Population
I.N.E.D
I.S.B.N.sans
180 pages
p. 653 à 680
doi: en cours
Veille sur la revue
Veille sur l'auteur
I.N.E.D
I.S.B.N.sans
180 pages
p. 653 à 680
doi: en cours
Veille sur la revue
Veille sur l'auteur
Vous consultez
Volume 59 2004/5
Pourquoi certains ne migrent pas :
L’impact du contexte local sur la sédentarité aux États-Unis
Michael Irwin Michael D. Irwin 510 College Hall, Dept. Sociology and Graduate Centre for Social and Public Policy,Duquesne University, Pittsburgh PA 15282, États-Unis d’Amérique, tél. : (412) 396-6488, Troy Blanchard Charles Tolbert Alfred Nucci Thomas Lyson [*]
Most prior research on US migration has relied on individual-level explanations of moving. In this study we build on this literature by examining the role of community structure upon indi-viduals’ probabilities of not migrating between 1985 and 1990. Using the full 1990 Census sample long-form microdata, we re-allocate adult persons in 1990 to their 1985 counties of residence. Then, using county of origin macro-structural variables (derived from the Economic Census microdata) and individual characteristics (from Decennial Census microdata), we develop a two-level hierarchical linear model. In level 1, we construct a logistic equation modelling individual probabilities of nonmigration. In level 2, we model the additive contextual effects of origin community structure on these models and then we model interactive cross-level effects. The community factors fall into two categories: 1) economic conditions that comprise the usual aggregate “push” factors, and 2) civic community factors that act to retain people in their communities. Re-sults specify the relationship between community context and individual migration patterns and demonstrate effects of local economic structure and local civic structure on these individual be-haviours. We find that, net of community economic factors and individual characteristics, civic attributes of communities are associated additively with a propensity to stay in place. Moreover, we find that certain community civic characteristics interact with personal and familial attributes to condition the effects of the individual characteristics on the likelihood of migration.
La plupart des travaux sur les migrations américaines reposent sur des explications de la mobilité au niveau individuel. Notre étude va plus loin en examinant l’effet du contexte local sur les probabilités de ne pas migrer entre 1985 et 1990. En utilisant les données individuelles extraites des bulletins complets du recensement de 1990, nous rattachons les adultes recensés en 1990 à leur comté de résidence en 1985. Ensuite, en exploitant les caractéristiques macro-structurelles des comtés d’origine (fournies par le recensement de l’économie) et les caractéristiques des individus (fournies par le recensement décennal), nous élaborons un modèle linéaire hiérarchique à deux niveaux. Au niveau 1, nous construisons une équation logistique qui modélise les probabilités individuelles de ne pas migrer. Au niveau 2, nous modélisons d’abord les effets contextuels additifs de la localité d’origine sur ces probabilités, puis les effets d’interaction (inter-niveaux). Les facteurs locaux se classent en deux catégories : 1) la situation économique, qui comprend les habituels facteurs « répulsifs » au niveau agrégé ; 2) les caractéristiques de la collectivité locale qui tendent à retenir les gens là où ils vivent. Les résultats précisent le lien qui existe entre le contexte local et les migrations individuelles et montrent les effets des structures économiques et sociales locales sur ces comportements individuels. Nous constatons que, une fois contrôlés les facteurs économiques locaux et les caractéristiques individuelles, les particularités sociologiques des localités exercent des effets additifs sur la propension à rester où l’on est. De plus, nous observons que certaines caractéristiques des communautés locales interagissent avec les caractéristiques individuelles et familiales pour conditionner les effets des facteurs individuels sur la probabilité de migrer.
La mayoría de estudios sobre las migraciones en Estados Unidos intentan explicar la movilidad a nivel individual. Nuestro estudio va más allá, ya que analiza el impacto del contexto local sobre las probabilidades de no migrar entre 1985 y 1990. Utilizando datos individuales proceden-tes de los cuestionarios completos del censo de 1990, vinculamos a los adultos censados en 1990 con sus condados de residencia en 1985. A continuación, utilizando las características macroestructurales de los condados de origen (extraídas del censo económico) y las características de los individuos (extraídas del censo decenal de población) elaboramos un modelo lineal jerárquico a dos niveles. En el primer nivel construimos una ecuación logística para estimar las probabilidades individuales de no migrar. En el segundo nivel empezamos por modelizar los efectos contextuales aditivos del lugar de origen sobre tales probabilidades, y a continuación modelizamos los efectos interactivos (entre niveles). Clasificamos los factores locales en dos categorías: 1) la situación eco-nómica, que incluye los factores habituales de “expulsión” a nivel agregado; 2) las características de la colectividad local que tienden a retener a los individuos en el lugar donde viven. Los resultados presentan la relación que existe entre el contexto local y las migraciones individuales y muestran los efectos de las estructuras económicas y sociales locales sobre los comportamientos individuales. Constatamos que, una vez se controla el efecto de los factores económicos locales y de las características individuales, las particularidades sociológicas del lugar de residencia se asocian de forma aditiva a la propensión de quedarse. También observamos que ciertas características de las comunidades locales actúan interactivamente con las características individuales y familiares y condicionan el efecto de las características individuales sobre la probabilidad de migrar.
Cet article aborde la question cruciale de la prise en compte des influences du quartier et plus largement du contexte local sur les comportements individuels. Analysant la mobilité individuelle à partir des données abondantes du recensement américain de 1990, Michael Irwin, Troy Blanchard, Charles Tolbert, Alfred Nucci et Thomas Lyson renouvellent la perspective, d’une part, en observant ceux qui sont restés sédentaires entre 1985 et 1990 et, d’autre part, en mettant l’accent sur le contexte civique, facteur supposé de stabilité résidentielle, mesuré à partir de variables décrivant la cohésion communautaire. Cette étude de l’effet des contextes sur la mobilité des individus donne des résultats qui montrent toute l’efficacité de la modélisation multiniveau.
Pourquoi certains individus sont-ils plus enclins que d’autres à quitter certaines localités ? Les recherches sur la migration constatent régulièrement que la mobilité dépend à la fois des caractéristiques des individus et des événements qui les touchent. Par exemple, les personnes âgées de vingt à trente ans sont plus mobiles que les autres. De même, les adultes qui ont des enfants d’âge scolaire envisagent souvent de déménager vers un district scolaire où l’enseignement est réputé meilleur. La décision de migrer est indéniablement influencée par les caractéristiques des individus, mais la migration n’a-t-elle pas aussi d’autres déterminants?
Des recherches menées au niveau agrégé ont montré que, dans certaines régions, une situation sociale et économique dynamique donne un coup d’arrêt à l’émigration. Nos précédents travaux ont établi que les localités dont les habitants ont un degré élevé d’engagement associatif et où l’activité économique est tournée vers les intérêts locaux se caractérisent également par des proportions élevées de non-migrants (Irwin, Tolbert et Lyson, 1997; Irwin, Tolbert et Lyson, 1999; Tolbert, Irwin, Lyson et Nucci, 2002). Cette perspective axée sur la localité met en lumière l’importance des institutions sociales qui structurent une communauté, comme le petit commerce de détail et les associations, pour la mise en œuvre d’un développement local durable. Ces éléments de la vie des collectivités locales peuvent fort bien créer un environnement social qui tempère l’influence des caractéristiques individuelles telles que l’âge ou la présence d’enfants sur la propension à migrer. Mais il n’y a pas eu beaucoup de recherches empiriques analysant l’effet de la communauté locale sur le comportement des individus, et ceci en dépit de l’héritage théorique largement répandu dans les sciences sociales qui suppose que les actes des individus sont influencés par les caractéristiques des communautés dans lesquelles ils vivent (Entwisle, Casterline et Sayed, 1989; Young, 1999). Lee, Oropesa et Kanan (1994) ont souligné que si cette idée a un grand pouvoir de séduction théorique, sa vérification empirique se heurte à des difficultés méthodologiques.
Dans le présent travail, nous surmontons la plupart de ces problèmes méthodologiques en recourant à des techniques statistiques multiniveaux, appliquées à des données exceptionnellement détaillées. Nous identifions et évaluons l’impact des conditions locales qui incitent les individus à rester dans la localité où ils vivent plutôt que de la quitter. Notre travail a pour but de décrire la relation qui existe entre le contexte local et le comportement migratoire des individus en utilisant une approche théorique qui s’appuie sur les facteurs sociaux et culturels mis en avant par la théorie des communautés locales. Dans une communauté locale, les habitants sont liés à leur lieu de résidence par une foule d’institutions et d’organisations locales (Irwin et al., 1997). Les entreprises commerciales sont elles-mêmes intégrées dans des réseaux d’institutions et d’organisations locales (Piore et Sabel, 1984; Bagnasco et Sabel, 1995). Enfin, c’est la communauté, et non l’entreprise, qui est la source de l’identité individuelle, le sujet du discours sociologique et le fondement de la cohésion sociale (Barber, 1995).
