Categories

Archives

Une réforme efficace ?

En France, c’est le lundi que le nombre de suicides est le plus élevé, et le week-end qu’il est le plus bas. Entre 2004 et 2013, il y a près de 34 suicides chaque lundi et 26 le samedi et dimanche. Le nombre moyen diminue jour après jour au long de la semaine. Le nombre des suicides suit le rythme de la société. Ou plutôt les rythmes. Car des institutions diverses dictent des rythmes variés.
Ainsi il y a un creux dans la courbe des suicides le mercredi et une reprise le jeudi. Dans un article célèbre de 1984 de François Aveline, Christian Baudelot, Marc Beverraggi et Saadi Lahlou, les auteurs montrent que les rythmes scolaires sont en lien avec le nombre des suicides (des femmes). Avant 1972, le jour de congé des enfants était le jeudi (et le creux dans la courbe le jeudi), après 1972, le jour de congé passe au mercredi (et le creux passe au mercredi).
Et à la rentrée 2013, une nouvelle réforme est mise en place, une réforme des rythmes scolaires qui fait du mercredi matin un jour de classe.La charge des enfants disparaît ce jour-là. En 2014, le creux du mercredi disparaît.

J’ai contrôlé par la période de vacances : en juillet et août, avant 2013, il n’y a pas de creux du mercredi (qui n’existe qu’en période scolaire).
Une autre manière de représenter l’évolution consiste à considérer que le lundi représente la base 100 :

Mon homonyme : un autre est je

Un grand nombre d’entre nous a fait l’expérience de découvrir un homonyme. Avec mon prénom relativement rare et mon nom de famille peu fréquent, je sais qu’il existe quand même un autre Baptiste Coulmont (ici). Un autre est je.
Mais peut-on estimer la proportion de personnes qui, en France, ont un homonyme. Est-ce que cela concerne 10% de la population ou 99% ?
Si j’avais accès au Répertoire national d’identification des personnes physiques, de l’INSEE, ça nous donnerait des informations solides. D’ailleurs, si quelqu’un de l’INSEE me lit, peut-elle faire ce calcul ? Faute d’accès privilégié, peut-on estimer cette proportion d’une autre manière ?

Je vais le faire ici à partir des listes électorales de Paris et Marseille, qui, au total, comptent près de 1,8 million d’individus. En combinant ces deux listes, la proportion d’homonymes, à savoir de personnes qui ont le même nom et le même premier prénom, est de 18,93% (soyons précis, car on peut l’être, ici). Les listes électorales ne concernent que les citoyens français majeurs et inscrits, ce qui ne représente pas la population vivant en France. En se restreignant à Paris, la proportion est de 17%, à Marseille, de 11%.

Combinons ces deux listes électorales, et répartissons les individus au hasard dans cette liste (pour éviter la proximité des noms de famille). On sélectionne un groupe de 1000 individus, quelle est la proportion d’homonymes (elle est faible). Et dans un groupe de 2000, 3000… 50 000, 500 000 individus ? La progression est régulière, très très régulière : c’est l’intérêt de travailler avec des “big data”, elles génèrent de la régularité.

homonymes-paris-marseille

Une telle courbe ressemble à quelque chose. Et l’on sait que les noms et les prénoms suivent (grosso-modo) des lois de puissance (ou de Pareto, ou de Zipf). En passant à un graphique log-log (où les échelles des abscisses et des ordonnées sont des échelles logarithmiques), nous devrions voir apparaître une belle droite.

homonymes-paris-marseille-log

Ca ressemble à une droite… mais est-ce vraiment une droite ? Une régression linéaire nous donne une droite, qui, comme on peut le constater, montre que la courbe de fréquence n’est pas une droite. C’est un problème : si c’était une droite, j’aurai pu “prédire” la proportion d’homonymes dans un groupe de 30 millions d’individus, ou dans un groupe de 65 millions.

