Les difficultés scolaires et professionnelles des jeunes issus de l’immigration : effet de l’origine ou effets géographiques ?

Romain Aeberhardt; Roland Rathelot; Mirna Safi

2015/3

Les difficultés scolaires et professionnelles des jeunes issus de l’immigration : effet de l’origine ou effets géographiques ?
Suivre cet auteur Romain Aeberhardt, Suivre cet auteur Roland Rathelot, Suivre cet auteur Mirna Safi
Dans Population 2015/3 (Vol. 70), pages 599 à 635

format_quote Citer ou exporter Ajouter à une liste Suivre cette revue

linkThis article is available in English on Cairn International

1La localisation géographique des populations sur le territoire n’est pas le fruit du hasard. En particulier, les jeunes issus de l’immigration résident plus souvent que les autres jeunes dans des quartiers défavorisés. Or le lieu de résidence, tout comme l’origine migratoire des parents, peut influer sur la réussite scolaire et l’insertion professionnelle, si bien qu’il est souvent difficile de dissocier les effets de ces deux facteurs sociaux. Les difficultés d’insertion des jeunes issus de l’immigration sont-elles surtout liées à l’origine ou au territoire ? Telle est la question à laquelle répondent Romain Aeberhardt, Roland rathelot et Mirna Safi, en tirant parti de la localisation très fine du lieu de résidence ajoutée aux informations de deux enquêtes du Céreq sur les parcours d’insertion des jeunes. Ils analysent les risques de sortie du système scolaire et les chances d’occuper un emploi trois ans après la fin des études selon l’origine migratoire des parents, en contrôlant de l’effet du lieu de résidence.

2La recherche sur la situation des enfants d’immigrés sur le marché du travail en France a connu un essor particulier depuis les années 2000, dans un contexte où de nouvelles données sont devenues disponibles (Aeberhardt et Rathelot, 2013 ; Safi, 2013). Les résultats de nombreuses études sur le sujet mettent en évidence la situation particulièrement désavantagée des enfants d’immigrés du Maghreb ou d’Afrique subsaharienne, comparativement aux Français nés de parents français (Meurs et al., 2006). Par ailleurs, si les différences de caractéristiques sociodémographiques, de diplôme ou d’âge expliquent relativement bien les écarts de salaires, seul un tiers des écarts de taux d’emploi peut être attribué à ces facteurs (Aeberhardt et al., 2010). Les études de testing confirment ces constats et rattachent les pénalités ethniques (encadré) mesurées dans les enquêtes statistiques à des pratiques de discrimination à l’embauche sur le marché du travail en France (Cédiey et al., 2008 ; Duguet et al., 2010a, 2010b).

Encadré. Les questions de terminologie

Nous utilisons l’adjectif ethnique pour désigner des pénalités mesurées pour certaines populations définies par leur lien à la migration (enfants d’immigrés) et l’origine géographique de leurs parents. En France, le débat sur la terminologie à adopter pour désigner ces inégalités anime les cercles scientifiques depuis longtemps. Si certains travaux préfèrent parler de l’effet de l’origine migratoire, cette expression nous semble moins précise parce que le lien à la migration n’affecte pas de la même manière tous les groupes. On pourrait alternativement se limiter à l’usage de tournures qui se réfèrent exclusivement au lieu de naissance d’ego et de ses parents – par exemple, enfants d’immigrés nés dans les pays d’Afrique ou du Moyen-Orient – puisqu’il s’agit strictement parlant des seules variables que la statistique française permet d’utiliser pour repérer ces populations. Si nous utilisons toutefois le terme « ethnique », c’est en relation avec la littérature sociologique sur les inégalités ethniques (et/ou raciales) qui insiste sur le fait que ces facteurs ne doivent pas être compris dans une appréhension essentialiste ; ils désignent des dimensions de la stratification sociale qui ne sont pas réductibles à des ressources socioéconomiques mais découlent d’un processus de catégorisation à l’œuvre dans la société. Dans certaines conditions, l’immigration est un des événements démographiques susceptibles de produire de telles catégorisations.
Pour de plus amples discussions rattachées aux facteurs ethniques/raciaux, voir notamment Omi and Winant (1986), Simon (1998, 2008), Wimmer (2008) ou encore la synthèse proposée dans Safi (2013).

3En dépit de ces récentes preuves empiriques, une tradition bien ancrée dans les sciences sociales françaises tend à analyser ces inégalités comme étant exclusivement liées à des différences de milieux sociaux ou de niveaux de qualification. Ce ne serait pas l’origine de ces individus (et la possible hostilité exprimée par certains à l’encontre de cette origine) qui les défavoriserait, mais plutôt la faiblesse de leurs ressources familiales, économiques et sociales. Dans ce cadre d’analyse, l’effet du lieu de résidence occupe une place centrale ; la concentration de ces populations dans les zones résidentielles les plus défavorisées expliquerait dans une large mesure leur situation socioéconomique. Même s’ils sont rarement explicités dans les études, les mécanismes spatiaux se réfèrent en général à l’inégale distribution spatiale des équipements, transports et services publics ou encore aux disparités des moyens et de la qualité de l’offre scolaire entre les territoires. Dans certaines études, ces inégalités spatiales deviennent même le principal vecteur de la reproduction des inégalités socioéconomiques, notamment via des effets de pairs ou des mécanismes de socialisation parfois qualifiés de « culture de la pauvreté ».

4Le rattachement des inégalités liées à la problématique des inégalités urbaines et territoriales s’est toutefois rarement appuyé sur une mesure conjointe des facteurs ethniques et géographiques. Des travaux empiriques récents suggèrent que les écarts d’emploi et de chômage mesurés par rapport à l’origine immigrée ne sont que très partiellement expliqués par des écarts de lieux de résidence (Gobillon et al., 2014 ; Rathelot, 2014). Par ailleurs, des études par testing ont également croisé les dimensions ethniques et géographiques (Petit et al., 2014) pour tenter de dégager leur impact respectif sur le taux de contact suite à une candidature à une offre d’emploi ; si elles mettent en évidence une forme de discrimination territoriale, ces études montrent aussi que la discrimination liée à l’origine ethnique n’est pas réductible à la dimension résidentielle.

5Dans cet article, nous tirons profit des enquêtes Génération (1998 et 2004), collectées par le Centre d’études et de recherches sur les qualifications (Céreq) pour mesurer les effets de l’origine ethnique et de la localisation spatiale sur le parcours scolaire et professionnel des jeunes issus de l’immigration. Ces données sont parmi les rares qui analysent l’insertion des jeunes sur le marché du travail juste après leur sortie du système scolaire. Puisqu’elles renseignent le lieu de résidence des individus à une échelle fine (Iris) [1], elles permettent d’intégrer dans les modèles la mesure des effets de quartier. Enfin, elles nous informent également sur l’évolution dans le temps de la situation de ces jeunes grâce à la comparaison entre les générations 1998 et 2004. Les analyses présentées dans cet article cherchent à étudier dans quelle mesure l’effet de l’origine ethnique sur les résultats scolaires et l’accès à l’emploi se maintient, une fois pris en compte de la dimension géographique sous forme d’effets fixes introduits à l’échelle de l’Iris.

I – Expliquer les inégalités ethniques par des effets géographiques : les mécanismes sous-jacents

6Les effets du lieu de résidence ont été mesurés sur de nombreux indicateurs socioéconomiques (Sampson et al., 2002). Cutler et Glaeser (1997) estiment par exemple que 13 % de réduction de l’ampleur de la ségrégation spatiale aux États-Unis diminuerait les écarts entre Noirs et Blancs d’un tiers dans l’éducation, l’emploi, les salaires, et même les taux de grossesse des mères célibataires.

7Concernant les indicateurs éducatifs, les mécanismes les plus étudiés se rattachent aux effets de la socialisation dans les quartiers sur les parcours scolaires des enfants (Ainsworth, 2002). La concentration de l’échec scolaire dans certains quartiers serait susceptible de déclencher des effets de pairs qui modifient les préférences scolaires et éloignent les élèves des normes de réussite (Goux et Maurin, 2007). Certains travaux suggèrent même que des mécanismes locaux de la socialisation affectent directement le développement des enfants et pèsent ainsi sur leurs résultats à l’école (Brooks-Gunn et al., 1993). Certaines études (Moguérou et al., 2013) attirent aussi l’attention sur l’effet déterminant des configurations familiales spécifiques aux milieux populaires (familles monoparentales, taille de la fratrie plus élevée, etc.) et donc plus fréquentes dans ces quartiers.

8L’impact de la localisation géographique sur les performances scolaires peut aussi être directement rattaché à la dimension territoriale de l’offre éducative et son caractère inégal, voire discriminatoire, notamment envers les minorités ethno-raciales (Merle, 2012 ; Felouzis et al., 2005). Lorsque l’échelle géographique est assez fine, les différences entre quartiers peuvent en effet refléter des différences entre établissements (qualité de l’enseignement et expérience des enseignants, ressources économiques et éducatives, taille des classes, etc.). Les effets géographiques peuvent aussi être liés à des inégalités urbaines non directement produites par le système scolaire mais y exerçant une influence considérable (équipements publics tels que bibliothèque, théâtre, musée, transports, etc.). Les mécanismes spécifiquement géographiques des inégalités éducatives sont néanmoins loin de susciter l’unanimité (Arum, 2000) : de nombreuses études expérimentales semblent indiquer qu’ils seraient bien moins décisifs que les effets des caractéristiques individuelles et familiales (Crain et Mahard, 1983 ; Vallet, 2005).

9Les effets géographiques ont également été mis en avant pour l’explication des inégalités ethniques dans l’emploi (Fernandez et Su, 2004). Une première famille d’études insiste sur l’effet du processus de socialisation : la fréquence du chômage, de l’inactivité et de la pauvreté dans ces quartiers éloignerait leurs habitants du marché du travail (Crane, 1991 ; Cutler et Glaeser, 1997 ; Wilson, 1996). Certains travaux vont jusqu’à considérer que ces quartiers deviennent en eux-mêmes porteurs de stigmates et déprécient ainsi les chances de leurs habitants d’accéder à l’emploi. On parle alors de discrimination territoriale ou de discrimination par l’adresse [2].

10Une deuxième famille d’études insiste sur l’existence d’une discordance géographique (spatial mismatch) entre les zones d’habitation des minorités et les bassins d’emploi auxquels elles peuvent avoir accès (Gobillon et al., 2007 ; Holzer, 1991 ; Kain, 2004). Une attention particulière est portée sur la connexion des zones résidentielles où les groupes minoritaires habitent, dans la mesure où leur faible équipement en voiture – directement lié à des contraintes économiques – les rend particulièrement dépendants des transports en commun (Holzer et al., 1994). Récemment, des études françaises ont abordé ces questions (Duguet et al., 2009 ; Gobillon, 2001 ; Gobillon et al., 2011) même si l’accent est rarement mis sur les populations issues de l’immigration.

11L’ensemble de ces études suscite des interrogations sur le degré auquel les inégalités qui touchent certains groupes issus de l’immigration dans l’éducation et sur le marché du travail sont liées à la concentration de ces derniers dans les zones géographiques les plus défavorisées. Les analyses ci-dessous cherchent à répondre à cette question.

II – Données et échantillons d’analyse

Les enquêtes génération 1998 et 2004 géolocalisées au lieu de résidence

12Le programme d’enquêtes Génération vise à mieux connaître le processus d’insertion des jeunes à la sortie du système éducatif ainsi que les premières années de leur carrière professionnelle.

13Le champ de l’enquête recouvre l’ensemble des jeunes sortis pour la première fois du système éducatif pendant au moins un an, ayant moins de 35 ans à la fin de leur scolarité initiale et habitant en France métropolitaine au moment de l’enquête. La collecte de la première vague a eu lieu par téléphone au printemps de la troisième année suivant la sortie du système éducatif, soit respectivement aux printemps 2001 et 2007 pour les enquêtes Génération 1998 et 2004 que nous utilisons ici. Ces enquêtes ont, par la suite, fait l’objet de vagues supplémentaires à cinq ans, sept ans et même dix ans pour Génération 1998. Nous nous contentons cependant ici des informations collectées à trois ans afin de limiter les difficultés liées à l’attrition.

14Lors du premier entretien (à trois ans), l’enquête Génération 1998 a obtenu les réponses d’environ 55 000 jeunes et l’enquête Génération 2004 un peu moins de 60 000.

15La base de sondage est constituée de manière ad hoc à partir de listes collectées auprès des établissements d’enseignement et des rectorats. L’échantillon est ensuite tiré de manière équilibrée suivant des strates qui correspondent aux régions et aux principaux niveaux de formation.

16Après une phase visant à préciser l’identification du répondant, le questionnaire aborde le parcours scolaire des personnes ainsi que leurs expériences professionnelles en parallèle ou dans le cadre de leurs études. Le cœur de l’enquête consiste ensuite en un calendrier professionnel permettant de reconstituer des séquences d’emploi et de non-emploi. L’enquête renseigne également sur les perspectives professionnelles, les caractéristiques sociodémographiques (dont l’origine nationale de la personne et de ses parents) ou encore le mode de cohabitation.

17Les analyses suivantes portent sur deux groupes distincts : les premiers sont des jeunes Français dont les deux parents sont nés en France (que nous qualifierons de population majoritaire, « Pop maj ») et les seconds sont des jeunes Français (pas forcément de naissance) dont au moins un parent est né en Afrique du Nord, en Afrique subsaharienne, au Liban, en Turquie ou au « Proche et Moyen-Orient » (cette dernière catégorie n’étant pas détaillée dans le dictionnaire de codes de l’enquête) [3]. On utilisera l’expression « population minoritaire » pour référer à ces populations regroupées dans nos analyses en une seule catégorie [4]. L’échantillon de départ se compose de 76 966 individus, 47 734 issus de Génération 1998 et 29 232 de Génération 2004. La part des jeunes appartenant au groupe minoritaire ainsi défini est de 10,8 % en 1998 et de 11,9 % en 2004.