Moorer et Suurmeijer (2001) notent, dans ce domaine des études urbaines, un manque généralisé d’analyses multiniveaux, solidement étayées sur le plan théorique, susceptibles de relier les activités des individus aux contextes communautaires plus larges. Par contre, les géographes et les épidémiologistes ont développé des outils permettant d’étudier les comportements des individus en relation avec leur environnement (Jones et Duncan, 1995). Ils ont utilisé la modélisation multiniveau pour tester des hypothèses sur la nature des relations entre les comportements et attitudes individuels et les structures locales (Kalff et al., 2001 ; Pickett et Pearl, 2001 ; Subramanian, Duncan et Jones, 2001 ; Wikstrom et Loeber, 2000). Leurs travaux montrent l’intérêt d’étudier les interactions multiniveaux en clarifiant les relations entre comportements individuels (y compris les décisions en matière de mobilité) et contexte local. Pour les décideurs politiques, la reconnaissance et la détermination des interactions entre niveaux micro et macro sont perçues comme un chaînon manquant dans les analyses de la mobilité résidentielle et de la migration, qui sont essentielles pour la politique du logement (Li et Wu, 2004). Comme l’a remarqué Theodori (2001) :
« Nous n’avons pas beaucoup d’arguments pour justifier les programmes qui visent à renforcer la satisfaction des habitants et/ou leur attachement à l’égard de leur localité; c’est peut-être parce que nous ne savons pas grand-chose de leurs effets potentiels aux niveaux individuel et communautaire. »
Par l’évaluation quantitative des facteurs d’enracinement des citoyens dans leur localité de résidence, facteurs reconnus comme pertinents sur le plan théorique, et par l’analyse des effets de ces facteurs locaux sur les comportements migratoires individuels, notre étude fait progresser la théorie des migrations. Nous espérons aussi mettre une nouvelle approche à la disposition des responsables de la planification urbaine qui élaborent des programmes de stabilisation démographique et de développement local.
Il y a bien eu quelques tentatives d’analyse de ces questions à partir de données agrégées au niveau national (Gurak et Kritz, 2000), mais les données officielles accessibles au public ne permettent pas d’évaluer ces relations pour des unités géographiques de niveau inférieur comme les collectivités locales. La précision géographique des statistiques officielles est tout simplement insuffisante pour une couverture complète. Dans cette étude, nous procédons à une modélisation multiniveau des migrations en utilisant des données individuelles confidentielles conservées par le U.S. Census Bureau. Avec plus de 19 millions de bulletins complets concernant des adultes, à un niveau de décomposition géographique très fin, ces données nous permettent de combiner parfaitement les caractéristiques des individus avec celles des communautés locales. La couverture détaillée des unités géographiques locales nous permet de modéliser les mouvements migratoires individuels au niveau des communautés locales américaines de toutes tailles. Nous utilisons une modélisation hiérarchique prenant en compte les caractéristiques des individus, au niveau micro, pour tous les comtés de la partie continentale des États-Unis. Nous examinons alors les effets contextuels additifs de l’environnement local sur la mobilité des individus et nous évaluons dans quelle mesure les caractéristiques des comtés interagissent avec celles des individus.
Nous cherchons essentiellement à déterminer dans quelle mesure le contexte communautaire local influence la propension des individus à migrer. Nous estimons, en particulier, que les entreprises commerciales d’intérêt local sont fortement intégrées à la vie locale, et que les lieux de culte et les associations sociales locales sont des éléments importants, quoique souvent ignorés, du développement des collectivités. Nous considérons que la communauté locale, organisée autour d’entreprises commerciales de petite taille gérées localement, est la collectivité qui assure la vie socio-économique la plus équilibrée avec un niveau élevé de bien-être social. Ces collectivités se caractérisent par des contextes sociaux et culturels qui renforcent le sentiment d’enracinement local. En conséquence, nous pensons que les comportements migratoires individuels ne répondent pas à une pure logique de calcul économique. Il est important de souligner que la prise en compte de ces facteurs locaux élargit la théorie démographique au-delà des limites relativement étroites des variables d’environnement économique couramment invoquées dans la littérature sur les migrations.
Dans la première section, nous passons en revue les approches théoriques qui expliquent la décision de ne pas migrer. Ensuite, nous présentons les données, la méthode d’analyse et les variables utilisées dans notre étude. Enfin, nous montrons que l’environnement local, en particulier l’existence de lieux de sortie, de lieux de culte et d’entreprises implantées depuis longtemps, a une influence sur les comportements migratoires des individus. Les gens ont d’autant plus tendance à rester dans leur localité de résidence que celle-ci a des institutions de ces divers types. Ces facteurs peuvent agir globalement sur la population d’une localité ou de manière différentielle sur les diverses catégories d’habitants.
I. Les déterminants de la migration : approche par les structures sociales
Les explications de la migration sont généralement centrées sur les déterminants des flux d’immigration et d’émigration entre localités et sur les caractéristiques individuelles qui influencent le choix d’une destination parmi toutes les destinations possibles. Ces explications ont tendance à s’appuyer sur la théorie économique néo-classique - le calcul rationnel des coûts et avantages de la migration. Dans ces modèles néo-classiques, la décision de rester dans sa localité de résidence dépend de l’évaluation continue des coûts économiques d’une migration et des avantages que l’on pourrait en retirer. Suivant cette approche, migrer et ne pas migrer sont simplement l’endroit et l’envers du même phénomène, et les facteurs explicatifs de la migration et de la sédentarité sont les mêmes (Da Vanzo, 1978; Greenwood, 1985).
Selon une autre approche, les caractéristiques locales qui attachent les gens à leurs lieux de vie constituent un ensemble de facteurs tout à fait distinct qu’il convient de prendre en compte (Morrison, 1972; Petersen, 1958; Speare, 1974; Uhlenberg, 1973). Ces facteurs de sédentarité s’observent dans le milieu social et culturel de la communauté locale (Tolbert et al., 2002; Irwin et al., 1999; Kasarda et Janowitz, 1974; Uhlenberg, 1973). Pour les tenants de cette théorie, migrants et non-migrants sont - au niveau agrégé - des sous-populations différentes, les uns constituant le noyau stable de la population de leur localité, les autres représentant les flux de main-d’œuvre et de capital humain entre localités. En termes de décision individuelle de migrer, les personnes qui vivent dans des localités fortement intégrées, avec une grande densité de réseaux sociaux et des institutions locales dynamiques (des organismes centrés sur la collectivité locale, tels que des lieux de culte ou des entreprises implantées de longue date et appartenant à des gens du cru) peuvent ne pas se limiter à un calcul exclusivement économique, même quand la pure rationalité économique suffirait à justifier la migration.
Pour les habitants de localités où la cohésion communautaire est moins forte, ce contexte local n’aura guère d’influence. Leur propension à migrer est essentiellement déterminée par l’accroissement de revenu que la migration peut leur apporter. Ici, ce qui différencie les migrants des sédentaires, c’est leur relation avec leur localité. Si cet attachement à la localité varie en fonction de caractéristiques individuelles (comme l’âge ou la situation familiale), nous estimons que l’effet de ces facteurs individuels sur la propension à migrer dépend lui-même du caractère de la localité où l’on vit. Les localités abritant des institutions qui favorisent l’intégration sociale auront plus d’influence sur le calcul des candidats à la migration, quelles que soient leurs caractéristiques individuelles, que les localités dépourvues de telles institutions.
Plusieurs axes de recherche connexes confortent cette thèse centrée sur les structures sociales. Uhlenberg (1973) et Speare, Kobrin et Kingkade (1982) ont montré que des facteurs non économiques sont des déterminants importants de la décision de migrer et tendent à enraciner les populations dans leurs localités de résidence, alors que les explications économiques par les facteurs d’attraction et de répulsion interviennent principalement après que la décision de migrer a été prise. De même, pour les chercheurs qui recourent aux modèles de « satisfaction résidentielle » (Speare, 1974; Speare, Goldstein et Frey, 1975 ; Deane, 1990) et aux modèles de « stress résidentiel » (Wolpert, 1965), les modèles économiques en termes de coûts/avantages ne parviennent pas à expliquer la décision de migrer : il faut leur adjoindre des facteurs non économiques.
Ces deux axes de recherche affirment que les facteurs contextuels locaux sont d’importants déterminants non économiques du choix individuel de ne pas quitter l’endroit où l’on vit. Selon les modèles du « seuil de stress », une modification de l’équilibre entre les besoins du ménage (souvent liés au cycle de vie) et le contexte local (en particulier l’environnement du quartier) engendre un stress qui conduit les gens à envisager de partir. Ce n’est que sous l’impulsion de ce « stress résidentiel » que les individus évaluent diverses destinations possibles en faisant un calcul coûts/avantages (Deane, 1990). Selon les théories de la « satisfaction résidentielle » (Fuguitt et Zuiches, 1975), ce stress est un élément nécessaire, mais pas suffisant, pour expliquer le passage de la sédentarité à la mobilité. Le contexte social de certaines localités invite à écarter l’idée même de migration, interdisant ainsi à de nombreuses personnes de faire des comparaisons avec d’autres lieux de vie possibles.