homonymes-paris-marseille-log-regr-lin

Peut-être que la mauvaise estimation est due aux (relativement) petits effectifs, quand les groupes comptent moins de 500 000 individus. Mais si on fait porter la régression sur la partie de la courbe la plus à droite, cette qui semble être la plus droite… on voit bien que cette courbe n’est pas linéaire. (Même si l’erreur standard résiduelle est très faible et le R^2 de 0,9999…).
Ci dessous, les “diagnostics plots” d’une telle régression :

homonymes-paris-marseille-diagnostic

Mais ça ne pouvait de toute façon pas être une droite : la proportion maximale est bornée à 100% !

Donc c’est plus complexe, et une estimation de la proportion d’homonymes dans un groupe de 30 millions d’individus basée sur une extrapolation à partir de la régression linéaire… se trompera.

Face à ça, que faire… Who you gonna call ?

Ghostbusters_logo.svg

J’ai contacté Arthur Charpentier, qui a rapidement vu que ce problème était un analogue — en plus complexe — du paradoxe des anniversaires, dont la modélisation est tout sauf évidente. On sait que si un groupe compte plus de 23 personnes, alors il y a plus de 50% de chance que deux personnes aient leur anniversaire le même jour. Quelle doit être la taille d’un groupe pour qu’il y ait au moins deux homonymes dans ce groupe? Si la population de départ ressemble à celle de Marseille et Paris, alors il faut un groupe d’environ 1750 personnes.
homonymes-paris-marseille-proba
Dans des groupes de 6000 individus tirés au hasard dans la population des électeurs parisiens, il y près de 100% de chance d’avoir au moins un couple d’homonymes.

La suite de la réflexion est chez Arthur Charpentier, sur freakonometrics.

Le mystère des garçons en avance

L’avance scolaire des garçons m’étonne, depuis quelques temps déjà (voir les épisodes précédents ici ou encore ). J’ai commencé à explorer les données du “Panel 2007” (qui suit des élèves sur plusieurs années), mais ce n’est pas encore assez abouti.
L’avance scolaire des garçons est bizarre car elle n’est pas entièrement liée à leurs performances scolaires : à notes égales, les garçons sautent plus souvent une classe que les filles. Et cela se vérifie quelque soit la série ou filière du bac et quelque soit l’origine sociale des élèves. Cela peut s’illustrer avec les résultats nominatifs au bac, en prenant les prénoms comme des indicateurs (flous) d’origine sociale.
En abscisse : le pourcentage de mention “Très bien”. En ordonnées : le pourcentage d’élèves en avance. Chaque point représente un groupe d’élèves portant un prénom donné plus de 200 fois. La ligne bleue montre la relation (issue d’une régression linéaire) entre la proportion de garçons obtenant la mention Très bien et la proportion de garçons “en avance”. La ligne rouge montre la même chose pour les filles. Quelque soit l’année (non représentée), quelque soit la série, quelque soit l’origine sociale, les garçons, en moyenne, ont plus souvent sauté une classe que les filles qui ont les mêmes performances scolaires.

cliquez pour agrandir

Quand on connaît les primes diverses accordées à la précocité, on ne peut s’empêcher de penser que, décidément, les avantages masculins commencent tôt dans la vie.

Une petite prime à la difficulté

Il y a peu de femmes députées, mais depuis la loi sur la parité, il y a presque autant de candidats que de candidates. Certes. Mais les femmes sont investies, en tendance, dans des circonscriptions plus difficiles à gagner.
On peut mettre cela en évidence en prenant les candidatures aux élections législatives de 2012.
On commence par s’intéresser à l’élection présidentielle et on calcule le score de chaque candidat au premier tour, dans chacune des circoncriptions. Hollande fait tant dans telle circonscription, etc… Puis on s’intéresse aux élections législatives, et on affecte les candidats-députés à chaque candidat-président en fonction de son “étiquette” : les candidats-députés socialistes sont affectées à Hollande, les candidats-députés “UMP” à Sarkozy, etc…
On peut alors regarder si les candidates-députées socialistes, par exemple, sont investies dans des circonscriptions où Hollande a fait un bon score ou un mauvais score, et faire la même chose pour les candidats-députés.
On sépare les candidats “sortants” (celles et ceux qui étaient déjà députés, et qui, très souvent, ont été élus dans des circonscriptions où leur “candidat-président” a fait un bon score) des candidats “nouveaux”.

