Académique Documents
Professionnel Documents
Culture Documents
DE L’INFORMATION
par
Olivier Pucher
réalisé au
Service Études et Diffusion
Insee, Direction Régionale des Hauts de France
Tuteur
Sébastien Terra
14 septembre 2017
“I can calculate the motion of heavenly bodies but not the madness of people.”
“Je sais calculer le mouvement des corps célestes, mais pas la folie des foules.”
Abstract
Service Études et Diffusion
Insee, Direction Régionale des Hauts de France
by Olivier Pucher
Gravity models are models of spatial interaction. Similar to Newton’s law of universal
gravitation, they aim to explain the interactions between two territories with their res-
pective masses and the distance separarating them. The main parameters of the model
are the elascticties of masses and distance, but it can also include other explanatory
variables.
Using working force and working positions as masses for the place of residence and
the place of work, gravity models are helpful in describing flows of commuters. The
best estimation strategy for that purpose appears to be the Pseudo-Poisson Maximum of
Likelihood estimator, which provides a convergent, unbiased estimator of the parameters.
Gravity models applied to the flows of commuters in metropolitan France stress out the
effects of distance decay and region borders, and the relative co-integration or separation
of pairs of urban areas.
Focusing on the Urban Community of Lille from 1990 to 2013, we aim to describe the
evolution of commuters flows, the effects of the development of metropolitan public
transports and the behaviour of different categories of commuters.
Remerciements
Merci à mon tuteur de stage Sébastien Terra, pour son soutien, ses encouragements et
ses réponses à mes questions tout au long de ce travail.
Merci à ceux qui ont nourri de leurs échanges ce travail : M. Nicolas Lepage-Saucier,
enseignant-chercheur en économie à l’Ensai ; M. Wouter Torfs, chercheur à l’université
de Louvain ; le pôle recensement de la population de l’Insee, et en particulier M. François
Dubujet et Mme Mireille Bel.
Je tiens enfin à remercier les utilisateurs anonymes des forums en ligne Stack Exchange,
Cross Validated et Stack Overflow, prompts à apporter des solutions à tout problème
mathématique, statistique ou de programmation qui leur est soumis.
iii
Table des matières
Abstract ii
Remerciements iii
Abréviations x
1 Introduction 1
2 Environnement professionnel 2
2.1 La Direction régionale des Hauts-de-France . . . . . . . . . . . . . . . . . 2
2.2 Le Service Études et Diffusion . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2.1 Missions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2.2.2 Partenaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.3 Organisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.2.4 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3 Tâches réalisées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.3.1 Bilan de la filière ferroviaire dans les Hauts-de-France . . . . . . . 4
2.3.2 Cohésion sociale dans les Hauts-de-France . . . . . . . . . . . . . . 4
2.3.3 Étude sur l’impact du Louvre Lens . . . . . . . . . . . . . . . . . . 5
2.3.4 Étude sur la mobilité dans la Métropole Européenne de Lille . . . 5
iv
Contents v
4 Stratégie d’estimation 15
4.1 Moindres Carrés Ordinaires . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.1.1 Modèle de Reilly . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4.1.2 Critique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.1.3 Facteurs MR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
4.2 Pseudo-Maximum de Vraisemblance de Poisson . . . . . . . . . . . . . . . 17
4.2.1 Stratégie d’estimation . . . . . . . . . . . . . . . . . . . . . . . . . 17
4.2.2 Critique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
4.2.2.1 Fondement théorique . . . . . . . . . . . . . . . . . . . . 19
4.2.2.2 Avantages pratiques . . . . . . . . . . . . . . . . . . . . . 19
4.3 Package gravity de R . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
6.2.4.1 Coefficients . . . . . . . . . . . . . . . . . . . . . . . . . . 45
6.2.4.2 Ajustement . . . . . . . . . . . . . . . . . . . . . . . . . . 46
6.2.4.3 Facteurs MR . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2.4.4 Résidus . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
6.3 Perspectives . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
6.3.1 Comportements selon les populations . . . . . . . . . . . . . . . . . 52
6.3.2 Futurs développements . . . . . . . . . . . . . . . . . . . . . . . . . 52
7 Conclusion 53
B Résultats de Micro-économie 55
B.1 Minimisation du coût des facteurs pour une fonction de production CES . 55
C Modèle de Poisson 57
I.3.1 Termes MR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 72
I.3.2 Résidus positifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
I.3.3 Résidus négatifs . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
Bibliographie 122
Table des figures
I.1 Ajustement des estimations du modèle par rapport aux flux réels . . . . . 73
I.2 Flux observés se distinguant de l’estimation du modèle . . . . . . . . . . . 77
viii
Liste des tableaux
I.1 Migrations alternantes entre Aires Urbaines de France sans frontières ré-
gionales : coefficients estimés . . . . . . . . . . . . . . . . . . . . . . . . . 72
I.2 Termes MR des AU d’origine des flux les plus faibles . . . . . . . . . . . . 74
I.3 Termes MR des AU mobiles . . . . . . . . . . . . . . . . . . . . . . . . . . 75
I.4 Termes MR des AU moins mobiles . . . . . . . . . . . . . . . . . . . . . . 76
ix
Abréviations
x
Abbreviations xi
xii
Chapitre 1
Introduction
Le chapitre 2 est consacré à l’environnement de travail dans lequel ce stage a été réalisé,
en lien avec mes missions de chargé d’étude de l’action régionale. Le chapitre 3 retrace
les développements des modèles gravitaires, inspirés par la mécanique newtonienne et
précieux pour analyser les flux commerciaux, et justifie micro-économiquement leur em-
ploi pour décrire des flux migratoires. Nous expliquons ensuite dans le chapitre 4 le
choix d’une méthode d’estimation par pseudo-maximum de vraisemblance de Poisson
avec effets fixes.
Enfin, nous mettons en oeuvre ces modèles pour analyser les migrations alternantes, à
l’échelle de la France métropolitaine dans le chapitre 5, puis à l’échelle de la métropole
européenne de Lille dans le chapitre 6.
1
Chapitre 2
Environnement professionnel
Suite à la campagne de mobilité 2016 des cadres A de l’Insee, et après un délai de six
mois correspondant au premier trimestre du Mastère de Statistique Publique de l’Ensai
et de l’Université Rennes 1, j’ai intégré en mars 2017 mon poste de chargé d’études de
l’action régionale au sein du Service Études et Diffusion de la direction régionale des
Hauts-de-France de l’Insee, à Lille.
La mise en oeuvre de la politique d’action régionale est assurée dans chaque direction
régionale de l’Insee par un Service Études et Diffusion (SED). Ce réseau est coordonné
au niveau national par Direction de la diffusion et de l’action régionale (DDAR).
2.2.1 Missions
2
Environnement professionnel 3
L’offre de base correspond à des études menées par l’Insee sans partenariat qui apportent
des connaissances générales à même d’éclairer le débat économique et social. Depuis 2015
sont réalisées chaque année une dizaine d’opérations coordonnées (OC), études nationales
déclinées dans chaque région avec publication et communication le même jour.
2.2.2 Partenaires
Le SED travaille en partenariat avec des acteurs publics en région, qui sont essentielle-
ment des collectivités locales, des administrations déconcentrées de l’État, des organismes
d’observation, d’études et d’évaluation. Plus rarement, nous travaillons aussi avec des
organismes à vocation consultative, des chambres consulaires, des organisme de promo-
tion et prospection, des organismes gestionnaires de services publics par délégations ou
d’autres partenaires (associations, syndicats).
Les acteurs publics en région du "premier cercle" sont ceux avec lesquels le SED de Lille
est amené à collaborer en priorité et le plus régulièrement : la préfecture de région et le
Secrétariat Général aux Affaires Régionales, le Conseil Régional, les services régionaux
de l’État, les conseils départementaux et la Métropole Européenne de Lille (MEL).
2.2.3 Organisation
2.2.4 Perspectives
À partir de septembre 2017, l’ensemble des ressources du SED seront réunies à Lille et le
service d’Amiens cessera d’exister. Suite à cette restructuration et conformément à une
démarche engagée tout au long de l’année 2017, l’organisation du SED va évoluer vers un
dispositif plus en adéquation avec ses missions, avec notamment deux divisions distinctes
dédiées respectivement aux études en partenariat et au conseil aux acteurs publics en
région.
Une moitié de mon temps de travail a été allouée aux réflexions sur les modèles gravitaires
présentées dans ce rapport. Pour le reste, je me suis consacré à mes missions de chargé
d’études et j’ai donc participé durant ce semestre à deux études en partenariat et à deux
missions de conseil et expertise.
Suite à une demande du SGAR, j’ai produit une note sur les entreprises participant à la
filière ferroviaire dans les Hauts-de-France.
En décembre 2017 seront célébrés les cinq ans de l’implantation du musée du Louvre
à Lens. Dans le cadre d’un partenariat avec la région Hauts-de-France, l’agence d’ur-
banisme de l’Artois et le pôle métropolitain de l’Artois, nous dressons un bilan des
territoires possiblement impactés et de leurs évolutions depuis 2009. Ce projet aboutira
à deux études :
— une observation fine de l’emploi, pour tous les secteurs, notamment sous les angles
de l’économie touristique et culturelle,
— une approche des transformations sociales sur les territoires d’études.
Les modèles gravitaires sont des modèles d’interaction spatiale inspirés par la théorie de
la gravitation de Newton. Ils sont utilisés en macroéconomie, en gestion commerciale et
en sciences sociales.
MA .MB
FA/B = G (3.1)
d2AB
Les modèles gravitaires s’inspirent de cette formule pour représenter toute interaction
IAB entre deux entités géographiques A et B à l’aide de leur "masses" respectives MA
et MB et de leur distance dAB . L’analogie immédiate donne le modèle :
MA .MB
IAB = K (3.3)
d2AB
6
Les modèles gravitaires 7
Ce modèle (3.3) a été développé par Reilly[1] dans les années 1930 pour étudier les aires
d’influence commerciale de différentes villes. Il a le mérite de pouvoir être décliné dans
de nombreux champs d’application et d’être intuitivement cohérent. Dans le domaine
du commerce, par exemple, il est raisonnable de penser que les échanges entre deux
pays A et B seront d’autant plus forts que leurs PIB seront grands et d’autant moins
forts qu’ils seront éloignés ; ainsi (3.3) assure que IAB croît avec MA et MB et diminue
quand dAB augmente. Notons que le modèle (3.3) peut décrire aussi bien une interaction
unidirectionnelle (l’utilisation d’un équipement situé en B par la population située en A,
l’aide au développement adressée par le pays A au pays B) ou bidirectionnelle (la gravité
au sens physique, des flux réciproques de marchandises ou de devises). Ceci est vrai pour
tous les modèles gravitaires que nous allons décrire dans cette section. Afin de distinguer
les rôles de l’unité émettrice A et de l’unité réceptrice B, nous ne noterons plus les masses
MA et MB mais EA le potentiel d’émission de A et AB le potentiel d’attractivité de B.
Alors que la formule (3.1) traduit une loi de la physique, la formule (3.3) est un modèle
qui peut être soumis à paramétrage et nécessite d’être justifié théoriquement ou empi-
riquement. Ainsi, chez Newton, le choix des exposants 1 pour les masses et −2 pour la
distance s’explique par besoin de cohérence avec les lois de Képler et il valide ce choix
empiriquement à l’aide de la trajectoire de la Lune. Hors du domaine de la physique,
cependant, ce cadre est vite apparu trop rigide. Par exemple, le doublement des masses
de A et de B engendre un quadruplement des interactions entre A et B, ce qui n’est
pas forcément légitime ; par ailleurs, l’utilisation du carré de la distance peut sur- ou
sous-estimer son effet. Le modèle (3.3) est donc généralisé par le modèle (3.4) :
α .Aβ
EA
IAB =K γ B (3.4)
dAB
également passer des fonctions puissances MAα , MBβ et dγAB à des fonctions plus générales
X(A), Y (B), φ(A, B), voire renoncer à la structure multiplicative de l’équation, mais
nous nous restreindrons à des formes multiplicatives de fonctions puissances dans ce
travail.
Dans les modèles considérés jusqu’à présent, l’interaction entre chaque couple d’unités
géographiques (i; j) ∈ I × J est calculée à l’aide uniquement des propriétés de i et j, sans
tenir compte de l’influence des autres unités géographiques, possiblement concurrentes.
