Etude de la ségrégation résidentielle en géographie

ETUDE DE L’ACCESSIBILITE

L’accessibilité est, selon le dictionnaire, la qualité de ce qui est accessible. Accessible désigne ce qui peut être atteint, abordé, dont on peut s’approcher.
Le terme en lui-même est très vague car il peut recouvrir des domaines et des variables très variées. Il peut en effet s’agir de cibles matérielles (hôpitaux, écoles, domiciles, etc..) ou immatérielle (accès à l’emploi, accès à internet, etc..).

Développement

Il existe en droit le principe d’accessibilité qui prône une égale accessibilité aux lieux publics et aux transports à tous (on pense ici principalement aux personnes handicapés). Cette loi s’est vue par trois fois renforcée (en 1991, 1994 et 2005) depuis sa création en juin 1975 (DELIOTLEFEVRE, 2006). Cette notion d’accessibilité a donc pris de l’importance depuis les années 1970 surtout dans une optique d’aide aux personnes faibles, ce qui pousse les communes à prendre des initiatives dans plusieurs domaines notamment les transports pour améliorer la mobilité des habitants. Philippe VIDAL défini cette notion comme « la ville accessible » (VIDAL, 2009).
Dans cette étude l’accessibilité concerne les transports, c’est donc la possibilité des personnes d’accéder aux infrastructures de transports en commun et ceci à travers de nombreux critères (distance, coûts, durée, etc…). Le sujet d’étude de l’accessibilité peut être physique, comme des infrastructures de transport ou des zones urbaines, mais être aussi immatériel (accessibilité aux emplois). Le choix des populations d’études aussi peut être varié : personnes handicapées (LEVY, 2003), personnes âgées (CLEMENT, 2006), femmes (PRATT, HANSON, 1993 ; VANDERSMISSEN, 2001, PARKS, 2004). La question de l’accessibilité est de nos jours primordiale, notamment avec l’ouverture des frontières économiques telle que le développement de l’union européenne, comme le soulignent Jean-Michel SPILL et Christiane SEMPERE-SPILL (2002) : « L’accessibilité est ainsi devenue une qualité fondamentale des territoires que les décideurs économiques en quête d’implantation sont censés évaluer et que les acteurs politiques, dans l’Union Européenne, sont sommés de maximiser ».

Nombreuses interprétations

Les approches de l’accessibilité dans le monde scientifique sont nombreuses. Voici ci-dessous quelques interprétations scientifiques du terme.
L’accessibilité peut être approchée au moins de trois manières selon Mohamed HILAL (2003) :
– par une étude de réseau. On utilise donc la théorie des graphes pour calculer par exemple l’indice de Schimbel (PUMAIN, SAINT-JULIEN, 2002).
– En utilisant des modèles d’interaction (souvent de forme gravitaire) qui permettront de modéliser les critères de l’étude
– En utilisant des modèles économétriques (modèles d’interactions prenant en compte les comportements des individus). Cyril GENRE-GRANDPIERRE propose dans son article, Qualité de l’offre et usage de transports public en milieu urbain (2005), une définition en quatre dimensions de l’accessibilité des transports publics :
On a ici un modèle qui représente bien la diversité des critères que l’on peut aborder quand on étudie l’accessibilité avec d’un côté l’étude de réseau évoqué par HILAL et d’un autre côté le critère vitesse auquel vient s’ajouter la fréquence des transports.