L’importance de ces contextes locaux au niveau macro est illustrée par les travaux sur les préférences résidentielles (Fuguitt et Brown, 1990; Heaton et al., 1979 ; Zuiches, 1981). Ces recherches montrent que le sentiment de satisfaction à l’égard du contexte local dans lequel on vit est un déterminant essentiel de la décision de migrer ou non. Les principaux déterminants de la satisfaction comprennent ce que l’on peut interpréter comme « l’intégration locale perçue » : l’accès à des infrastructures récréatives ou culturelles, la proximité des amis et de la famille, les contacts avec des gens de toute sorte (Fuguitt et Zuiches, 1975). Mais ces taux de satisfaction varient selon le type de localité.
Alors que la satisfaction résidentielle est clairement liée à l’intégration sociale, les facteurs institutionnels spécifiques qui attachent les gens à leurs lieux de vie n’ont guère été pris en compte dans les modélisations (Kulkarni et Pol, 1994; Lee, Oropesa et Kanan, 1994). Par contre, en sociologie et en sciences politiques, il existe une riche tradition de théories qui mettent en valeur le rôle des institutions dans le développement de l’engagement associatif des habitants et leur attachement à leur localité. Mais ces facteurs ne sont généralement reliés que superficiellement à la stabilité démographique des communautés locales. Nous réunissons ces deux traditions pour décrire les mécanismes institutionnels qui influencent les comportements individuels de migration ou de sédentarité. En particulier, nous estimons que les institutions qui provoquent et alimentent l’engagement associatif et insèrent l’individu dans une communauté plus large sont des facteurs fondamentaux qui infléchissent la propension des individus à rester dans leur localité. Tout simplement, là où ces facteurs locaux sont puissants, il y a moins d’habitants qui songent à partir et les localités conservent un important noyau de citoyens sédentaires.
II. Approche empirique
1. Les données
Nous utilisons des techniques de modélisation linéaire hiérarchique (HLM) pour analyser des données individuelles confidentielles sur la migration extraites du recensement de 1990 aux États-Unis. Le recours aux fichiers confidentiels du recensement américain (au Carnegie Mellon University Research Data Centre) nous permet de relier les comportements migratoires individuels aux caractéristiques de l’environnement local (à l’échelle du comté). Ces données présentent beaucoup d’avantages par rapport aux données publiques. Afin de respecter l’exigence de confidentialité, le degré de décomposition géographique des données mises à la disposition du public n’est pas assez fin pour permettre l’identification d’individus ou d’entreprises dans les petites localités. Par exemple, dans les échantillons de données sur les ménages extraits du recensement de 1990 qui sont accessibles au public, la plus petite unité spatiale identifiable doit compter au moins 100000 habitants. Il n’est pas possible, avec des données de ce type, d’effectuer une analyse détaillée des migrations, liant les comportements migratoires individuels aux caractéristiques des comtés. En 1990, sur les 3 064 comtés de la partie continentale des États-Unis, 454 seulement avaient plus de 100000 habitants. Les données publiques présentent un autre inconvénient lié au précédent : l’absence de grands échantillons d’individus dans les localités. Le plus gros échantillon public de données extrait du recensement américain de 1990 représente 5 % de l’ensemble des logements, tandis que les fichiers confidentiels complets que nous utilisons couvrent 15,9 % des logements, ce qui est beaucoup plus adapté au degré de détail géographique dont nous avons besoin.
Pour appréhender les caractéristiques du contexte local, nous utilisons des données détaillées issues de plusieurs recensements économiques. Contrairement aux recensements des ménages, les recensements économiques ne livrent au public aucune information individualisée sur les entreprises commerciales. La plupart des chercheurs recourent plutôt à des fichiers comme les County Business Patterns, qui présentent des données agrégées sur les entreprises au niveau du comté. Le Census Bureau conserve un registre national des entreprises, le S SEL (Standard Statistical Establishment List), qui contient ces mêmes données administratives et est mis à jour chaque année. Après chaque recensement économique, on confectionne également des fichiers de données individualisées à usage interne. Ces fichiers sont accessibles aux chercheurs qui en obtiennent l’autorisation et acceptent de se plier aux règles de confidentialité du Census Bureau. Ils contiennent des données sur la taille de l’entreprise, le personnel, les ventes, l’ancienneté, l’existence de succursales, la forme juridique (société en nom collectif, entreprise individuelle, société à responsabilité limitée) et la localisation géographique précise (État, comté, commune, code postal). C’est à partir de ces données que nous avons construit nos indicateurs de contexte local pour les comtés de la partie continentale des États-Unis.
Si nous avons choisi le comté, plutôt que la commune ou une autre unité géographique censitaire représentant l’environnement local, c’est au nom de la logique et de la cohérence par rapport à notre variable dépendante (l’individu a ou n’a pas migré au cours de la période d’observation). Aux États-Unis, la migration se définit en référence au découpage en comtés : le recensement américain définit la migration comme le déplacement d’un comté à un autre. Donc, pour être en accord avec cette définition, les facteurs contextuels d’explication de la migration doivent, eux aussi, être définis au niveau du comté. Au-delà de la commodité statistique, cette définition établit une différence formelle entre les déplacements locaux et les autres déplacements. Dans les limites d’un comté, les systèmes de transport locaux donnent accès à un ensemble commun de ressources économiques et sociales. Un déménagement à l’intérieur de ces limites ne modifie pas les possibilités d’accès quotidien à ces ressources collectives. Les gens peuvent se rendre en voiture à la même église ou faire la navette vers le même lieu de travail quel que soit l’endroit où ils résident dans le périmètre d’un comté. Ainsi, déménager au sein du même comté n’entraîne généralement pas de modification de l’environnement local. En revanche, la distance impliquée par la migration d’un comté à un autre oblige souvent à se tourner vers de nouveaux magasins, de nouveaux lieux de sortie, un nouveau lieu de culte et de nouvelles associations locales. C’est précisément l’effet de cette modification du contexte local sur les individus que nous voulons modéliser.
Notre analyse au niveau individuel porte sur quelque 19 millions de bulletins individuels complets et plus de 3 000 comtés. La période retenue par le recensement pour l’observation des migrations va de 1985 à 1990. La population observée comprend tous les individus âgés de 20 à 59 ans en 1985, résidant dans la partie continentale des États-Unis en 1985 et en 1990. Cette population était donc d’âge actif au cours de cette période quinquennale. Pour diverses raisons, nous utilisons les données relatives à tous les individus au lieu de limiter l’analyse aux chefs de ménage. Conceptuellement, notre approche par le contexte local implique que nous observions tous les habitants adultes d’âge actif. C’est aussi important du point de vue mathématique, puisque tous les adultes contribuent au calcul des probabilités de migration ou de non-migration dans chaque comté. Écarter certains adultes affecterait ces probabilités d’un biais systématique. La prise en compte de tous les individus permet également d’introduire les caractéristiques personnelles du conjoint dans la modélisation des comportements migratoires individuels.
À partir des données individuelles du recensement décennal, nous avons reconstitué les populations des comtés en 1985 en « ramenant » les gens à leur comté d’origine. Ainsi, nous reconstituons la population des États-Unis de cette époque (sans mortalité ni émigration) et analysons ensuite la probabilité que les gens aient migré ou non au cours de la période. Notre principal objectif est d’évaluer, pour ces 19 millions d’individus, les effets de l’environnement local des comtés d’origine sur les probabilités individuelles de ne pas migrer.
Les caractéristiques individuelles et les facteurs contextuels sont examinés ci-dessous. Le tableau 1 présente les moyennes et écarts-types des variables indépendantes.
Tableau 1
Définitions et statistiques descriptives relatives aux variables indépendantes utilisées dans la modélisation de la sédentarité, usa, 1985-1990
2. Les variables
La variable dépendante
Notre variable dépendante oppose les migrants aux non-migrants. Comme nous nous intéressons aux facteurs d’attachement des individus à leur lieu de résidence, nous attribuerons la valeur 1 aux non-migrants et la valeur 0 aux migrants, et les résultats du modèle hiérarchique s’interprètent comme des probabilités de non-migration. Dans notre échantillon, environ 81 % des individus sont restés dans leur comté d’origine entre 1985 et 1990. Autrement dit, la probabilité de rester dans son comté de résidence sur cette période de cinq ans vaut 81 %. Mais notre analyse montre qu’il existe d’énormes variations de cette probabilité de non-migration en fonction des comtés et des catégories de population. Quels sont les facteurs explicatifs de ces différences ?
Les facteurs de la migration au niveau individuel
Bien sûr, des facteurs individuels influent sur la probabilité de migrer ou de ne pas migrer. Ils sont bien identifiés dans la littérature démographique et se rangent en deux grandes catégories : les caractéristiques propres de l’individu et celles de sa situation familiale. Nous les analysons ci-dessous. Pour faciliter l’interprétation de la variable dépendante, les variables indépendantes relatives aux caractéristiques individuelles sont prises en compte sous forme dichotomique.