Ceci est peu vraisemblable dans le monde réel : le nombre de clients issus de A fréquentant
un cinéma situé en B risque d’être fortement impacté en cas d’ouverture d’un cinéma
concurrent en C, à proximité de A, qui va capter une partie de la clientèle. Le modèle
(3.4) ignore totalement cet effet. On l’enrichit donc avec l’introduction de deux facteurs
qui prennent en compte l’influence de l’ensemble des autres unités sources {i, i ∈ I} et
des autres unités d’attraction {j, j ∈ J} :
β
Eiα Aj γ
Iij = K . .d (3.5)
Ωi Θj ij
où
X Aβ
Ωi = l
dγil (3.6)
Θl
l∈J
Ici α et β sont positifs et γ est négatif. Les facteurs Ωi et Θj sont souvent appelés "termes
de résistance multilatérale" (ou MR pour "Multilateral Resistance terms").
Dans le domaine commercial, les paramètres Ωi et Θj ont été introduits dès 1962 par
Huff[2]. Ce n’est cependant qu’après un article de Anderson et Van Wincoop paru en
2003[3] que leur utilisation est devenue systématique dans les sciences économiques et
sociales.
Les paramètres Ωi et Θj sont définis conjointement et dépendent des autres unités géogra-
phiques que i et j : en pratique, il est donc nécessaire de les estimer ensemble. Anderson
et Van Wincoop proposent une méthode d’estimation à l’aide d’un algorithme récursif.
Les modèles gravitaires 9
Par la suite, Fally [4] a prouvé que l’on peut aboutir aux mêmes résultats à l’aide d’effets
fixes ; c’est la méthode que nous emploierons dans les parties 4 et 5.
Tous les modèles étudiés jusqu’à présent étaient déterministes. Puisqu’il est illusoire de
déterminer le niveau exact de l’interaction Iij , il est plus raisonnable de considérer celle-ci
comme une variable aléatoire dont l’espérance répond à un modèle gravitaire :
β
Eiα Aj γ
E(Iij ) = K . .dij (3.8)
Ωi Θj
β
Eiα Aj γ
Iij = K . .dij .ηij (3.9)
Ωi Θj
Où les varaibles aléatoires ηij , (i, j) ∈ I × J sont des facteurs d’erreurs d’espérance 1 au
comportement standard ; typiquement, des fonctions log-normales indépendantes entre
elles.
3.1.4 Log-modèle
Pour passer à une notation additive, il est naturel de réécrire le modèle (3.9) avec une
transformation logarithmique :
soit :
Eij = k + αXi + βYj + γφij − ωi − θj + ij (3.11)
Les modèles gravitaires 10
avec
Eij = log(Iij );
k = log(K);
Xi = log(Ei );
Yj = log(Aj );
ωi = log(Ωi );
θj = log(Θj );
φij = log(dij );
ij = log(ηij )
Si les fonctions ηij suivent des lois log-normales alors les termes stochastiques ij sont
2 ). Cette écriture permet d’estimer les paramètres k, α, β, γ,
gaussiens : ij ∼ N (0, σij
ωi , i ∈ I, θj , j ∈ J et σij , (i, j) ∈ I × J, par régression linéaire, par exemple à l’aide des
moindres carrés ordinaires (MCO), puis de réaliser des tests sur l’adéquation du modèle
et sur la forme des résidus.
Cette transformation n’est possible que si toutes les grandeurs qui interviennent sont
strictement positives : en particulier, les observations pour lesquelles l’interaction Iij est
nulle doivent être écartées ou traitées au préalable.
Dans le monde réel, d’autres variables que la distance, le volume d’émission de l’unité i et
le volume de réception de l’unité j peut avoir une influence sur le niveau de l’interaction
entre i et j. Typiquement, une variable explicative peut traduire l’appartenance ou non
des unités i et j à un même ensemble : par exemple, l’appartenance de deux pays à une
union douanière.
Le modèle gravitaire permet d’intégrer de façon très naturelle ces variables explicatives,
qu’elles soient qualitatives ou quantitatives. On peut l’enrichir avec les variables Explk .
β2 n
E β1 Aj γ Y λk
Iij = K i . .d . Explk,ij .ηij (3.12)
Ωi Θj ij
k=1
ou plus simplement :
Iij = eXij β+ij (3.13)
Les modèles gravitaires 11
Les migrations alternantes, aussi appelées navettes, sont les trajets effectués quotidien-
nement par les habitants d’un territoire pour se rendre à leur lieu de travail ou d’études.
L’utilisation d’un modèle gravitaire pour modéliser les flux de navetteurs semble cohé-
rent : en effet il est plus que raisonnable de penser que le nombre de personnes résidant en
i et travaillant en j croît avec la population active de i et avec les emplois de j, et décroît
avec la distance dij entre i et j. À partir d’un jeu de données volumineux d’échanges
entre de nombreux territoires, il est donc raisonnable d’essayer de décrire ses flux à partir
de ces trois variables et de résumer ainsi l’information à l’aide de quelques paramètres.
β2 n
Eiβ1 Aj γ Y λk
Fij = K . .d . Explk,ij .ηij (3.14)
Ωi Θj ij
k=1
Pour les modèles gravitaires comme pour beaucoup de modèles macroéconomiques, s’est
développée dans les années 1980 une remise en cause de leur validité nécessitant de les
appuyer sur une approche microéconomique. Plutôt que d’utiliser les territoires comme
unités statistiques, peut-on partir des décisions individuelles des acteurs pour agréger
leur comportements et les représenter à l’aide d’un modèle gravitaire ?
Persyn et Torfs[5] ont construit un modèle économique du marché du travail qui justifie
l’utilisation d’un modèle gravitaire pour représenter les migrations alternantes.
Les modèles gravitaires 12
Notant Cij le nombre de navetteurs de i vers j et wij leur salaire, ils partent des hypo-
thèses suivantes :
• La demande de travail C·j et la production Yj dans une localité j sont agrégées
en une firme représentative.
• Toutes les firmes représentatives ont la même fonction de production agrégée.
Cette fonction de production présente une élasticité de substitution des facteurs
constante (Constant Elasticity of Subtitution, CES). Les firmes ne se distinguent
que par leur niveau de production Yj , exogène.
• L’offre de travail Ci· d’une localité i est fixe : les travailleurs ne peuvent pas
déménager ou le coût d’un déménagement est dissuasif.
• Tous les habitants d’une localité i ont le même profil et la même productivité Ai .
• Le coût d’une navette de i vers j s’exprime comme une proportion 1 − 1/τij du
salaire wij perçu, avec τij > 1. En notant wi le salaire qu’un travailleur de i peut
obtenir sans quitter sa localité, l’équilibre des prix veut que : wij = τij wi .
• Les entreprises minimisent leur coût de revient Wj = Ii=1 wij Cij (pour le niveau
P
donné de production Yj ) et les travailleurs maximisent leur gain net (salaire - coût
de transport) τij wi .
• On se place dans le cadre d’une économie fermée, donc la somme des salaires versés
par les firmes j ∈ 1, ..., J égale la somme des salaires perçus par les travailleurs
des localités i ∈ 1, ..., I : Y T = Jj=1 C·j = Ii=1 Ci·
P P
Considérons que les seuls facteurs de production sont la main d’oeuvre issue des diffé-
rentes localités i ∈ 1, ..., I. La fonction de production CES s’écrit :
I
X σ−1 σ
Yd = ( (Ai Cij ) σ ) σ−1 (3.15)
i=1
Si Yd est exogène, la firme j détermine les niveaux de main d’oeuvre Ci j qu’elle emploie
en minimisant son coût total Wj = Ii=1 wij Cij . Un raisonnement typique de micro-
P
I
−σ 1 1−σ X −σ 1 1−σ
Cij = wij ( ) woj Coj = wij ( ) Wj (3.16)
Ai Θj Ai Θj
o=1
où
I
X wij 1−σ 1−σ
1
Θj = ( ( ) ) (3.17)
Ai
i=1
PJ
représente le prix de marché de la main d’oeuvre en j. Soit Ei = j=1 wij Cij le salaire
total perçu par les habitants de i. Avec l’expression de Cij obtenu en (4.2), pour l’équilibre
Les modèles gravitaires 13
J
X
1−σ 1 1−σ
Ei = wij ( ) Wj (3.18)
Ai Θj
j=1
J
X τij wi 1−σ
Ei = ( ) Wj (3.19)
Ai Θj
j=1
wi 1−σ Ei
( ) = PJ τij (3.20)
Ai j=1 ( )1−σ Wj
Θj
En multipliant (4.2) par wij , en utilisant wij = τij wi puis en substituant (4.6) dans
l’expression, on obtient :
PJ
d=1 τid Cid 1
Cij = PJ τid 1−σ
τij−σ ( )1−σ Wj (3.24)
d=1 ( Θd ) Wd Θj
Pour aboutir à un modèle gravitaire, il faut écrire ce flux sous la forme d’un produit de
fonctions de masses associées respectivement à i et à j, d’une puissance négative de la
distance entre i et j (exprimée par τij ), et des facteurs de résistance multilatérale (MR)
s’exerçant en i et en j.
PJ
Le numérateur Ēi = d=1 τid Cid est la somme des flux de navetteurs issus de i pondérés
par les coûts de transport : Ēi est proportionnel à la somme des salaires perçus par les
résidents en i et peut-être considéré comme la masse associée à la localité i. De même
Wj , somme des salaires versés par j, est la masse associée à la localité j.
J J
X τid X τid
( )1−σ Wd = Y T ( )1−σ bd = Y T Ωi (3.25)
Θd Θd
d=1 d=1
Les modèles gravitaires 14
PJ τid 1−σ
avec Ωi = d=1 ( Θd )le terme MR dû à l’attractivité de l’ensemble des destinations
τ 1−σ
pour les navetteurs habitant i. De même, Θ̄j = Θj1−σ = Ii=1 ijΩi ei est le terme MR dû
P
à l’offre de main d’oeuvre de l’ensemble des localités vers j. Notre équation (4.10) s’écrit
finalement :
Ēi Wj −σ 1
Cij = τ ( ) (3.26)
Y T ij Θ̄j Ωi
qui est bien une équation gravitaire.
τij étant le rapport du salaire total sur le salaire déduit des frais de navette, il s’agit bien
d’une fonction croissante de ces frais de navette : c’est l’expression de la distance dans
ce modèle. La structure de l’équation gravitaire est préservée si la distance utilisée dans
un modèle empirique est une fonction monôme de τij : Distij = λτijα .
La masse Wj , ensemble des salaires versés en j, peut être directement mesurée ou bien
approchée à une constante près par C· j la somme des flux vers j.
La masse Ēi , somme des flux issus de i pondérés par la distance, n’est pas directement
observable. En pratique, elle peut être remplacé par la somme des salaires perçus Ei ou
la somme des flux issus de i Ci· .
Notons que dans cette construction les termes de masses Wj et Ēi apparaissent avec
un exposant égal à 1. Dans la mise en oeuvre pratique des chapitres 4 et 5, nous al-
lons néanmoins estimer leurs élasticités : d’une part, les masses utilisées ne seront pas
exactement Ēi et Wj puisque nous utilisons un décompte de travailleurs et non les sa-
laires ; d’autres part, les hypothèses nécessaires à cette modélisation micro-économique
ne peuvent correspondre parfaitement à la réalité et invitent à la souplesse.
Enfin les termes MR Θ̄j et Ωi doivent être estimés lors de la résolution du modèle. Leur
présence garantit le respect des contraintes de sommes des flux à partir ou vers une
destination données : Cˆi· = Ci· et Cˆ·j = C·j .
Chapitre 4
Stratégie d’estimation
Ce chapitre décrit les méthodes d’estimation proposées par la littérature dédiée aux
modèles gravitaires.
Jusqu’en 2003 et la parution d’un article important d’Anderson et Van Wincoop [3],
l’estimation par les moindres carrés ordinaires était utilisée quasi-systématiquement pour
ajuster des modèles gravitaires.
Eiα Aβj
Iij = K ηij (4.1)
dγij
Si on se restreint aux interactions non nulles Iij > 0, on peut passer à une écriture
additive par transformation logarithmique (tout en inversant le signe de γ par souci de
lisibilité) :
Eij = k + αXi + βYj + γφij + ij (4.2)
15
Stratégie d’estimation 16
avec
Eij =log(Iij );
k =log(K);
Xi =log(Ei );
Yj =log(Aj );
φij =log(dij );
ij =log(ηij )
4.1.2 Critique
4.1.3 Facteurs MR
Devant les insuffisances de l’estimation par les MCO, plusieurs stratégies ont été suc-
cessivement proposées au cours des années 2000 : Bergstrand et Baier[6] proposent de
transformer le modèle avec une approximation de Taylor de sorte à utiliser ensuite les
"Bons Vieux MCO" ("Bonus Vetus OLS") avec des résultats cohérents avec ceux de
Anderson et Van Wincoop.