cliquez pour agrandir

Ce que l’on peut voir, c’est que les candidates sont investies dans des circonscriptions où leur “candidat-président” a fait un mauvais score (un score plus bas que sa moyenne). Les candidats, eux, non. De ce fait, il est plus difficile d’être élue députée que d’être élu député.

Un peu d’imputation

Les résultats électoraux publiés sur opendata.paris.fr sont de bonne qualité : ils proviennent directement du bureau des élections de la ville de Paris. Mais il y a de petites bizarreries dans le nombre de votes par procuration de quelques bureaux de vote. C’est assez habituel : le nombre de votes par procuration ne change pas le résultat, et il ne fait pas partie des données scrutées avec attention (le nombre de voix reçues par les candidats, le nombre de votants…). C’est une donnée annexe, d’un peu moins bonne qualité.
Par exemple, les bureaux 10-1 et 16-46 ont indiqué zéro vote par procuration au premier tour des présidentielles. Tous les autres bureaux de vote ont au moins 9 procurations. Et les bureaux qui ont moins de 15 votes par procurations se trouvent tous dans les 18e, 19e ou 20e arrondissements. Les bureaux immédiatement adjacents au 10-1 et au 16-46 ont eux aussi bien plus de procurations.
J’ai donc été vérifier les listes d’émargement, à la préfecture de Paris. J’ai compté les procurations. Et en effet, le 10-1 a vu 81 procurations au premier tour, et le 16-46 a vu 44 votes par procuration. Aurai-je pu prédire ces chiffres et m’épargner un aller-retour en métro ?


Comme le montre le graphique ci-dessus, dans les deux bureaux concernés, le “vrai” taux de procuration ne devrait pas être zéro, mais plutôt 3% pour l’un et 4,5% pour l’autre.
Au lieu d’une régression sur une seule variable, on peut prendre en compte simultanément d’autres variables. L’idée est ici de se servir des corrélations assez fortes entre variables : taux d’abstention, proportion de votes Fillon ou Macron, taux de bulletins nuls… pour assigner une valeur probable au taux de procurations au premier tour.

Si l’on fait cette régression en enlevant les bureaux “problématiques”, alors on obtient 6,3% de procurations pour le bureau 10-1 et 4,6% pour le bureau 16-46. Soit, en valeur absolue : 74 procurations pour le 10-1 et 44 pour le 16-46. On tombe pipe-poil sur le vrai nombre pour le bureau du 16e, on est en dessous de 7 votants pour le bureau du 10e arrondissement. Pas mal !

Le problème se repose pour le second tour : certains bureaux ont des nombres de procurations très improbables, près de 400. Et d’autres assesseurs semblent avoir au contraire oublié un 1 devant le chiffre 11 ou 27. Et encore un bureau à zéro procuration.

Pour estimer le nombre de procurations réelles dans ces bureaux (que je n’avais pas pu identifier avant ma visite à la préfecture), je peux utiliser les résultats du second tour (vote Macron, abstention, bulletins nuls), mais aussi ceux du premier tour : ainsi le vote Fillon au premier tour est assez prédictif, ainsi que, bien entendu, le recours à la procuration au premier tour.

Une première régression permet d’identifier les bureaux aux chiffres aberrants : ce sont les bureaux dont le taux de procuration prédit est très éloigné du taux de procuration observé. On les enlève du jeux de données, on répète la régression, et on affecte à ces bureaux le taux de procuration prédit par cette nouvelle regression.