Mesurer l’accessibilité

Mei-Po KWAN fait dans son article de 1998, Space-time and integral measures of individual accessibility : a comparative analysis using a pointbased framework, une revues des indicateurs d’accessibilité de la littérature scientifique. C’est sur cet article que je m’appuierai principalement. KWAN dégage deux types d’indice permettant de mesurer l’accessibilité. Les premiers sont de forme gravitaire (GRAV pour gravity-type en anglais). Ces modèles de forme gravitaire ont été utilisées pour la première fois par HANSEN en 1959. Il s’agit ici de travailler sur la distance ou le temps qui doit être parcouru pour arriver au sujet de l’accessibilité (Routes, arrêts de bus, zone d’activité, etc…). Voici deux exemples d’indices gravitaires permettant de mesurer l’accessibilité (tirés de l’article de KWAN, 1998).
Un tel indice d’accessibilité gravitaire a par exemple été utilisé par Charles Raux, Aurélie Mercier et Nicolas Ovtracht (2007) pour évaluer l’accessibilité aux emplois sur la commune de Strasbourg. Le critère pris en compte dans cette étude était un coup généralisé de déplacement.
Mais d’autres auteurs ont put utiliser un indice d’accessibilité de la même nature en utilisant d’autres critères. C’est le cas de PARKS qui use du nombre d’emplois disponible présents dans chaque unité spatiale à l’intérieur de son indice gravitaire.
On a donc vu que l’accessibilité est un concept très large. Les approches du thème sont très variées ainsi que les critères sur lesquels on se base (qualité du réseau de transport, distance aux infrastructures, coût, etc…), et ainsi que les populations d’étude (personnes handicapés, femmes, chômeurs, etc…). Les indices d’accessibilité permettent de synthétiser ces critères pour donner une meilleure idée de la situation. Travailler sur le thème de l’accessibilité demande donc de pouvoir répondre à trois questions : quel est le critère de mesure choisi ? Quelle est la population étudiée ? Quel sera l’outil de mesure utilisé ?
Dans ce mémoire, le critère choisi sera la distance en kilomètres aux infrastructures de transport, les populations étudiées seront les étrangers, cadres, ouvriers et employés de la commune de Marseille, enfin l’outil de mesure utilisé sera un indice de forme gravitaire permettant de synthétiser la distance aux infrastructures de transport.

SEGREGATION RESIDENTIELLE

Cette partie présente le travail effectué au cours de l’année scolaire 2010-2011 en termes de calculs sur la question de ségrégation résidentielle. La recherche a été réalisée à l’échelle des quartiers de Marseille car selon Edmond PRETECEILLE : « Du seul point de vue de l’analyse de la différenciation sociale de l’espace, on sait que les espaces socialement homogènes ont souvent une échelle inférieure à la commune, étant plutôt de l’ordre du quartier » (citation de 1993, OBERTI, 1995). Seront présentées ici les distributions des populations d’études et les résultats des indices de ségrégation sur Marseille ce qui permettra finalement de poser un état des lieux de la ségrégation résidentielle.

Cartographier les distributions des catégories sociales

Avant de présenter les indices de ségrégation, il semble logique d’étudier les dispositions spatiales des catégories sociales étudiées. Les cartes qui vont suivre présentent les pourcentages sur la population totale des catégories sociales étudiées par quartiers de la ville de Marseille. Il s’agit ici des chiffres de résidence du recensement INSEE 2007.
Ci-après sont cartographiées les distributions en pourcentage de la population totale des étrangers (65 102 individus), des cadres (57 129 individus), des ouvriers (66 589 individus) et des employés (115 518 individus) à Marseille.

Cadres

Les quartiers à fort taux de cadres forment une ligne qui longe la méditerranée au sud de Marseille. Les arrondissements concernés sont les 7 ème , 8 ème et 9 ème arrondissements. On peut aussi observer que quelques quartiers de l’Est de Marseille ont un fort pourcentage de cadres.
A l’inverse, le Nord Ouest de Marseille semble vide de cette population, avec des taux maximum de cadres compris entre 0.04 et 0.07 de la population totale. Les arrondissements qui comptent les plus faibles taux de cadres sont donc les 15 ème et 16 ème arrondissements de Marseille.

Employés

La distribution des employés présente une situation plus éparse que les cadres. En effet, excepté le regroupement de quartiers à fort taux d’employés situé entre le 9 ème et le 10 ème arrondissement, le Nord et le centre de Marseille contiennent des quartiers mixtes, allant de 0.03 d’employés à plus de 0.16. Seul le sud de Marseille connait des quartiers voisins présentant des faibles taux d’employés.