Head et Mayer[7] proposent également de réduire les calculs liés à l’estimation des facteurs
MR en "démoyennant doublement" ("Double Demeaning") le jeu de données, par rapport
à l’origine et à la destination.
La stratégie que nous allons présenter est toutefois plus simple et s’appuie sur un modèle
de quasi-vraisemblance : c’est la méthode du pseudo-maximum de vraisemblance de
Poisson.
La méthode décrite dans cette section a été développée par Santos Silva et Tenreyro en
2006. Le raisonnement qui suit est directement inspiré par leur article[8].
L’estimateur non-linéaire des moindres carrés ainsi obtenu est consistant. En revanche, il
peut être non efficace. En effet, dans l’expression (4.5), on voit qu’une observation (i, j)
pèsera d’autant plus dans l’estimation que Iˆij = exij bβ̂ est grand. Or les données utilisées
dans les modèles gravitaires présentent souvent de l’hétéroscédasticité : plus l’interaction
Stratégie d’estimation 18
Iij est forte, plus la variance, due notamment à l’erreur de mesure, est importante. En
accordant un poids dans l’estimation proportionnel à Iˆij , donc fort pour les observations
pour lesquelles la variance est importante, l’estimateur Non-Linéaire des Moindres Carrés
est particulièrement sensible à cette hétéroscédasticité.
Pour corriger cet effet indésirable, la méthode des moindres carrés pondérés (MCP)
développée par Alexander Aitken[9] consiste à obtenir un estimateur BLUE en appliquant
à chaque observation un poids inverse à sa variance. Supposons à présent que dans notre
modèle gravitaire, la variance conditionnelle V [Iij |Xij ] est connue et proportionnelle
à l’espérance conditionnelle E[Iij |Xij ] = exij bβ . Nous pouvons alors construire notre
estimateur MCP en pondérant la fonction objectif par V [Iij |Xij ]−1 :
X [Iij − exij b ]2
β̂ = argmin (4.6)
b V [Iij |Xij ]
ij
On en dérive la CPO :
X (Iij − exij β̂ )exij β̂ xij
=0 (4.7)
V [Iij |Xij ]
ij
Puisque V [Iij |Xij ]−1 est connue et proportionnelle à E[Iij |Xij ]−1 = exij β , on simplifie
ce facteur avec exij β̂ , et la CPO devient alors :
X
(Iij − exij β̂ )xij = 0 (4.8)
ij
L’estimateur β̂ estimé à partir de (4.8) est donc efficace si V [Iij |Xij ] est bien proportion-
nelle à E[Iij |Xij ] mais il reste consistant même si cette condition n’est pas remplie.
Or, il se trouve que la formule (4.8) est exactement l’expression des conditions du premier
ordre pour estimer un modèle de Poisson I∼P(exij β ) par maximum de vraisemblance
[C]. Il est donc possible de calculer cet estimateur β̂ à l’aide du pseudo maximum de
vraisemblance de Poisson : c’est la stratégie recommandée par Santos Silva et Tenreyro[8]
en 2006 et souvent employée depuis lors.
Enfin, tout comme nous avons pondéré les observations par E[Iij |Xij ]−1 en considérant
que la variance conditionnelle est proportionnelle à l’espérance conditionnelle, nous pour-
rions les pondérer par d’autres puissances de E[Iij |Xij ] s’il y avait des raisons de penser
que la variance conditionnelle serait liée au carré où à d’autres puissances de l’espérance
conditionnelle.
Stratégie d’estimation 19
4.2.2 Critique
Il est essentiel de noter que cette méthode ne suppose pas que E[Iij |Xij ] suive une loi
de Poisson : le modèle considéré est toujours le modèle gravitaire (3.14). L’utilisation
de l’estimateur du maximum de vraisemblance de Poisson est seulement due à la coïnci-
dence des conditions du premier ordre. En particulier, nous n’avons pas besoin de faire
l’hypothèse que V [Iij |Xij ] = E[Iij |Xij ] ni même d’imposer que Iij ne prenne que des
valeurs entières.
Présupposer que la variance de la variable réponse est connue pour pouvoir appliquer
les MCP soulève plus de difficultés conceptuelles : dans le raisonnement de Santos Silva
et Tenreyro, on démontre que si la variance conditionnelle est connue, alors la CPO
aura une certaine forme, à partir de laquelle on peut désormais estimer les paramètres β
sans avoir besoin de connaître la variance conditionnelle. Formellement, pour simplifier
l’expression de la CPO (4.7), nous avons identifié exij β et exij β̂ , où β̂ n’est pas encore
calculé.
En annexe [D], nous essayons de résoudre le problème des MCP dans le cas où la variance
conditionnelle est estimée conjointement aux paramètres à l’intérieur du modèle. Nous
aboutissons à une CPO susceptible de donner des résultats similaires à la CPO (4.7),
mais avec un risque d’instabilité en cas d’observations atypiques parmi les interactions
faibles. Cette méthode complexe d’estimation n’est donc pas avantageuse par rapport au
pseudo-maximum de vraisemblance de Poisson.
Comme cette méthode d’estimation n’utilise pas de passage au logarithme, il n’est pas
nécessaire d’exclure les observations (i, j) pour lesquelles Iij = 0. Ceci permet de conser-
ver toute l’information contenue dans un jeu de données, les modèles gravitaires étant
souvent appliqués à des données avec beaucoup de zéros.
Effets fixes
"Adding-up" problem
Stratégie d’estimation 20
Autre avantage, cette méthode permet d’obtenir des totaux estimés égaux aux totaux
P P
observés, non seulement pour les flux issus de i (Ii· = j Iij ) ou allant vers j (I·j = i Iij )
- comme démontré par Arvis et Ben Shepherd dès 2011[10], mais aussi pour tout sous-
domaine A ⊂ I × J identifié parmi les observations par une indicatrice 1A - résultat
prouvé par Fally.
L’usage a toutefois montré que ce package ne permettait pas d’exploiter entièrement les
modèles gravitaires utilisés dans ce travail, et les résultats des parties 4 et 5 ont donc
été obtenus avec la méthode glm avec les paramètres adéquats, notamment l’instruction
family=quasipoisson.
Chapitre 5
Leur analyse permet non seulement d’appréhender les dynamiques et les pressions en
termes d’emploi, de logement, d’interdépendances entre territoires, mais aussi de guider
les politiques d’urbanisme et de transport.
5.1 Sources
L’Entrepôt de Données Locales (EDL) est un serveur de l’Insee qui permet aux chargés
d’études d’accéder à des extractions des fichiers issus des principales enquêtes de l’Insee,
et en premier lieu du Recensement de la Population. Le tuteur de ce stage a ainsi pu
21
Migrations alternantes entre les aires urbaines de France métropolitaine 22
préparer, en amont des travaux, un fichier détail de toutes les personnes en emploi en
2013, comprenant les communes de résidence et de travail, pour l’ensemble du territoire
français.
Les premières exploitations de modèles gravitaires ont fait apparaître quelques flux sur-
prenants entre des aires urbaines très éloignées. Une expertise des données et des échanges
avec le Pôle Recensement de l’Insee [Annexe F] ont permis d’expliquer une partie de ces
flux ; ceux qui étaient réellement dus à une erreur de traitement des données collec-
tées pendant le recensement ont été corrigés avant toute exploitation, les autres ont été
conservés tels quels.
Ces incohérences dans l’encodage du recensement ont été révélées par sérendipité en
analysant les plus forts résidus de modèles gravitaires. Inversement, il pourrait être in-
téressant d’utiliser des modèles gravitaires lors du contrôle qualité des futures enquêtes
de recensement pour détecter d’autres erreurs d’encodage qui pourraient s’y glisser.
5.1.3 Distancier
Bien que les trajets domicile-travail correspondent essentiellement aux heures de pointe,
nous avons choisi pour cette modélisation le temps de parcours calculé aux heures
creuses : d’une part, Metric semble fournir des résultats plus robustes pour les heures
creuses ; d’autre part, comme les trajets entre aires urbaines sont relativement longs, il
est vraisemblable de penser que ces navettes ne se déroulent pas entièrement durant les
heures de pointe.
Migrations alternantes entre les aires urbaines de France métropolitaine 23
La notion d’aire urbaine se rapporte à un zonage défini par l’Insee qui permet l’étude
d’agglomérations et de territoires cohérents du point de vue de l’emploi.
Définition
Une aire urbaine ou « grande aire urbaine » est un ensemble de communes, d’un
seul tenant et sans enclave, constitué par un pôle urbain (unité urbaine) de plus
de 10 000 emplois, et par des communes rurales ou unités urbaines (couronne
périurbaine) dont au moins 40% de la population résidente ayant un emploi
travaille dans le pôle ou dans des communes attirées par celui-ci. [Annexe G]
Le zonage en aires urbaines a été défini à partir des données du recensement de 2010.
Pour la France métropolitaine, 768 AU ont ainsi été identifiées. La carte obtenue figure
en Annexe [H].
Par définition, l’essentiel des navettes domicile-travail ont lieu au sein d’une même aire
urbaine. Cependant, 2,5 millions de travailleurs, soit 11,5% de ceux habitant dans une
aire urbaine, réalisent des navettes inter-AU [Table 5.1]. Ce sont ces flux que nous allons
analyser à l’aide de modèles gravitaires.
Pour être en mesure de calculer une distance, nous avons écarté les travailleurs qui
résident ou qui travaillent dans une commune isolée hors influence des pôles, dans une
commune multipolarisée des grands pôles ou dans une autre commune multipolarisée : le
champ d’étude porte donc sur les personnes vivant dans une aire urbaine et travaillant
dans une autre aire urbaine, en bleu dans la table 5.1.
Migrations alternantes entre les aires urbaines de France métropolitaine 24
Théoriquement, rien n’interdit d’intégrer les flux intra-AU (en marron dans la Table 5.1)
au modèle : pour cela, il suffit d’estimer une distance moyenne pour les déplacements
au sein de chaque aire urbaine. Il y a toutefois deux inconvénients pratiques à cette
approche :
• Comme 85% des flux de navetteurs sont des flux à l’intérieur d’une même aire
urbaine, le choix d’une distance moyenne des navettes intra-AU risque d’avoir
Migrations alternantes entre les aires urbaines de France métropolitaine 25
une forte influence sur les résultats. Comme toute méthode d’estimation de cette
distance des navettes intra-AU est nécessairement approximative et arbitraire,
cela pénalise la fiabilité des résultats.
• Les flux intéressants pour l’interprétation sont les flux inter-AU. Il est donc à
éviter que ceux-ci jouent un rôle marginal dans l’estimation.
Notre travail se concentre donc sur un modèle des flux inter-AU sans intégrer les flux
intra-AU.
Nous avons affecté une masse à chaque AU de résidence (resp. de travail) selon son
importance dans les migrations alternantes comme force émettrice (resp. attractive) :
— Masse de l’AU de résidence = Ei = ensemble des personnes en emploi vivant dans
l’AU et travaillant dans une autre AU
— Masse de l’AU de destination = Aj = ensemble des personnes en emploi travaillant
dans l’AU et résidant dans une autre AU
Pour estimer les distances entre aires urbaines, nous avons utilisé le distancier Metric
[12] développé par l’Insee pour établir les temps de trajet par la route en heures creuses.
À cette fin, nous avons utilisé pour chaque aire urbaine un chef-lieu défini comme la
commune où se rendent le plus de travailleurs. Les distances entre aires urbaines sont en-
suite approchées par les distances entre chefs-lieux. L’utilisation d’une distance terrestre
implique de restreindre le champ en excluant les navettes Corse-continent ainsi que celles
à destination ou en provenance d’autres îles. En revanche, nous pouvons conserver les
navettes entre les différentes aires urbaines de Corse.
On aboutit ainsi à un jeu de données comportant 768 aires urbaines et 578 432 flux entre
aires urbaines distinctes et connectées par voie terrestre. 92% de ces flux sont nuls [Table
5.2]. L’utilisation d’un pseudo-modèle de Poisson pour l’estimation a donc le mérite de
préserver cette information.
Table 5.2 – Répartition des flux de migrations alternantes entre aires urbaines
source : Insee, Recensement de la population 2013, exploitation complémentaire
Migrations alternantes entre les aires urbaines de France métropolitaine 26
Inversement, 11 flux entre aires urbaines mobilisent plus de 10000 navetteurs [Table 5.3].