L’âge est un déterminant principal de la (non-)migration. Il y a généralement une relation curviligne entre l’âge et la migration, les plus fortes probabilités de migration concernant les jeunes adultes et les personnes proches de l’âge de la retraite, entre 65 et 75 ans (Jamieson, 2000; Long, 1972). Pour les besoins de nos analyses, nous avons donc introduit dans les modèles le logarithme de l’âge exprimé en années. Le niveau d’instruction est aussi un déterminant important de la migration, la probabilité de migrer augmentant avec le nombre d’années d’études au-delà du secondaire (Long, 1973 ; Long, 1992). Nous distinguerons les diplômés de l’enseignement supérieur (universitaire court ou long, professionnel supérieur, doctorat) de ceux qui n’ont pas atteint ce niveau. Le sexe et l’appartenance raciale ou ethnique ont une influence limitée mais importante sur la sédentarité. Les travaux de South, Deane, Crowder et leurs collaborateurs indiquent que la migration varie selon la race (South et Crowder, 1998; South et Crowder, 1997a; South et Crowder, 1997b; South et Deane, 1993). Divers auteurs (Breton, 1964; Clark, 1992; Kobrin et Speare, 1983) ont montré que l’appartenance raciale et ethnique d’un individu peut renforcer sa tendance à la sédentarité, en particulier quand la région d’origine s’identifie clairement à une minorité ou à une communauté ethnique. Dans nos modèles, nous distinguons les Noirs des autres races et les Hispano-américains des autres groupes ethniques.
Une autre série de caractéristiques personnelles est relative à la situation familiale de l’individu (Sandefur et Scott, 1981). La plus importante de ces caractéristiques est la présence d’enfant(s) en 1990. S’il est bien connu que la présence d’enfants de certaines catégories d’âge réduit la propension des adultes à migrer, les enfants peuvent aussi augmenter la probabilité de migration des adultes à certains moments du cycle de vie, pour changer de logement ou de secteur scolaire. Nous distinguons donc les personnes qui vivaient avec leurs enfants au cours de la période considérée et les autres
[1]. La situation matrimoniale est très importante pour différencier les ménages d’adultes célibataires des autres, simplement parce que cela indique si la décision de migrer est le fait d’un adulte isolé ou résulte d’une négociation (mis à part les souhaits des enfants). Nous construisons donc une variable dichotomique pour la situation matrimoniale en 1990, qui vaut 1 si la personne se déclare mariée et vit avec son conjoint, et 0 si elle est veuve, divorcée, séparée ou célibataire. Malheureusement, les unions libres n’ont pas été enregistrées lors du recensement de 1990, et les personnes concernées sont donc considérées comme célibataires. Notre mesure de l’état matrimonial des individus se réfère à leur situation en 1990, le questionnaire du recensement ne leur demandant pas quelle était leur situation en 1985. Nous estimons cependant que cet indicateur saisit bien les personnes les plus susceptibles d’avoir pris des décisions conjointes en matière de migration entre 1985 et 1990. Les personnes qui ont déclaré être mariées en 1990 étaient soit déjà mariées en 1985, soit en passe de s’engager dans une relation conjugale entre 1985 et 1990. Chacune de ces variables individuelles distingue des sous-populations (par exemple les Noirs et les autres, les Hispano-américains et les autres) qui ont des propensions différentes à la migration ou à la sédentarité. Dans la section qui suit, nous analysons les facteurs de l’environnement local qui peuvent engendrer des différences de propension à la non-migration.
Les facteurs contextuels : capitalisme local et engagement associatif
Les variables indépendantes d’intérêt comprennent les caractéristiques des structures économiques locales et divers aspects de l’organisation sociale. Nous nous plaçons dans la lignée des travaux sur la tradition communautaire locale (Lyson et Tolbert, 1996; Tolbert, Lyson et Irwin, 1998 ; Tolbert, Irwin, Lyson et Nucci, 2002).
Le capitalisme local. Le capitalisme local fait référence au degré d’enracinement des entreprises dans la culture de la communauté locale. Les indicateurs du capitalisme local que nous utilisons sont le pourcentage d’entreprises qui sont de petite taille, anciennes ou tournées vers les intérêts locaux. Les petites entreprises sont celles qui ont moins de cinq employés pour le commerce de détail et les services, et moins de vingt pour les établissements industriels et le commerce de gros. Une entreprise est considérée comme ancienne si elle est implantée au même endroit depuis plus de quinze ans. Une entreprise, qu’elle consiste en un établissement unique ou qu’elle possède des succursales, est dite d’intérêt local si son rayon d’action ne sort pas du comté. Ces indicateurs de capitalisme local sont mesurés à partir des données des fichiers complets à usage interne du recensement économique des entreprises de 1992, conservés par le Census Bureau.
L’engagement associatif. L’engagement associatif renvoie à la présence d’institutions locales qui offrent aux individus des possibilités de s’investir dans la vie sociale au jour le jour. Nous y incluons les nombres d’associations locales (associations bénévoles, clubs sportifs, ligues de bowling, etc.) et de lieux de sortie (points de rencontre tels que bars, bowlings, restaurants, instituts de beauté) rapportés au nombre d’habitants, sur la base des données détaillées du recensement économique des entreprises. Le caractère local est défini comme ci-dessus : des établissements, qu’ils soient uniques ou à succursales, localisés dans un seul comté. Le même indicateur est calculé pour les lieux de culte, et nous y ajoutons le rapport du nombre d’adeptes de chaque culte à la population du comté, d’après le recensement des cultes (Association of Statisticians of American Religious Bodies, 1992).
Les facteurs de contexte local : variables de contrôle
Les variables de contrôle sont relatives à la main-d’œuvre, aux richesses locales et aux caractéristiques de la zone de résidence. Pour mesurer la dynamique de la main-d’œuvre, nous retenons le taux de croissance de la population active et le taux de chômage moyen de la période 1980-1989, établis par le Système d’informations économiques régionales (BEA, 2001). Comme l’a montré Reisinger (2003), les régions où la population active est essentiellement composée de cols blancs ont des taux d’émigration supérieurs à ceux des autres régions. Pour contrôler cet effet de sélection, nous incorporons un indicateur de structure professionnelle de la population active, soit le pourcentage de main-d’œuvre civile occupée dans des emplois de bureau : cadres, dirigeants, professions libérales, techniciens, vendeurs et auxiliaires administratifs. Ces données sur l’emploi proviennent du recensement de la population et des logements de 1990. Nous recourons également au pourcentage d’actifs employés dans l’industrie en 1980 comme indicateur du caractère industriel de la localité. Nos indicateurs de la richesse locale comprennent le taux de pauvreté des personnes et le revenu par tête en 1989
[2], calculés tous les deux à partir du recensement de la population et des logements de 1990.
Quant aux variables de contrôle relatives aux caractéristiques de la zone de résidence, elles comprennent la part de la population urbaine dans le comté, son caractère métropolitain (le comté fait-il partie d’une zone métropolitaine ?) et la région des États-Unis où il se trouve. Tant dans les comtés métropolitains que dans les autres, les populations urbaines sont toujours plus mobiles que les populations rurales. En outre, les populations des comtés métropolitains situés en grande banlieue sont plus sédentaires que les populations des comtés non métropolitains. Tous ces indicateurs sont des variables de contrôle indispensables pour modéliser les relations entre le contexte local, les caractéristiques des individus et leur sédentarité. Nos régions sont celles qui ont été définies dans la classification régionale du U.S. Bureau of the Census. Dans nos analyses préliminaires, nous avons constaté que seul le Nord-Est se démarque significativement des autres régions en termes de probabilités de non-migration. Nous introduisons donc la région sous la forme d’une variable dichotomique qui prend la valeur 1 pour le Nord-Est et la valeur 0 pour les autres régions.
3. La sédentarité dans un schéma multiniveau
Les relations entre l’individu et la communauté, on le sait depuis longtemps, impliquent des articulations complexes entre composition de la population, contexte local et événements individuels. Dans un article précurseur, Blau (1960) a présenté un cadre conceptuel clair pour la compréhension de ces relations structurelles micro-macro. Findley (1987) a mis en œuvre l’approche de Blau dans le champ particulier de la migration et décrit les relations entre les caractéristiques des individus, la sélection des migrants et le contexte local. Dans son analyse, elle suggère que les facteurs contextuels peuvent exercer trois types d’influences sur les comportements des individus : par addition, par perturbation et par interaction.
Les processus contextuels additifs sont les effets directs du contexte local sur les comportements individuels. Ces influences contextuelles agissent uniformément sur tous les habitants d’une même localité. Les processus de perturbation découlent des différences de structure des localités. Ceci peut amener des biais de sélection qui brouillent l’effet du contexte local sur les comportements individuels. Les processus d’interaction (ou processus inter-niveaux) concernent les manières dont le contexte local peut modifier la relation entre les caractéristiques de l’individu et la probabilité d’un événement donné.
Findley (1987) et d’autres chercheurs (Bilsborrow, 1984; Lee, 1985; Lee et al., 1994) ont modélisé ces processus à l’aide des techniques de moindres carrés ordinaires. Mais ces modèles classiques ne rendent pas bien compte de la sélection liée au contexte et d’autres problèmes statistiques qui peuvent conduire à des résultats erronés (Kreft et DeLeeuw, 1998). Plusieurs chercheurs ont constaté l’existence de biais systématiques et proposent des alternatives (Raudenbush et Bryk, 2002).