Cette procédure va faire augmenter artificiellement le « R^2 » de la régression, puisqu’on enlève les points aberrants et qu’on les remplace par des points prédits. Heureusement, cela ne porte que sur moins de 10 bureaux sur les 896 bureaux parisiens. Et ça permet de tracer des cartes un peu plus jolies.

Des recours différents à la procuration

Le graphique suivant est complexe, mais le résultat est intéressant : la procuration des « beaux quartiers » n’est pas celle des autres quartiers parisiens.

cliquez pour agrandir

Examinons-le pas à pas.
Tout d’abord, j’ai calculé, pour chacun des 896 bureaux de vote parisiens, la composition par âge (18-25 ans, 26-35 ans… jusqu’aux 65 ans et plus). L’idée est de regarder si la procuration est plus fréquente, par exemple quand les jeunes électeurs sont en forte proportion, ou au contraire si c’est quand les électeurs âgés sont bien représentés. On voit alors qu’il n’y a pas de corrélation entre fréquence d’une classe d’âge et fréquence de la procuration, sauf concernant les 55-65 ans : plus cette classe d’âge est importante, moins il y a de procurations.

Ensuite j’ai décomposé ces quartiers suivant l’importance du vote pour François Fillon. La géographie sociale parisienne fait que ce sont dans les “beaux quartiers” de l’Ouest (7e, 8e, 16e, nord du 15e, sud du 17e…) que les votes pour Fillon étaient nombreux. J’aurai pu prendre la proportion d’électeurs à particule, ou la proportion d’électeurs ayant plus de deux prénoms, ou un autre découpage géographique… et les résultats auraient été proches.

Dans les “beaux quartiers” (ici les points bleus, la ligne bleue est une droite de régression) le recours à la procuration est généralement indépendant de la proportion de telle ou telle classe d’âge. Sauf pour les quartiers qui comptent une proportion importante de jeunes électeurs : dans les beaux quartiers, plus il y a de jeunes, plus le recours à la procuration est important. Et la relation s’inverse pour les quartiers populaires (ceux qui n’ont pas voté Fillon, en rouge ici) : plus il y a de jeunes électeurs, moins il y a de procuration. Une hypothèse : dans les quartiers de l’Ouest parisien, un “jeune électeur” est en vacances, en stage, ou étudiant… loin de Paris. Il donne procuration à ses parents. Dans les quartiers populaires, c’est moins souvent le cas.

Ces relations s’inversent quand les trentenaires et les quadragénaires sont nombreux. Dans les beaux quartiers, leur part n’est pas corrélée au recours à la procuration. Mais dans les quartiers où le score de F. Fillon est faible, alors la part de ces trentenaires et quadra est positivement liée à la fréquence de la procuration. Et c’est encore plus vrai dans les quartiers où le score du candidat de l’UMP était très faible. Ces classes d’âges sont-elles plus mobiles en dehors des “beaux quartiers” ? Ou alors, si l’on réfléchit en ayant en tête les comportements des mandataires, il est possible de penser que ces classes d’âge recueillent plus fréquemment les procurations des plus jeunes et des plus âgés, qu’elles servent de “pivot” permettant aux plus jeunes et aux plus âgés de voter tout en étant absents.

Sans avoir accès aux informations sur les procurations individuelles (il faut pour cela aller recueillir les listes d’émargement, ce que j’ai commencé à faire), il est difficile d’aller plus loin dans le raisonnement et la mise à l’épreuve des hypothèses.

Les immigrés cadres

Dans l’ancien département de la Seine (Paris et sa banlieue proche), où résident les cadres ?
La carte suivante s’intéresse aux personnes non immigrées : dans les zones en rouge, la population active est composée de plus de 70% de cadres et de professions intermédiaires, dans les zones en bleu, de moins de 34%.


Cliquez pour agrandir

On voit que Paris et l’Ouest ont une proportion importante de cadres et de professions intermédiaires.