Ce sont des flux à destination des métropoles de Lille, Lyon, Paris et Marseille - Aix-
en-Provence mais aussi de Douai - Lens, et en provenance d’Aires Urbaines proches, à
moins de 50 minutes en heures creuses pour les trajets en Province.
Table 5.3 – Plus forts flux de migrations alternantes entre par Aires Urbaines
(pf ) : partie française d’une aire urbaine transfrontalière
source : Insee, Recensement de la population 2013, exploitation complémentaire
Une variable indicatrice Regij est intégrée au modèle, qui vaut 1 si les pôles d’emploi
principaux des AU i et j se trouvent dans la même région administrative. Comme nos
données sont issues du recensement 2013, ce sont les "anciennes" régions, antérieures à
la réforme territoriale de 2016, qui ont été utilisées.
À titre de comparaison, une modélisation sans effet frontière figure en Annexe [I].
5.5 Hypothèses
Nous cherchons à estimer le flux de navetteurs entre deux aires urbaines i et j par
β2
Eiβ1 Aj γ λ
Fij = K . .d .Regij .ηij = eXij β+ij (5.1)
Ωi Θj ij
Migrations alternantes entre les aires urbaines de France métropolitaine 27
5.6 Validation
5.6.1 Estimation
Le modèle (4.1) est estimé par PPML à l’aide de la commande glm avec l’option fa-
mily=quasipoisson du logiciel R.
Commande R
M odeleRegions<-glm(f ormula = nbN avetteurs ∼ lresi + ltrav + logDist +
memReg + AU LR + AU LT, f amily = quasipoisson(link = ”log”), data =
T ableAU )
Tel n’est pas le cas de la variable explicative Regij qui peut prendre la valeur 0. L’inter-
prétation du coefficient estimé nécessitera donc un passage à l’exponentielle.
Les termes MR sont obtenus en intégrant des effets fixes liés aux AU d’origine et de
destination du modèle.
L’estimation du modèle par PPML avec termes MR permet d’obtenir les coefficients de
la Table 5.4.
On constate un effet région significatif et positif : R = e0.88 ≈ 2.403. Toutes choses égales
par ailleurs, deux AU d’une même région échangent des flux 2.4 fois plus intenses que
Migrations alternantes entre les aires urbaines de France métropolitaine 28
Table 5.4 – Migrations alternantes entre Aires Urbaines de France : coefficients estimés
si elles appartenaient à des régions différentes. Ceci signifie que les frontières régionales
traduisent une véritable barrière entre les AU ou, inversement, que les marchés de l’emploi
sont plus intégrés au sein d’une même région.
Ei1.40 A1.44
j
F̂ij ≈ 0.00296 . .d−3.49 .e0.88.Regij (5.2)
Ωi Θj ij
Ainsi le flux de navetteurs entre i et j dépend pour une part similaire de la main d’oeuvre
mobile de i Ei et de l’attractivité de j Aj . Le paramètre γ = −3.49, fortement inférieur
à −2, prouve que les flux se tarissent rapidement quand la distance dij augmente.
Le modèle obtenu offre une bonne description des flux de navetteurs réellement observés :
ainsi le R2 , défini comme le carré de la corrélation entre les valeurs réelles et les valeurs
prédites, atteint 0.93 [Figure 5.2]. Pour comparaison, une estimation du modèle avec la
méthode des moindres carrés ordinaires (sans effets fixes et en excluant les flux nuls)
aboutissait à un R2 de 0.50.
Les paramètres estimés vérifient la propriété de l’estimateur PPML démontrée par Ar-
vis et Ben Shepherd[10] : pour chaque aire urbaine, la somme des flux sortants (resp.
entrants) estimés est égale à la somme des flux sortants (resp. entrants) réels.
Migrations alternantes entre les aires urbaines de France métropolitaine 29
Figure 5.2 – Ajustement des estimations du modèle par rapport aux flux réels
Flux de navetteurs entre aires urbaines, France métropolitaine, 2013
Ei1.40 Aj1.44 −3.49 0.88.Regij
Modèle : F̂ij ≈ 0.00296 Ωi . Θj .dij .e
L’influence sur une AU des autres territoires est prise en compte dans le modèle à l’aide
des facteurs Ωi et Θj , et leurs logarithmes ωi et θj , introduits dans la section 3.1. Ces
facteurs estimés peuvent donc être utilisés pour décrire la situation géographique de
chaque AU.
Pour que le modèle soit identifiable, un facteur de résistance multilatérale a été fixé à 0 : il
s’agit du terme d’attractivité de l’Aire Urbaine de Paris θ001 . L’algorithme a donc estimé
768 facteurs MR de zones émettrices et 767 facteurs MR de zones réceptrices. Environ
un quart des effets fixes associés à une aire urbaine de résidence ou de destination ne
Migrations alternantes entre les aires urbaines de France métropolitaine 30
La valeur absolue et le signe d’un facteur MR ne peuvent pas être interprétés per ipse
car ils sont dépendants du choix arbitraire d’avoir fixé θ001 = 0. Cependant les fac-
teurs MR peuvent être comparés entre eux pour caractériser les Aires Urbaines avec des
comportement spécifiques et leur situation dans le tissu économique.
MRorig
Min. -3.43
1st Qu. -0.59
Median 0.04
Mean 0.06
3rd Qu. 0.59
Max. 4.59
MRdest
Min. -3.91
1st Qu. -1.25
Median -0.71
Mean -0.71
3rd Qu. -0.14
Max. 2.64
Ainsi, les aires urbaines avec un facteur MR émetteur faible sont celles dont la main
d’oeuvre, toutes choses égales par ailleurs, est moins souvent employée dans les autres
aires urbaines de France [Table 5.7]. Nous y retrouvons des aires urbaines frontalières
abritant une forte population de travailleurs transfrontaliers.
Migrations alternantes entre les aires urbaines de France métropolitaine 31
Table 5.7 – Facteurs MR des AU d’origine des flux les plus faibles
(partie française) : partie française d’une aire urbaine transfrontalière
L’observation des données confirme que 50% de la main d’oeuvre de l’aire urbaine de
Genève-Annemasse (partie française) travaille en Suisse et 30% de la main d’oeuvre
de l’aire urbaine de Thionville travaille au Luxembourg. Les mains d’oeuvre de Bâle
(SUI) - Saint-Louis (pf) comme d’Armentières (pf) sont pour une bonne part employées
en Suisse et en Belgique respectivement. Notre modèle ne prenant en compte que les
navettes à destination d’aires urbaines françaises, il ne capte pas ces flux transfrontaliers.
La capacité émettrice de travailleurs de ces zones vers la France est donc moindre que ce
qu’on anticiperait avec les seules masses et distances.
Les aires urbaines non frontalières qui présentent des facteurs MR fortement négatifs
sont celles dont la main-d’oeuvre est fortement attirée par les AU proches : ainsi Senlis
et Creil sont les deux AU les moins éloignées de l’Aire Urbaine de Paris, qui prédomine
avec ses 5,8 millions de personnes employées au lieu de travail.
Migrations alternantes entre les aires urbaines de France métropolitaine 32
Table 5.8 – Facteurs MR des AU d’origine des flux les plus forts
Les facteurs MR d’origine les plus forts correspondent aux AU pour lesquelles l’attraction
exercée par les marchés de l’emploi des autres territoires pris en compte est la plus faible
[Table 5.8] : on y trouve les 9 aires urbaines de Corse et des AU de montagne, éloignées
géographiquement des autres aires urbaines.
De même, les AU ayant de faibles facteurs MR liés à la destination sont ceux situés à
proximité de grands bassins de main d’oeuvre [Table 5.9] ; ceux ayant de forts facteurs
MR liés à la destination sont relativement isolés [Table 5.10].
Migrations alternantes entre les aires urbaines de France métropolitaine 33
27 aires urbaines font à la fois partie des 100 plus forts facteurs MR émetteurs et des
100 plus forts facteurs MR récepteurs [Table 5.11]. Ces zones sont donc particulièrement
isolées, leur situation géographique leur permettant peu d’interactions avec les autres
territoires. On y retrouve les aires urbaines de Corse et des massifs montagneux, où les
distances routières sont élevées : les navetteurs inter-AU en provenance ou à destination
de ces territoires réalisent des trajets plus longs du fait de leur situation géographique.
Ainsi, Ajaccio et Bastia étant distantes de 2h34min par la route, et compte-tenu de leurs
masses respectives, le modèle sans effets fixes anticipe moins d’un navetteur d’Ajaccio
vers Bastia. Une fois pris en compte les facteurs MR, en revanche, il en prédit 125. Le
flux mesuré par le Recensement de la Population en 2013 est de 118 navetteurs.
Inversement, 34 aires urbaines font à la fois partie des 100 plus faibles facteurs MR émet-
teurs et des 100 plus faibles facteurs MR récepteurs [Table 5.12]. Leurs mains d’oeuvre
sont donc relativement moins mobiles que ce qu’on pourrait attendre compte tenu de
leur situation géographique. Outre certaines régions frontalières, cela semble être le cas
de trois types d’aires urbaines :
Migrations alternantes entre les aires urbaines de France métropolitaine 34
ou de Cattenom.
— les aires urbaines sous forte influence d’une autre AU d’importance à proximité :
Vienne près de Lyon, Senlis proche de Paris, Saint-Brevin-les-Pins entre Nantes
et Saint-Nazaire, ou encore Douai - Lens au sud de Lille.
Migrations alternantes entre les aires urbaines de France métropolitaine 36
On observe des flux beaucoup plus intenses que prévu par le modèle depuis les grandes
aires urbaines de province vers celle de Paris : ainsi, des milliers de personnes déclarent
vivre respectivement à Lyon, Marseille - Aix-en-Provence, Toulouse, Bordeaux, Nantes,
Lille, Nice, Strasbourg, et travailler à Paris [Table 5.13]. Compte tenu de la distance,
notre modèle n’en prévoit que quelques centaines.
De fait, les transports rapides que sont le TGV ou les liaisons aériennes réduisent for-
tement la notion de distance entre métropoles par rapport à la distance routière que
Migrations alternantes entre les aires urbaines de France métropolitaine 37
nous avons utilisée. Par ailleurs, pour beaucoup de ces travailleurs, il faut relativiser la
notion de "navette" : il est probable que beaucoup des Marseillais travaillant à Paris
ne font pas d’allers-retours quotidiens domicile-travail, mais bénéficient d’une solution
d’hébergement secondaire plus proche de leur lieu de travail.
Migrations alternantes entre les aires urbaines de France métropolitaine 38
D’autres flux plus importants que prévu traduisent une forte intégration économique
entre deux aires urbaines voisines : Nantes et Saint-Nazaire d’une part, Douai-Lens et
Béthune d’autre part mais encore Saint-Étienne et Montbrison ou Le Havre et Lillebonne
échangent de forts flux réciproques de main-d’oeuvre. Si ce phénomène s’amplifie, ces
aires urbaines pourraient à terme fusionner.
Enfin, c’est l’étude des résidus fortement positifs là où le modèle n’attend aucun navetteur
qui a permis de repérer les observations anormales dans les données du Recensement de
la Population listées en Annexe [F].
Toutes choses égales par ailleurs, Paris attire des flux moins intenses que prévu de-
puis les autres grands pôles du bassin parisien [Table 5.14] : les mains-d’oeuvre de Bé-
thune, Reims, Douai - Lens, Amiens, Valenciennes, Auxerre, Rouen, Orléans, Compiègne,
Troyes, Blois ou Arras évitent ainsi une dépendance trop forte au marché de l’emploi de
la capitale. Comme l’estimation par PPML assure que la somme des flux estimés à des-
tination d’une aire urbaine donnée est égale à la somme des flux observés, ces résidus
négatifs peuvent également être vus comme une compensation de la sous-estimation des
flux depuis les grandes aires urbaines plus lointaines vers Paris. Les flux réciproques de
Paris vers Reims, Compiègne, Douai-Lens et Béthune sont aussi relativement faibles.
Les aires urbaines de Marseille - Aix-en-Provence et d’Avignon ont également des échanges
de mains-d’oeuvre peu intenses compte tenu de leurs tailles et de leur proximité géogra-
phique. La même séparation relative des marchés du travail est observée pour Nantes
vis-à-vis de La Roche-sur-Yon et d’Angers, pour Béthune et Arras ou pour Pau et Tarbes.
La main d’oeuvre lyonnaise se déplace plus volontiers vers les bassins d’emploi de Bourg-
en-Bresse ou de Grenoble que vers Saint-Étienne, Vienne ou Valence. Enfin, les flux de
Lille vers Armentières et Douai - Lens comme de Nîmes vers Montpellier sont également
plus faibles qu’attendu.