Etrangers

On observe des quartiers voisins à fort pourcentage d’étrangers (entre 0.08 et 0.32) dans le centre-ville au dessus du vieux port) et dans pratiquement tous les quartiers du 15 ème arrondissement. Excepté quelques quartiers dans le centre et dans le sud, les étrangers 26 semblent peu présents dans le reste du territoire marseillais. Le Nord-est est clairement la zone où les étrangers sont les plus nombreux en pourcentage de la population totale.

Ouvriers

La carte des ouvriers présente à première vue des similarités avec celle des étrangers : le quinzième arrondissement présente exclusivement des fort taux d’ouvriers ainsi que les quartiers du centre-ville au dessus du vieux port. Mais il y a une autre zone qui présente de tel résultats : dans l’est de Marseille, des quartiers voisins des 12 ème , 11 ème et 10 ème arrondissements connaissent des pourcentages d’ouvriers importants. Les quartiers du sud-est de Marseille ont peu d’ouvriers en pourcentage de la population totale.
Les distributions de ces catégories sociales nous donnent donc des indications premièrement sur les quartiers de résidence mais aussi sur les possibilités d’interaction entre ces différentes catégories. Il semblerait que les ouvriers et les étrangers soient les deux groupes sociaux qui possèdent le plus de possibilités d’interaction à travers leurs lieus de résidence similaire. A l’inverse, ces deux catégories ont des quartiers de résidence très différents des cadres, ce qui baisse leurs possibilités d’interaction. Les employés à travers leur distribution moins concentrée ont des capacités d’interaction avec toutes les autres catégories sociales, plus particulièrement avec les ouvriers dans les 10 ème et 11 ème arrondissements. En terme de ségrégation on peut donc penser que les employés sont les moins ségrégués et que les cadres et les étrangers sont les plus ségrégués. Cette remarque est permise car on voit que les quartiers à très fort taux d’étrangers et de cadres sont peu nombreux, voisins, et que les pourcentages sur la population totale peuvent monter haut (avec un maximum de 0.32 pour les étrangers).
Nous allons maintenant étudier plus précisément la ségrégation résidentielle aux moyens des indices de ségrégation résidentielle, ce qui nous permettra de dresser un état des lieus de la ségrégation de ces groupes sociaux dans la ville de Marseille.