Des effets géographiques pris en compte à un niveau fin

18Dans le cadre d’une collaboration avec l’Insee, des données de géolocalisation à un niveau très fin (Iris) ont pu être obtenues pour une part très importante des enquêtés (dans notre échantillon cela concerne 98 % des personnes en 1998 et 92 % en 2004). Cette géolocalisation permet de contrôler des « effets de quartiers » à une échelle comparable à celle utilisée dans les travaux nord-américains sur la ségrégation (census tract), ce qui est très rare dans les données françaises. De plus, la taille de l’échantillon se prête à un contrôle de ces effets de quartiers sous forme d’« effets fixes » : cela permet de comparer des personnes au sein de chaque unité (Iris) pour pouvoir s’affranchir des différences systématiques qui peuvent exister d’une unité géographique à une autre. Les analyses présentées dans la partie suivante contrôlent ainsi, en plus des caractéristiques individuelles (sexe, diplôme, origine des parents, origine ethnique, etc.), l’influence des caractéristiques non observées de l’Iris de résidence. Par définition, ces analyses ne sont toutefois possibles à estimer que dans les Iris où l’on dispose d’au moins deux observations. Cela réduit donc nos échantillons d’estimation à 34 404 individus en 1998 et 15 351 en 2004 (tableau 1). Une comparaison des échantillons complet (tableau annexe A.1) et réduit (tableau 3) révèle peu de différences sur les caractéristiques de leurs habitants ; cela suggère que la restriction de l’échantillon n’altère pas la représentativité de l’enquête. Enfin, la composition ethnique diffère légèrement entre les échantillons d’études des deux enquêtes ; les jeunes originaires du Maghreb constituent 8 % de l’échantillon en 1998 (15 % en 2004) et ceux originaires du reste de l’Afrique 10 % de l’échantillon en 1998 (11 % en 2004) (chiffres non reportés dans le tableau).

Tableau 1

Échantillons

« Génération 1998 » « Génération 2004 » Population minoritaire Population majoritaire Population minoritaire Population majoritaire Échantillon total Hommes 2 551 20 905 1 682 12 565 Femmes 2 606 21 672 1 800 13 185 Total 5 157 42 577 3 482 25 750 Échantillon d’étude Hommes 1 438 16 032 622 7 277 Femmes 1 311 15 623 547 6 905 Total 2 749 31 655 1 169 14 182

Échantillons

Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004, dont les deux parents sont nés en France (population majoritaire) ou dont au moins l’un des parents est né en Afrique du Nord ou en Afrique subsaharienne (population minoritaire).

III – Panorama de la situation des jeunes issus de l’immigration : de la sortie précoce du système éducatif aux difficultés d’insertion

19Les enfants d’immigrés du Maghreb et du reste de l’Afrique sont plus nombreux à abandonner les études avant la fin du lycée (tableaux 2 et 3). L’examen détaillé des écarts éducatifs à tous les niveaux d’études montre qu’il s’agit là de l’écart le plus significatif comparativement aux enfants de la population majoritaire (8 points pour les femmes et 13 points pour les hommes). Si des différences sont aussi perceptibles dans le type de Baccalauréat obtenu (plus de Bac professionnels tertiaires et moins de Bac professionnels industriels), les écarts redeviennent relativement importants pour les niveaux de diplômes les plus élevés, principalement pour les hommes.

Tableau 2

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998^(a),(b)

Hommes Femmes Population majoritaire Population minoritaire Test différence Population majoritaire Population minoritaire Test différence Effectifs 16 032 1 438 15 623 1 311 En emploi 3 ans après la sortie 85,0 72,1 *** 80,4 65,5 *** En ZUS ou Cucs à la fin des études 4,3 29,1 *** 4,6 28,9 *** Diplôme Non qualifiés 6,8 25,3 *** 4,6 15,4 *** Lycée ou CAP/BEP non diplômés 8,5 17,5 *** 4,2 11,9 *** CAP ou BEP tertiaire 3,8 4,3 10,7 14,0 *** CAP ou BEP industriel 16,1 12,9 *** 1,6 2,4 ** Bac non diplômés 3,7 4,2 2,0 3,1 *** Bac tertiaire 2,9 2,0 * 11,5 7,5 *** Bac industriel 8,5 3,1 *** 0,9 0,5 Bac+1, Bac+2 non diplomés 10,5 13,2 *** 12,1 20,1 *** Bac+1, Bac+2 santé/social 1,9 0,6 *** 9,7 4,1 *** DEUG, DEUST… 2,1 2,0 2,8 2,4 BTS, DUT tertiaire 5,4 2,5 *** 10,5 6,0 *** BTS, DUT industriel 8,7 2,6 *** 1,7 0,6 *** 2nd cycle LSH, gestion 7,1 4,4 *** 15,6 7,2 *** 2d cycle maths, sc, tech 2,4 1,3 *** 1,9 0,9 ** 3e cycle LSH, gestion 3,2 1,2 *** 5,3 2,4 *** Écoles de commerce 1,2 0,3 *** 1,4 0,6 ** 3e cycle maths, sc, tech 4,1 1,8 *** 2,7 0,6 *** Écoles d’ingénieur 3,1 0,9 *** 1,0 0,2 *** Situation du père En emploi 83,3 60,3 *** 80,4 55,5 *** Au chômage 2,1 8,2 *** 2,3 9,4 *** Retraité 7,0 16,6 *** 8,5 20,2 *** Inactif (a déjà travaillé) 0,6 1,2 *** 0,5 1,0 ** Inactif (n’a jamais travaillé) 0,1 0,4 ** 0,1 0,5 *** En formation 0,0 0,1 *** 0,0 0,1 Décédé 3,8 5,4 *** 4,3 6,3 *** Inconnue (a) 3,0 7,7 *** 3,8 6,9 ***

Hommes Femmes Population majoritaire Population minoritaire Test différence Population majoritaire Population minoritaire Test différence Situation de la mère En emploi Au chômage Retraitée Inactive (a déjà travaillé) Inactive (n’a jamais travaillé) En formation Décédée Inconnue (a) 63,7 27,2 *** 2,5 3,4 ** 3,3 1,2 *** 18,0 15,2 *** 8,9 48,3 *** 0,1 0,0 1,3 1,0 2,2 3,7 *** 64,0 29,3 *** 2,7 3,5 * 3,6 1,9 *** 16,5 12,7 *** 9,4 48,7 *** 0,1 0,3 *** 1,5 1,3 2,2 2,4 CS du père Employé Agriculteur Artisan, Commerçant Cadre Profession intermédiaire Ouvrier Inconnue (a) Aucune (b) 28,1 24,0 *** 3,9 0,8 *** 10,8 7,6 *** 18,5 6,2 *** 10,2 4,2 *** 20,4 42,7 *** 2,4 4,3 *** 5,9 10,3 *** 28,3 20,4 *** 4,4 0,8 *** 10,3 7,7 *** 19,0 5,3 *** 9,2 4,3 *** 19,4 47,2 *** 2,5 4,2 *** 7,0 10,1 *** CS de la mère Employée Agricultrice Artisane, Commerçante Cadre Profession intermédiaire Ouvrière Inconnue (a) Aucune (a) 50,6 30,7 *** 2,6 0,3 *** 4,2 1,7 *** 11,1 3,1 *** 5,3 1,9 *** 10,5 6,5 *** 4,0 3,8 11,6 51,9 *** 51,5 28,1 *** 2,7 0,5 *** 4,6 2,0 *** 11,2 4,3 *** 5,2 2,1 *** 9,2 8,0 3,1 3,7 12,4 51,3 ***

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998^(a),(b)

Note : La colonne “Test différence” rapporte le résultat d’un test t de la différence de la valeur entre les deux groupes éthniques.
(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Significativité : *** indique une différence significative à 1 % ; ** 5 % ; * 10 %.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998, Iris pour lesquels on dispose d’au moins deux observations.

Tableau 3

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004^(a),(b)

Hommes Femmes Population majoritaire Population minoritaire Test différence Population majoritaire Population minoritaire Test différence Effectifs 7 277 622 6 905 547 En emploi 3 ans après la sortie 81,1 61,9 *** 77,8 58,1 *** En ZUS ou Cucs à la fin des études 6,4 37,9 *** 5,5 34,4 *** Diplôme Non diplômé 13,4 33,3 *** 6,4 20,1 *** CAP-BEP-MC tertiaire 3,5 5,6 *** 11,8 14,1 CAP-BEP-MC industriel 20,6 21,2 1,7 2,7 * Bac pro/techno tertiaire 5,8 7,2 16,7 21,9 *** Bac pro/techno Industriel 13,7 8,7 *** 1,5 0,5 * Bac général 4,0 3,5 6,5 5,3 Bac+2 Santé-social 2,2 1,3 18,2 6,9 *** Bac+2 tertiaire 5,0 3,5 * 9,4 9,7 Bac+2 industriel 8,1 3,4 *** 1,7 0,9 Licence pro 2,1 1,1 * 1,2 0,5 L3 LSH, Gestion, Droit 1,4 1,3 6,0 4,9 L3 Sciences 1,3 1,1 1,2 0,7 M1 3,5 3,2 5,8 4,2 M2 LSH, Gestion, Droit 2,6 2,1 4,7 3,5 Écoles de commerce Bac+5 0,7 0,2 * 0,7 0,9 M2 Sciences 2,7 0,6 *** 1,5 0,4 ** Écoles d’ingénieur 4,3 1,3 *** 1,5 0,7 Doctorat 5,0 1,3 *** 3,4 1,8 ** Situation du père En emploi 84,6 60,5 *** 84,6 51,9 *** Au chômage 2,0 6,6 *** 1,9 6,8 *** Retraité 6,2 19,8 *** 6,6 24,9 *** Inactif (a déjà travaillé) 0,8 2,3 *** 0,7 2,6 *** Inactif (n’a jamais travaillé) 0,1 0,5 ** 0,0 0,9 *** En formation 0,1 0,5 ** 0,1 0,2 Décédé 3,6 5,1 ** 3,5 5,7 *** Inconnue (a) 2,6 4,8 *** 2,7 7,1 ***

Hommes Femmes Population majoritaire Population minoritaire Test différence Population majoritaire Population minoritaire Test différence Situation de la mère En emploi Au chômage Retraitée Inactive (a déjà travaillé) Inactive (n’a jamais travaillé) En formation Décédée Inconnue 72,4 40,0 *** 2,2 2,7 3,5 1,6 ** 14,5 15,0 4,3 37,5 *** 0,2 0,0 1,1 1,1 1,8 2,1 74,2 36,9 *** 2,3 1,6 3,5 2,4 12,8 15,7 ** 4,0 38,2 *** 0,3 0,2 1,5 2,2 1,6 2,7 ** CS du père Employé Agriculteur Artisan, Commerçant Cadre Profession intermédiaire Ouvrier Inconnue (a) Aucune (b) 22,1 17,2 *** 2,6 1,0 ** 9,5 9,2 21,9 6,9 *** 10,6 3,9 *** 26,2 50,3 *** 1,7 3,1 ** 5,3 8,5 *** 23,5 16,5 *** 4,0 0,4 *** 9,5 6,2 ** 21,3 4,9 *** 10,4 3,7 *** 24,4 53,7 *** 1,7 4,0 *** 5,2 10,6 *** CS de la mère Employée Agricultrice Artisane, Commerçante Cadre Profession intermédiaire Ouvrière Inconnue (a) Aucune (b) 49,1 31,0 *** 1,5 0,0 *** 3,6 2,7 13,2 4,3 *** 5,0 1,4 *** 18,5 18,0 2,8 2,7 6,4 39,7 *** 55,3 36,6 *** 2,7 0,0 *** 3,5 1,1 *** 12,7 4,9 *** 4,7 2,0 *** 13,0 11,2 1,9 1,8 6,1 42,4 ***

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004^(a),(b)

Note : La colonne “Test différence” rapporte le résultat d’un test t de la différence de la valeur entre les deux groupes éthniques.
(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Significativité : *** Indique une différence significative à 1 % ; ** 5 % ; * 10 %.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 2004, Iris pour lesquels on dispose d’au moins deux observations.

20Trois ans après la fin de leurs études, les enfants d’immigrés du Maghreb et du reste de l’Afrique se retrouvent plus souvent au chômage (environ 20 % contre 10 % pour la population majoritaire) ou inactifs (l’écart est surtout important pour les femmes de la population minoritaire dont 6,3 % sont inactives comparées à 3,1 % pour les femmes de la population majoritaire). L’examen de leurs caractéristiques familiales met par ailleurs en avant la faiblesse de leur capitaux économique et culturel : leurs mères sont plus souvent inactives, leurs pères plus souvent au chômage ou ayant un emploi ouvrier. En revanche, lorsqu’ils sont en emploi, le type de leur contrat de travail et leur rémunération ne semblent pas très différents en moyenne de ceux des enfants de natifs. Ces chiffres semblent indiquer que les écarts les plus significatifs entre les deux groupes se situent aux niveaux de la sortie précoce du système éducatif et de l’étape, décisive en France, de l’insertion dans l’emploi.

21Enfin, les enfants d’immigrés venus du Maghreb et du reste de l’Afrique sont aussi concentrés dans les zones géographiques les plus défavorisées. Parmi ceux qui sont sortis en 2004 du système éducatif, 27 % résident dans les ZUS/Cucs [5] contre 6 % pour ceux du groupe majoritaire.

