Comment réduire la fracture spatiale ? Une application en Île-de-France

Reducing Spatial Inequality : an Application in the Paris Region. We estimate a spatial error model on Paris-region data to explain unemployment-to-work transition disparities. We examine representative indicators of local employment dynamics, the mismatch between residential location of the unemployed and place of work, the mismatch between the skills of the unemployed and those required by employers, residential segregation and residential status. We use methods that make it possible to assess the scope of each of these explanations and to determinewhich are themost important to consider in terms of public policies. Results showthe need for a stronger focus on skills and spatial mismatches.Nous estimons sur des données communales franciliennes un modèle à erreurs spatialement corrélées afin d’expliquer les disparités spatiales de durées de chômage. Nous mobilisons des indicateurs représentatifs du dynamisme de l’emploi local, du mésappariement entre la localisation des emplois et des demandeurs d’emplois, du mésappariement entre les compétences demandées par les entreprises et celles offertes par les demandeurs d’emplois, de la ségrégation résidentielle et du logement. Nous utilisons des méthodes qui permettent d’évaluer la portée de chacune de ces explications et de déterminer lesquelles sont les plus importantes à considérer du point de vue de la décision publique. Les résultats montrent que les efforts devraient être accentués sur les problèmes de mésappariement en termes de compétences et de localisation géographique des demandeurs d’emplois.Georges Nathalie, L'Horty Yannick, Sari Florent. Comment réduire la fracture spatiale ? Une application en Île-de-France. In: Économie & prévision, n°206-207, 2015. Territoire, emploi et politiques publiques. pp. 17-37