Indices de ségrégation résidentielle

Cette étude se propose dans un premier temps de dresser un compte rendu de la ségrégation socio-spatiale à Marseille en 2007 en utilisant les données du recensement INSEE traitées par les indices de ségrégation énoncés dans la partie un (MASSEY, DANTON, 1988, APPARICIO, 2000). Les formules sont en annexes de ce mémoire.
Ces indices sont donc répartis en cinq dimensions distinctes (Egalité, exposition, concentration, agrégation spatiale, centralisation) qui permettent de bien introduire les données de distribution des populations mais aussi leurs caractéristiques spatiales.
Chaque dimension détient des indices unigroupes qui mesurent la répartition d’un groupe par rapport à l’ensemble de la population (APPARICIO, 2000), et des indices intergroupes qui comparent la répartition d’un groupe avec celle d’un autre groupe (APPARICIO, 2000).
La plupart des indices varient entre 0 et 1 (le 0 représentant l’absence totale de ségrégation et le 1 une ségrégation totale), il sera indiqué lorsque les limites des indices sont différents.
Les populations traitées ici seront évidemment les étrangers mais aussi les cadres, les ouvriers et les employés de Marseille. Les données INSEE utilisées sont les quartiers de résidence de ces catégories sociales et ethniques de la ville de Marseille.
Les calculs ont put être réalisés grâce aux articles de Philippe Apparicio qui dressent clairement l’état des lieus de la recherche sur la ségrégation résidentielle. En outre l e travail a été grandement facilité par l’application créée en Mapbasic par Philippe Apparicio. Celle-ci permet d’intégrer directement le calcul de ces indices dans le logiciel de Systèmes d’information géographiques Mapinfo.
Il est vrai que le calcul de ces indices peut devenir vite laborieux avec pour seul outil un tableur. Cette application a donc été très utile. Nous allons donc étudier ici les cinq dimensions et au fur et à mesure interpréter les résultats.
On pourra ensuite comparer certaines valeurs d’indices avec celles de Gobillon et Selod en 2007 sur Paris ainsi qu’avec celles de Duncan concernant son étude de chicago en 1955.
Pour affiner l’étude de la ségrégation résidentielle, on étudiera ensuite l’autocorrélation spatiale des catégories sociales par quartiers à l’aide des LISA de Luc Anselin.
Les indices d’égalité permettent d’étudier la répartition des groupes sociaux dans les unités spatiales (ici les quartiers).
L’indice de ségrégation de DUNCAN varie de 0 à 1 et représente la part d’une population qui devrait changer de quartier pour qu’il existe une distribution parfaite de cette population par quartiers. On voit donc que sur les quatre populations d’étude, les étrangers sont ceux pour qui l’indice de ségrégation est le plus élevé (0.346) juste devant les cadres (0.307).
L’indice de GINI permet de mesurer les inégalités de distribution, 0 représentant ici une ségrégation nulle et 1 représentant une ségrégation totale. Les étrangers ont l’indice le plus élevé (0.463) et les employés l’indice le plus faible (0.152).
L’indice d’entropie compare l’entropie de chaque unité spatiale avec l’entropie de la ville. Il tend vers 0 quand la composition sociale et ethnique des quartiers est variée, il tend vers 1 quand à l’inverse les quartiers comportent un seul groupe social. On détient pour chaque groupe social des valeurs faibles de l’indice (tous tendent vers 0), on peut donc imaginer que les quartiers de Marseille sont cosmopolites.
Les deux indices Boundary modified de MORRIL (1991) et l’indice de WONG (1993) sont des extensions de l’indice de ségrégation de DUNCAN. Il s’agit là d’exemples d’indices qui sont venus apporter une dimension spatiale dans l’étude de la ségrégation résidentielle. Les deux indices soustraient à l’indice de ségrégation la possibilité d’interaction du groupe étudié en prenant en compte une matrice de contiguïté des quartiers. Les deux indices sont à peu près similaires, exception faite de la manière d’évaluer l’interaction. Là encore, les étrangers ont les plus forts indices.L’indice de dissimilarité est le seul indice intergroupe de l’égalité. Il permet donc d’estimer le niveau d’interaction entre différentes populations : « Il exprime la part du groupe X ou du groupe Y qui devrait déménager pour que les deux obtiennent des distributions identiques » (APPARICIO, 2000).
Nous voyons ici que les étrangers détiennent le moins d’interaction avec les cadres (indice de dissimilarité de 0.521). Cela signifie que la moitié des étrangers et des cadres devraient changer de quartier pour qu’on ait une distribution identique des deux groupes dans chaque quartier. L’indice de dissimilarité des cadres et des ouvriers est aussi assez élevé (0.449).
L’indice de centralisation absolu mesure « la part du groupe qui devrait déménager afin d’obtenir une densité uniforme du groupe autour du centre-ville » (APPARICIO, 2000). Il est supérieur à 0 quand un groupe est fortement représenté dans le centre ville, il est nul quand le groupe est équitablement représenté dans la ville et inférieur à 0 quand le groupe est fortement représenté en dehors du centre ville. Les quatre groupes ont donc un indice de centralisation absolu important avec un maximum de 0.711 pour les étrangers.
L’indice de centralisation relatif compare les distributions spatiales autour du centre-ville entre deux groupes. Il varie entre -1 et 1. Il est négatif quand les membres du groupe 1 sont plus éloignés du centre-ville que ceux groupe 2, positif quand les membres du groupe 1 sont moins éloignés du centre-ville que ceux du groupe 2 et il est nul quand la distribution autour du centre-ville est égale entre les deux groupes. Les étrangers semblent donc plus proches du centre-ville que tous les autres groupes.