En utilisant les techniques de la modélisation linéaire hiérarchique (HLM), nous modéliserons d’abord les propensions des individus à ne pas migrer en fonction de leurs caractéristiques et de celles de leur ménage. Contrairement aux modèles traditionnels, la modélisation linéaire hiérarchique permet aux coefficients des variables individuelles de varier d’un comté à l’autre, et donc de neutraliser les différences de structure interne des comtés puisque les modèles relatifs aux caractéristiques individuelles sont calculés au sein de chaque comté. Autrement dit, les effets non mesurés des facteurs contextuels ne biaisent pas les coefficients des variables individuelles.
Ensuite, nous enrichissons le modèle en y incorporant des variables d’ordre économique, social et culturel, afin de tester la présence d’effets contextuels additifs. Il s’agit d’effets additifs qui indiquent si les caractéristiques de l’environnement local affectent les comportements migratoires individuels indépendamment des caractéristiques des individus. Enfin, nous évaluons les effets d’interaction (inter-niveaux) pour déterminer dans quelle mesure les caractéristiques du contexte local conditionnent l’influence des facteurs individuels sur la sédentarité. Grâce à cette méthode, nos modèles finals testent simultanément les effets additifs et les effets d’interaction. Tous les modèles sont estimés à l’aide des techniques de la modélisation linéaire générale hiérarchique appliquées à des variables dichotomiques, au moyen du logiciel HLM (Raudenbush et al., 2000). La variable dépendante de notre étude est une variable dichotomique qui vaut 1 si l’individu interrogé est sédentaire et 0 s’il est migrant.
Trois modèles ont été estimés. Le premier comprend uniquement les caractéristiques individuelles ; son équation est :
où :
représente le logarithme du risque relatif de non-migration de l’individu i qui habite le comté j ;
X qij. est la valeur de la variable individuelle q chez l’individu i habitant le comté j ;
γ00 et γq 0 sont respectivement les coefficients de la constante et des variables individuelles q ;
u0j et uqj représentent respectivement la part de la variance associée à l’estimation de la constante et des variables individuelles q.
L’effet de la constante est décomposée en un effet fixe (γ00),qui correspond à la moyenne des taux de sédentarité dans les comtés, et un effet aléatoire (u 0j ), qui représente la contribution propre du comté j. L’effet des variables individuelles est également décomposé en deux coefficients : un effet fixe (γ q 0) et un effet résiduel aléatoire (uqj). Dans ce cas, l’effet fixe est le coefficient de régression (pente) moyen associé à une caractéristique individuelle donnée pour l’ensemble des comtés; l’effet aléatoire retrace la contribution propre de cette caractéristique pour les habitants du comté j.
Notre deuxième modèle prend en compte les variables individuelles et les caractéristiques des comtés (telles que la région, le caractère métropolitain et les indicateurs d’engagement associatif et de capitalisme local). Son équation est :
où γ0s est le coefficient associé à la caractéristique locale s du comté j, Wsj.
Toutes les mesures sont centrées sur leur moyenne générale (calculée sur l’ensemble de la population). Ce modèle estime les effets contextuels additifs du comté.
Le troisième modèle estime les effets d’interaction (inter-niveaux) entre variables individuelles et contextuelles. L’ampleur de l’effet d’interaction est le degré auquel une caractéristique du contexte (mesurée au niveau du comté) conditionne la relation entre une variable individuelle et la variable indépendante. Dans ce modèle, les coefficients des variables individuelles sont considérés comme déterminés par les variables contextuelles. Son équation est :
où γqs est l’effet d’interaction entre la variable contextuelle s et la variable individuelle q dans chaque comté j.
Nous estimons trois effets d’interaction pour chaque variable individuelle.
Puisque l’effet des caractéristiques individuelles sur la sédentarité peut varier d’un comté à l’autre, il est important d’avoir un nombre suffisant d’individus dans chaque comté pour obtenir des résultats fiables. Les questionnaires confidentiels complets du recensement constituent, à notre connaissance, les seules données qui permettent de mesurer les effets des facteurs individuels et contextuels sur les probabilités de migration et de non-migration pour presque tous les comtés continentaux des États-Unis
[3].
Il faut faire attention, ici, à l’autocorrélation spatiale, car les caractéristiques du contexte pourraient se révéler liées à la géographie. C’est-à-dire qu’un comté pourrait exercer une influence sur ce qui se passe dans les comtés voisins. Suivant l’exemple de Land et Deane (1992), nous avons ainsi calculé des modèles d’autorégression spatiale pour tester cette éventualité, mais nous n’avons trouvé aucune autocorrélation spatiale statistiquement significative. Les résultats que nous présentons ci-dessous ne sont donc pas biaisés par des corrélations spatiales entre comtés.
III. Résultats
Les coefficients d’effet fixe de nos trois modèles HLM sont présentés dans le tableau 2. Les effets log-linéaires obtenus au niveau des caractéristiques individuelles dans les modèles 1 à 3 sont en général semblables à ceux qu’ont donnés d’autres études
[4]. Les Noirs ont une moindre propension à rester dans leur comté d’origine que les personnes d’une autre race (coefficient négatif). Il en va de même pour les Hispano-américains. Une fois contrôlés les autres facteurs tels que la situation matrimoniale et la présence d’enfants, les femmes sont plus enclines à être sédentaires que les hommes, et les personnes mariées vivant avec leur conjoint ont une probabilité moindre d’avoir changé de comté, au cours de la période 1985-1990, que les personnes non mariées (ou les personnes mariées dont le conjoint vit ailleurs).
Tableau 2
Facteurs influençant la probabilité de résider dans le même comté aux états-unis en 1985 et en 1990 : résultats de trois modèles linéaires hiérarchiques (coefficients des effets fixes)
La présence d’enfants dans la famille augmente la probabilité de rester dans le même comté sur la période. Les effets manifestes du niveau d’instruction et de l’âge des adultes sur la probabilité de rester dans son comté d’origine sont également en accord avec les résultats d’autres recherches. Les diplômés de l’enseignement supérieur et les jeunes adultes sont moins enclins que les autres à rester dans le même comté. Nos résultats indiquent que plus on approche de l’âge de la retraite, moins on a tendance à quitter le comté où l’on vit.
Comme nous l’avons dit plus haut, ce modèle estime les probabilités de sédentarité des individus au sein du même comté. Le modèle neutralise ainsi les effets des différences structurelles entre comtés, qui introduiraient des biais de sélection dans nos estimations. Dans ce qui suit, nous analysons les causes des variations de ces probabilités individuelles de non-migration d’un comté à l’autre, en utilisant à la fois le modèle additif et le modèle à interactions (inter-niveaux). Nous décrirons ainsi séparément les facteurs qui influencent tous les individus d’un comté et ceux qui influent différemment sur les divers groupes au sein de chaque comté. Tous ces facteurs réunis composent l’environnement qui attache les gens au lieu où ils vivent et qui agit soit seul soit en combinaison avec les caractéristiques des individus.
L’introduction des caractéristiques des comtés dans le modèle 2 ajoute aux effets individuels des effets contextuels statistiquement significatifs. Les coefficients associés aux caractéristiques individuelles restent statistiquement significatifs et gardent le même signe
[5]. Quant aux variables de contrôle au niveau du comté, on observe que les habitants des comtés très pauvres sont plus susceptibles de partir que les autres. Le pourcentage de la population active occupée dans des emplois de bureau (cols blancs) a également un effet important sur la sédentarité. Les personnes vivant dans des comtés où ces emplois sont prédominants sont plus enclines à la migration que les autres. Par contre, les comtés où la part des emplois ouvriers est élevée ont tendance à retenir leurs habitants. Ces résultats indiquent que la structure locale de l’emploi peut générer un « climat de mobilité », car les personnes exerçant certaines professions en col blanc, comme les professions libérales, les cadres et les dirigeants d’entreprises, sont souvent en concurrence sur le marché de l’emploi national plutôt qu’au niveau local. Ces marchés de l’emploi externes imposent de fréquentes migrations entre États.
La propension à la sédentarité est renforcée dans les comtés où prédomine l’industrie, qui peut être associée, dans ces communautés ouvrières, à une forte culture d’enracinement local. Comme l’ont déjà montré de nombreuses études sur les migrations, l’urbanisation réduit la probabilité de sédentarité. Ce qui est plus surprenant, c’est la propension accrue à rester dans les comtés où le chômage est important. Il se peut que le taux de chômage local soit associé à certains facteurs, non pris en compte dans le modèle, d’attachement des gens à leur communauté. Les comtés du Nord-Est des États-Unis ont plus que les autres tendance à retenir leurs habitants, et il en va de même des comtés faisant partie d’une métropole (résultat confirmé par des analyses menées à un niveau plus agrégé). La part des petites entreprises dans l’économie locale agit dans le sens contraire de celui que nous attendions : la présence de petites entreprises est associée à une moindre propension à la sédentarité.