Interessons-nous maintenant aux immigrés. La proportion de cadres et de professions intermédiaires dans la population active immigrée est plus faible. Mais grosso modo la distribution géographique ressemble à la précédente. Parmi les immigrés, il y a aussi plus de cadres à l’Ouest.

Cliquez pour agrandir

Les distributions géographiques sont proches, mais pas semblables. On peut voir qu’il y a certaines zones où semblent résider relativement plus de cadres immigrés (en proportion du total des actifs immigrés) que de cadres non-immigrés (en proportion du total des actifs natifs). Par exemple des zones où, parmi les immigrés actifs, il y a 45% de cadres (ce qui est bien supérieur à la moyenne — chez les immigrés) et où il n’y a “que” 50% de cadres parmi les natifs actifs (ce qui serait inférieur à la moyenne — chez les natifs).
Il y a des lieux où les immigrés de classe sup sont plus fréquents qu’attendus (par comparaison avec les natifs de classe sup) — et des lieux où ils sont relativement moins fréquents. Ce sont des différences de différences. Des lieux où, finalement, les immigrés cadres s’installeront un peu moins fréquemment que les immigrés natifs (des lieux refusés) et des lieux où il y aura un peu plus d’installation par comparaison aux natifs (des lieux recherchés).

Pour tracer la carte suivante, j’ai lissé les données en prenant en compte les 4 plus proches voisins (en pondérant par la population des IRIS).


Cliquez pour agrandir

Ces lieux : Anthony, Chatenay Malabry, Courbevoie et un morceau de Nanterre, mais aussi la zone frontière entre les 13e et 14e arrondissements.

Il s’agit de « différences de différences » : cette carte ne représente pas les zones où se trouvent beaucoup d’immigrés, mais où, après avoir pris en compte les différences et similitudes de distributions (géographique et statistique) entre les populations actives “natives” et “immigrées”, on repère un « résidu », des zones où l’on ne s’attendrait pas à voir “autant” ou “si peu” de cadres immigrés. … Mais il n’est pas certain qu’une telle carte soit très utile.

Zones de sur-performance

À partir des résultats au premier tour de l’élection présidentielle de 2017, à Paris, on peut tracer cette carte montrant les zones où les différents candidats ont réalisé des scores supérieurs à leur moyenne parisienne.

cliquez pour agrandir

Et voici le code, non commenté. Je commence par repérer où se trouvent les zones de sur-performance (les bureaux de votes). J’extrait du fond de carte parisien les 4 zones distinctes. Je trace ensuite quatre cartes les unes sur les autres.

library(tidyverse)
library(classInt)
library(RColorBrewer)
library(maptools)
library(rgdal)

setwd("~/Dropbox/projets-R/")

# le "shapefile" se trouve sur opendata.paris.fr
paris<-readOGR("../data/2017-listes-paris/secteurs-des-bureaux-de-vote-3/",
               "secteurs-des-bureaux-de-vote")

# frontières des arrondissements
parisarr <- readOGR ("../procurations/paris/arrondissements/parisarr.shp", layer="parisarr")
# les résultats électoraux se trouvent sur opendata.paris.fr
df <- read_csv2("~/Dropbox/procurations/paris/paris-2017/resultats_electoraux.csv")
df <- df %>% filter(`date du scrutin`=="2017-04-23") %>% 
  select(3,4,6,7,8,9,10,12,14,15,16,17) %>% 
  spread(key=`nom du candidat ou liste`,value=`nombre de voix du candidat ou liste obtenues pour le bureau de vote`) %>% 
  mutate(numbv=paste(`numero d'arrondissement 01 a 20`,`numero de bureau de vote 000 a 999`,sep="-"))