IV – Méthodologie

22Les analyses de régression présentées ci-dessous permettent de mesurer à quel point ces écarts de réussite scolaire et professionnelle mesurés pour les descendants d’immigrés d’origine africaine sont expliqués par des caractéristiques individuelles, familiales et géographiques. Des régressions identiques sont estimées séparément pour l’échantillon de 1998 et celui de 2004. Des spécifications successives ont comme objectif de suivre l’évolution du coefficient d’intérêt, associé à la variable d’origine ethnique (population minoritaire « pop min »), avec le contrôle supplémentaire de l’origine sociale (profession et activité professionnelle des parents), du diplôme (seulement pour l’équation d’emploi) et de l’effet fixe géographique. Pour chaque variable de contrôle, les modalités correspondent à celles détaillées dans les tableaux 2 et 3. La catégorie socioprofessionnelle des parents, leur situation professionnelle et le diplôme sont croisés avec la variable sexe dans toutes les spécifications. Formellement, l’équation estimée en l’absence d’effets fixes Iris est la suivante :

23

24où Y est la variable d’intérêt binaire (sortie du système scolaire sans diplôme avant la fin du lycée, ou emploi 3 ans après la sortie du système scolaire), Y* la variable latente correspondante, pop-min l’indicatrice d’appartenance à la population minoritaire, F l’indicatrice du sexe féminin [6], X les variables de contrôle, et u le terme d’erreur supposé être distribué suivant une loi logistique. L’équation [1] est estimée par une régression logistique.

25Lorsque des indicatrices h correspondant à l’Iris du lieu de résidence au moment de la sortie du système éducatif sont introduites dans l’équation estimée, celle-ci devient l’équation [2] :

26

27L’introduction des effets fixes pour l’Iris de résidence présente l’inconvénient de multiplier considérablement le nombre de paramètres dans le modèle, ce qui risque de fournir des estimateurs biaisés des covariables. Il s’agit des biais dits de « paramètres incidents » ; ils sont dus au fait que la taille de l’échantillon n’est pas suffisamment grande par rapport au nombre de paramètres. La solution la plus courante, adoptée ici, consiste en l’estimation par logit conditionnel : les Iris dans lesquels tous les individus prennent la valeur 0 (ou 1) pour la variable dépendante ne participent pas à l’estimation du modèle, ce qui conduit à un échantillon restreint (Lancaster, 2000). Afin de distinguer l’effet de la restriction de l’échantillon de celui de l’introduction des indicatrices Iris, nous décomposons le processus en deux étapes. Dans un premier temps, nous estimons le modèle sans indicatrice Iris sur l’échantillon restreint et comparons les résultats avec ceux obtenus sur la totalité de l’échantillon. Dans un second temps, nous estimons le modèle avec les indicatrices Iris. Nous pouvons ainsi distinguer ce qui est attribuable au changement de champ de ce qui peut être interprété comme l’effet de contrôle du lieu de résidence. Les écarts types sur les effets marginaux sont obtenus par bootstrap complet [7] (200 itérations).

28Interpréter directement les coefficients estimés n’est pas aisé et il est aussi difficile de les comparer entre les sous-échantillons car il s’agit de modèles non linéaires. Dans les tableaux, nous reportons donc les effets marginaux qui nous fournissent directement une mesure comparable et intuitive des effets des différentes variables d’intérêt. Les effets marginaux correspondent à l’écart de probabilité prédite que Y soit égal à 1 lorsque pop-min et F passent de 0 à 1. Formellement, les effets marginaux reportés dans les tableaux suivants correspondent aux versions estimées des trois quantités suivantes :

29

30Le premier paramètre [3] mesure l’effet marginal sur la variable d’intérêt du fait d’avoir un parent originaire d’un pays d’Afrique (population minoritaire) plutôt qu’un parent né en France pour les hommes. Le deuxième paramètre [4] correspond à l’effet d’être une femme plutôt qu’un homme pour les enfants de parents nés en France (population majoritaire). Enfin, le troisième paramètre [5] mesure l’écart résiduel à ces deux effets par un effet d’interaction : il représente la différence entre l’écart entre les femmes appartenant à la population minoritaire et les hommes de la population majoritaire, et la somme des effets pop-min et F précédents. Le signe de ce terme d’interaction nous renseigne sur la prégnance relative de l’effet de l’origine (pop-min) pour les femmes comparativement aux hommes : un signe positif signifie qu’être issu de l’immigration africaine plutôt que de deux parents nés en France a un effet plus prégnant pour les femmes que pour les hommes. L’effet de l’appartenance à la population minoritaire pour les femmes (par rapport aux femmes de la population majoritaire) s’obtient ainsi par addition des premier et troisième effets marginaux.

V – L’effet de l’origine est déterminant, même en tenant compte des effets géographiques

31Connaître le lieu de résidence des jeunes au moment de la fin de leurs études, ainsi que le détail de leur niveau d’instruction et de leur origine sociale permet de distinguer si les écarts observés dans la réussite éducative et dans l’accès à l’emploi pour les descendants d’immigrés venus d’Afrique sont le reflet de différences de milieux sociaux ou tiennent à des effets de quartiers. Dans les analyses qui suivent, nous calculons d’abord les écarts bruts entre les populations majoritaire et minoritaire, puis nous contrôlons le milieu social du jeune, son niveau d’études (dans le cas de l’insertion dans l’emploi uniquement) et enfin son lieu de résidence à la fin de ses études.

32Les résultats des deux analyses, l’une portant sur la sortie du système scolaire avant la fin du lycée et l’autre sur l’insertion dans l’emploi trois ans après la fin des études, sont présentés séparément dans les tableaux 4 et 5. Les résultats pour l’ensemble des variables de contrôle sont présentés dans les tableaux annexes A.2 et A.3.

33La probabilité de quitter le système éducatif avant la fin du lycée est significativement plus élevée pour les descendants d’immigrés d’Afrique (colonne 1, tableau 4). Cette différence est plus marquée dans la génération 1998 que dans la génération 2004 (27 points de pourcentage contre 20, chez les hommes). Les différences que l’on peut attribuer à l’origine ethnique sont moins prégnantes chez les femmes (6 points de moins en 2004). Globalement, les femmes sortent nettement moins fréquemment du système éducatif sans diplôme que les hommes (7 points de pourcentage de différence dans les deux sous-échantillons). En sommant ces deux effets, la probabilité de sortir du système éducatif avant le lycée pour les femmes de la population minoritaire se rapproche sensiblement de celle des hommes de parents non immigrés.

34Lorsqu’on contrôle la situation professionnelle des parents (à la fois des catégories socioprofessionnelles et des statuts d’emploi de la mère et du père), les différences dues à la variable ethnique diminuent de 5 ou 6 points de pourcentage mais demeurent importantes et significatives, tandis que les différences entre sexes ne sont pas affectées (colonne 2, tableau 4). À milieu social identique, les hommes descendants d’immigrés venus d’Afrique sortent plus souvent sans diplôme du système scolaire que les hommes de parents non immigrés de 21 points de pourcentage en 1998 et 15 en 2004 (différences). Pour les femmes, ces différences sont de 12 points en 1998 et 8 points en 2004.

Tableau 4

Effets marginaux de l’origine nationale et du sexe sur le fait de sortir du système scolaire sans diplôme, en contrôlant par l’origine sociale ou le lieu de résidence

Iris pour lesquels on dispose d’au moins deux observations Iris pour lesquels on dispose d’au moins deux observations de valeur différente pour la variable dépendante Logit simple (1) Logit simple (2) Logit simple (3) Logit conditionnel (4) Sortie sans diplôme génération 1998 Population minoritaire 0,27*** (0,01) 0,21*** (0,01) 0,18*** (0,02) 0,18*** (0,03) Femme – 0,07*** (0,00) – 0,06*** (0,00) – 0,12*** (0,01) – 0,12*** (0,01) Population minoritaire x Femme – 0,09*** (0,02) – 0,09*** (0,02) – 0,04 (0,03) – 0,03 (0,04) Nombre d’observations 34 404 12 579 Pseudo-R2 0,088 0,165 0,140 0,512 génération 2004 Population minoritaire 0,20*** (0,02) 0,15*** (0,02) 0,12*** (0,04) 0,12** (0,06) Femme – 0,07*** (0,00) – 0,07*** (0,00) – 0,17*** (0,02) – 0,17*** (0,03) Population minoritaire x Femme – 0,06** (0,03) – 0,07** (0,03) – 0,03 (0,05) – 0,03 (0,07) Nombre d’observations 15 351 3 953 Pseudo-R2 0,084 0,154 0,133 0,509 Contrôles supplémentaires CS des parents Situation professionnelle des parents IRIS Non Non Non Oui Oui Non Oui Oui Non Oui Oui Oui

Effets marginaux de l’origine nationale et du sexe sur le fait de sortir du système scolaire sans diplôme, en contrôlant par l’origine sociale ou le lieu de résidence

Note : Les variables de contrôles de CS et situation des parents sont croisées avec l’indicatrice de sexe ; le modèle estimé dans les colonnes (1) à (3) est un logit simple, pour la colonne (4) il s’agit d’un logit conditionnel ; les variables de contrôle sont les mêmes pour les colonnes (2) et (3), seul l’échantillon change.
Significativité : *** indique une différence significative à 1 % ; ** 5 % ; * 10 %. Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004.

35Comme expliqué dans la section IV, estimer le modèle dans lequel on introduit des indicatrices pour l’Iris de résidence restreint implicitement l’échantillon sur lequel les coefficients sont identifiés. Afin de distinguer l’effet de la restriction de l’échantillon de celui de l’introduction des indicatrices de lieu de résidence, nous présentons dans la troisième colonne l’estimation de la même spécification que la colonne (2) sur l’échantillon restreint. La quatrième colonne du tableau 4 présente quant à elle les résultats de l’estimation dans laquelle on introduit des indicatrices pour l’Iris de résidence. Deux informations apparaissent clairement. Tout d’abord, la comparaison entre les colonnes (2) et (3) montre que la restriction de champ altère faiblement (et de façon non significative) les coefficients relatifs aux différences ethniques. En revanche, les différences entre hommes et femmes apparaissent significativement plus fortes dans l’échantillon restreint. Si l’interprétation du résultat de la restriction de l’échantillon est hors de propos par rapport à l’objectif de cet article, on peut supposer que la restriction augmente le poids des Iris plus peuplés et plus mixtes en termes de composition sociale.

36La deuxième information résulte de la comparaison entre les colonnes (3) et (4) : pour la génération 1998 comme pour la génération 2004, inclure le quartier ne capture aucune hétérogénéité supplémentaire par rapport à ce qui a déjà été pris en compte avec les variables précédentes. Un jeune de la population minoritaire d’un quartier donné et d’un milieu donné sortira plus de deux fois plus souvent sans diplôme qu’un jeune de parents non immigrés de même milieu social et habitant le même quartier [8].

37Pris ensemble, ces résultats indiquent que le milieu social et le quartier de résidence expliquent une partie relativement faible de l’écart brut. Ils suggèrent également que la part inexpliquée tend à se réduire entre 1998 et 2004. S’agit-il d’une amélioration tendancielle, de mouvements cycliques ou d’un artefact statistique lié à la différence de taille de nos échantillons ? Si la comparaison des deux sous-échantillons n’indique pas de différences significatives dans leur composition (tableaux 2 et 3), nous ne pouvons toutefois pas être certains que nous mesurons ici un effet de tendance [9].

38Plus généralement, si nos résultats sont utiles pour indiquer l’ampleur des effets, ils ne sont pas en mesure de clore le débat sur l’influence du quartier de résidence sur la situation éducative des descendants d’immigrés. En effet, si nos données fournissent une rare opportunité de prise en compte d’effets géographiques fins sur les résultats scolaires, elles sont incapables d’identifier un effet causal. La localisation géographique est de toute évidence une variable endogène : des mécanismes de choix de localisation ou de contraintes résidentielles (structure du marché immobilier, discrimination au logement, etc.) peuvent être déterminants dans la localisation des individus. De nombreuses études qualitatives attestent à quel point le choix de l’école est important et décrivent comment le lieu de résidence peut constituer une stratégie d’optimisation scolaire (van Zanten, 2001, 2009). Si les enfants de familles non immigrées, favorisés et éduqués s’en sortent mieux à l’école, ce n’est pas seulement parce que leurs familles leur offrent des ressources matérielles et intellectuelles favorisant la réussite académique, mais c’est aussi parce qu’elles parviennent à tirer profit de la segmentation du système scolaire de façon à fournir à leurs enfants la meilleure qualité d’enseignement (Felouzis et Perroton, 2009 ; Roscigno, 1998). La mesure de tels effets causaux nécessite la mobilisation de protocoles de données particuliers (expériences naturelles ou données longitudinales) qui sont extrêmement rares. En fournissant une estimation de l’ampleur des effets géographiques, la contribution de cette étude est davantage descriptive ; elle décrit dans quelle mesure le facteur ethnique est attribuable au facteur spatial. Toute inférence causale sur l’effet de la localisation géographique nécessiterait des données plus riches et des investigations empiriques plus élaborées.

39Qu’en est-il de l’insertion en emploi ? Le tableau 5 montre les résultats d’une analyse similaire pour les écarts de taux d’emploi trois ans après la sortie du système éducatif (voir tableaux annexes A.4 et A.5 pour les résultats complets). Les écarts liés à l’origine ethnique s’élèvent à 13 points de pourcentage pour la génération 1998 et 19 pour la génération 2004, pour les hommes comme pour les femmes. De manière attendue, les femmes sont par ailleurs moins souvent en emploi que les hommes (5 points en 1998 et 3 points en 2004). Les écarts de milieu social n’expliquent qu’une part très faible des écarts liés à l’origine ethnique ou au genre (colonne 2). Ces derniers demeurent pratiquement inchangés lorsque l’on contrôle par la situation professionnelle et la catégorie socioprofessionnelle des parents. Les écarts de niveau d’études expliquent également une faible part des écarts de taux d’emploi entre les deux populations (colonne 3). Ensemble, milieu social et éducation expliquent environ entre un tiers et la moitié de l’écart de taux d’emploi, mais 7 points demeurent inexpliqués pour la génération 1998 et 13 points pour la génération 2004. À éducation et milieu social identiques, on remarque que les écarts entre les sexes deviennent très faibles voire non significatifs pour la génération 2004.