Chapitre 6
6.1 Contexte
Ce partenariat aboutira à la publication d’une étude sur les mobilités dans la MEL au
premier trimestre 2018.
6.2 Données
40
Migrations alternantes au sein de la Métropole Européenne de Lille 41
Lille, ainsi que les communes situées sur un axe Sud / Nord-Est allant de Seclin à
Roubaix offrent plus d’emplois que leur population en occupe. [Figure 6.2] Inversement,
Migrations alternantes au sein de la Métropole Européenne de Lille 42
Figure 6.2 – Caractérisation des communes de la MEL par leurs flux de navetteurs
Hors flux en provenance de l’étranger, 2013
les communes de la petite couronne lilloise, celles à l’ouest de la MEL ou encore sur la
frontière belge sont plutôt des communes de résidence que de travail.
La commune de Lille joue bien sûr un rôle central dans les mobilités au sein de la MEL,
par sa population et surtout par son attractivité pour la main d’oeuvre environnante.
[Table 6.1] Cette attraction s’étend d’ailleurs au-delà des frontières de la MEL, avec
des flux importants venant du reste du département du Nord, du Pas-de-Calais et de
Belgique.
Trois autres communes constituent des bassins d’emplois importants, avec plus de 25.000
travailleurs : Villeneuve d’Ascq, Roubaix et Tourcoing.
Migrations alternantes au sein de la Métropole Européenne de Lille 43
Pour les données les plus récentes, deux mesures de la distance inter-communale sont
envisageables : le temps de trajet par la route, calculé à l’aide du distancier Metric, ou
la distance kilométrique entre les chefs-lieux (mairies) de chaque communes.
Afin d’utiliser une méthodologie commune pour tous les millésimes d’études de 1990 à
2013, c’est la distance kilométrique qui a été retenue.
En Annexe [L] figure une analyse similaire pour les flux de travailleurs en 2013 en utilisant
une distance routière (temps de trajet en heures creuses) calculée par l’outil Metric. Les
conclusions sont identiques à celles obtenues ici.
Parmi plusieurs méthodes pour estimer les distances moyennes parcourues lors de trajets
intra-communaux, nous utilisons la formule de Persyn & Torfs[5] :
r
2 superf icie
DistIntra = (6.1)
3 π
Migrations alternantes au sein de la Métropole Européenne de Lille 44
Des essais avec d’autres méthodes d’imputation ne modifient que marginalement les
résultats.
Pour mesurer l’influence des lignes de transports en commun sur les flux de navetteurs
[Annexe K], nous avons créé des variables indicatrices "metro" et "tramway" qui prennent
la valeur 1 quand le mode de transport indiqué permet de joindre deux communes, et 0
sinon.
Pour les flux infra-communaux, ces indicatrices valent 1 si la commune abrite au moins
deux arrêts de tram ou deux stations de métro, pour traduire la possibilité d’effectuer
un trajet au sein de la commune avec le transport en commun correspondant, et 0 sinon.
Les résultats montrent que la variable "tramway" n’est pas significative. Le modèle fina-
lement retenu n’utilise donc que la variable explicative "metro".
Comme dans le chapitre 4, nous choisissons une estimation PPML à l’aide de la com-
mande glm et de l’instruction f amily = quasipoisson. La surdispersion, estimée à 8, 006,
Migrations alternantes au sein de la Métropole Européenne de Lille 45
est prise en compte dans l’estimation de la variance des paramètres, aussi les tests pro-
posés sont valides [Table 6.3].
6.2.4.1 Coefficients
Le facteur métro est égal à e0.120 = 1.127 : toutes choses égales par ailleurs, deux com-
munes échangent donc des flux 13% plus intenses si elles sont liées par le métro que dans
le cas contraire. Ceci peut être interprété de deux façons :
— Le parcours du métro a été conçu de sorte à décharger les axes routiers les plus
empruntés, et lie donc de facto les communes entre lesquelles les flux sont intenses.
— Une partie au moins des travailleurs s’installent ou cherchent du travail en tenant
compte de la possibilité d’emprunter le métro pour leur navettes, ou une partie
des entreprises s’installent en tenant de la facilité d’accès de leur main d’oeuvre
en métro.
Les deux explications sont réalistes. Le fait que le facteur métro a augmenté entre 2006
(il était alors à 1.04) et 2013 alors que le réseau du métro n’a pas changé sur cette
période semble valider la seconde : l’organisation du réseau de transport a un impact sur
la géographie sociale.
Ei0.61 A0.92
j
F̂ij ≈ 72.06 . .d−1.45 .e0.12∗metroij (6.2)
Ωi Θj ij
Plus encore que dans la partie 4, on observe une élasticité du flux par rapport à l’emploi
dans le territoire de destination proche de 1, ce qui est conforme à la modélisation de
Persyn et Torfs présentée dans la section 2.2.
En revanche, l’élasticité par rapport à la distance, −1.45, est cette fois moins forte que
celle du modèle newtonien (−2) et que celle obtenue dans le chapitre 4 (−3.49). Au
niveau de la métropole, les choix de lieux de résidence et de travail sont donc moins
sensibles à la distance qu’à l’échelle de la France.
Migrations alternantes au sein de la Métropole Européenne de Lille 46
6.2.4.2 Ajustement
Le modèle obtenu possède cette fois encore un fort pouvoir explicatif des flux observés,
avec un coefficient R2 de 0.989 [Figure 6.4].
Figure 6.4 – Ajustement des estimations du modèle par rapport aux flux réels
Flux de navetteurs au sein de la MEL, 2013
Afin de ne pas écraser les axes, le flux Lille->Lille n’apparaît pas sur le graphique
principal. Il est représenté sur le graphique en médaillon.
Ei0.61 A0.92
j −1.45 0.12∗metroij
Modèle : F̂ij ≈ 72.06 Ωi . Θj .dij .e
Migrations alternantes au sein de la Métropole Européenne de Lille 47
6.2.4.3 Facteurs MR
Table 6.4 – Facteurs MR liés à l’ori- Table 6.5 – Facteurs MR liés à la des-
gine tination
Les facteurs de résistance multilatérale [Tables 6.4 et 6.5] traduisent la situation d’une
commune vis-à-vis de la MEL : une commune possède un fort facteur MR lié à l’origine
si sa main d’oeuvre est relativement éloignée des centres d’emplois, et un facteur négatif
si elle est soumise à une forte attraction.
On observe ainsi que les plus forts facteurs MR liés à l’origine sont ceux des communes
situées à la périphérie de la MEL, notamment à l’Ouest et au sud-Ouest [Figure 6.5].
Inversement, les travailleurs proches de Villeneuve-d’Ascq, Lille, Roubaix ou Lesquin
bénéficient de ces bassins d’emplois à proximité.
6.2.4.4 Résidus
En valeur absolue, les plus forts résidus [Table 6.6] correspondent aux flux de Lille vers
Roubaix et Tourcoing, ce qui démontre que les voies de communication entre les com-
munes les plus peuplées de la MEL sont utilisées dans les deux sens, et pas seulement
pour des navettes vers la ville-centre.
Migrations alternantes au sein de la Métropole Européenne de Lille 50
Les résidus négatifs les plus importants [Table 6.7] correspondent aux couples de com-
munes qui échangent moins de navetteurs que ce qu’estime le modèle : ce sont essentielle-
ment des couples de communes limitrophes de la petite couronne lilloise : les travailleurs
y ont plus plus souvent tendance à rester sur leur commune ou à se rendre à Lille ou
Migrations alternantes au sein de la Métropole Européenne de Lille 52
Villeneuve d’Ascq pour travailler qu’à se rendre dans les communes voisines. On peut
aussi y voir un effet de la structure étoilée des réseaux routiers et des lignes de bus, qui
favorisent les trajets banlieue - ville centre plutôt que les trajets banlieue - banlieue.
6.3 Perspectives
Afin de nourrir la réflexion sur la diversité des comportements des populations amenées
à se déplacer au sein de la MEL, le modèle gravitaire global présenté ici pour 2013 est
reproduit à l’aide de fonctions en R pour cinq millésimes (1990, 1999, 2006, 2010, 2013)
et selon des sous-populations : étudiants, travailleurs, et les cinq catégories d’actifs hors
agriculteurs. Quelques exemples de ces rapports figurent en annexe [M].
Il en ressort, par exemple, que les transports en commun ont une plus forte influence
sur les flux d’employés (facteur métro=1.25) que sur les flux d’ouvriers (1.08). Ou que
l’attrition des flux due à la distance, mesurée par son élasticité, est moins importante
chez les cadres (−1.13) que pour l’ensemble des travailleurs (−1.45).
En incorporant des données collectées par la MEL dans le cadre de l’enquête "mobilités-
déplacements" menée en 2015 sur le territoire de l’eurométropole Lille-Kortrijk-Tournai,
et en France et en Belgique, nous espérons élargir cette étude en incorporant les flux
transfrontaliers vers la MEL.
Par ailleurs, l’étude sur les déplacements au sein de la MEL pourra être enrichie par une
analyse factorielle multiple des communes en prenant comme variables d’analyse, pour
chaque millésime, les parts de trajets infra-communaux, les flux vers l’extérieur de la
MEL (France hors Mel et étranger), la part de chaque mode de transport ou de chaque
catégorie socioprofessionnelle dans les flux entrants et sortants, ainsi que les facteurs de
résistance multilatérale calculés par le modèle gravitaire et qui traduisent la position
géographique d’une commune par rapport aux répartitions de la main d’oeuvre et des
emplois. Nous espérons dégager ainsi plusieurs catégories de communes selon qu’elles sont
plus "résidentielles" ou "actives", sont mieux intégrées au réseau de transport, accueillent
plus d’étudiants ou plus d’ouvriers, etc.
Chapitre 7
Conclusion
Ce stage avait pour objet d’explorer les possibilités offertes par les modèles gravitaires et
leur application aux migrations alternantes. En effet, les modèles gravitaires ont connu
un fort développement théorique ces vingt dernières années. Leurs fondements mathé-
matiques ont gagné en rigueur, leurs méthodes d’estimations sont devenues plus précises
et leur champ d’application, un temps centré sur les flux commerciaux, s’ouvre de plus
en plus aux sciences économiques et sociales.
Après avoir conforté la pertinence des modèles gravitaires pour analyser les navettes
domicile-travail grâce à une modélisation micro-économique, et choisi une méthode d’es-
timation à l’aide de modèles de Poisson, fondée sur la pseudo-vraisemblance, nous avons
appliqué les modèles gravitaires à deux jeux de données issus du recensement de la po-
pulation de 2013.
L’étude des navettes entre aires urbaines en France métropolitaine permet de mesurer
l’effet des frontières régionales, d’analyser la situation de différentes villes au sein du
territoire vis-à-vis des marchés de l’emploi et de faire ressortir des relations privilégiées
entre des couples d’agglomérations.
Ainsi, la théorie initiée par Isaac Newton permet non seulement de calculer les trajectoires
des astres, mais aussi de décrire les déplacements des foules, ce qui n’aurait sans doute
pas manqué de l’étonner...