res <- df %>% group_by(numbv) %>% 
  summarize(arr=mean(as.numeric(`numero d'arrondissement 01 a 20`)),
            prop_macron=100*MACRON/`nombre d'exprimes du bureau de vote`,
            prop_lepen=100*`LE PEN`/`nombre d'exprimes du bureau de vote`,
            prop_fillon=100*FILLON/`nombre d'exprimes du bureau de vote`,
            prop_melenchon=100*(HAMON+`MÉLENCHON`)/`nombre d'exprimes du bureau de vote`) %>% 
  gather(key=type,value=valeur,-numbv,-arr)

res <- res %>% group_by(type) %>% 
  mutate(sur_rep=valeur/(mean(valeur)+.2*sd(valeur))) %>% # "la moyenne et un peu plus" (.2 écart type)
  filter(sur_rep>1) %>% group_by(numbv) %>% 
  mutate(keep=type[which.max(sur_rep)],valeur_keep=valeur[which.max(sur_rep)]) # on garde le candidat "le plus au dessus" de sa moyenne

# on ne garde pas les bureaux dupliqués
res <- res[!duplicated(res$numbv),]

# extraction des zones-candidats
macron <- subset(paris,paris$id_bv %in% res$numbv[res$keep=="prop_macron"])
lepen  <- subset(paris,paris$id_bv %in% res$numbv[res$keep=="prop_lepen"])
melenchon <- subset(paris,paris$id_bv %in% res$numbv[res$keep=="prop_melenchon"]) # avec le score d'Hamon ajouté
hamon <- subset(paris,paris$id_bv %in% res$numbv[res$keep=="prop_hamon"])
fillon <- subset(paris,paris$id_bv %in% res$numbv[res$keep=="prop_fillon"])

png("~/Desktop/parissur_rep.png",width=1100,height=800,res=150)
par(mar=c(1,0,1,1))
plot(paris) # on commence par "tracer" Paris 

m<-match(macron$id_bv,res$numbv)
plotvar<-res$valeur_keep
nclr <- 3
plotclr <- brewer.pal(nclr,"Greens")
class <- classIntervals(plotvar[m], nclr, style="fisher",dataPrecision=1)
colcode <- findColours(class, plotclr)
plot(macron,col=colcode,border=colcode,add=T)

m<-match(fillon$id_bv,res$numbv)
plotvar<-res$valeur_keep
nclr <- 3
plotclr <- brewer.pal(nclr,"Blues")
class <- classIntervals(plotvar[m], nclr, style="fisher",dataPrecision=1)
colcode <- findColours(class, plotclr)
plot(fillon,col=colcode,border=colcode,add=T)

m<-match(melenchon$id_bv,res$numbv)
plotvar<-res$valeur_keep
nclr <- 3
plotclr <- brewer.pal(nclr,"Reds")
class <- classIntervals(plotvar[m], nclr, style="fisher",dataPrecision=1)
colcode <- findColours(class, plotclr)
plot(melenchon,col=colcode,border=colcode,add=T)

m<-match(lepen$id_bv,res$numbv)
plotvar<-res$valeur_keep
nclr <- 3
plotclr <- brewer.pal(nclr,"Purples")
class <- classIntervals(plotvar[m], nclr, style="fisher",dataPrecision=1)
colcode <- findColours(class, plotclr)
plot(lepen,col=colcode,border=colcode,add=T)

plot(parisarr,add=T,lwd=.1) # on ajoute les frontières des arrondissements
legend(2.232, 48.91,legend=c("Hamon/Melenchon","Le Pen","Fillon","Macron"), fill=c("red","purple","deepskyblue","chartreuse3"), cex=1, bty="n",title="")
title(main="Zone de sur-performance des candidats. Paris. Présidentielles 2017.")
title(sub="Fond : opendata.paris.fr | données : Ville de Paris | Cartographie : B. Coulmont\nZones où les candidats font mieux que leur moyenne",line=-.5,cex.sub=.8)
dev.off()