Tableau 5

Effets marginaux de l’origine nationale et du sexe sur le fait d’être en emploi trois ans après la fin des études, en contrôlant par l’origine sociale ou le lieu de résidence

Iris pour lesquels on dispose d’au moins deux observations Iris pour lesquels on dispose d’au moins deux observations de valeur différente pour la variable dépendante Logit simple (1) Logit simple (2) Logit simple (3) Logit simple (4) Logit conditionnel (5) En emploi 3 ans après la fin des études Génération 1998 Population minoritaire Femme Population minoritaire x Femme Nombre d’observations Pseudo-R2 – 0,13*** (0,01) – 0,11*** (0,01) – 0,07*** (0,01) – 0,05*** (0,00) – 0,04*** (0,00) – 0,03*** (0,01) – 0,02 (0,02) – 0,02 (0,02) – 0,04** (0,02) 34 404 – 0,06** (0,02) – 0,06* (0,03) – 0,05*** (0,01) – 0,05*** (0,01) – 0,08*** (0,03) – 0,10** (0,04) 16 080 0,021 0,039 0,124 0,132 0,517 Génération 2004 Population minoritaire Femme Population minoritaire x Femme Nombre d’observations Pseudo-R2 – 0,19*** (0,02) – 0,17*** (0,02) – 0,13*** (0,02) – 0,03*** (0,01) – 0,03*** (0,01) – 0,00 (0,01) – 0,00 (0,03) – 0,00 (0,03) – 0,03 (0,03) 15 351 – 0,11*** (0,03) – 0,14** (0,06) – 0,01 (0,02) – 0,01 (0,03) – 0,02 (0,04) – 0,02 (0,06) 6 860 0,026 0,040 0,127 0,126 0,514 Contrôles supplémentaires CS des parents Situation professionnelle des parents Diplôme Iris Non Non Non Non Oui Oui Non Non Oui Oui Oui Non Oui Oui Oui Non Oui Oui Oui Oui

Effets marginaux de l’origine nationale et du sexe sur le fait d’être en emploi trois ans après la fin des études, en contrôlant par l’origine sociale ou le lieu de résidence

Note : Les variables de contrôles de CS et situation des parents sont croisées avec l’indicatrice de sexe ; le modèle estimé dans les colonnes (1) à (4) est un logit simple, pour la colonne (5) il s’agit d’un logit conditionnel ; les variables de contrôle sont les mêmes pour les colonnes (3) et (4), seul l’échantillon change.
Significativité : *** indique une différence significative à 1 % ; ** 5 % ; * 10 %. Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004.

40Lorsque l’on contrôle l’Iris de résidence, l’effet de l’origine ethnique est inchangé : la différence entre les coefficients des colonnes (4) et (5) n’est pas statistiquement significative. Au total, la localisation paraît avoir un effet faible sur le taux d’emploi une fois l’éducation et le milieu social contrôlés. Des écarts notables dans l’accès à l’emploi entre les deux groupes restent inexpliqués, même après le contrôle d’un ensemble de variables individuelles et familiales particulièrement riches et de la localisation : 7 points de pourcentage en 1998 et 14 points en 2004. De la même manière que pour la sortie sans diplôme, l’imprécision de l’estimation, liée à la taille de l’échantillon et au contrôle fin de l’hétérogénéité géographique, nous empêche d’explorer plus avant les questions relatives aux différences entre 1998 et 2004.

41Il convient à nouveau de souligner que ces résultats ne peuvent pas être compris dans une perspective strictement causale pour les raisons discutées ci-dessus à propos des inégalités éducatives (endogénéité de la localisation géographique). De plus, le diplôme que nous contrôlons dans nos analyses sur l’emploi induit également des biais d’endogénéité ; de multiples mécanismes culturels et socioéconomiques peuvent produire des parcours d’études plus courts et débouchant moins souvent sur une insertion dans l’emploi pour les enfants issus de minorités ethniques (Ichou et van Zanten, 2013). Là aussi, nos données se prêtent peu à l’inférence causale mais fournissent un premier cadrage empirique de ces questions.

Conclusion

42La dissociation entre les effets de l’origine ethnique et du lieu de résidence sur la réussite scolaire et l’insertion professionnelle des jeunes est une question théorique importante dans la littérature sur les inégalités liées à l’origine, mais aussi une préoccupation centrale des politiques urbaines. Les enquêtes Génération offrent les rares données qui permettent de dissocier ces deux dimensions. Cette étude a tiré profit de l’information fine sur la localisation géographique dans ces enquêtes pour comparer l’amplitude respective de ces effets.

43Les résultats obtenus soulignent l’ampleur des écarts entre les descendants d’immigrés africains par rapport à leurs homologues descendants de natifs. Ces écarts demeurent, même en présence de nombreux contrôles individuels et familiaux. La prise en compte des effets géographiques semble avoir un effet modeste et ne change guère la conclusion quant au rôle décisif de l’origine ethnique dans l’explication de ces écarts. Cette étude rejoint en cela les conclusions de celle menée sur l’enquête Emploi par Rathelot (2014).

44Si nos résultats fournissent un premier cadrage empirique sur l’ampleur des effets géographiques, ils peinent à identifier des mécanismes précis. Il faut ici souligner qu’il s’agit d’une faille commune à de nombreuses études sur les effets de contexte et leur articulation avec les inégalités sociales. En effet, si la littérature ne laisse aucun doute sur l’existence d’une corrélation entre la ségrégation spatiale et la concentration des inégalités sociales, de nombreuses difficultés méthodologiques entravent la séparation des causes et des conséquences du facteur spatial. Plus précisément, la ségrégation émanant elle-même de mécanismes inégalitaires, l’allocation des individus dans l’espace est le produit de processus de sélection qui s’imbriquent aux inégalités liées au milieu social et polluent les « effets propres ». Aux États-Unis, le programme Moving to Opportunity (MTO) a été conçu pour mesurer les effets de contexte de manière plus robuste, mais les résultats obtenus (Ludwig et al., 2008, 2012) [10], tout comme ceux de notre étude, appellent de futures recherches sur les effets causaux de la localisation géographique avec des dispositifs empiriques plus adéquats (expériences naturelles liées à la mise en place d’une politique locale par exemple, données de panel tenant compte de la mobilité, etc.).

45Concernant l’interprétation de la persistance et la stabilité de l’effet de l’origine ethnique, de nombreuses pistes interprétatives sont suggérées par la littérature. Pour les résultats scolaires, certains auteurs insistent sur des mécanismes culturels qui se traduisent par une reproduction de la pauvreté (rapport des familles immigrées à l’école, désinvestissement scolaire, culture oppositionnelle, etc.), mais les résultats des travaux empiriques les contestent (Brinbaum et Kieffer, 2005 ; Brinbaum et al., 2012). Les preuves semblent plus avérées en ce qui concerne le rôle des stéréotypes conscients et inconscients des enseignants ou l’effet de facteurs pédagogiques et organisationnels tels que la segmentation des parcours et des filières (en France, ce sont les choix d’options, de langue, d’activités artistiques et sportives, ainsi que les choix d’orientation après le brevet qui ont été les plus étudiés) (Brinbaum et Primon, 2014 ; Merle, 2012 ; Palheta, 2012 ; Payet, 1995 ; Steichen, 2013 ; van Zanten, 2001).

46Concernant les inégalités ethniques face à l’emploi, la discrimination à l’embauche est un mécanisme explicatif direct et documenté dans de nombreuses études en France. Par ailleurs, les difficultés d’insertion des populations issues de l’immigration peuvent aussi être liées à la faiblesse de leurs réseaux sociaux. La littérature sur le sujet montre à quel point les contacts informels (famille, amis, connaissances, etc.) jouent un rôle décisif dans le processus de recherche d’emploi, notamment pour les plus jeunes (Holzer, 1988). Les réseaux sociaux des jeunes issus de l’immigration sont moins aptes à véhiculer des opportunités professionnelles notamment parce que leur familles, leurs amis, ou encore leurs voisins, sont souvent eux-mêmes plus exposés au risque de chômage ou travaillent dans les secteurs, les entreprises, etc. où ces opportunités sont plus rares (Holzer, 1987, 2001). Le fait que les écarts dans les taux d’accès à l’emploi soient bien plus marqués que les différences de salaires ou de qualité de l’emploi (un fait documenté dans de nombreuses analyses empiriques en France), suggère que le capital social est un mécanisme central dans l’explication des inégalités ethniques sur le marché du travail. Des recherches spécifiques permettant de tester cette hypothèse seraient précieuses.

47En conclusion, un large consensus se dessine aujourd’hui dans la littérature en sciences sociales en France, autour de la centralité des mécanismes discriminatoires comme facteurs d’inégalités ethniques, qu’elles soient scolaires, professionnelles ou plus largement socioéconomiques. Ces mécanismes doivent être compris non seulement en termes interactionnels (par exemple dans le cadre de candidature à un poste vacant) mais aussi systémiques (produit et reproduit par des mécanismes institutionnels qui affectent l’ensemble des parcours). En plus de ses effets directs de barrières d’accès, l’expérience de la discrimination fonctionne comme un lieu de reproduction des inégalités. Ce sont les travaux en sociologie et en psychologie sociale qui ont récemment le plus creusé cette question de la reproduction des inégalités et de leur pérennisation (Lamont et al., 2014 ; Ridgway, 2014).

48Si nos résultats ne constituent pas une preuve directe des mécanismes de discrimination, leur contribution réside dans le fait que, en montrant que la prise en compte de l’effet géographique ne modifie que modérément l’impact de l’origine ethnique sur la sortie du système scolaire et l’accès à l’emploi, ils relativisent les théories qui voient dans la ségrégation des populations immigrées la cause de leur situation socioéconomique défavorisée. Ces résultats présentent des conséquences importantes sur la conception des politiques urbaines : ils attirent l’attention sur les limites des mesures strictement territoriales. L’existence de mécanismes discriminatoires qui défavorisent les minorités ethniques à l’école et sur le marché du travail doit être prise en compte lors de la conception de politiques publiques de lutte contre le chômage et l’échec scolaire dans les quartiers.

Remerciements

Nous souhaitons remercier le Céreq et l’Onzus qui nous ont permis d’accéder aux enquêtes Génération géolocalisées à l’Iris. Merci également à Anthony Briant, Yaël Brinbaum, Oana Calavrezo, Thomas Couppié, Céline Gasquet, Thierry Kamionka, Matthieu Solignac, Maxime To et les autres membres du groupe d’exploitation pour leurs commentaires. Enfin, nous tenons à remercier le comité de rédaction de Population ainsi que les trois relecteurs anonymes qui nous ont aidés à améliorer ce texte.

Annexes

Tableau A.1

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004^(a),(b)

Femmes Hommes Population majoritaire Population minoritaire Population majoritaire Population minoritaire Effectifs 12 565 1 031 13 185 1 158 Sortie sans diplôme 6,5 18,8 13,7 33,2 En emploi 3 ans après la sortie 78,1 60,6 80,6 62,7 En ZUS ou Cucs à la fin des études 5,6 36,0 5,9 38,0 Diplôme Non diplômé 6,5 18,8 13,7 33,2 CAP-BEP-MC Tertiaire 11,6 14,1 3,3 6,6 CAP-BEP-MC Industriel 1,9 2,1 20,0 18,4 Bac pro/techno Tertiaire 16,5 23,1 5,8 9,3 Bac pro/techno Industriel 1,6 0,8 14,4 8,1 Bac général 6,1 5,8 3,7 3,4 Bac+2 Santé-social 17,2 6,8 2,2 1,2 Bac+2 Tertiaire 10,0 9,5 4,8 3,6 Bac+2 Industriel 1,8 0,9 7,9 3,4 Licence pro 1,5 0,9 2,5 1,7 L3 LSH, Gestion, Droit 5,8 4,8 1,5 1,3 L3 Sciences 1,2 0,5 1,2 1,1 M1 5,9 4,8 3,6 2,6 M2 LSH, Gestion, Droit 4,9 3,1 2,6 1,6 Écoles de commerce Bac+5 0,8 1,1 0,8 0,2 M2 Sciences 1,7 0,7 2,8 1,2 Écoles d’ingénieur 1,5 1,1 4,2 1,6 Doctorat 3,5 1,4 4,9 1,3 Situation du père En emploi 84,5 51,3 84,9 60,5 Au chômage 2,0 7,7 2,0 6,6 Retraité 6,6 24,2 6,4 18,8 Inactif (a déjà travaillé) 0,7 2,7 0,7 2,2 Inactif (n’a jamais travaillé) 0,1 0,6 0,1 0,4 En formation 0,1 0,1 0,1 0,4 Décédé 3,3 6,0 3,3 5,4 Inconnue (a) 2,7 7,4 2,4 5,6 Situation de la mère En emploi 73,8 37,7 72,3 38,9 Au chômage 2,4 2,0 2,2 2,9 Retraitée 3,5 2,2 3,5 1,6 Inactive (a déjà travaillé) 12,9 14,6 14,5 16,5 Inactive (n’a jamais travaillé) 4,1 38,6 4,5 36,4 En formation 0,2 0,3 0,2 0,0 Décédée 1,4 2,0 1,1 0,8 Inconnue (a) 1,6 2,4 1,7 2,8

Femmes hommes Population majoritaire Population minoritaire Population majoritaire Population minoritaire CS du père Employé 23,2 18,0 21,7 18,0 Agriculteur 4,8 0,4 3,5 0,8 Artisan, Commerçant 9,7 7,0 10,1 8,4 Cadre 21,6 4,7 21,9 7,2 Profession intermédiaire 9,8 3,9 10,5 4,0 Ouvrier 24,3 52,0 25,6 49,7 Inconnue (a) 1,7 2,9 1,8 2,8 Aucune (b) 5,0 11,2 4,9 9,2 CS de la mère Employée 54,8 36,8 47,9 32,8 Agricultrice 3,0 0,0 2,0 0,3 Artisane, Commerçante 3,5 1,2 3,8 1,9 Cadre 12,6 4,8 13,3 4,2 Profession intermédiaire 4,8 2,2 5,3 1,7 Ouvrière 13,0 10,7 18,2 17,1 Inconnue (a) 1,9 1,8 2,8 2,9 Aucune (b) 6,3 42,5 6,5 39,0 Situation professionnelle Salarié 78,1 60,6 80,6 62,7 À son compte 2,6 1,3 3,1 3,0 En formation 6,7 10,0 4,3 6,1 Sans emploi 9,4 21,0 9,8 24,1 Inactif 3,0 6,8 1,7 3,4 Autre 0,2 0,4 0,6 0,7 Type de contrat CDI 51,0 32,4 53,9 32,6 CDD 16,5 14,0 10,9 8,9 Intérim 3,4 6,7 8,6 15,3 Contrat aidé 5,7 6,7 6,3 5,1 Autre / Sans emploi 23,4 40,3 20,3 38,2 quotité de travail < 50 % 2,2 2,5 0,8 1,0 50 % à 59 % 4,1 4,4 1,6 2,7 60 % à 79 % 3,8 4,0 1,2 1,6 80 % à 99 % 3,9 2,1 1,0 1,7 Temps complet (100 %) 64,1 47,6 76,1 55,6 Salaire (si en emploi) Premier quartile 1 068 984 1 166 1 100 Médiane 1 330 1 250 1 400 1 320 Troisième quartile 1 625 1 645 1 800 1 658

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004^(a),(b)

(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 2004, tous les Iris.