53
Annexe A
Chef adjoint
VILAIN Elisabeth
TERRA Sébastien
54
Annexe B
Résultats de Micro-économie
Considérons une firme dont la fonction de production est CES pour les facteurs i ∈
{1, ..., I} de productivité Ai et employés en quantité Ci :
I
X σ−1 σ
Y =( (Ai Ci ) σ ) σ−1 (B.1)
i=1
I
X 1
Y =( (Ai Ci )ρ ) ρ (B.2)
i=1
σ−1
avec ρ = σ . Si wi est le coût unitaire du facteur i, le coût total de production s’écrit
I
X
C= wi C i (B.3)
i=1
I
X
min wi C i (B.4)
i=1
I
X 1
sous contrainte Y0 = ( (Ai Ci )ρ ) ρ (B.5)
i=1
55
Annexes 56
À partir du Lagrangien
I I
X X 1
L(C1 , ..., CI , λ) = wi Ci + λ[Y0 − ( (Ai Ci )ρ ) ρ ] (B.6)
i=1 i=1
I
∂L 1 ρ ρ−1
X 1
−1
=w1 − λ( )(ρA1 C1 )( (Ai Ci )ρ ) ρ = 0 (B.7)
∂C1 ρ
i=1
··· (B.8)
I
∂L 1 ρ ρ−1
X 1
−1
=wI − λ( )(ρAI CI )( (Ai Ci )ρ ) ρ = 0 (B.9)
∂CI ρ
i=1
I
∂L X 1
=Y0 − ( (Ai Ci )ρ ) ρ = 0 (B.10)
∂λ
i=1
Pour tout i ∈ {2, ..., I}, on peut utiliser la première et la i-ème CPO pour établir :
w1 Aρ C ρ−1
= 1ρ 1ρ−1 (B.11)
wi Ai C i
w1 ρ−1
−1 wi 1
Ci = ( ρ) ( ρ ) ρ−1 C1 (B.12)
A1 Ai
Reste à substituer tous les Ci , i ∈ {2, ..., I} dans la contrainte (D.5) et on obtient la
demande optimale de facteur 1 :
1
w1 ρ−1
Y0 ( A ρ)
C1∗ = P 1
ρ 1 (B.13)
I wi ρ−1 ρ
( i=1 Ai ( A ρ) )
i
Modèle de Poisson
La loi de Poisson est une loi discrète à valeurs dans N à un paramètre λ > 0 et régie par
les probabilités :
λy −λ
P(Y = y | λ) = e (C.1)
y!
n
X n
X n
X
logL(b) = − λi + yi log(λi ) − yi ! (C.3)
i=1 i=1 i=1
Xn Xn Xn
=− exi b + yi xi b − yi ! (C.4)
i=1 i=1 i=1
57
Annexes 58
∂
Pour maximiser la log-vraisemblance, la condition du premier ordre ∂b logL(b) = 0 s’écrit :
n
X n
X
xi β̂
0=− xi e + yi x i (C.5)
i=1 i=1
n
X
0= xi [yi − exi β̂ ] (C.6)
i=1
Si cette équation a une solution β̂, alors β̂ maximise bien la vraisemblance puisque la
dérivée seconde du système est la matrice hessienne
∂2
H(b) = logL(b) (C.7)
∂b2
n
∂ X
= xi [yi − exi b ] (C.8)
∂b
i=1
Xn
=− x0i xi exi b (C.9)
i=1
Pn 0
qui est définie négative dès lors que Xi = i=1 xi xi est de plein rang.
− exij b ]2
P
ij [Iij
φ(b) = (D.1)
V [Iij |Xij ]
On ne peut pas considérer le facteur de pondération e−xij b comme constant lorsque l’on
dérive par rapport à b pour en déduire la CPO - ce qui aboutirait exactement à (3.).
Toutefois, si on mène le calcul, cette CPO s’écrit :
59
Annexes 60
∂ X
0= [Iij − exij b ]2 ∗ e−xij b
∂b
ij
X
= −2xij exij b [Iij − exij b ]e−xij b − xij e−xij b [Iij − exij b ]2
ij
X
= −xij [Iij − exij b ](2 + e−xij b [Iij − exij b ])
ij
X
= −xij [Iij − exij b ](1 + e−xij b Iij )
ij
(D.4)
et
en supposant les termes d’erreur ηij orthogonaux aux estimations exij b . Le facteur per-
turbateur Fij a donc une variance en e−2xij b .
Inversement, si Iij et donc exij b sont grands, alors ηij << exij b et Fij → 2. Si de plus la
variance des termes d’erreur est proportionnelle aux observations : σij = αIij ∼ αexij b ,
2
σij α
alors V ar(Fij ) = 2xij b ∼ → 0 quand Iij → ∞.
e exij b
Annexes 61
La difficulté survient pour des interactions faibles mais non nulles pour lesquelles l’esti-
mation Iˆij = exij b serait très proche de zéro. En ce cas e−xij b devient explosif et le modèle
aura tendance à sur-pondérer ces observations. En conséquence, les paramètres estimés
β̂ risquent de devenir instables s’il y a beaucoup d’observations atypiques parmi les in-
teractions faibles, en particulier si le système estime comme quasi-nulles des interactions
qui ne le sont pas.
En conclusion, par rapport à la CPO (4.7), la CPO (B.4) conduit à doubler le poids des
interactions fortes par rapport aux interactions nulles et à accorder plus d’importance
aux interactions faibles mais non-nulles.
62
Recensement de la population - 2017
Bulletin individuel
Annexes 63
Imprimé n° 3
Prénom :
commune
Adresse :
dépt commune
• Veuf(ve) . . . . . . . . . . . . . . . 4 • Divorcé(e) . . . . . . . . . 5
département n° DOM pays pour l’étranger, territoire pour les COM • Célibataire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
• Non. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2016-04-SE010655
Si vous êtes intérimaire, précisez le nom de l’établissement où • Stage rémunéré en entreprise. . . . . . . . . . . . . . . . . . 4
vous faites votre mission. Si vous êtes à votre compte, inscrivez
• Emploi aidé (contrat unique d’insertion, d’initiative
le nom de l’entreprise ou votre nom.
emploi, d’accompagnement dans l’emploi, avenir, etc.). . . . . . . 5
• Autre emploi à durée limitée, CDD (contrat à durée
déterminée), contrat court, saisonnier, vacataire, etc.. . . 6
NATIONALE
20 Quelle est l’activité de cet établissement ?
Soyez très précis (par exemple : « RÉPARATION AUTOMOBILE »).
29 Dans votre emploi, êtes-vous :
S’il s’agit d’une exploitation agricole, précisez également • manœuvre, ouvrier spécialisé ? . . . . . . . . . . . . . . . . . . . . . . 1
l’orientation des productions (vigne, élevage de volailles, etc.). • ouvrier qualifié ou hautement qualifié,
IMPRIMERIE
technicien d’atelier ? . . . . . . . . . . . . . . . . . . . . . . . . . . 2
Est-ce dans la commune où vous résidez ? 30 Quelle est votre profession principale ?
(ou dans l'arrondissement pour Paris, Lyon, Marseille) Soyez précis. Par exemple : « AGENT D’ENTRETIEN » (et non
Oui 1 Non 2 « EMPLOYÉ »), « RESPONSABLE SERVICE CLIENTÈLE » (et non
Si non, indiquez la commune où vous travaillez : « CADRE »). Si vous êtes agent de la fonction publique d’État,
territoriale ou hospitalière, indiquez votre grade (corps,
catégorie, etc.).
commune (et arrondissement pour Paris, Lyon, Marseille)
En étudiant les navettes domicile-travail entre les Aires Urbaines de France, quelques
résultats surprenants ont permis de faire ressortir de possibles erreurs de codage lors de
la saisie du RP.
F.1.1.1 Évron
La commune de Martignat (code Insee : 01237) près d’Oyonnax (Ain, 01283) comprend
le lieu-dit « hameau d’Évron » où se trouvent plusieurs entreprises dont une usine d’em-
ballage.
Selon le RP 2013, 34 personnes (soit 21 enquêtés avant pondération) résident dans l’aire
urbaine d’Oyonnax et travaillent à Évron (Mayenne, 53097) à 700km de là.
Je pense que ces personnes travaillent en réalité à Martignat et qu’elle ont renseigné à
tort « Évron » comme lieu de travail lors de l’enquête de recensement en confondant
lieu-dit et commune.
65
Annexes 66
F.1.1.2 Faverolles
Ils travaillent très certainement plutôt dans la petite commune de Faverolles (80302),
dans la banlieue de Montdidier, qui abrite deux usines. L’homonymie aura engendré une
erreur de codage.
F.1.2.1 Beausoleil
F.1.2.2 Le Brudou
Je pense que des habitants de Beynac-et-Cazenac ont renseigné le nom de lieu-dit « Bru-
dou » et que l’algorithme d’encodage, ne trouvant pas de commune à ce nom, leur a
attribué la commune dont le nom est le plus proche, « Brou ».
Annexes 67
13 navetteurs de Dijon et son aire urbaine vers Monclar-sur-Losse (32265), 105 habitants.
(Monclar est le nom d’un entraîneur de basket professionnel à Dijon, peut-on croire à un
canular ?)
25 navetteurs de Prémontré (02619, 700 habitants) vers Origny (02574, 1500 habitants)
à 1h20’.
F.1.4.1 Sarrebourg
F.1.4.2 Haneycourt
F.2 Retours
Des échanges avec le Pôle Recensement de l’Insee ont permis d’apporter plusieurs préci-
sions :
— Les problèmes de codage de la commune de travail lorsqu’il y a homonymie sont
très plausibles ;
— Les problèmes de codage de la commune de résidence sont impossibles, et les
populations légales ne sont pas remises en cause ;
— Une explication a été apportée pour le flux de Morteau (25) vers Vedène (84).
Il se trouve qu’à Morteau, 569 personnes ont déclaré travailler à La Chaux de
Fonds (Suisse), juste de l’autre côté de la frontière. 491 ont précisé Suisse dans
la zone "pays du lieu de travail" sur leur bulletin individuel, ils sont tous bien
codés comme travaillant en Suisse ; 78 n’ont pas précisé le pays et sont tous codés
comme travaillant à Vedène. Pourquoi Vedène ? une hypothèse : il existe dans
cette commune un lotissement "Le Four à Chaux" voisin d’une Z.I. "Les Fonds"...
Il y a donc bien une erreur de codage du prestataire ;
— Les problèmes d’homonymie des noms de lieux dans le RP sont connus, les DR
en signalent chaque année et la Dorre (Division Organisation des Recensements
et Relations Extérieures) adapte les consignes données à Jouve pour améliorer le
codage. Un travail sur l’homonymie sera réalisé par la DMTR (Division Méthodes
et Traitements des Recensements) cet été.
F.3 Traitements
Aire urbaine
Une aire urbaine ou « grande aire urbaine » est un ensemble de communes, d’un seul
tenant et sans enclave, constitué par un pôle urbain (unité urbaine) de plus de 10 000
emplois, et par des communes rurales ou unités urbaines (couronne périurbaine) dont au
moins 40 % de la population résidente ayant un emploi travaille dans le pôle ou dans des
communes attirées par celui-ci.
- les « moyennes aires », ensemble de communes, d’un seul tenant et sans enclave, consti-
tué par un pôle urbain (unité urbaine) de 5 000 à 10 000 emplois, et par des communes
rurales ou unités urbaines dont au moins 40 % de la population résidente ayant un emploi
travaille dans le pôle ou dans des communes attirées par celui-ci.
- les « petites aires », ensemble de communes, d’un seul tenant et sans enclave, constitué
par un pôle (unité urbaine) de 1 500 à 5 000 emplois, et par des communes rurales ou
unités urbaines dont au moins 40 % de la population résidente ayant un emploi travaille
dans le pôle ou dans des communes attirées par celui-ci.
https ://www.insee.fr/fr/metadonnees/definition/c2070
https ://www.insee.fr/fr/metadonnees/definition/c1435
https ://www.insee.fr/fr/information/2115011
69
Annexe H
70
Annexe I
I.1 Hypothèses
Nous cherchons à estimer le flux de navetteurs entre deux aires urbaines i et j par
β2
Eiβ1 Aj γ
Fij = K . .d .ηij = eXij β+ij (I.1)
Ωi Θj ij
où Ei est le nombre total de travailleurs habitant en i, Aj est le nombre total de personnes
travaillant en j, dij est le distance entre les chefs-lieux de i et de j.
I.2 Validation
L’estimation du modèle par PPML avec termes MR permet d’obtenir les coefficients
suivants :
Ei1.32 A1.39
j
F̂ij ≈ 0.044 . .d−3.81 (I.2)
Ωi Θj ij
71
Annexes 72
Table I.1 – Migrations alternantes entre Aires Urbaines de France sans frontières
régionales : coefficients estimés
Ainsi le flux de navetteurs entre i et j dépend pour une part similaire de la main d’oeuvre
mobile de i Ei et de l’attractivité de j Aj . Le paramètre γ = −3.81, fortement inférieur
à −2, prouve que les flux se tarissent rapidement quand la distance dij augmente.
Le modèle obtenu offre une bonne prédiction des flux de navetteurs réellement observés :
ainsi le R2 , défini comme le carré de la corrélation entre les valeurs réelles et les valeurs
prédites, atteint 0.92. Pour comparaison, une estimation du modèle avec la méthode des
moindre carrés ordinaires (sans effets fixes et en excluant les flux nuls) aboutissait à un
R2 de 0.50.
I.3.1 Termes MR
Figure I.1 – Ajustement des estimations du modèle par rapport aux flux réels
Flux de navetteurs entre aires urbaines, France métropolitaine, 2013
Ei1.32 A1.39
j −3.81
Modèle : F̂ij ≈ 0.044 Ωi . Θj .dij
La valeur absolue et le signe d’un terme MR ne peuvent pas être interprétés per ipse car
ils sont dépendants du choix arbitraire d’avoir fixé Θ001 = 0. Cependant les termes MR
Annexes 74
peuvent être comparés entre eux pour caractériser les Aires Urbaines avec des compor-
tement spécifiques et leur situation dans le tissu économique.