Cartographier la ségrégation résidentielle

Les indices calculés sont globaux, ils concernent la métropole dans son ensemble. Une manière de cartographier la ségrégation revient à calculer pour chaque quartier le quotient de localisation : où est le pourcentage du groupe dans l’unité spatiale et le pourcentage du groupe dans la ville. Si le quotient est inférieur à 1 la concentration du groupe dans le quartier est inférieure à la moyenne de la ville (en bleu), s’il est supérieur à 1 la concentration du groupe dans le quartier est supérieure à la moyenne de la ville (en rouge), si il vaut 1 la concentration du quartier est égale à la moyenne de la ville (en blanc).

Etat des lieux

Ces indices de ségrégation résidentielle nous renseignent sur la distribution numérique et spatiale des quatre populations étudiées.
Le principal but était d’évaluer le niveau de ségrégation de la population étrangère à Marseille.
Le calcul des indices fait ressortir le fait que la population étrangère semble la plus ségréguée des quatre. Nous avons notamment des indices de concentration (concentration dans des petits quartiers) et de centralisation (présence dans le centre-ville) assez élevés. Seulement deux des quartiers à très forte population étrangère se trouvent hors de centre ville (La Cabucelle 15 ème arrondissement, Saint Barthelemy 14 ème barrondissement). Les sept autres quartiers à très forte population étrangère se trouvent dans le centre ville (Belsunce, Noailles 1 er arrondissement, Les Grands Carmes 2 ème arrondissement, La Villette, Saint Lazare, La Belle de Mai, Saint Mauront 3 ème arrondissement).
On retrouve bien cette tendance à la centralisation mais aussi à la concentration car ce sont pour la plupart des quartiers à faible surface (Le plus grand étant Saint Barthelemy avec une surface de 1 750 000 m², le plus petit étant Noailles avec une surface de 150 000 m² pour une moyenne de surface des quartiers de 2 000 000 m²).Les cadres forment le second groupe le plus ségrégué. Ils détiennent notamment un regroupement fort.
Les indices de dissimilarité et d’interaction nous renseignent aussi sur les contacts possibles entre les différentes populations. On voit donc que les étrangers et les cadres sont les deux groupes sociaux étudiées qui ont le moins de contacts (indice de dissimilarité fort et indice d’interaction faible). Les cadres et les ouvriers connaissent une situation à peu près similaire avec peu de contacts. (les cartes de concentration vus dans le 3. semblent appuyer cette idée ainsi que les cartes de distribution par quartiers ci-dessous).
Comparer ces indices à ceux fournis par le travail de Laurent Gobillon et Harris Selod en 2007 sur l’île de France permet de juger encore mieux les données trouvées (GOBILLON, SELOD, Les déterminants locaux du chômage en banlieue parisienne, 2007). Ils ont aussi utilisé l’indice de dissimilarité de Duncan pour comparer les interactions entre groupes sociaux (ci-dessous).
Si on s’intéresse uniquement à la ville de Paris pour une meilleure comparaison avec le travail effectué sur la ville de Marseille, on voit que l’indice de dissimilarité le plus élevé est de 0.23 entre cadres et ouvriers (et entre français et maghrébins). Le résultat de l’indice de dissimilarité entre ouvrier et cadres à Marseille est de 0.449. Donc plus du double de celui de la capitale. Mais ce n’est pas un cas isolé, tous les indices de dissimilarité comparables (ouvriers/cadres, ouvriers/employés, cadres/employés) sont plus élevés pour la ville de Marseille que pour la ville de Paris. Cependant, les indices n’ont pas été calculés à la même échelle car les travaux de GOBILLON et SELOD ont été pratiqué au niveau des arrondissements de Paris alors que ce travail s’effectue au niveau du quartier.
Ceci ne permet pas de conclure sur la ségrégation résidentielle dans son ensemble mais il semblerait que les interactions entre groupes sociaux soient moins élevées à Marseille qu’à Paris.
Cependant sur les cinq dimensions de la ségrégation résidentielle étudiées, les valeurs extrêmes sont rares. Si on observe en effet les tableaux suivants on comprend que les indices peuvent être beaucoup plus importants. Ils sont tirés de l’enquête de Duncan et Lieberson sur les populations étrangères de Chicago entre 1930 et 1950 (DUNCAN, LIEBERSON, Ethnic ségrégation and assimilation, 1959).