Tableau A.2

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique^(a),(b)

(1) (2) (3) (4) Constante – 1,71 (0,02)*** – 1,62 (0,04)*** – 0,45 (0,05)*** 0,76 (2,14) Minorité 1,42 (0,06)*** 1,06 (0,07)*** 0,76 (0,09)*** Femme – 0,63 (0,04)*** – 0,59 (0,07)*** – 0,55 (0,08)*** – 0,56 (0,57) Minorité x femme – 0,06 (0,09) – 0,15 (0,10) – 0,17 (0,13) – 0,18 (0,84) CS du père Employé – 0,32 (0,15)** – 0,17 (0,19) – 0,34 (0,71) Agriculteur – 0,10 (0,08) 0,05 (0,10) 0,00 (1,00) Artisan, Commerçant – 1,01 (0,09)*** – 0,87 (0,10)*** – 0,93 (0,40)** Cadre – 0,55 (0,09)*** – 0,50 (0,11)*** – 0,52 (0,60) Profession intermédiaire (Réf.) 0 0 0 Ouvrier 0,24 (0,06)*** 0,22 (0,07)*** 0,30 (1,35) Inconnue (a) 0,14 (0,13) 0,26 (0,17) 0,40 (1,49) Aucune (b) 0,28 (0,19) 0,44 (0,24)* 0,53 (1,70) CS de la mère Employée – 0,16 (0,19) – 0,16 (0,23) – 0,18 (0,84) Agricultrice 0,05 (0,11) 0,08 (0,14) 0,10 (1,10) Artisane, Commerçante – 0,87 (0,12)*** – 0,78 (0,13)*** – 0,85 (0,43)** Cadre – 0,13 (0,11) – 0,23 (0,13)* – 0,18 (0,84) Profession intermédiaire (Réf.) 0 0 0 Ouvrière 0,34 (0,07)*** 0,26 (0,08)*** 0,22 (1,24) Inconnue (a) 0,55 (0,10)*** 0,42 (0,13)*** 0,36 (1,43) Aucun (b) 0,08 (0,27) 0,24 (0,34) 0,05 (1,06) Situation du père En emploi (Réf.) 0 0 0 Chômage 0,35 (0,11)*** 0,40 (0,15)*** 0,43 (1,54) Retraité/Inactif/Formation – 0,51 (0,09)*** – 0,45 (0,11)*** – 0,50 (0,61) Décédé – 0,36 (0,21)* – 0,47 (0,27)* – 0,53 (0,59) Inconnue (a) 0,39 (0,15)*** 0,18 (0,19) 0,13 (1,14) Situation de la mère En emploi (Réf.) 0 0 0 Au chômage 0,29 (0,12)** 0,40 (0,15)*** 0,40 (1,49) Retraitée – 0,56 (0,18)*** – 0,48 (0,21)** – 0,44 (0,64) Inactive (a déjà travaillé)/Formation 0,05 (0,06) – 0,03 (0,07) 0,00 (1,00) Inactive (n’a jamais travaillé) 0,38 (0,28) 0,12 (0,35) 0,24 (1,27) Décédée – 0,37 (0,34) – 0,49 (0,43) – 0,39 (0,68) Inconnue (a) – 0,03 (0,22) – 0,13 (0,28) 0,00 (1,00)

(1) (2) (3) (4) Femme x CS du père Employé – 0,63 (0,27)** – 0,66 (0,31)** – 0,57 (0,57) Agriculteur – 0,22 (0,13)* – 0,29 (0,15)* – 0,34 (0,71) Artisan, Commerçant – 0,60 (0,16)*** – 0,50 (0,18)*** – 0,46 (0,63) Cadre – 0,36 (0,16)** – 0,34 (0,18)* – 0,28 (0,76) Profession intermédiaire (Réf.) 0 0 0 Ouvrier – 0,08 (0,09) – 0,12 (0,11) – 0,13 (0,88) Inconnue (a) 0,14 (0,19) 0,01 (0,24) – 0,21 (0,81) Aucune (b) – 0,16 (0,29) – 0,31 (0,35) – 0,41 (0,66) Femme x CS de la mère Employée 0,30 (0,31) 0,41 (0,37) 0,22 (1,25) Agricultrice – 0,71 (0,22)*** – 0,64 (0,25)** – 0,65 (0,52) Artisane, Commerçante 0,02 (0,20) 0,03 (0,23) 0,14 (1,15) Cadre – 0,25 (0,20) – 0,15 (0,23) – 0,26 (0,77) Profession intermédiaire (Réf.) 0 0 0 Ouvrière 0,00 (0,11) 0,00 (0,13) 0,06 (1,06) Inconnue (a) – 0,10 (0,16) – 0,11 (0,21) 0,05 (1,05) Aucune (b) 0,17 (0,43) 0,18 (0,54) 0,33 (1,38) Femme x situation du père En emploi (Réf.) 0 0 0 Au chômage – 0,11 (0,17) – 0,31 (0,22) – 0,30 (0,74) Retraité/Inactif/Formation – 0,05 (0,13) – 0,07 (0,16) 0,04 (1,04) Décédé 0,24 (0,32) 0,28 (0,39) 0,45 (1,57) Inconnue (a) – 0,17 (0,23) – 0,11 (0,28) 0,01 (1,01) Femme x situation de la mère En emploi (Réf.) 0 0 0 Au chômage 0,05 (0,19) – 0,05 (0,23) – 0,14 (0,87) Retraitée – 0,08 (0,30) 0,11 (0,35) – 0,00 (1,00) Inactive (a déjà travaillé)/Formation 0,39 (0,09)*** 0,43 (0,11)*** 0,41 (1,50) Inactive (n’a jamais travaillé) – 0,04 (0,44) 0,02 (0,55) – 0,04 (0,96) Décédée 0,51 (0,52) 0,47 (0,64) 0,44 (1,55) Inconnue (a) 0,26 (0,36) 0,17 (0,45) 0,14 (1,15) Nombre d’observations 34 404 34 404 12 579 12 579 Pseudo-R2 0,088 0,165 0,140 0,512

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique^(a),(b)

Note : Les variables de contrôles de CS et situation des parents sont croisées avec l’indicatrice de sexe ; le modèle estimé dans les colonnes (1) à (3) est un logit simple, pour la colonne (4) il s’agit d’un logit conditionnel ; les variables de contrôle sont les mêmes pour les colonnes (2) et (3), seul l’échantillon change.
(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004 ; colonnes (1) et (2) : Iris pour lesquels on dispose d’au moins deux observations ; colonnes (3) et (4), Iris pour lesquels on dispose d’au moins deux observations de valeur différente pour la variable dépendante.

Tableau A.3

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique^(a),(b)

(1) (2) (3) (4) (5) Constante 1,73 (0,02)*** 1,81 (0,05)*** 0,97 (0,07)*** – 0,00 (0,09) – 0,26 (0,77) Minorité – 0,78 (0,06)*** – 0,66 (0,07)*** – 0,42 (0,07)*** – 0,24 (0,09)*** Femme – 0,32 (0,03)*** – 0,35 (0,06)*** – 0,92 (0,11)*** – 1,06 (0,14)*** – 1,10 (0,33)*** Minorité x femme 0,01 (0,09) 0,15 (0,10) 0,22 (0,10)** 0,07 (0,13) – 0,06 (0,94) CS du père Employé – 0,34 (0,13)*** – 0,46 (0,13)*** – 0,75 (0,17)*** – 0,71 (0,49) Agriculteur – 0,14 (0,08)* – 0,17 (0,08)** – 0,26 (0,09)*** – 0,23 (0,79) Artisan, Commerçant 0,09 (0,07) – 0,06 (0,07) – 0,09 (0,08) – 0,05 (0,95) Cadre 0,25 (0,09)*** 0,17 (0,09)* 0,18 (0,10)* 0,16 (1,17) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrier 0,08 (0,06) 0,12 (0,06)* 0,20 (0,07)*** 0,11 (1,12) Inconnue (a) – 0,28 (0,13)** – 0,26 (0,13)** – 0,28 (0,15)* – 0,30 (0,74) Aucune (b) – 0,62 (0,20)*** – 0,59 (0,20)*** – 0,60 (0,24)** – 0,70 (0,50) CS de la mère Employée – 0,29 (0,15)* – 0,34 (0,16)** – 0,22 (0,19) – 0,20 (0,82) Agricultrice – 0,04 (0,11) – 0,05 (0,11) 0,04 (0,13) 0,03 (1,03) Artisane, Commerçante – 0,13 (0,08)* – 0,24 (0,08)*** – 0,24 (0,09)*** – 0,14 (0,87) Cadre 0,25 (0,11)** 0,22 (0,11)** 0,23 (0,13)* 0,24 (1,28) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrière 0,10 (0,08) 0,14 (0,08)* 0,11 (0,09) 0,07 (1,07) Inconnue (a) – 0,25 (0,11)** – 0,18 (0,11) – 0,17 (0,13) – 0,20 (0,82) Aucune (b) – 0,04 (0,28) – 0,09 (0,28) 0,07 (0,33) 0,19 (1,20) Situation du père En emploi (Réf.) 0 0 0 0 Au chômage – 0,39 (0,11)*** – 0,34 (0,12)*** – 0,37 (0,14)*** – 0,37 (0,69) Retraité/Inactif/Formation – 0,05 (0,08) – 0,12 (0,08) – 0,11 (0,09) – 0,04 (0,96) Décédé 0,27 (0,22) 0,25 (0,22) 0,26 (0,26) 0,33 (1,39) Inconnue (a) – 0,04 (0,16) 0,03 (0,17) 0,06 (0,20) 0,07 (1,07) Situation de la mère En emploi (Réf.) 0 0 0 0 Au chômage – 0,21 (0,13) – 0,15 (0,13) 0,08 (0,15) 0,18 (1,20) Retraitée 0,05 (0,13) – 0,01 (0,13) 0,10 (0,15) 0,16 (1,18) Inactive (a déjà travaillé)/Formation – 0,00 (0,06) – 0,02 (0,06) 0,08 (0,07) 0,09 (1,10) Inactive (n’a jamais travaillé) – 0,16 (0,29) – 0,07 (0,29) – 0,20 (0,34) – 0,35 (0,70) Décédée – 0,41 (0,32) – 0,40 (0,33) – 0,48 (0,39) – 0,55 (0,58) Inconnue (a) – 0,05 (0,23) – 0,02 (0,23) 0,01 (0,27) – 0,04 (0,96) Diplôme Non qualifié (Réf.) 0 0 0 Lycée ou CAP/BEP non diplômé 0,51 (0,08)*** 0,51 (0,10)*** 0,48 (1,61) CAP ou BEP tertiaire 0,69 (0,12)*** 0,77 (0,14)*** 0,71 (2,03) CAP ou BEP industriel 1,04 (0,08)*** 0,95 (0,10)*** 0,96 (2,61) Bac non diplômé 0,71 (0,12)*** 0,78 (0,14)*** 0,81 (2,24) Bac tertiaire 0,80 (0,14)*** 0,88 (0,16)*** 0,91 (2,47) Bac industriel 1,28 (0,10)*** 1,27 (0,12)*** 1,28 (3,59) Bac+1, Bac+2 non diplomé 0,62 (0,08)*** 0,73 (0,10)*** 0,74 (2,10) Bac+1, Bac+2 santé/social 0,59 (0,15)*** 0,64 (0,19)*** 0,68 (1,98) DEUG, DEUST… 0,81 (0,15)*** 0,90 (0,18)*** 0,93 (2,54) BTS, DUT tertiaire 1,23 (0,12)*** 1,19 (0,14)*** 1,22 (3,38) BTS, DUT industriel 1,36 (0,11)*** 1,47 (0,13)*** 1,50 (4,49) 2nd cycle LSH gestion 0,88 (0,10)*** 0,90 (0,12)*** 0,94 (2,56) 2d cycle maths, sc tech 1,29 (0,17)*** 1,32 (0,19)*** 1,31 (3,71) 3e cycle LSH gestion 1,04 (0,14)*** 1,08 (0,17)*** 1,14 (3,14) Écoles de commerce 1,58 (0,26)*** 1,47 (0,30)*** 1,48 (4,40) 3e cycle maths, sc tech 1,63 (0,15)*** 1,52 (0,17)*** 1,59 (4,91) Écoles d’ingénieur 2,12 (0,21)*** 1,89 (0,23)*** 2,12 (8,33)