Ainsi, les aires urbaines avec un terme MR émetteur faible sont celles dont la main
d’oeuvre, toutes choses égales par ailleurs, est moins souvent employée dans les autres
aires urbaines de France. Nous y retrouvons des aires urbaines frontalières abritant une
forte population de travailleurs transfrontaliers :
Table I.2 – Termes MR des AU d’origine des flux les plus faibles
(pf ) : partie française d’une aire urbaine transfrontalière
Inversement, 36 aires urbaines font à la fois partie des 100 plus forts termes MR émetteurs
et des 100 plus forts termes MR récepteurs. Ces zones sont donc particulièrement mobiles
avec des flux de navetteurs entrant et sortant relativement forts. On y retrouve les aires
urbaines de Corse et des massifs montagneux, où les distances routières sont élevées :
les navetteurs inter-AU en provenance ou à destination de ces territoires réalisent des
trajets plus longs du fait de leur situation géographique. Ainsi, Ajaccio et Bastia étant
distantes de 2h34’ par la route, et compte-tenu de leurs masses respectives, le modèle
Annexes 75
sans effets fixes anticipe moins d’un navetteur d’Ajaccio vers Bastia. Une fois pris en
compte les termes MR, en revanche, il en prédit 125. Le flux mesuré par le Recensement
de la Population en 2013 est de 118 navetteurs.
Inversement, 34 aires urbaines font à la fois partie des 100 plus faibles termes MR émet-
teurs et des 100 plus faibles termes MR récepteurs. Leurs mains d’oeuvre sont donc
Annexes 76
relativement moins mobiles que ce qu’on pourrait attendre compte tenu de leur situa-
tion géographique. Outre certaines régions frontalières, cela semble être le cas de deux
types d’aires urbaines : celles échangeant de la main d’oeuvre avec des communes mul-
tipolarisées ou isolées des grands pôles, ces échanges échappant à notre jeu de données,
et les aires urbaines bénéficiant d’un important bassins d’emplois à proximité : ainsi
une part importante des travailleurs de Bourg-Saint-Andéol, Saint-Paul-Trois-Châteaux,
Thionville, sont employés dans les centrales nucléaires du Tricastin ou de Cattenom.
On observe des flux beaucoup plus intenses que prévu par le modèle depuis les grandes
aires urbaines de province vers celle de Paris : ainsi, des milliers de personnes déclarent
vivre respectivement à Lyon, Marseille - Aix-en-Provence, Toulouse, Bordeaux, Nantes,
Lille, Nice, Strasbourg, et travailler à Paris. Compte tenu de la distance, notre modèle
n’en prévoit que quelques centaines.
De fait, les transports rapides que sont le TGV ou les liaisons aériennes réduisent forte-
ment la notion de distance entre métropoles par rapport à la distance routière que nous
Annexes 78
avons utilisée. Par ailleurs, pour beaucoup de ces travailleurs, il faut relativiser la notion
de "navette" : il est probable que beaucoup des Marseillais travaillant à Paris ne font pas
d’aller-retour quotidien domicile-travail, mais bénéficient d’une solution d’hébergement
secondaire plus proche de leur lieu de travail.
D’autres flux plus importants que prévu traduisent une forte co-intégration économique
entre deux aires urbaines voisines : Nantes et Saint-Nazaire d’une part, Douai-Lens et
Béthune d’autre part échangent de forts flux réciproques de main-d’oeuvre. Si ce phéno-
mène s’amplifie, ces aires urbaines pourraient à terme fusionner.
Enfin, c’est l’étude des résidus fortement positifs là où le modèle n’attend aucun navetteur
qui a permis de repérer les observations anormales dans les données du Recensement de
la Population listées en Annexe.F
Toutes choses égales par ailleurs, Paris attire des flux moins intenses que prévu depuis
les autres grands pôles du bassin parisien : les mains-d’oeuvre de Rouen, Reims, Orléans,
Douai - Lens, Béthune, Compiègne, Auxerre, Troyes, Blois évitent ainsi une dépendance
trop forte au marché de l’emploi de la capitale. Comme l’estimation par PPML assure que
la somme des flux estimés à destination d’une aire urbaine donnée est égale à la somme des
flux observés, ces résidus négatifs peuvent également être vus comme une compensation
de la sous-estimation des flux depuis les grandes aires urbaines plus lointaines vers Paris.
Les flux centripètes de Paris vers Reims, Orléans, Compiègne et Douai-Lens sont aussi
relativement faibles.
Les aires urbaines de Marseille - Aix-en-Provence et de Toulon ont également des échanges
de mains-d’oeuvre peu intenses compte tenu de leurs tailles et de leur proximité géogra-
phique. Une même séparation relative des marchés du travail est observée pour Nantes
et Angers, pour Béthune et Arras ou pour Pau et Tarbes.
La main d’oeuvre lyonnaise se déplace plus volontiers vers les bassins d’emploi de Bourg-
en-Bresse ou de Grenoble que vers Saint-Étienne. Enfin, les flux de Lille vers Armentières
et Douai - Lens, comme de Caen vers Le Havre sont également plus faibles qu’attendu.
Annexe J
Convention de l’étude en
partenariat sur le stationnement et
les mobilités au sein de la MEL
79
Annexes 80
N° 2017T0049
Entre
d'une part,
et
La Métropole Européenne de Lille représenté par M. Damien CASTELAIN, son Président, 1, rue du Ballon
CS 50749 59034 LILLE CEDEX,
d'autre part,
Préambule
En application de la convention cadre entre l'Insee et la MEL (2015043NF) signée le 30/09/2015, il est
proposé d’engager une étude sur le stationnement et la mobilité au sein du territoire de la Métropole
Européenne de Lille.
Concernant le volet « mobilité », l'objectif est d'analyser les évolutions des déplacements domicile-travail et
domicile-étude au gré des mutations passées du réseau de transport depuis 1990. Les données des
différents millésimes du recensement de la population et des données issues des enquêtes ménages
déplacements 1987, 1998, 2006 et 2016 conduites par la MEL seront mobilisées.
Concernant le volet « stationnement », il s’agira d'élaborer une méthode d’estimation du nombre de places
de stationnement privées à usage résidentiel existant et de comparer les estimations obtenues aux besoins
de la population résidant sur le versant français du territoire de la Métropole Européenne de Lille.
1/11
Annexes 81
L'ensemble de ces informations sera ensuite mobilisé dans le cadre de l’évaluation du PDU (Plan de
Déplacement Urbain), de la rénovation du PLU (Plan Local d'Urbanisme) ou encore pour analyser l’influence
des grandes infrastructures mises en œuvre depuis 1990 sur les mobilités de l’agglomération lilloise. Elles
permettront de mieux connaître la dynamique des problématiques de stationnement et de mobilité au sein du
territoire de la Métropole Européenne de Lille.
Par conséquent, la MEL et l'Insee, au vu de l'intérêt partagé, s'engagent dans la réalisation en commun de
cette étude.
- pour la MEL : du chef de projet mobilité durable, du chef de service Études et plan de déplacements
urbains et du directeur de la Mobilité ;
D’autres experts pourront également être associés aux travaux en tant que de besoin.
En parallèle, un volet « stationnement » sera réalisé. L'objectif est de construire un indicateur de pression de
stationnement résidentiel au sein des communes françaises de la métropole européenne de Lille. À cette fin,
une estimation du nombre de places de stationnement résidentiel sera réalisée au niveau IRIS. Au vu des
données disponibles, l'Insee ne fournira de données que sur les zones où le tissu résidentiel permettra de
calculer une estimation fiable. Au vu du caractère exploratoire de ce volet, il a été conjointement décidé de
ne pas publier d'étude sur ce volet mais se limiter à un document de travail à usage interne de la MEL.
Le contenu détaillé de ces deux volets d'étude, ainsi que des méthodologies et les sources utilisées sont
décrits dans l’annexe technique.
2/11
Annexes 82
2) une étude de 4 pages sur le volet « mobilité » publiée sur le site de l’Insee au premier trimestre
2018 ;
3) un document de travail contenant les chiffrages non publiés des déplacements domicile-travail et
domicile-étude mobilisés dans le cadre du volet « mobilité » accompagné de consignes
d'utilisation, remis par l'Insee au premier trimestre 2018.
Une réunion technique de présentation des résultats à la MEL sera réalisée pour présenter les résultats.
L'Insee réalisera l'ensemble des travaux en mobilisant des sources internes listées dans l'annexe technique
et des données pré-travaillées issues des enquêtes ménages déplacements réalisées par la MEL. L'Insee
bénéficiera donc de l'expertise de la MEL sur ses données pour pouvoir les exploiter.
Le calendrier prévisionnel détaillé des travaux et la répartition des tâches figurent dans l’annexe technique.
Sous réserve des dispositions des articles L 311-5 et L 311-6 du Code des Relations entre le Public et
l'Administration, avant la publication de l'étude, les données non-publiques provisoires et contribuant à la
réalisation de l'étude, échangées entre les partenaires dans le cadre de ce partenariat, ne peuvent être
diffusées, à moins qu'elles n'aient déjà été publiées auparavant.
Après la publication de l’étude, les données échangées entre les partenaires peuvent être utilisées par
chaque partenaire sous sa propre responsabilité. L’utilisation est toutefois subordonnée au respect de
l’intégrité de l’information et des données, à la mention de la source et aux obligations mentionnées à l’article
« Protection juridique des données ».
Ces dispositions ont une portée d’ordre général et demeurent applicables au-delà de la durée de la présente
convention.
Compte tenu de la participation de chaque partenaire aux coûts internes (moyens humains) et aux coûts
externes, et afin d’équilibrer les contributions respectives, la MEL versera à l’Insee la somme de 9 190,25 €.
Les coûts de PAO de la publication, estimés à 721,77 €, seront payés directement au prestataire par l'Insee.
3/11
Annexes 83
La somme due à l’Insee par la MEL, soit 9 190,25 €, sera versée en deux fois :
- 4595,12 € à la signature de la convention ;
- 4595,13 € à la livraison de la publication prévue au premier trimestre 2018
Pour chaque versement, la MEL recevra un titre de perception (TP) par courrier. Le règlement se fera par
chèque, par virement ou en numéraire auprès de la Direction régionale (ou départementale) des finances
publiques chargée du recouvrement et à l’aide du talon de paiement joint au TP.
Le règlement devra être effectué dès réception du TP, en respectant la date limite de paiement
indiquée. Faute de quoi, la somme due sera aussitôt majorée de 10% (article 55 III B de la loi n°2010-1658
du 29 décembre 2010).
Coordonnées des personnes ou des services assurant le suivi financier de cette convention :
Article 11 - Résiliation
La dénonciation de la présente convention doit être notifiée par lettre recommandée électronique ou postale,
avec accusé de réception adressée aux autres partenaires.
Les partenaires conviendront des prestations à réaliser pour la bonne fin de la présente convention.
En cas de dénonciation de la convention, chacun des partenaires s'engage à financer les travaux réalisés
par prorata selon les règles de financement énoncées aux articles « Coût et financement » et « Modalités de
règlement » de la convention et en se référant à l'annexe financière.
En cas d'inexécution de ses obligations par l'un des partenaires, celui-ci est mis en demeure de le faire dans
un délai maximum de 30 jours à la réception de la lettre recommandée électronique ou postale avec accusé
de réception.
4/11
Annexes 84
De plus, la résiliation intervient sans délai et sans recours de l'un ou l'autre des partenaires dans le cas de
décision administrative plaçant l'un ou l'autre des partenaires dans l'impossibilité de continuer à exécuter les
travaux prévus.
On entend par cas de force majeure tout événement irrésistible, imprévisible et extérieur, rendant impossible
l'exécution de tout ou partie des obligations contractuelles.
Le cas de force majeure suspend les obligations des partenaires pendant le temps où jouera la force
majeure. Les obligations contractuelles reprennent dès que la force majeure cesse.
Les partenaires seront exonérés de toute responsabilité en raison de leurs manquements lorsque ceux-ci
sont dus à un cas de force majeure.
Article 12 - Modifications
Toute modification des dispositions de la présente convention, à l'exception des annexes, fera l'objet d'un
avenant dûment signé par les partenaires.
Article 13 - Litiges
Les partenaires conviennent de rechercher une solution amiable à tout différend qui pourrait survenir dans le
cadre de l'interprétation ou de l'exécution de la présente convention.
