser à 8 variables concernant 148 pays en provenance de toutes les régions du monde. Les varaibles étudiées sont les suivantes : - Population (en 2005) - PIB/habitants - L’indice de performance environnemental (EPI) - Ecosystème (la valeur sera d’autant plus élevée que le pays possèdera d’espaces naturels peuplés d’êtres vivants ) - Accés à l’eau - Biodiversité (plus la valeur est elevée plus le pays présente une biodiversité riche) - Productivité en ressources naturelles - Climat (plus la valeur est faible plus le pays est soumis à des difficultés au niveau du climat (sécheresse, séisme…))

                                 Population PIB/hab  EPI Ecosysteme
Angola                              15941.4  2314.4 39.5       70.1
Albania                              3129.7  4955.3 84.0       78.6
United Arab Emirates                 4495.8 22698.3 64.0       38.2
Argentina                           38747.2 13652.4 81.8       72.5
Armenia                              3016.3  5011.0 77.8       67.5
                                 Acces à l'eau Biodiversité
Angola                                    61.6         58.9
Albania                                   96.5          4.0
United Arab Emirates                      27.1         36.6
Argentina                                 74.9         33.6
Armenia                                   28.0         16.0
                                 Ressources naturelles Climat
Angola                                            81.3   74.6
Albania                                           79.4   93.4
United Arab Emirates                              74.1   26.6
Argentina                                         71.5   82.3
Armenia                                           82.1   87.2

Etudions les corrélations entre nos variables

Premièrement, nous n’allons pas interpréter la variable Population car elle est mal représentée par cette ACP (le cos2 est trop faible). Ensuite l’une des remarques est que, globalement, toutes les variables étudiées semblent toutes plus ou moins positivement corrélées entre elles. On n’observe pas de corrélation négative flagrante sur ce graphe. Cette ACP semble distinguer 3 groupes de pays : les pays les plus riches et les plus écologiques se retrouvent plutôt sur le haut à droite du graphe : ils se distinguent par une forte valeur en PIB/habitants, des ressources naturelles en quantité, un indice de performance environnemental élevé qui implique que le pays est impliqué dans l’écologie. Dans cette catégorie on retrouve le Luxembourg, les Etats-Unis ou encore l’Irlande.

Inversement les pays les plus pauvres (qui sont également souvent aussi ceux qui sont les moins ecologiques) se retrouvent sur le bas du graphe : on y retrouve les pays d’Afrique subsaharienne, et d’autres pays tels que le Yemen, le Cambodge ou le Paraguay. Ensuite les pays du golf et certains autres comme le Kazakhstan et la République Tchèque qui sont globalement des pays plutôt développé mais peu écologiques, avec une faible biodiversité se retrouvent en haut à gauche du graphe.

Une remarque que l’on peut faire également est que souvent les pays les plus pauvres (ayant un faible PIB/habitants) sont aussi ceux qui possèdent une biodiversité très développée ainsi que de nombreux espaces naturels. Cela est due au fait que ces pays sont généralement peu industrialisés et comportent donc encore de grandes zones “naturelles”.

Enfin, on observe une corrélation positive très forte entre les ressources naturelles et la richesse du pays(PIB/habitant), ce qui est logique, plus un pays possède de ressources plus il va pouvoir les utiliser pour les revendre ou pour les transformer ce qui est source de revenu. Dans le même sens, plus un pays aura un PIB/habitant élevé, plus il sera impliqué dans l’écologie, ce qui est logique car les infrastructures pour cela sont très coûteuses (panneaux solaires, éoliennes…).

Au final cet ACP relate bien les inégalités dans le monde où on observe globalement 3 types de pays :

  • les pays “pauvres” qui possèdent peu de richesses, beaucoup d’espaces naturelles et de biodiversité due au manque d’industrialisation, et qui, par faute de moyen, ne sont pas impliqués écologiquement.

  • les pays riches mais peu écologiques tels que les pays du Moyen-Orient, aussi caractérisés par une faible biodiversité.

  • les pays riches et éco-responsables notamment l’Europe de l’Ouest et les Etats-Unis (mais aussi d’autres pays tels que la Nouvelle-Zelande et l’Australie).

CONCLUSION

Premierement nous avons pu modeliser les différentes inegalites dans la monde que ce soit à travers des criteres economiques (PIB/habitant), naturels (ressources naturelles dans le monde) ou écologiques (EPI). Les inégalités sont beaucoup plus présentes dans les pays pauvres, notamment en Afrique subsaharienne où les 10% les plus aisés concentrent plus ou moins la moitié de la richesse dans ces pays. C’est aussi le cas, dans une moindre mesure, pour les pays en développement tels que le Brésil.

Dans les pays développés, l’écart est moins flagrant. Dans ces pays on constate une existence réelle d’une classe moyenne ce qui n’est pas le cas dans les pays pauvres et les pays émergeants.

Ensuite, nous avons pu créer plusieurs classes à travers le monde : 1) Les pays développés et éco-responsables, possédant un PIB/habitant élevé, et investis dans l’écologie (Europe de l’Ouest, Etats-Unis, Nouvelle-Zelande, Australie…) 2) Les pays développés et peu écologiques : les pays du Moyen-Orient notamment, caractérisés par une biodiversité faible. 3) Les pays “pauvres” avec un PIB/ habitant faible, ces pays négligent souvent le côté écologique par faute de moyen. Leur retard en matière d’industrialisation fait qu’ils possèdent généralement une forte biodiversité et des espaces naturels.

Au final, nous avons pu constater que les inégalites dans le monde etaient réelles que ce soit au niveau économique, écologique ou au niveau des ressources. L’étude que l’on a fait au cours du temps nous indique que ces inégalités ne semblent pas diminuer avec le temps. Les raisons de ces inégalités sont multiples par exemple à travers l’exemple de la Russie on a vue que le régime politique a un effet sur la repartition des revenus. En effet a partir de l’effrondrement de l’URSS en 1991, la part de revenus des 10% les plus aisés a considérablement augmente due au changement de politique ce qui a accentue les inegalites de revenus du pays.