(1) (2) (3) (4) (5) Femme x CS du père Employé 0,72 (0,19)*** 0,64 (0,19)*** 1,04 (0,24)*** 0,94 (2,57) Agriculteur 0,17 (0,11) 0,06 (0,11) 0,22 (0,13)* 0,20 (1,23) Artisan, Commerçant 0,12 (0,09) – 0,10 (0,10) – 0,08 (0,12) – 0,05 (0,95) Cadre – 0,02 (0,12) – 0,17 (0,12) – 0,20 (0,14) – 0,19 (0,83) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrier – 0,17 (0,08)** – 0,14 (0,09) – 0,13 (0,10) – 0,04 (0,96) Inconnue (a) 0,10 (0,18) 0,14 (0,18) 0,22 (0,22) 0,17 (1,19) Aucune (b) 0,31 (0,27) 0,39 (0,27) 0,42 (0,33) 0,76 (2,14) Femme x CS de la mère Employée 0,06 (0,22) 0,15 (0,23) – 0,08 (0,28) 0,03 (1,04) Agricultrice 0,05 (0,15) – 0,04 (0,15) – 0,15 (0,18) – 0,05 (0,95) Artisane, Commerçante 0,23 (0,11)** 0,14 (0,11) 0,20 (0,13) 0,19 (1,21) Cadre – 0,14 (0,15) – 0,21 (0,15) – 0,18 (0,18) – 0,20 (0,82) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrière 0,00 (0,11) 0,10 (0,11) 0,12 (0,13) 0,11 (1,12) Inconnue (a) – 0,01 (0,15) 0,04 (0,16) 0,04 (0,19) 0,00 (1,00) Aucune (b) 0,35 (0,38) 0,45 (0,39) 0,18 (0,47) 0,09 (1,10) Femme x situation du père En emploi (Réf.) 0 0 0 0 Au chômage 0,03 (0,15) 0,07 (0,16) 0,09 (0,20) 0,06 (1,06) Retraité/Inactif/Formation 0,20 (0,10)* 0,08 (0,11) 0,02 (0,13) – 0,06 (0,94) Décédé – 0,20 (0,29) – 0,36 (0,30) – 0,32 (0,36) – 0,68 (0,51) Inconnue (a) – 0,12 (0,22) – 0,18 (0,23) – 0,17 (0,27) – 0,40 (0,67) Femme x situation de la mère En emploi (Réf.) 0 0 0 0 Au chômage – 0,11 (0,17) – 0,08 (0,17) – 0,23 (0,21) – 0,30 (0,74) Retraitée 0,17 (0,18) 0,15 (0,18) 0,06 (0,21) – 0,10 (0,91) Inactive (a déjà travaillé)/Formation – 0,21 (0,08)*** – 0,12 (0,08) – 0,12 (0,10) – 0,12 (0,89) Inactive (n’a jamais travaillé) – 0,55 (0,39) – 0,57 (0,40) – 0,27 (0,48) – 0,13 (0,88) Décédée – 0,04 (0,44) – 0,00 (0,46) 0,20 (0,55) 0,38 (1,47) Inconnue (a) – 0,42 (0,31) – 0,40 (0,32) – 0,32 (0,38) – 0,18 (0,83) Femme x diplôme Non qualifiée (Réf.) 0 0 0 Lycée ou CAP/BEP non diplômés 0,02 (0,13) 0,19 (0,17) 0,23 (1,25) CAP ou BEP tertiaire 0,27 (0,14)* 0,29 (0,19) 0,32 (1,38) CAP ou BEP industriel – 0,17 (0,17) – 0,08 (0,22) – 0,18 (0,84) Bac non diplômée 0,31 (0,18)* 0,22 (0,23) 0,30 (1,35) Bac tertiaire 0,91 (0,16)*** 1,00 (0,20)*** 0,98 (2,66) Bac industriel – 0,25 (0,23) 0,01 (0,28) – 0,06 (0,94) Bac+1, Bac+2 non diplomée 0,45 (0,12)*** 0,59 (0,16)*** 0,66 (1,94) Bac+1, Bac+2 santé/social 2,11 (0,20)*** 2,18 (0,24)*** 2,19 (8,96) DEUG, DEUST… 0,69 (0,20)*** 0,71 (0,25)*** 0,76 (2,14) BTS, DUT tertiaire 1,22 (0,16)*** 1,41 (0,20)*** 1,35 (3,87) BTS, DUT industriel 0,46 (0,21)** 0,49 (0,25)* 0,50 (1,64) 2nd cycle LSH gestion 1,01 (0,14)*** 1,15 (0,17)*** 1,19 (3,29) 2d cycle maths, sc tech 0,42 (0,24)* 0,68 (0,28)** 0,77 (2,17) 3e cycle LSH gestion 1,06 (0,19)*** 1,08 (0,23)*** 1,06 (2,88) Écoles de commerce 1,37 (0,40)*** 1,24 (0,46)*** 1,51 (4,51) 3e cycle maths, sc tech 0,45 (0,22)** 0,67 (0,26)** 0,71 (2,04) Écoles d’ingénieur 0,94 (0,43)** 1,08 (0,46)** 1,09 (2,99) Nombre d’observations Pseudo-R2 34 404 0,021 34 404 0,039 34 404 0,124 16 080 0,132 16 080 0,517

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique^(a),(b)

Note : Les variables de contrôles de CS et situation des parents sont croisées avec l’indicatrice de sexe ; le modèle estimé dans les colonnes (1) à (3) est un logit simple, pour la colonne (4) il s’agit d’un logit conditionnel ; les variables de contrôle sont les mêmes pour les colonnes (2) et (3), seul l’échantillon change.
(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004 ; colonnes (1), (2) et (3) : Iris pour lesquels on dispose d’au moins deux observations ; colonnes (4) et (5), Iris pour lesquels on dispose d’au moins deux observations de valeur différente pour la variable dépendante.

Tableau A.4

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique^(a),(b)

(1) (2) (3) (4) Constante – 1,87 (0,03)*** – 1,72 (0,07)*** – 0,14 (0,10) 0,53 (1,70) Minorité 1,17 (0,09)*** 0,83 (0,11)*** 0,50 (0,16)*** Femme – 0,81 (0,06)*** – 0,66 (0,12)*** – 0,55 (0,15)*** – 0,62 (0,54) Minorité x femme 0,13 (0,15) 0,09 (0,18) 0,08 (0,24) 0,01 (1,01) CS du père Employé – 0,47 (0,29) – 0,09 (0,43) – 0,09 (0,91) Agriculteur – 0,20 (0,13) – 0,09 (0,18) – 0,23 (0,79) Artisan, Commerçant – 0,91 (0,12)*** – 0,67 (0,16)*** – 0,73 (0,48) Cadre – 0,58 (0,14)*** – 0,57 (0,18)*** – 0,67 (0,51) Profession intermédiaire (Réf.) 0 0 0 Ouvrier 0,15 (0,09)* 0,18 (0,12) 0,17 (1,19) Inconnue (a) 0,61 (0,21)*** 0,50 (0,29)* 0,57 (1,77) Aucune (b) – 0,08 (0,34) – 0,28 (0,44) – 0,36 (0,70) CS de la mère Employée – 0,71 (0,47) – 1,03 (0,58)* – 1,50 (0,22)*** Agricultrice – 0,06 (0,19) – 0,15 (0,25) – 0,22 (0,80) Artisane, Commerçante – 0,46 (0,15)*** – 0,46 (0,18)** – 0,47 (0,62) Cadre – 0,16 (0,19) – 0,09 (0,24) – 0,13 (0,87) Profession intermédiaire (Réf.) 0 0 0 Ouvrière 0,18 (0,09)** 0,13 (0,12) 0,22 (1,24) Inconnue (a) 0,67 (0,17)*** 1,01 (0,27)*** 0,93 (2,53) Aucune (b) 0,38 (0,41) 0,29 (0,55) 0,23 (1,26) Situation du père En emploi (Réf.) 0 0 0 Au chômage – 0,15 (0,20) – 0,26 (0,27) – 0,35 (0,71) Retraité/Inactif/Formation – 0,13 (0,13) – 0,17 (0,18) – 0,33 (0,72) Décédé – 0,18 (0,37) 0,32 (0,49) 0,27 (1,31) Inconnue (a) – 0,11 (0,27) – 0,04 (0,36) – 0,01 (0,99) Situation de la mère En emploi (Réf.) 0 0 0 Au chômage 0,09 (0,21) – 0,14 (0,28) – 0,33 (0,72) Retraitée – 1,13 (0,33)*** – 1,07 (0,40)*** – 1,33 (0,27)*** Inactive (a déjà travaillé)/Formation 0,21 (0,09)** 0,14 (0,13) 0,19 (1,21) Inactive (n’a jamais travaillé) 0,08 (0,42) 0,12 (0,57) 0,33 (1,38) Décédée – 0,25 (0,50) – 0,04 (0,67) 0,08 (1,08) Inconnue (a) 0,37 (0,31) 0,10 (0,43) 0,10 (1,11)

(1) (2) (3) (4) Femme x CS du père Employé 0,03 (0,47) – 0,37 (0,60) – 0,51 (0,60) Agriculteur – 0,13 (0,23) – 0,22 (0,30) – 0,03 (0,97) Artisan, Commerçant – 0,13 (0,23) – 0,36 (0,27) – 0,31 (0,74) Cadre – 0,20 (0,25) – 0,23 (0,32) – 0,14 (0,87) Profession intermédiaire (Réf.) 0 0 0 Ouvrier – 0,15 (0,15) – 0,28 (0,19) – 0,13 (0,88) Inconnue (a) 0,39 (0,32) 0,42 (0,44) 0,31 (1,36) Aucune (b) 0,86 (0,55) 1,63 (0,77)** 2,02 (7,50) Femme x CS de la mère Employée 0,12 (0,68) 0,47 (0,82) 0,92 (2,51) Agricultrice – 0,34 (0,38) – 0,22 (0,47) – 0,16 (0,86) Artisane, Commerçante – 0,31 (0,28) 0,07 (0,32) – 0,10 (0,91) Cadre – 0,18 (0,34) 0,05 (0,41) – 0,01 (0,99) Profession intermédiaire (Réf.) 0 0 0 Ouvrière 0,11 (0,16) 0,06 (0,20) – 0,04 (0,96) Inconnue (a) – 0,26 (0,33) – 0,76 (0,45)* – 0,98 (0,37)*** Aucune (b) – 0,34 (0,79) 0,20 (0,96) 0,25 (1,29) Femme x situation du père En emploi (Réf.) 0 0 0 Au chômage 0,10 (0,33) – 0,48 (0,44) – 0,32 (0,73) Retraité/Inactif/Formation – 0,19 (0,21) – 0,31 (0,27) – 0,05 (0,96) Décédé – 1,07 (0,63)* – 2,05 (0,86)** – 2,45 (0,09)*** Inconnue (a) – 0,58 (0,47) – 1,44 (0,66)** – 1,54 (0,21)*** Femme x situation de la mère En emploi (Réf.) 0 0 0 Au chômage 0,41 (0,32) 0,64 (0,42) 0,77 (2,15) Retraitée 0,29 (0,54) 0,43 (0,61) 0,68 (1,97) Inactive (a déjà travaillé)/Formation – 0,22 (0,17) – 0,29 (0,21) – 0,39 (0,67) Inactive (n’a jamais travaillé) 0,44 (0,81) – 0,25 (0,99) – 0,33 (0,72) Décédée 0,36 (0,90) – 0,38 (1,12) – 0,51 (0,60) Inconnue (a) – 0,54 (0,58) – 0,36 (0,71) – 0,23 (0,79) Nombre d’observations Pseudo-R2 15 351 0,084 15 351 0,154 3 953 0,133 3 953 0,509

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique^(a),(b)

Note : Les variables de contrôles de CS et situation des parents sont croisées avec l’indicatrice de sexe ; le modèle estimé dans les colonnes (1) à (3) est un logit simple, pour la colonne (4) il s’agit d’un logit conditionnel ; les variables de contrôle sont les mêmes pour les colonnes (2) et (3), seul l’échantillon change.
(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004 ; colonnes (1), (2) et (3) : Iris pour lesquels on dispose d’au moins deux observations ; colonnes (4) et (5), Iris pour lesquels on dispose d’au moins deux observations de valeur différente pour la variable dépendante.

Tableau A.5

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique^(a),(b)