A défaut d'un règlement amiable, tout litige sera soumis à la juridiction administrative compétente.
Article 14 - Annexes
A Lille , le A Lille , le
5/11
Annexes 85
Annexe 1 : annexe technique : volet « mobilité »
Dans le cadre de la réflexion sur les modes de transports urbains et la mise en place éventuelle de nouvelles
infrastructures, le service Étude et PDU a identifié un sujet d'étude sur le thème de la mobilité au sein de la
MEL portant sur la définition et l'évolution depuis 1990 des cadres de mobilités selon les modes pour les
déplacements domicile-travail (et étude). L'objectif est d'analyser les évolutions des déplacements au gré
des évolutions passées du réseau de transport. Le service Études et PDU pourrait ainsi être en mesure
d'anticiper le laps de temps nécessaire pour qu'une nouvelle infrastructure soit pleinement utilisée par les
usagers.
Proposition d’analyse
Il s’agit d’analyser les déplacements domicile-travail et domicile-études entre communes selon les profils de
navetteurs et le mode de transport. La MEL cherche une approche rétrospective ce qui limitera aux seules
variables disponibles sur la période 1990-2013 l'étude des profils des navetteurs.
L'objectif est de quantifier les flux de navetteurs au sein de la MEL ainsi que les échanges avec l'extérieur
selon le mode de déplacement principal, mais aussi d'étudier les différences de comportement de mobilité
selon les populations.
Une analyse descriptive des navettes effectuées par période depuis 1990, profil de population et moyen de
transport sera réalisée, ainsi qu'un chiffrage des flux par commune de départ et d'arrivée au sein de la MEL
et avec l'extérieur.
6/11
Annexes 86
Partie 2 : analyse des réseaux de déplacements et de leur évolution depuis 1990
- sur l'évolution du réseau de transports au sein de la MEL, informations qui seraient apportées par la MEL,
- éventuellement sur l'évolution du tissu économique local, notamment l'impact que peut avoir l'implantation
de nouveaux gros établissements au sein de la MEL.
Certaines zones plus délimitées pourraient faire l'objet d'approfondissements afin d'étudier l'évolution des
navettes des personnes résidant dans les IRIS proches d'un nœud modal ( ex : station de métro, de bus)
donnée suite à un changement de l'offre de transport.
On pourra également examiner l'évolution du réseau spécifiquement à certains profils de population (par
exemple les cadres, ou les populations n'ayant pas de voiture à disposition).
Afin de pouvoir confronter les données de l'étude aux résultats de l'enquête ménage-déplacements, certains
regroupements de communes seront opérés. Le zonage sera transmis par la MEL à l'Insee en début de
projet.
Les zones délimitées à quelques IRIS autour d'un nœud modal devant faire l'objet d'approfondissements
seront décidées conjointement en cours de projet.
Les flux internes à la MEL mais aussi avec l'extérieur seront étudiés.
Outils :
Distancier Insee capable de calculer des temps de parcours routiers entre deux points. La congestion du
trafic est estimée à partir d’un modèle (dont les coefficients ne sont pas paramétrables) basé sur la densité
de population et le type de voie. Le distancier communal calcule le temps de parcours du centre de la
commune à l’autre centre de la commune.
7/11
Annexes 87
Sources :
La source Sirene : Informations issues des déclarations d'établissements s'implantant sur le territoire. Cette
source fournit l'état civil des entreprises et établissements ainsi le volume de postes.
Méthode :
La théorie des graphes étudie les graphes, lesquels sont des modèles abstraits de dessins de réseaux
reliant des objets. Ces modèles sont constitués par la donnée de « points »,et de « liens » entre ces points.
Un « 4 pages » (collection « Insee Analyses Hauts-de-France ») publié sur le site de l’Insee ainsi que la
fourniture de données complémentaires à la MEL accompagnées d'une note d’utilisation de ces données
(dessins de fichiers, définition des variables, précautions d’usage).
Une opération de communication est également envisagée pour présenter les résultats à l'occasion d'une
réunion de type « réunion technique ».
Calendrier de réalisation
8/11
Annexe K
88
Annexe L
Plutôt qu’une distance kilométrique, on peut utiliser en 2013 une distance routière en
minutes, calculée à l’aide du distancier Metric[12]. Comme pour les trajets en France,
nous avons choisi d’utiliser les temps de trajets en heures creuses, considérés comme plus
vraisemblables après exploration des données.
Le choix d’une méthode d’imputation d’un temps de trajet pour les navettes infra-
communales a fait l’objet d’un programme d’optimisation.
Les principaux enseignements du modèles étant similaires à ceux obtenus avec une dis-
tance kilométrique, nous nous contentons d’en présenter les résultats et les points de
divergence.
L.1 Données
89
Annexes 90
situées dans les pays frontaliers. Ces données sont disponibles pour 2010 et pour 2013 ;
nous utilisons ce dernier millésime.
La principale difficulté de cette approche est de déterminer une durée moyenne des trajets
infra-communaux pour chaque commune. Notre approche fut de considérer que cette
durée est positivement corrélée avec le nombre de personnes en emploi résidant dans la
commune : cette masse de navetteurs pouvant expliquer un relatif éloignement des lieux
de résidence et de travail au sein de chaque commune, et peser sur la congestion du trafic
routier.
À partir de cette variable, le nombre de personnes en emploi, nous avons donc essayé
plusieurs transformations monotones à l’aide fonctions puissances, linéaires ou logarith-
miques.
Le critère de sélection retenu fut le suivant : on souhaite que le signe du résidu associé à
un flux soit indépendant du fait que ce flux soit infra-communal ou inter-communal. Le
√
graphique [Figure L.1], obtenu avec la distance DistanceInf rai = Ei montre ce que
l’on souhaite éviter : ici tous les flux infra-communaux, représentés par un rond rouge,
sont sous-estimés par rapport au flux réel.
Le test de corrélation de Pearson confirme que les résidus ne sont pas indépendants du
caractère infra-communal ou inter-communal des trajets.
Annexes 91
L.2 Modélisation
β2
E β1 Aj γ λ∗metroij
F̂ij = K i . .d .e (L.2)
Ωi Θj ij
Par rapport à la modélisation à l’aide des distances kilométriques à vol d’oiseau, nous
observons une plus forte élasticité liée à la distance ; ceci tend à valider l’utilisation
de Metric, puisque les temps de trajets routiers sont plus représentatifs des contraintes
auxquelles les navetteurs sont confrontés, et influent donc plus fortement sur les flux
observés.
L.3 Ajustement
Comme dans le modèle avec distance kilométrique, nous obtenons une très bonne des-
cription des données avec un R2 entre les données réelles et les données observées de
0.990 [Figure L.3].
Annexes 93
L.4 Résidus
Les résidus les plus importants sont ceux en provenance de Lille et Villeneuve d’Ascq et
à destination de Roubaix. Les travailleurs sont également plus nombreux qu’attendu par
le modèle à se rendre de communes non limitrophes de la couronne lilloise : Emmerin,
Templemars et Marquette-les-Lille, vers Lille, et de Tourcoing vers sa banlieue ouest :
Bondues, Roncq, Halluin [Table L.4].
Ce modèle confirme que les flux moins intenses qu’attendus sont ceux entre communes
voisines dans les banlieues de Lille ou de Roubaix [Table L.5].
Annexes 94
Dans le cadre de l’étude en partenariat sur les mobilités dans la MEL et afin de comparer
les comportements de différentes populations ainsi que leurs évolutions dans le temps,
j’ai développé un programme R pour générer automatiquement des rapports d’analyse
pour un millésime donné.
Les Retraités et les Autres personnes sans activité professionnelle n’entrent pas dans le
champ des migrations alternantes. Les Agriculteurs exploitants, peu nombreux dans le
territoire essentiellement urbain de la MEL, ne sont pas non plus l’objet de rapports
indépendants.
96
Annexes 97
Ces différents rapports constituent une base de travail pour nourrir l’analyse qui aboutira
à une étude sur les mobilités dans la MEL publiée au premier trimestre 2018.
1.1 PARAMÈTRES
Prise en compte du métro : TRUE
Prise en compte des flux intra-communaux : TRUE
1
Annexes 99
2
Annexes 100
3
Annexes 101
4
Annexes 102
5
Annexes 103
6
Annexes 104
7
Annexes 105
8
Annexes 106
1.1 PARAMÈTRES
Prise en compte du métro : TRUE
Prise en compte des flux intra-communaux : TRUE
1
Annexes 107
2
Annexes 108
3
Annexes 109
4
Annexes 110
5
Annexes 111
6
Annexes 112
7
Annexes 113
8
Annexes 114
1.1 PARAMÈTRES
Prise en compte du métro : TRUE
Prise en compte des flux intra-communaux : TRUE
1
Annexes 115
2
Annexes 116
3
Annexes 117
4
Annexes 118
5
Annexes 119
6
Annexes 120
7
Annexes 121
8
Bibliographie
[1] Reilly WJ. The law of retail gravitation. New York : Knickerbocker Press, 1931.
[2] Huff D. Defining and estimating a trading area. Journal of Marketing, 28(3) :34–38,
1964.
[3] James E. Anderson and Eric van Wincoop. Gravity with gravitas : A solution
to the border puzzle. American Economic Review, 93(1) :170–192, March 2003.
doi : 10.1257/000282803321455214. URL http://www.aeaweb.org/articles?id=
10.1257/000282803321455214.
[4] Thibault Fally. Structural gravity and fixed effects. Journal of International Eco-
nomics, 1(97) :76—-85, September 2015. URL http://dx.doi.org/10.1016/j.
jinteco.2015.05.005.
[5] Damiaan Persyn and Wouter Torfs. A gravity equation for commuting with an
application to estimating regional border effects in belgium. Journal of Economic
Geography, 16(1) :155, 2016. doi : 10.1093/jeg/lbv003. URL http://dx.doi.org/
10.1093/jeg/lbv003.
[6] Jeffrey Bergstrand and Scott Baier. Bonus vetus ols : A simple method for approxi-
mating international trade-cost effects using the gravity equation. 77 :77–85, 02
2009.
[7] Keith Head and Thierry Mayer. Gravity equations : Workhorse,toolkit, and co-
okbook. In Handbook of International Economics, volume 4, chapter Chapter 3,
pages 131–195. Elsevier, 2014. URL http://EconPapers.repec.org/RePEc:eee:
intchp:4-131.
[8] Silvana Santos Silva, J.M.C. et Tenreyro. The log of gravity. The Review of Eco-
nomics and Statistics, 4(88) :641–658, 2006. URL http://personal.lse.ac.uk/
tenreyro/lgw.html.
122
Bibliographie 123
[10] Jean-François Arvis and Ben Shepherd. The poisson quasi-maximum likelihood esti-
mator : a solution to the ‘adding up’ problem in gravity models. Applied Economics
Letters, 20(6) :515–519, 2013. URL http://EconPapers.repec.org/RePEc:taf:
apeclt:v:20:y:2013:i:6:p:515-519.
[11] Martin Bresslein Anna-Lena Woelwer, Jan Pablo Burgard. Gravity : A compilation
of different estimation methods for gravity models, 2017. URL https://CRAN.
R-project.org/package=gravity.
[12] Direction Régionale PACA Unité CED PSAR « Analyse Territoriale ». Insee,
distancier metric, 2014. URL http://www.agora.insee.fr/jahia/Jahia/site/
dr-paca/drpaca/psar-at/pid/117584.
[15] M. Dupuis. Distribution : la nouvelle donne. Les Ed. d’organisation, 1986. URL
https://books.google.fr/books?id=-ITRYgEACAAJ.
[16] Keith Head and Thierry Mayer. Non-europe : The magnitude and causes of mar-
ket fragmentation in the eu. Review of World Economics, 136(2) :284–314, 2000.
ISSN 1610-2886. doi : 10.1007/BF02707689. URL http://dx.doi.org/10.1007/
BF02707689.
[17] Gabriel M. Ahlfeldt, Stephen J. Redding, Daniel M. Sturm, and Nikolaus Wolf. The
economics of density : Evidence from the berlin wall. Econometrica, 83(6) :2127–
2189, 2015. ISSN 1468-0262. doi : 10.3982/ECTA10876. URL http://dx.doi.org/
10.3982/ECTA10876.
[18] Albert A. Zevelev. Closed form solutions in economics. Available at SSRN, 2014.
URL https://ssrn.com/abstract=2354226.
[19] Craig Marcott. Cost minimization with a ces production function. http://
personal.stthomas.edu/csmarcott/ec418/ces_cost_minimization.pdf.