Deux indicateurs du contexte local sont des facteurs de sédentarité : le nombre de lieux de culte par habitant et le pourcentage d’entreprises anciennes. Quand il y a beaucoup de lieux de culte et d’entreprises d’implantation ancienne, on peut s’attendre à ce que les individus soient moins enclins à émigrer. Cet effet vient s’ajouter aux effets habituels des caractéristiques individuelles sur les comportements migratoires et à ceux des autres facteurs contextuels. Voilà la preuve que des facteurs autres que les variables démographiques et économiques classiques ont une influence sur la propension à migrer. Plusieurs variables contextuelles additives ne sont pas statistiquement significatives, comme le pourcentage de personnes affiliées à une association, le nombre d’associations locales par habitant, le nombre de lieux de sortie par habitant et le pourcentage d’entreprises locales. Bien que des recherches aient mis en évidence au niveau agrégé une association significative entre ces caractéristiques et les taux de sédentarité, ces relations ne sont pas confirmées par l’analyse multiniveau (Irwin, Tolbert, et Lyson, 1999).
Nos résultats corroborent l’argument selon lequel le comportement migratoire ne dépend pas exclusivement des caractéristiques individuelles. La communauté locale a clairement une grande influence sur la probabilité individuelle de migrer. De plus, cette influence de facteurs de niveau macro sur un comportement individuel n’est pas purement économique, mais elle dépend de facteurs sociaux et culturels propres à la communauté. Au-delà de ces effets contextuels cumulatifs, il se peut également que les caractéristiques de la communauté locale conditionnent les relations observées au niveau individuel. Nous examinons cette possibilité dans les paragraphes qui suivent.
Le troisième modèle du tableau 2 décrit les interactions entre les facteurs communautaires (du deuxième niveau) et les variables individuelles. Nous nous intéressons en particulier à trois des nombreuses caractéristiques des comtés présentées dans le tableau 2. La première, le nombre de lieux de culte par habitant, traduit l’effet des institutions locales non économiques, dont on a vu qu’elles ont une influence sur l’attachement des habitants à leur communauté. De même, le nombre de lieux de sortie par habitant représente tous les endroits publics de rencontre qui contribuent à construire l’identité et les réseaux sociaux de la communauté locale, et renforcent ainsi l’enracinement local des habitants. Enfin, les entreprises anciennes sont censées constituer le noyau économique autour duquel se déroulent les activités de la population. Ces trois variables représentent des aspects importants de la base institutionnelle de la vie locale. Les effets d’interaction indiquent dans quelle mesure les facteurs communautaires conditionnent la relation entre les caractéristiques individuelles, telles que l’âge et le niveau d’instruction, et la propension à rester où l’on est.
Les modèles à interactions fournissent une estimation des effets directs et des effets d’interaction. Les termes relatifs aux effets directs sont des coefficients fixes traduisant l’effet moyen de la variable individuelle sur la probabilité de ne pas migrer d’un comté à l’autre. Par exemple, l’effet direct du niveau d’instruction sur la sédentarité (- 0,5978) est négatif, ce qui signifie que les diplômés de l’enseignement supérieur sont en moyenne moins enclins à rester dans leur comté de résidence de 1985 que les personnes qui n’ont pas atteint ce niveau d’instruction. Par contre, l’effet d’interaction du nombre de lieux de sortie par habitant est positif et significatif, ce qui indique que l’effet direct du niveau d’instruction est conditionné par la caractéristique du comté que constitue sa densité en lieux de sortie, en sorte que la probabilité de non-migration des diplômés de l’enseignement supérieur augmente avec le nombre de lieux de sortie par habitant du comté de résidence. La probabilité moyenne de non-migration d’un individu quelconque étant de 81 %
[6], celle d’un diplômé de l’enseignement supérieur vaut 71 %. Mais quand on tient compte du fait que l’effet du niveau d’instruction dépend de la densité relative du comté en lieux de sortie (ici, par rapport à la population), la probabilité de non-migration augmente de 5 % et atteint 76 %. Il est clair que les différences de densité en lieux de sortie d’un comté à l’autre conditionnent le comportement migratoire des diplômés de l’enseignement supérieur. Remarquons également que l’effet direct du nombre de lieux de sortie par habitant est maintenant significatif. Le fait que la présence de lieux de sortie augmente la probabilité de non-migration des diplômés de l’enseignement supérieur signifie que cette variable contextuelle augmente la probabilité de migrer de toutes les autres catégories de la population, effet qui était occulté dans le modèle additif.
Le tableau 2 montre l’existence d’un certain nombre d’effets d’interaction significatifs qui affectent la relation entre les caractéristiques des individus et leur propension à la sédentarité. Comme ces caractéristiques individuelles permettent de définir des sous-populations particulières dans chaque communauté, les effets d’interaction indiquent aussi dans quelle mesure les caractéristiques des comtés agissent sélectivement sur les divers groupes. La composition de la population de chaque comté est progressivement modifiée par un processus de rétention sélective. Autrement dit, ces résultats montrent dans quelle mesure les institutions locales sont liées aux modifications structurelles de la population des comtés (selon la race, le niveau d’instruction, etc.). Le tableau 2 montre que les trois variables contextuelles retenues exercent dans l’ensemble des effets d’interaction importants sur toutes les caractéristiques individuelles présentes dans nos modèles, augmentant la propension de certains groupes à rester et de certains autres à partir. Les structures communautaires conditionnent donc les comportements migratoires individuels fondamentaux, soit pour tous les membres de la communauté en général, soit pour certains sous-groupes en particulier.
Le tableau 3 présente les résidus aléatoires de la constante et des variables individuelles pour chaque modèle. En comparant ces termes aléatoires d’un modèle à l’autre, nous pouvons estimer la part de la variance entre comtés expliquée par chaque modèle (Raudenbush et Bryk, 2002)
[7]. Ces paramètres nous fournissent deux informations importantes. D’abord, les coefficients d’effet aléatoire de la constante indiquent dans quelle mesure les caractéristiques individuelles et les facteurs contextuels expliquent les différences de sédentarité entre comtés. Ensuite, les coefficients d’effet aléatoire des caractéristiques individuelles mesurent à quel point les facteurs contextuels expliquent les variations d’un comté à l’autre de la relation entre les caractéristiques d’un individu, comme son âge ou sa situation matrimoniale, et sa probabilité de ne pas migrer.
Tableau 3
Comparaison des coefficients d’effet aleatoire (uqj) des trois modeles et pourcentage de variance inter-comtes expliquee, sedentarite aux etats-unis, 1985-1990
Pour déterminer la part de la variance entre comtés expliquée par les caractéristiques individuelles de leurs habitants, nous comparons les coefficients d’effet aléatoire de la constante du modèle nul (constante seule) et du modèle 1 (caractéristiques individuelles). En introduisant les variables individuelles dans le modèle 1, nous obtenons une réduction de 14,1 % de la variation de la migration d’un comté à l’autre, ce qui signifie que 14,1 % de la variation entre comtés de la probabilité de non-migration est expliquée par les caractéristiques individuelles prises en compte dans le modèle 1. Nous avons calculé la part de la variance expliquée par nos variables contextuelles additives en utilisant les coefficients d’effet aléatoire des modèles 1 et 3 présentés au tableau 3. L’évolution du résidu pour la constante indique que les caractéristiques du comté expliquent 54,5 % de la variation de la migration d’un comté à l’autre. Ce résultat montre qu’il est important de prendre en considération à la fois les caractéristiques individuelles et les facteurs contextuels dans la modélisation des comportements migratoires individuels.
Nous avons aussi calculé la part de la variance expliquée par nos facteurs communautaires dans les interactions entre caractéristiques individuelles et migration, en comparant les coefficients d’effet aléatoire des modèles 1 et 3 présentés au tableau 3. Cette comparaison met en lumière plusieurs résultats importants. D’abord, l’introduction des effets d’interaction entre les facteurs communautaires (nombre de lieux de culte par habitant, nombre de lieux de sortie par habitant et proportion d’entreprises anciennes) et le sexe explique 50 % de la variation inter-comtés de l’effet du sexe sur la sédentarité. Les coefficients d’effet aléatoire indiquent aussi que 24,4 % de la variation inter-comtés de la relation entre situation matrimoniale et sédentarité est expliquée par des effets d’interaction. Ces processus d’interaction constituent des mécanismes particuliers à travers lesquels le contexte communautaire exerce une influence sur les comportements migratoires individuels.
Conclusion
Des études antérieures ont montré que les structures sociales locales sont des déterminants importants des taux de sédentarité mesurés au niveau agrégé. Dans nos recherches précédentes, nous avons mis en évidence que l’engagement associatif et le capitalisme local sont des éléments macro-sociaux qui ancrent les populations à leurs lieux de vie. Mais ces travaux n’avaient pas relié directement le contexte local aux comportements individuels. La présente étude modélise explicitement ce lien micro-macro entre comportements individuels et environnement local.
Les bulletins complets confidentiels du recensement de 1990 nous permettent de rattacher les individus à leur comté de résidence en 1985. Par ailleurs, la richesse des données confidentielles fournies par le recensement de l’économie donne des informations sur les caractéristiques des comtés. La combinaison de ces deux sources de données confidentielles offre une vaste source de méta-données micro/macro permettant d’analyser l’influence du contexte local sur les comportements migratoires (ou la sédentarité) des individus.