(1) (2) (3) (4) (5) Constante 1,46 (0,03)*** 1,44 (0,06)*** 0,77 (0,09)*** – 0,09 (0,11) – 0,62 (0,54) Minorité – 0,97 (0,09)*** – 0,82 (0,10)*** – 0,67 (0,10)*** – 0,47 (0,13)*** Femme – 0,20 (0,04)*** – 0,11 (0,09) – 0,60 (0,14)*** – 0,67 (0,18)*** – 0,67 (0,51) Minorité x femme 0,05 (0,13) 0,05 (0,14) 0,04 (0,15) 0,04 (0,20) 0,03 (1,04) CS du père Employé – 0,31 (0,21) – 0,51 (0,21)** – 0,58 (0,30)* – 0,35 (0,70) Agriculteur 0,02 (0,11) – 0,03 (0,11) – 0,02 (0,14) 0,12 (1,13) Artisan, Commerçant 0,17 (0,09)* 0,05 (0,10) – 0,03 (0,12) 0,01 (1,01) Cadre 0,24 (0,11)** 0,15 (0,12) 0,09 (0,14) 0,11 (1,11) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrier 0,18 (0,08)** 0,21 (0,09)** 0,16 (0,11) 0,18 (1,19) Inconnue (a) – 0,30 (0,20) – 0,20 (0,21) – 0,13 (0,26) – 0,09 (0,91) Aucune (b) – 0,16 (0,30) – 0,20 (0,30) – 0,06 (0,39) – 0,09 (0,92) CS de la mère Employée 0,14 (0,29) 0,01 (0,30) – 0,19 (0,39) – 0,47 (0,63) Agricultrice – 0,06 (0,16) – 0,04 (0,16) 0,02 (0,20) – 0,02 (0,98) Artisane, Commerçante – 0,06 (0,10) – 0,11 (0,10) – 0,08 (0,12) – 0,09 (0,92) Cadre 0,04 (0,15) – 0,01 (0,15) – 0,03 (0,19) 0,03 (1,03) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrière 0,12 (0,09) 0,12 (0,09) 0,13 (0,11) 0,10 (1,11) Inconnue (a) – 0,54 (0,16)*** – 0,47 (0,16)*** – 0,42 (0,22)* – 0,33 (0,72) Aucune (b) 0,46 (0,40) 0,52 (0,41) 0,93 (0,56)* 1,19 (3,28) Situation du père En emploi (Réf.) 0 0 0 0 Au chômage – 0,48 (0,17)*** – 0,47 (0,17)*** – 0,28 (0,22) – 0,11 (0,89) Retraité/Inactif/Formation 0,10 (0,11) 0,08 (0,11) 0,26 (0,14)* 0,13 (1,13) Décédé 0,09 (0,33) 0,09 (0,33) 0,05 (0,43) 0,15 (1,16) Inconnue (a) – 0,12 (0,24) – 0,11 (0,24) – 0,48 (0,31) – 0,45 (0,64) Situation de la mère En emploi (Réf.) 0 0 0 0 Au chômage – 0,17 (0,19) – 0,15 (0,19) – 0,01 (0,25) 0,04 (1,04) Retraitée 0,13 (0,17) 0,02 (0,18) 0,07 (0,22) 0,12 (1,13) Inactive (a déjà travaillé)/Formation – 0,22 (0,08)*** – 0,21 (0,08)** – 0,16 (0,10) – 0,23 (0,80) Inactive (n’a jamais travaillé) – 0,90 (0,41)** – 0,91 (0,42)** – 1,19 (0,58)** – 1,50 (0,22)*** Décédée – 0,63 (0,48) – 0,65 (0,49) – 0,81 (0,65) – 0,84 (0,43)* Inconnue (a) – 0,45 (0,29) – 0,38 (0,29) – 0,82 (0,43)* – 0,85 (0,43)** Diplôme Non diplômé (Réf.) 0 0 0 CAP-BEP-MC Tertiaire 0,53 (0,15)*** 0,46 (0,20)** 0,36 (1,43) CAP-BEP-MC Industriel 0,82 (0,09)*** 0,70 (0,12)*** 0,80 (2,23) Bac pro/techno Tertiaire 0,49 (0,13)*** 0,45 (0,16)*** 0,48 (1,61) Bac pro/techno Industriel 1,08 (0,11)*** 1,15 (0,14)*** 1,16 (3,18) Bac général – 0,06 (0,14) – 0,17 (0,19) – 0,18 (0,84) Bac+2 Santé-social 0,50 (0,20)** 0,49 (0,25)* 0,62 (1,85) Bac+2 Tertiaire 0,59 (0,14)*** 0,38 (0,18)** 0,23 (1,25) Bac+2 Industriel 1,45 (0,15)*** 1,28 (0,18)*** 1,45 (4,27) Licence pro 1,24 (0,25)*** 1,37 (0,32)*** 1,40 (4,07) L3 LSH, Gestion, Droit 0,16 (0,22) 0,30 (0,27) 0,25 (1,28) L3 Sciences 1,18 (0,30)*** 1,51 (0,39)*** 1,48 (4,39) M1 0,75 (0,17)*** 0,69 (0,21)*** 0,78 (2,19) M2 LSH, Gestion, Droit 1,51 (0,24)*** 1,29 (0,30)*** 1,27 (3,56) Écoles de commerce Bac+5 2,19 (0,60)*** 2,37 (0,75)*** 2,78 (16,08) M2 Sciences 0,89 (0,20)*** 0,46 (0,27)* 0,43 (1,54) Écoles d’ingénieur 2,04 (0,24)*** 1,93 (0,27)*** 1,93 (6,90) Doctorat 0,82 (0,16)*** 0,82 (0,20)*** 1,05 (2,86)

(1) (2) (3) (4) (5) Femme x CS du père Employé 0,38 (0,29) 0,39 (0,30) 0,41 (0,40) 0,05 (1,05) Agriculteur – 0,07 (0,16) – 0,08 (0,16) – 0,10 (0,21) – 0,22 (0,80) Artisan, Commerçant – 0,02 (0,13) – 0,17 (0,14) – 0,09 (0,17) – 0,07 (0,93) Cadre – 0,21 (0,16) – 0,25 (0,16) – 0,01 (0,21) 0,05 (1,05) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrier Inconnue (a) – 0,22 (0,12)* – 0,00 (0,29) – 0,15 (0,12) 0,17 (0,30) – 0,09 (0,16) 0,23 (0,38) – 0,09 (0,92) 0,41 (1,51) Aucune (b) – 0,23 (0,42) – 0,05 (0,44) 0,12 (0,54) 0,02 (1,02) Femme x CS de la mère Employée – 0,05 (0,38) 0,19 (0,39) – 0,15 (0,52) 0,23 (1,26) Agricultrice – 0,19 (0,22) – 0,31 (0,23) – 0,33 (0,30) – 0,36 (0,70) Artisane, Commerçante – 0,10 (0,14) – 0,27 (0,14)* – 0,23 (0,18) – 0,22 (0,80) Cadre 0,06 (0,20) – 0,00 (0,21) – 0,07 (0,27) – 0,12 (0,89) Profession intermédiaire (Réf.) 0 0 0 0 Ouvrière – 0,10 (0,12) 0,02 (0,13) – 0,04 (0,16) – 0,08 (0,92) Inconnue (a) Aucune (a) 0,08 (0,25) – 0,16 (0,58) 0,08 (0,26) – 0,22 (0,60) 0,28 (0,35) – 0,57 (0,80) 0,02 (1,02) – 1,05 (0,35)*** Femme x situation du père En emploi (Réf.) 0 0 0 0 Au chômage 0,48 (0,25)* 0,45 (0,26)* 0,45 (0,33) 0,19 (1,21) Retraité/Inactif/Formation – 0,02 (0,15) – 0,13 (0,15) – 0,24 (0,19) – 0,08 (0,93) Décédé 0,28 (0,47) 0,02 (0,48) – 0,17 (0,60) – 0,15 (0,86) Inconnue (a) 0,31 (0,35) 0,31 (0,35) 0,51 (0,43) 0,65 (1,91) Femme x situation de la mère En emploi (Réf.) 0 0 0 0 Au chômage – 0,39 (0,25) – 0,28 (0,26) – 0,54 (0,35) – 0,54 (0,58) Retraitée – 0,17 (0,24) – 0,24 (0,25) – 0,36 (0,30) – 0,41 (0,67) Inactive (a déjà travaillé)/Formation – 0,00 (0,12) – 0,02 (0,12) 0,03 (0,15) 0,14 (1,16) Inactive (n’a jamais travaillé) 0,19 (0,60) 0,31 (0,62) 0,65 (0,82) 1,15 (3,14) Décédée 0,05 (0,67) 0,11 (0,69) 0,11 (0,92) 0,27 (1,30) Inconnue (a) 0,13 (0,40) 0,03 (0,41) 0,49 (0,56) 0,58 (1,78) Femme x diplôme Non diplômée (Réf.) 0 0 0 CAP-BEP-MC Tertiaire 0,26 (0,19) 0,27 (0,25) 0,33 (1,38) CAP-BEP-MC Industriel – 0,30 (0,22) – 0,31 (0,30) – 0,35 (0,70) Bac pro/techno Tertiaire 0,54 (0,17)*** 0,54 (0,22)** 0,49 (1,63) Bac pro/techno Industriel – 0,13 (0,26) – 0,43 (0,36) – 0,12 (0,88) Bac général 0,39 (0,19)** 0,50 (0,26)* 0,43 (1,54) Bac+2 Santé-social 1,80 (0,24)*** 1,66 (0,30)*** 1,63 (5,13) Bac+2 Tertiaire 1,07 (0,20)*** 1,20 (0,25)*** 1,40 (4,05) Bac+2 Industriel – 0,00 (0,29) 0,21 (0,34) 0,21 (1,23) Licence pro 0,70 (0,42)* 0,41 (0,51) 0,27 (1,31) L3 LSH, Gestion, Droit 1,41 (0,27)*** 1,25 (0,34)*** 1,35 (3,86) L3 Sciences 0,90 (0,45)** 0,50 (0,58) 0,49 (1,63) M1 0,83 (0,23)*** 0,82 (0,29)*** 0,81 (2,24) M2 LSH, Gestion, Droit 0,51 (0,31)* 0,69 (0,38)* 0,83 (2,28) Écoles de commerce Bac+5 0,66 (0,80) 0,27 (0,95) – 0,16 (0,85) M2 Sciences 0,76 (0,34)** 0,87 (0,44)** 0,95 (2,57) Écoles d’ingénieur 0,77 (0,47) 0,76 (0,51) 0,88 (2,41) Doctorat 0,88 (0,25)*** 0,74 (0,32)** 0,75 (2,12) Nombre d’observations 15 351 15 351 15 351 6 860 6 860 Pseudo-R2 0,026 0,040 0,127 0,126 0,514

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique^(a),(b)

Note : Les variables de contrôles de CS et situation des parents sont croisées avec l’indicatrice de sexe ; le modèle estimé dans les colonnes (1) à (3) est un logit simple, pour la colonne (4) il s’agit d’un logit conditionnel ; les variables de contrôle sont les mêmes pour les colonnes (2) et (3), seul l’échantillon change
(a) Non-réponse. Père ou mère inconnu.
(b) La CS n’est pas observée car le père ou la mère ne travaille pas.
Champ : Jeunes Français âgés de 15 à 30 ans ayant fini leurs études en 1998 ou 2004 ; colonnes (1), (2) et (3) : Iris pour lesquels on dispose d’au moins deux observations ; colonnes (4) et (5), Iris pour lesquels on dispose d’au moins deux observations de valeur différente pour la variable dépendante.

Notes

[*]
Crest, Paris.
[**]
University of Warwick, Grande-Bretagne.
[***]
Sciences Po, Crest, Paris.
Correspondance : Roland Rathelot, Department of Economics, University of Warwick, Coventry CV4 7AL, Royaume-Uni, courriel : R.Rathelot@warwick.ac.uk
[1]
Les Iris correspondent à une partition du territoire français visant à obtenir des mailles à peu près homogènes en termes de taille de population. Les communes d’au moins 10 000 habitants et la plupart des communes de 5 000 à 10 000 habitants sont découpées en Iris comptant chacun de 2 000 à 5 000 habitants. Au total 1 900 communes sont découpées en environ 16 000 Iris. Pour les autres communes (les plus de 34 000 communes de petite taille), l’Iris correspond à la totalité de la commune.
[2]
La loi française reconnaît désormais cette « discrimination territoriale » : le 14 janvier 2014, le lieu de résidence est devenu le vingtième critère de discrimination dans la législation anti-discrimination en France.
[3]
Le groupe minoritaire étant principalement composé d’individus dont les parents sont originaires du Maghreb et d’Afrique subsaharienne, nous omettrons la mention du Proche et Moyen-Orient par la suite.
[4]
La taille des sous-échantillons ne nous permet pas d’affiner davantage les catégories de population. Toutefois, étant donné que de nombreuses études documentent la situation socioéconomique défavorable de ces populations lorsqu’elles sont distinguées, leur regroupement nous semble pertinent dans une étude qui cherche à attester du degré auquel ce désavantage peut s’expliquer par la localisation géographique. Les effets mesurés seront donc à interpréter avec précaution comme des effets moyens au sein d’un groupe potentiellement hétérogène.
[5]
Zones urbaines sensibles/Contrats urbains de cohésion sociale : zones prioritaires définies par le gouvernement pour concentrer l’action publique en termes d’activité économique, d’emploi et de lutte contre la pauvreté. Il s’agit de 2 500 quartiers répartis sur l’ensemble des aires urbaines du territoire français.
[6]
La question d’une discrimination ethnique spécifique aux hommes ou aux femmes est posée régulièrement par la littérature. Nous autorisons l’effet de l’indicatrice d’appartenance à la population minoritaire à varier avec le sexe.
[7]
Le bootstrap complet consiste à tirer, avec remise, un nombre élevé d’échantillons (ici 200) de la même taille que l’échantillon initial et de répéter la procédure d’estimation sur chacun de ces nouveaux échantillons. La distribution des estimateurs obtenus par cette méthode est semblable à la distribution de l’estimateur initiale. On peut, en particulier, déduire les écarts types et les intervalles de confiance pour les coefficients d’intérêt.
[8]
Le taux de sortie sans diplôme dans notre échantillon pour la génération 1998 est de 15,3 % pour les hommes et de 8,8 % pour les femmes (tableau 2).
[9]
Nous avons tenté de réduire les échantillons aux Iris communs aux deux enquêtes. Malheureusement cela conduit à diviser la taille de l’échantillon par 4 en 1998 et par 2 en 2004. Compte tenu des effets estimés, la plupart ne sont plus détectables statistiquement avec des échantillons aussi réduits. Nous ne pouvons donc aller plus loin dans l’interprétation de l’effet de tendance suggéré dans nos résultats.
[10]
Les deux études de l’équipe MTO concluent à des résultats paradoxaux. Alors que le programme semble avoir eu des effets importants sur l’environnement des individus concernés (une augmentation du niveau de vie dans leurs quartiers de résidence), aucun effet n’est détecté sur les performances économiques (emploi, salaire). En revanche, le programme aurait des effets positifs et importants sur la santé physique et mentale et le bien-être subjectif des individus traités.

linkThis article is available in English on Cairn International

Français

La localisation géographique des populations issues de l’immigration et leur ségrégation dans les zones les plus défavorisées sont souvent avancées pour expliquer leurs moindres performances scolaires et leur position défavorable sur le marché du travail. Dans cet article, nous cherchons à déterminer si la réussite éducative et l’insertion dans l’emploi de jeunes dont au moins un parent est né en Afrique du Nord, Afrique subsaharienne ou au Proche et Moyen-Orient sont semblables à celles de jeunes dont les parents ne sont pas immigrés, à caractéristiques sociodémographiques et à lieu de résidence identiques. Nous utilisons pour cela une opportunité unique qu’offre la géolocalisation à une échelle très fine (Iris) des enquêtes Génération 1998 et 2004. Les spécifications utilisées dans les modèles de régression permettent de mesurer l’effet de la variable d’origine après le contrôle d’une large panoplie de variables individuelles et de l’effet fixe géographique à l’échelle de l’Iris (logit conditionnel). Nos résultats soulignent l’ampleur des écarts entre les descendants d’immigrés et leurs homologues descendants de natifs. Ces écarts demeurent même une fois les effets géographiques pris en compte.