Et, en bonus, le code, amélioré par Christophe P. :


library(tidyverse)
library(classInt)
library(RColorBrewer)
library(maptools)
library(rgdal)

rep_data_secteurs < - 'DATA/secteurs-des-bureaux-de-vote'
# "../data/2017-listes-paris/secteurs-des-bureaux-de-vote-3/"


setwd("~/Dropbox/projets-R/")

# le "shapefile" se trouve sur opendata.paris.fr
paris<-readOGR(rep_data_secteurs,
               "secteurs-des-bureaux-de-vote")

# frontières des arrondissements
parisarr <- readOGR ("../procurations/paris/arrondissements/parisarr.shp", layer="parisarr")
# les résultats électoraux se trouvent sur opendata.paris.fr
df <- read_csv2("~/Dropbox/procurations/paris/paris-2017/resultats_electoraux.csv")
df <- df %>% filter(`date du scrutin`=="2017-04-23") %>% 
  select(3,4,6,7,8,9,10,12,14,15,16,17) %>% 
  spread(key=`nom du candidat ou liste`,value=`nombre de voix du candidat ou liste obtenues pour le bureau de vote`) %>% 
  mutate(numbv=paste(`numero d'arrondissement 01 a 20`,`numero de bureau de vote 000 a 999`,sep="-"))

res < - df %>% group_by(numbv) %>% 
  summarize(arr=mean(as.numeric(`numero d'arrondissement 01 a 20`)),
            prop_macron=100*MACRON/`nombre d'exprimes du bureau de vote`,
            prop_lepen=100*`LE PEN`/`nombre d'exprimes du bureau de vote`,
            prop_fillon=100*FILLON/`nombre d'exprimes du bureau de vote`,
            prop_melenchon=100*(HAMON+`MÉLENCHON`)/`nombre d'exprimes du bureau de vote`) %>% 
  gather(key=type,value=valeur,-numbv,-arr)

res < - res %>% group_by(type) %>% 
  mutate(sur_rep=valeur/(mean(valeur)+.2*sd(valeur))) %>% # "la moyenne et un peu plus" (.2 écart type)
  filter(sur_rep>1) %>% group_by(numbv) %>% 
  mutate(keep=type[which.max(sur_rep)],valeur_keep=valeur[which.max(sur_rep)]) # on garde le candidat "le plus au dessus" de sa moyenne

# on ne garde pas les bureaux dupliqués
res < - res[!duplicated(res$numbv),]

# extraction des zones-candidats
extract_zone <- function (name)
{
    field <- paste0("prop_", name)
    return(subset(paris,paris$id_bv %in% res$numbv[res$keep==field]))
}

macron <- extract_zone('macron')
lepen  <- extract_zone('lepen')
melenchon <- extract_zone('melenchon') # avec le score d'Hamon ajouté
hamon <- extract_zone('hamon')
fillon <- extract_zone('fillon')

png("~/Desktop/parissur_rep.png",width=1100,height=800,res=150)
par(mar=c(1,0,1,1))
plot(paris) # on commence par "tracer" Paris 

plot_candidate <- function (cand, color)
{
    m<-match(cand$id_bv,res$numbv)
    plotvar<-res$valeur_keep
    nclr <- 3
    plotclr <- brewer.pal(nclr, color)
    class <- classIntervals(plotvar[m], nclr, style="fisher",dataPrecision=1)
    colcode <- findColours(class, plotclr)
    plot(cand,col=colcode,border=colcode,add=T)
}

plot_candidate(macron, "Greens")
plot_candidate(fillon, "Blues")
plot_candidate(melenchon, "Reds")
plot_candidate(lepen, "Purples")

plot(parisarr,add=T,lwd=.1) # on ajoute les frontières des arrondissements
legend(2.232, 48.91,legend=c("Hamon/Melenchon","Le Pen","Fillon","Macron"), fill=c("red","purple","deepskyblue","chartreuse3"), cex=1, bty="n",title="")
title(main="Zone de sur-performance des candidats. Paris. Présidentielles 2017.")
title(sub="Fond : opendata.paris.fr | données : Ville de Paris | Cartographie : B. Coulmont\nZones où les candidats font mieux que leur moyenne",line=-.5,cex.sub=.8)
dev.off()