Nous avons montré que ces facteurs contextuels (les nombres relatifs de lieux de culte, d’entreprises locales d’implantation ancienne et de lieux de sortie) constituent des conditions structurelles associées à des probabilités accrues pour les individus de ne pas quitter la communauté où ils vivent. Ces effets contextuels peuvent agir globalement sur tous les groupes d’une communauté locale ou sur certains groupes particuliers. Il est important de souligner que l’action de ces variables macro-sociales locales vient s’ajouter à l’influence directe et bien connue des facteurs économiques et du cycle de vie. Avoir démontré l’existence de cette relation constitue une contribution importante à la théorie des migrations en général et à la sociologie des communautés locales en particulier. Notre travail contraste avec les thèses purement économiques utilisées pour expliquer les choix individuels en matière de mobilité. Selon nous, les caractéristiques institutionnelles et organisationnelles des localités conditionnent les choix économiques rationnels en matière de migration. Ainsi les décisions individuelles de migrer ou de ne pas migrer trouvent-elles leurs racines et leur source dans l’environnement constitué par les structures sociales.
Nos résultats ont des implications en matière de politique locale. Les perspectives de développement économique et social à long terme d’une collectivité locale tiennent aux sentiments d’attachement et de responsabilité qui animent les habitants quand il est question de l’avenir de leur communauté. Un investissement social de ce type se manifeste, pour le moins, par l’enracinement résidentiel dans la communauté. Si la présence d’un noyau de population sédentaire n’est pas la garantie d’un tel enracinement, elle constitue certainement une base sur laquelle peut se construire une communauté solide. Les politiques qui renforcent les conditions structurelles de l’engagement social des habitants peuvent tisser des relations entre les groupes et les individus. Ces liens ont généralement des effets bénéfiques sur la société. Et en particulier, ils construisent un noyau de résidents stables. Veiller à la préservation de ce noyau de citoyens engagés pourrait être le meilleur moyen pour les collectivités locales de maintenir leur stabilité démographique à long terme, améliorer le climat social local et s’assurer un développement socio-économique durable.
BIBLIOGRAPHIE
·
Association Of Statisticians Of American Religious Bodies, 1992, Churches and Church Membership in the United States, 1990, Kansas City, MO, Church Growth Research Center, Church of the Nazarene, 1992 [édition], Storrs, CT, Roper Center for Public Opinion Research, 1992 [distribution].
·
Bagnasco A., C. F. Sabel (éd.), 1995, Small and Medium Size Enterprises, Londres, Pinter.
·
Barber B. R., 1995, Jihad vs. McWorld, New York, Times Books.
·
Bea, 2001, REIS: Regional Economic Information System, 1969-2001, CD, U. S. Department of Commerce, Bureau of Economic Analysis [distribution], Washington DC.
·
Bilsborrow R. E., 1984, « The need for and design of community questionnaires », in R. E. Bilsborrow, A. S. Oberai, G. Standing (éd.), Migration Surveys in Low-Income Countries: Guidelines for Survey and Questionnaire Design, Londres, Croom Helm.
·
Blau P. M., 1960, « Structural effects », American Sociological Review, 25(2), p. 178-193.
·
Breton R., 1964, « The institutional completeness of ethnic communities and the personal relations of immigrants », American Journal of Sociology, 70(2), p. 193-205.
·
Clark W. A. V., 1992, « Residential preferences and residential choices in a multiethnic context », Demography, 29(3), p. 451-466.
·
Da Vanzo J., 1978, « Does unemployment affect migration? - Evidence from microdata », The Review of Economics and Statistics, 60(4), p. 504-514.
·
Deane G. D., 1990, « Mobility and adjustments: Paths to the resolution of residential stress », Demography, 27(1), p. 65-79.
·
Entwisle B., J. B. Casterlin e, H. A. A. Sayed, 1989, « Villages as contexts for contraceptive behavior in rural Egypt », American Sociological Review, 54, p. 1019-1034.
·
Findley S. E., 1987, « An interactive contextual model of migration in Ilocos Norte, The Philippines », Demography, 24(2), p. 163-190.
·
Fuguitt G. V., D. L. Brown, 1990, « Residential preferences and population redistribution: 1972-1988 », Demography, 27(4), p. 589-600.
·
Fuguitt G. V., J. J. Zuiches, 1975, « Residential preferences and population distribution », Demography, 12(3), p. 491-504.
·
Greenwood M. J., 1985, « Human migration: Theory, models, and empirical studies », Journal of Regional Science, 25(4), p. 521-544.
·
Gurak D. T., M. M. Kritz, 2000, « The interstate migration of US immigrants: Individual and contextual determinants », Social Forces, 78(3), p. 1017-1039.
·
Heaton T., G. V. Fuguitt, J. J. Zuiches, 1979, « Residential preferences, community satisfaction, and the intention to move », Demography, 16(4), p. 565-573.
·
Irwin M. D., C. M. Tolbert, T. A. Lyson, 1997, « How to build strong home towns », American Demographics, 19(2), p. 43-47.
·
Irwin M. D., C. M. Tolbert, T. A. Lyson, 1999, « There’s no place like home: nonmigration and civic engagement », Environment and Planning A, 31(12), p. 2223-2238.
·
Jamieson L., 2000, « Migration, place and class: youth in rural areas », The Sociological Review, p. 203-223.
·
Jones K., C. Duncan, 1995, « Individuals and their ecologies; analysing the geography of chronic illness within a multilevel framework », Health and Place, 1(1), p. 27-40.
·
Kalff A. C., M. Kroes, J. S. H. Vles, J. G. M. Hendriksen, F. J. M. Feron, J. Steyaert, T. M. C. B. Van Zeben, J. Jolles, J. Van Os, 2001, « Neighbourhood level and individual level SES effects on child problem behaviour: a multilevel analysis », Journal of Epidemiology and Community Health, 55(4), p. 246-250.
·
Kasarda J. D., M. Janowitz, 1974, « Community attachment in mass society », American Sociological Review, 39(3), p. 328-339.
·
Kobrin F. E., A. Speare Jr., 1983, « Out-migration and ethnic communities », International Migration Review, 17(3), p. 425-444.
·
Kreft Ita G. G., Jan DeLeeuw, 1998, Introducing Multilevel Modeling, Londres, Sage, 160 p.
·
Kulkarni M., L. G. Pol, 1994, « Migration expectancy revised: Results for the 1970’s, 1980’s and 1990’s », Population Research and Policy Review, 13(2), p. 195-202.
·
Land K. C., G. D. Deane, 1992, « On the large-sample estimation of regression models with spatial-or network-effects terms: a two stage least squares approach », Sociological Methodology, 22, p. 221-248.
·
Lee Barrett A., R. S. Oropesa, James W. Kanan, 1994, « Neighborhood context and residential mobility », Demography, 31(2), p. 249-270.
·
Lee S. H., 1985, Why People Intend to Move : Individual and Community-Level Factors of Out-Migration in the Philippines, Boulder, CO, Westview Press, 155 p.
·
Li S.-M., F. Wu, 2004, « Contextualizing residential mobility and housing choice: evidence from urban China », Environment and Planning A, 36, p. 1-4.
·
Long L., 1972, « The influence of number and ages of children on residential mobility », Demography, 9(3), p. 371-382.
·
Long L., 1973, « Migration differentials by education and occupation: Trends and variations », Demography, 10(2), p. 243-258.
·
Long L., 1992, « Changing residence: Comparative perspectives on its relationship to age, sex, and marital status », Population Studies, 46(1), p. 141-158.
·
Lyson T. A., C. M. Tolbert, 1996, « Small manufacturing and nonmetropolitan socioeconomic well-being », Environment and Planning-A, 28(10), p. 1779-1794.
·
Moorer P., T. P. B. M. Suurmeijer, 2001, « The effects of neighbourhoods on size of social network of the elderly and loneliness: A multilevel approach », Urban Studies, 38(1), p. 105-118.
·
Morrison P., 1972, Population Movements and the Shape of Urban Growth: Implications for Public Policy, Report R-1072-CPG, Santa Monica, The Rand Corporation.
·
Petersen W., 1958, « A general typology of migration », American Sociology Review, 23(3), p. 256-266.
·
Pickett K. E., M. Pearl, 2001, « Multilevel analyses of neighbourhood socioeconomic context and health outcomes: a critical review », Journal of Epidemiology and Community Health, 55(2), p. 111-122.
·
Piore M. J., C. F. Sabel, 1984, The Second Industrial Divide, New York, Basic Books.
·
Raudenbush S. W., A. S. Bryk, 2002, Hierarchical Linear Models: Applications and Data Analysis Methods, 2e éd., Newbury Park, CA, Sage Publications, 504 p.
·
Raudenbush S. W., A. S. Bryk, Y. F. Cheong, R. Congdon, 2000, Hierarchical Linear and Nonlinear Modeling, Lincolnwood, IL, Scientific Software International, Inc., 306 p.
·
Reisinger M. E., 2003, « Sectoral shifts and occupational migration in the United States », Professional Geographer, 55(3), p. 383-395.