AUTOCORRELATION SPATIALE

Cette partie est dédiée à l’étude de l’autocorrélation spatiale selon les quartiers de Marseille.
Ces recherches ont été effectuées en prolongement du travail sur la ségrégation résidentielle. On cherche donc à faire ressortir les quartiers qui se ressemblent en termes de structure de population. On utilisera les indicateurs locaux d’association spatiale (LISA) tirés de la désagrégation de l’indice de Moran. Ceci permettra d’étudier plus en détail la structure spatiale des lieus de résidence des catégories sociales.

Cartographier l’autocorrélation spatiale

Les cartes suivantes réalisées pour chaque groupe social par quartiers de Marseille nous permettront d’observer visuellement les structures spatiales des lieus de résidence des populations. Elles seront réalisées en prenant en compte le nombre d’étrangers, de cadres, d’ouvriers et d’employés par quartiers.
Il sera proposé ensuite un post traitement des LISA de Luc ANSELIN qui permettra de croiser accessibilité et autocorrelation spatiale.
Le logiciel Geoda permet à partir des données de distribution par quartier de l’INSEE de cartographier l’autocorrélation spatiale. Le logiciel va en créant une matrice de contiguïtés calculer un LISA (I de Moran désagrégé) pour chaque quartier. Ci-dessous est la carte d’autocorrélation des étrangers par quartiers :
– En rouge seront les quartiers à forte population étrangère contigus avec des quartiers à forte population étrangère
– En rose seront les quartiers à forte population étrangère contigus avec des quartiers à faible population étrangère
– En bleu clair seront les quartiers à faible population étrangère contigus avec des quartiers à forte population étrangère
– En bleu foncé seront les quartiers à faible population étrangère avec des quartiers à faible population étrangère
Cette légende couleur sera la même pour chaque groupe social. Les quartiers figurant en blanc sur les cartes ont une autocorrélation spatiale nulle, c’est-à-dire qu’ils détiennent par exemple un nombre d’étrangers moyen et leur voisins détiennent aussi un nombre d’étrangers moyen.
Ils ne présentent donc pas de spécificité et apparaissent comme blanc. Cela signifie aussi que la valeur de leur LISA tend vers 0.
Avant toute chose le logiciel Geoda calcule l’indice de Moran global sur la métropole.
Concernant les étrangers il est de 0.5213. On a donc une autocorrélation spatiale positive pour les étrangers sur Marseille.
Une structure spatiale nette des lieus de résidence des étrangers semble ressortir de cette carte.
En rouge apparaissent les quartiers du centre-ville et du Nord contigus. Cela vient renforcer la tendance observée sur la carte de distribution des étrangers de la partie II (petit 1) ainsi que par les indices de ségrégation résidentielle (dimension concentration). Les étrangers auraient donc une tendance forte à résider dans ces petits et moyens quartiers du centre-ville. Ceci crée, si on ne peut pas encore forcément parler de ségrégation, du moins une concentration nette des étrangers dans le nord du centre-ville (1 er , 2ème et 3 ème arrondissements).
A l’inverse les quartiers Est apparaissent en bleu et forment une zone qui semble vide où les quartiers ont une faible population d’étrangers ainsi que leurs voisins. Ceci se retrouve aussi dans la carte de distribution des étrangers partie II (petit 1) ainsi que sur la carte du quotient de localisation (partie II petit 3).
Le quartier en bleu clair est Arenc. Sa couleur indique que c’est un quartier à faible population étrangère entouré de quartiers à forte population étrangère. Ce quartier est un espace portuaire avec peu d’habitants ce qui peut expliquer cette situation.