Procuration et type de vote

À Paris, tout le monde ne vote pas par procuration. Par définition, les abstentionnistes ne votent pas par procuration. Et plus il y a d’abstentionnistes dans un bureau de vote [techniquement, à l’extérieur du bureau de vote, bien entendu], moins il y a de procurations : c’est dans les quartiers où l’on participe beaucoup que l’on vote par procuration. De la même manière, là où le vote est fréquemment blanc ou nul, il y a peu de procurations.
Là où les « petits candidats » font leur meilleur score, c’est là où il y a peu de votes par procuration. Mais cette relation se vérifie aussi pour de nombreux candidats : en 2017 à Paris, la fréquence de la procuration est inversement reliée au score local des candidats Le Pen, Hamon, Mélenchon, Arthaud et Poutou… On voit ainsi que la droite de régression (et une régression locale) est orientée vers le bas : dans les zones où il y a eu beaucoup de procurations, il y a eu relativement peu de votes pour Jean-Luc Mélenchon.


cliquez pour agrandir

La relation est inversée pour Macron et Fillon : là où il y a eu beaucoup de procurations, c’est là où ces candidats ont fait leurs meilleurs scores. En 2012, les choses étaient un peu différentes. Il y avait eu plus de procurations au premier tour à Paris, et seul le candidat Sarkozy était associé à une corrélation positive.

Ma vie dans l’EDP (1)

Une demi-journée par semaine, voire un peu plus, je me plonge via Big_Stat à l’INED dans l’Echantillon démographique permanent (EDP). Le but : comprendre “l’inscription ailleurs”, le fait d’être inscrit ailleurs que sur son lieu de résidence. C’est quelque chose de fréquent : cela concerne près d’un.e inscrit.e sur cinq.

Première découverte : l’EDP est découpé en “bases études”. Chaque base-étude contient l’ensemble de l’EDP, pour un millésime donné (avec les informations rétrospectives, recensements, etc…). Mais attention : les identifiants individuels de l’EDP-2012 ne sont pas ceux de l’EDP-2014. Première demi-journée de perplexité, avant de comprendre, et de tout reprendre à zéro.

Deuxième découverte : le lieu d’inscription électorale, quand ce n’est pas le lieu de résidence, n’est pas un lieu abandonné. C’est un lieu investi. Si on n’a pas été radié, c’est qu’on a encore (parfois) des attachements dans ce lieu. Une des bases de l’EDP porte sur les mariages. Et on peut regarder où se marient (en 2014) les personnes qui, en 2014 par exemple, sont “inscrites ailleurs” que sur leur lieu de résidence. Ca fait peu de monde (il faut sélectionner les individus EDP recensés en 2014, français, majeurs, inscrits sur les listes électorales, mais “inscrits ailleurs” que sur leur lieu de résidence, et qui se sont mariés en 2014). Nous partîmes 4 millions, nous arrivâmes 600.

     Femmes Hommes Effectifs
2012 27,5   19,5   600
2014 26,5   19,4   620

J’ai aussi fait le calcul pour 2012 aussi. Un quart des femmes, un cinquième des hommes (inscrits ailleurs et qui se marient) choisissent comme lieu du mariage non pas le lieu de résidence, mais le lieu de l’inscription électorale.

Alors certes, les effectifs ne sont pas énormes. Il faut que je fasse la même opération de sélection avec, par exemple, les recensements de 2008 à 2014. Il faudrait aussi que je travaille sur le lieu de résidence antérieur, ou sur les lieux d’inscription postérieurs au mariage : car le mariage est peut-être le dernier moment d’inscription ailleurs (le moment où certains arrêtent d’être inscrits chez leurs parents et où, enfin, ils s’inscrivent là où ils résident).