·
Sandefur G. D., W. J. Scott, 1981, « A dynamic analysis of migration: An assessment of the effects of age, family and career variables », Demography, 18(3), p. 355-368.
·
South S. J., K. D. Crowder, 1997a, « Escaping distressed neighborhoods: Individual, community, and metropolitan influences », American Journal of Sociology, 102(4), p. 1040-1084.
·
South S. J., K. D. Crowder, 1997b, « Residential mobility between cities and suburbs: Race, suburbanization, and back-to-the-city moves », Demography, 34(4), p. 525-538.
·
South S. J., K. D. Crowder, 1998, « Leaving the ’hood’: Residential mobility between black, white, and integrated neighborhoods », American Sociological Review, 63(2), p. 17-26.
·
South S. J., G. D. Deane, 1993, « Race and residential mobility: Individual determinants and structural constraints », Social Forces, 72(1), p. 147-167.
·
Speare A., 1974, « Residential satisfaction as an intervening variable in residential mobility », Demography, 11(2), p. 173-188.
·
Speare A., S. Goldstein, W. H. Frey, 1975, Residential Mobility, Migration, and Metropolitan Change, Cambridge, MA, Ballinger, 316 p.
·
Speare A., F. Kobrin, W. Kingkade, 1982, « The influence of socioeconomic bonds and satisfaction on interstate migration », Social Forces, 61(2), p. 551-574.
·
Subramanian S. V., C. Duncan, K. Jones, 2001, « Multilevel perspectives on modeling census data », Environment and Planning A, 33(3), p. 399-417.
·
Theodori G. E., 2001, « Examining the effects of community satisfaction and attachment on individual well-being », Rural Sociology, 66(4), p. 618-628.
·
Tolbert C. M., T. A. Lyson, M. D. Irwin, 1998, « Local capitalism, civic engagement, and socioeconomic well-being », Social Forces, 77(2), p. 401-428.
·
Tolbert C. M., M. D. Irwin, T. A. Lyson, A. Nucci, 2002, « Civic community in small town USA », Rural Sociology, 67(1), p. 90-115.
·
Uhlenberg P., 1973, « Noneconomic determinants of nonmigration: Social considerations for migration theory », Rural Sociology, 38(3), p. 296-311.
·
Wikstrom P. O. H., R. Loeber, 2000, « Do disadvantaged neighborhoods cause well-adjusted children to become adolescent delinquents? A study of male juvenile serious offending, individual risk and protective factors, and neighborhood context », Criminology, 38(4), p. 1109-1142.
·
Wolpert J., 1965, « Behavioral aspects of the decision to migrate », in Papers of Regional Science Association (vol. 15), Philadelphia, University of Pennsylvania Press, p. 159-169.
·
Young F. W., 1999, Small Town in Multilevel Society, New York, University Press of America.
·
Zuiches J. J., 1981, « Residential preferences in the United States», in A. H. Hawley, S. M. Mazie (éd.), Nonmetropolitan America in Transition, Chapel Hill, NC, The University of North Carolina Press, p. 72-115.
NOTES
[*]
Michael Irwin : Duquesne University. Troy Blanchard : Mississippi State University. Charles Tolbert : Baylor University. Alfred NUCCI : Census Bureau. Thomas Lyson : Cornell University.Traduit par Éric Vilquin.Une version antérieure de cet article a été présentée à la réunion annuelle de la Population Association of America, le 11 mai 2002, à Atlanta (GA Ce texte est le fruit d’une recherche effectuée alors que les auteurs étaient chercheurs associés au Carnegie Mellon University Census Research Data Centre, et financièrement soutenue par le United States Department of Agriculture (programme National Research Initiative, subvention n° 2003-35401-12892) et la Social and Behavioural Sciences Division de la National Science Foundation (subvention n° 0049033). Les résultats et conclusions sont présentés sous la responsabilité des auteurs et ne sont pas nécessairement endossés par le US Bureau of the Census. Il a été soigneusement vérifié que ce texte ne dévoile aucune donnée confidentielle.
Michael Irwin : Duquesne University. Troy Blanchard : Mississippi State University. Charles Tolbert : Baylor University. Alfred NUCCI : Census Bureau. Thomas Lyson : Cornell University.Traduit par Éric Vilquin.Une version antérieure de cet article a été présentée à la réunion annuelle de la Population Association of America, le 11 mai 2002, à Atlanta (GA Ce texte est le fruit d’une recherche effectuée alors que les auteurs étaient chercheurs associés au Carnegie Mellon University Census Research Data Centre, et financièrement soutenue par le United States Department of Agriculture (programme National Research Initiative, subvention n° 2003-35401-12892) et la Social and Behavioural Sciences Division de la National Science Foundation (subvention n° 0049033). Les résultats et conclusions sont présentés sous la responsabilité des auteurs et ne sont pas nécessairement endossés par le US Bureau of the Census. Il a été soigneusement vérifié que ce texte ne dévoile aucune donnée confidentielle.
[1]Mais il convient de préciser ici que nos données ne rendent pas parfaitement compte de la présence d’enfants au cours de la période 1985-1990. Les familles dont le plus jeune enfant a quitté la maison avant 1990 sont assimilées à celles qui n’avaient pas d’enfant au foyer durant cette période. Ceci exclut de nombreux jeunes appartenant à la catégorie dont la mobilité est la plus faible, c’est-à-dire ceux qui étaient étudiants dans l’enseignement supérieur à cette époque.
Mais il convient de préciser ici que nos données ne rendent pas parfaitement compte de la présence d’enfants au cours de la période 1985-1990. Les familles dont le plus jeune enfant a quitté la maison avant 1990 sont assimilées à celles qui n’avaient pas d’enfant au foyer durant cette période. Ceci exclut de nombreux jeunes appartenant à la catégorie dont la mobilité est la plus faible, c’est-à-dire ceux qui étaient étudiants dans l’enseignement supérieur à cette époque.
[2]Dans le recensement américain de la population et des logements de 1990, le taux de pauvreté est basé sur le revenu de la famille (ou sur le revenu total du ménage si ses membres ne sont pas apparentés). Les seuils de revenu de 1990 sont définis à partir du coût de la vie et sont ajustés en fonction de la taille de la famille et des âges de ses membres. Par exemple, les membres d’une famille de quatre personnes dont le revenu est inférieur à 12674 $ sont considérés comme pauvres. Nous définissons le taux de pauvreté d’une population comme le rapport du nombre de personnes vivant au-dessous du seuil de pauvreté à l’effectif total de la population.
Dans le recensement américain de la population et des logements de 1990, le taux de pauvreté est basé sur le revenu de la famille (ou sur le revenu total du ménage si ses membres ne sont pas apparentés). Les seuils de revenu de 1990 sont définis à partir du coût de la vie et sont ajustés en fonction de la taille de la famille et des âges de ses membres. Par exemple, les membres d’une famille de quatre personnes dont le revenu est inférieur à 12674 $ sont considérés comme pauvres. Nous définissons le taux de pauvreté d’une population comme le rapport du nombre de personnes vivant au-dessous du seuil de pauvreté à l’effectif total de la population.
[3]Dans deux comtés, la taille de l’échantillon s’est révélée insuffisante. Nous avons alors combiné leurs données avec celles d’un comté voisin et avons ainsi obtenu un effectif n = 3 062.
Dans deux comtés, la taille de l’échantillon s’est révélée insuffisante. Nous avons alors combiné leurs données avec celles d’un comté voisin et avons ainsi obtenu un effectif n = 3 062.
[4]Notons que, grâce à notre échantillon de 19 millions d’individus, de nombreuses variables qui n’ont généralement pas d’effet statistiquement significatif dans les autres études sont significatives dans la nôtre.
Notons que, grâce à notre échantillon de 19 millions d’individus, de nombreuses variables qui n’ont généralement pas d’effet statistiquement significatif dans les autres études sont significatives dans la nôtre.
[5]Notons que le calcul des écarts-types (et des statistiques t de Student) relatifs aux caractéristiques des comtés est basé sur la population du comté (soit 3 000 habitants ou plus) et non sur l’effectif total de l’échantillon (19 millions).
Notons que le calcul des écarts-types (et des statistiques t de Student) relatifs aux caractéristiques des comtés est basé sur la population du comté (soit 3 000 habitants ou plus) et non sur l’effectif total de l’échantillon (19 millions).
[6]On la calcule en transformant en probabilité le logarithme du risque relatif pour la constante au moyen de la formule : P (non-migration) = 1/(1 + exp (- 1,4762)).
On la calcule en transformant en probabilité le logarithme du risque relatif pour la constante au moyen de la formule : P (non-migration) = 1/(1 + exp (- 1,4762)).
[7]Les composantes de la variance pour les variations intra-comté de la constante ne sont pas fournies par l’estimation non linéaire HLM.
Les composantes de la variance pour les variations intra-comté de la constante ne sont pas fournies par l’estimation non linéaire HLM.
© Cairn 2007
Vie privée |
Conditions d’utilisation |
Conditions générales de vente
À propos | Éditeurs | Bibliothèques | Aide à la navigation |
À propos | Éditeurs | Bibliothèques | Aide à la navigation |