Post traitement des LISA

L’autocorrélation spatiale nous permet donc pour l’instant de détenir un indice de Moran global pour chaque groupe social dont le plus élevé est de 0.555 pour les cadres et le plus faible de 0.4082 pour les employés. On a donc globalement une autocorrélation plus forte pour les cadres, ce qui signifie un regroupement plus important, une ressemblance entre quartiers contigus plus importante.
Nous avons aussi obtenu des cartes des LISAS, fruit de la désagrégation de l’indice de Moran.
Ces cartes nous permettent d’observer les structures spatiales des quartiers selon le nombre d’individus de chaque groupe social.
Ceci est particulièrement intéressant car dans un premier temps on a put cartographier l’état de l’autocorrélation, mais surtout par le fait qu’on dispose désormais d’un LISA par quartier que l’on pourra croiser avec les indices d’accessibilité.
Cependant, les valeurs des LISA par quartier donnés par le logiciel Geoda ne pourront pas être utilisées en l’état pour les croiser aux indices d’accessibilité.
En effet, les données concernent l’autocorrélation spatiale, la valeur des LISA tendra donc vers 1 que les quartiers soient rouges ou bleus sur les cartes précédentes. Ceci est problématique car la valeur des LISA ne fait donc pas de différence entre un quartier contenant beaucoup d’étrangers et un quartier contenant peu d’étrangers. Le LISA sera proche de 1 dès qu’il y a autocorrélation.
Pour pouvoir croiser les LISA avec les indices d’accessibilité, il suffit de réaliser un post traitement assez simple qui permettra de discriminer les valeurs selon qu’elles concernent un quartier rouge ou bleu, on ne s’occupera donc que des quartiers ou l’autocorrélation est positive car ce sont ces structures spatiales qui nous intéressent. On ajoutera donc +20 à la valeur des LISA des quartiers rouges et on laissera la valeur d’origine pour les quartiers bleus. Cette méthode simple permettra de créer un tableau où se croiseront les LISAS et les indices d’accessibilité en différenciant les LISAS des quartiers rouges et les LISAS des quartiers bleus. Les LISAS post traitement formeront donc le deuxième indice de ségrégation après le quotient de localisation à être comparé aux indices d’accessibilité. L’autocorrélation permet ici de repérer les structures spatiales et de les étudier plus précisément. Lors du croisement avec les indices d’accessibilités, les quartiers en blanc ne seront pas étudiés car leur autocorrélation est nulle, ils ne représentent pas de caractéristiques spécifique selon la variable choisie.
Ci-après se trouve l’exemple du post traitement des LISAS pour la catégorie sociale des étrangers. L’indice de Moran désagrégé a fait ressortir 32 quartiers où l’autocorrélation spatiale est positive, dont 17 en rouge (nombre d’individus étrangers élevé) et 15 en bleu (nombre d’individus étrangers faible).

Table des matières
TITRE 
AUTEUR 
REMERCIEMENTS 
SOMMAIRE
INTRODUCTION 
PARTIE UN 
I.TERRAIN D ETUDE
II.ETUDE DE LA SEGREGATION RESIDENTIELLE EN GEOGRAPHIE
III.ETUDE DE L AUTOCORRELATION SPATIALE
IV.ETUDE DE L ACCESSIBILITE
PARTIE DEUX 
I.SEGREGATION RESIDENTIELLE
II.AUTOCORRELATION SPATIALE
III.ACCESSIBILITE AUX TRANSPORTS EN COMMUN A MARSEILLE
PARTIE TROIS 
I.CROISEMENTS ENTRE SEGREGATION ET ACCESSIBILITE
II.ETATS DES LIEUX
CONCLUSION 
ANNEXES
BIBLIOGRAPHIE 
TABLE DES FIGURES 
TABLE DES CARTES
TABLE DES MATIERES

Télécharger le rapport complet