Mots-clés

immigration
descendants d’immigrés
emploi
éducation
inégalités
ségrégation
discrimination
France

English

English abstract on Cairn International Edition

Español

Resumen en español disponible en Cairn Mundo

linkThis article is available in English on Cairn International

I - Expliquer les inégalités ethniques par des effets géographiques : les mécanismes sous-jacents
II - Données et échantillons d’analyse
1. Les enquêtes génération 1998 et 2004 géolocalisées au lieu de résidence
2. Des effets géographiques pris en compte à un niveau fin
III - Panorama de la situation des jeunes issus de l’immigration : de la sortie précoce du système éducatif aux difficultés d’insertion
IV - Méthodologie
V - L’effet de l’origine est déterminant, même en tenant compte des effets géographiques
Conclusion

Références

En ligne Aeberhardt R., Rathelot R., 2013, « Les différences liées à l’origine nationale sur le marché du travail français », Revue française d’économie, 28(1), p. 43-71.
En ligneAeberhardt R., Fougère D., Pouget J., Rathelot R., 2010, « Wages and employment of second-generation immigrants in France », Journal of Population Economics, 23(3), p. 881-905.
En ligneAinsworth J. W., 2002, « Why does it take a village? The mediation of neighborhood effects on educational achievement », Social Forces, 81(1), p. 117-152.
En ligneArum R., 2000, « Schools and communities: Ecological and institutional dimensions », Annual Review of Sociology, 26(1), p. 395-418.
Brimbaum Y., Kieffer A., 2005, « D’une génération à l’autre, les aspirations éducatives des familles immigrées : ambition et persévérance », Éducation et formations, n° 72, p. 53-75.
En ligneBrinbaum Y., Primon J.-L., 2014, « Parcours scolaires et sentiment d’injustice et de discrimination chez les descendants d’immigrés », Économie et statistique, n° 464465-466, p. 215-243.
Brinbaum Y., Moguérou L., Primon J.-L., 2012, « Les enfants d’immigrés ont des parcours scolaires différenciés selon leur origine migratoire », France portrait social, p. 43-59.
En ligneBrooks-Gunn J., Duncan G. J., Klebanov P. K, Sealand N., 1993, « Do neighborhoods influence child and adolescent development? », American Journal of Sociology, 99(2), p. 353-395.
Cédiey C., Foroni F., Garner H., 2008, « Discriminations à l’embauche fondées sur l’origine à l’encontre de jeunes français(es) peu qualifié(e)s. Une enquête nationale par tests de discrimination ou testing », Dares, Premières informations premières synthèses, n° 06.3.
En ligneCrain R. L., Mahard R. E., 1983, « The effect of research methodology on desegregation-achievement studies: A meta-analysis », American Journal of Sociology, 88(5), p. 839-854.
En ligneCrane J., 1991, « The epidemic theory of ghettos and neighborhood effects on dropping out and teenage childbearing », American Journal of Sociology, 96(5), p. 1226-1259.
En ligneCutler D. M., Glaeser E. L., 1997, « Are ghettos good or bad? », The Quarterly Journal of Economics, 112(3), p. 827-872.
En ligneDuguet E., L’Horty Y., Sari F., 2009, « Sortir du chômage en Île-de-France. Disparités territoriales, spatial mismatch et ségrégation résidentielle », Revue économique, 60(4), p. 979-1010.
En ligneDuguet E., Leandri N., L’Horty Y., Sari F., 2010, « Are young French jobseekers of ethnic immigrant origin discriminated against? A controlled experiment in the Paris area », Annales d’économie et de statistique, 99/100, p. 187-215.
Duguet E., L’Horty Y., du Parquet L., Petit P., Sari F., 2010, « Les effets du lieu de résidence sur l’accès à l’emploi : une expérience contrôlée sur des jeunes qualifiés en Île-de-France », Centre d’études de l’emploi, Document de travail, n° 128, 33 p.
En ligneFelouzis G., Perroton J., 2009, « Grandir entre pairs à l’école : ségrégation ethnique et reproduction sociale dans le système éducatif français », Actes de la recherche en sciences sociales, 180(5), p. 92-100.
Felouzis G., Liot F., Perroton J., 2005, L’apartheid scolaire. Enquête sur la ségrégation ethnique dans les collèges, Paris, Seuil, 235 p.
En ligneFernandez R. M., Su C., 2004, « Space in the study of labor markets », Annual Review of Sociology, n° 30, p. 545-569.
En ligneGobillon L., 2001, « Emploi, logement et mobilité résidentielle », Économie et statistique, 9/10(349-350), p. 77-98.
En ligneGobillon L., Magnac T., Selod H., 2011, « The effect of location on finding a job in the Paris region », Journal of Applied Econometrics, 26(7), p. 1079-1112.
En ligneGobillon L., Rupert P., Wasmer E., 2014, « Ethnic unemployment rates and frictional markets », Journal of Urban Economics, n° 79, p. 108-120.
En ligneGobillon L., Selod H., Zenou Y., 2007, « The mechanisms of spatial mismatch », Urban Studies, 44(12), p. 2401-2428.
En ligneGoux D., Maurin E., 2007, « Close neighbours matter: Neighbourhood effects on early performance at school », The Economic Journal, 117(523), p. 1193-1215.
Holzer H. J., 1987, « Informal job search and Black youth unemployment », The American Economic Review, 77(3), p. 446-452.
En ligneHolzer H. J., 1988, « Search method use by unemployed youth », Journal of Labor Economics, 6(1), p. 1-20.
En ligneHolzer H. J., 1991, « The spatial mismatch hypothesis: What has the evidence shown? », Urban Studies, 28(1), p. 105-122.
Holzer H. J., 2001, « Racial differences in labor market outcomes among men », in Smelser N. J., Wilson W. J., Mitchell F. (eds.), America Becoming: Racial Trends and Their Consequences, vol. 2, Washington, D.C., National Academy Press, p. 98-123.
En ligneHolzer H. J., Ihlanfeldt K. R., Sjoquist D. L., 1994, « Work, search, and travel among White and Black youth », Journal of Urban Economics, 35(3), p. 320-345.
Ichou M., van Zanten A., 2013, « France », in Stevens P., Gary D. (eds.), The Palgrave Handbook of Race and Ethnic Inequalities in Education, Palgrave Macmillan.
En ligneKain J. F., 2004, « A pioneer’s perspective on the spatial mismatch literature », Urban Studies, 41(1), p. 7-32.
En ligneLudwig J., Liebman J. B., Kling J. R., Duncan G. J., Katz L. F. et al., 2008, « What can we learn about neighborhood effects from the moving to opportunity experiment? », American Journal of Sociology, 114(1), p. 144-188.
En ligneLudwig J., Duncan G. J., Gennetian L. A., Katz L. F., Kessler R. C. et al., 2012, « Neighborhood effects in the long-term well-being of low-income adults », Science, 337(6101), p. 1505-1510.
En ligneLamont M., Beljean S., Clair M., 2014, « What is missing? Cultural processes and causal pathways to inequality », Socio-Economic Review, 12(3), p. 573-608.
En ligneLancaster T., 2000, « The incidental parameter problem since 1948 », Journal of Econometrics, 95(2), p. 391-413.
En ligneMoguérou L., Santelli E., Primon J.-L., Hamel C., 2013, « Taille de la fratrie et statut social des enfants d’immigrés issus de familles nombreuses », Politiques sociales et familiales, n° 111, p. 17-30.
En ligneMerle P., 2012, La ségrégation scolaire, Paris, La Découverte, 126 p.
En ligneMeurs D., Pailhé A., Simon P., 2006, « Persistance des inégalités entre générations liées à l’immigration : l’accès à l’emploi des immigrés et de leurs descendants en France », Population, 61(5-6), p. 763-802.
Omi M., Winant H., 1986, Racial Formation in the United States: From the 1960s to the 1990s, New York, Routledge, 2^nd Edition, 220 p.
En lignePalheta U., 2012, La domination scolaire, Paris, PUF, 354 p.
Payet J.-P., 1995, Collège de banlieue. Ethnographie d’un monde scolaire, Paris, Méridiens Klinsieck, 206 p.
En lignePetit P., Duguet E., L’Horty Y., 2014, « Discrimination résidentielle et origine ethnique : une étude expérimentale sur les serveurs en Île-de-France », Économie et prévision, à paraître.
En ligneRathelot R., 2014, « Ethnic differentials on the labor market in the presence of asymmetric spatial sorting: Set identification and estimation », Regional Science and Urban Economics, 48(1), p. 154-167.
En ligneRidgeway C. L., 2014, « Why status matters for inequality », American Sociological Review, 79(1), p. 1-16.
En ligneRoscigno V. J., 1998, « Race and the reproduction of educational disadvantage », Social Forces, 76(3), p. 1033-1061.
En ligneSafi M., 2013, Les inégalités ethno-raciales, Paris, La Découverte, 128 p.
En ligneSampson R. J., Morenoff J. D., Gannon-Rowley T., 2002, « Assessing “Neighborhood Effects”: Social processes and new directions in research », Annual Review of Sociology, n° 28, p. 443-478.
En ligneSimon P., 1998, « Nationalité et origine dans la statistique française : les catégories ambiguës », Population, 53(3), p. 541-567.
En ligneSimon P., 2008, « Les statistiques, les sciences sociales françaises et les rapports sociaux ethniques et de “race” », Revue française de sociologie, 49(1), p. 153-162.
Steichen E., 2013, « L’insertion professionnelle des descendants d’immigrés maghrébins au prisme des discriminations ethno-raciales et de genre », Thèse de doctorat, EHESS.
En ligneVallet L.-A., 2005, « La mesure des effets de quartier/voisinage : un objet important et difficile à la croisée des sciences sociales », La Revue économique, 56(2), p. 363-369.
van Zanten A., 2001, L’école de la périphérie. Scolarité et ségrégation en banlieue, Paris, PUF, 440 p.
En lignevan Zanten A., 2009, Choisir son école. Paris, PUF, 283 p.
Wilson W., 1996. When Works Disappears, New York, Knopf, 322 p.
En ligneWimmer A., 2008, « The making and unmaking of ethnic boundaries: A multilevel process theory » The American Journal of Sociology, 113(4), p. 970-1022.

Romain Aeberhardt [*]

[*]
Crest, Paris.

Roland Rathelot [**]

[**]
University of Warwick, Grande-Bretagne.

Mirna Safi [***]

[***]
Sciences Po, Crest, Paris.
Correspondance : Roland Rathelot, Department of Economics, University of Warwick, Coventry CV4 7AL, Royaume-Uni, courriel : R.Rathelot@warwick.ac.uk

Dernière publication diffusée sur Cairn.info ou sur un portail partenaire

La France confinée. Anciennes et nouvelles inégalités
Avec Philippe Coulangeon, Emanuele Ferragina, Olivier Godechot, Emily Helmeid, Stefan Pauly, Ettore Recchi, Nicolas Sauger, Jen Schradie, Katharina Tittel, Andrew Zola
Dans Le monde d'aujourd'hui
Presses de Sciences Po, 2020

Mis en ligne sur Cairn.info le 20/01/2016

https://doi.org/10.3917/popu.1503.0599

Citer cet article Français English

ISO 690	FR	Copier AEBERHARDT Romain, RATHELOT Roland, SAFI Mirna, « Les difficultés scolaires et professionnelles des jeunes issus de l’immigration : effet de l’origine ou effets géographiques ? », Population, 2015/3 (Vol. 70), p. 599-635. DOI : 10.3917/popu.1503.0599. URL : https://preprod.cairn.info/revue-population-2015-3-page-599.htm
ISO 690	EN	Copier AEBERHARDT Romain, RATHELOT Roland, SAFI Mirna, "Ethnic Origin or Residential Location: Educational Labour Market Attainment of Young People of Immigrant Background in France", Population, 2015/3 (Vol. 70), p. 567-601. URL: https://preprod.cairn-int.info/journal-population-2015-3-page-567.htm
MLA	FR	Copier Aeberhardt, Romain, Roland Rathelot, et Mirna Safi. « Les difficultés scolaires et professionnelles des jeunes issus de l’immigration : effet de l’origine ou effets géographiques ? », Population, vol. 70, no. 3, 2015, pp. 599-635.
MLA	EN	Copier Aeberhardt, Romain, Roland Rathelot, et Mirna Safi. "Ethnic Origin or Residential Location: Educational Labour Market Attainment of Young People of Immigrant Background in France", Population, vol. 70, no. 3, 2015, pp. 567-601.
APA	FR	Copier Aeberhardt, R., Rathelot, R. & Safi, M. (2015). Les difficultés scolaires et professionnelles des jeunes issus de l’immigration : effet de l’origine ou effets géographiques ?. Population, 70, 599-635. https://doi.org/10.3917/popu.1503.0599
APA	EN	Copier Aeberhardt, R., Rathelot, R. & Safi, M. (2015). Ethnic Origin or Residential Location: Educational Labour Market Attainment of Young People of Immigrant Background in France. Population, 70, 567-601. https://preprod.cairn-int.info/journal--2015-3-page-567.htm.
DOI		Copier https://doi.org/10.3917/popu.1503.0599

Exporter la citation

file_downloadZotero (.ris) file_downloadEndNote (.enw) open_in_new RefWorks

Pour citer cet article

Distribution électronique Cairn.info pour Ined Éditions © Ined Éditions. Tous droits réservés pour tous pays. Il est interdit, sauf accord préalable et écrit de l’éditeur, de reproduire (notamment par photocopie) partiellement ou totalement le présent article, de le stocker dans une banque de données ou de le communiquer au public sous quelque forme et de quelque manière que ce soit.

Article

Encadré. Les questions de terminologie

I – Expliquer les inégalités ethniques par des effets géographiques : les mécanismes sous-jacents

II – Données et échantillons d’analyse

Les enquêtes génération 1998 et 2004 géolocalisées au lieu de résidence

Des effets géographiques pris en compte à un niveau fin

Échantillons

Échantillons

III – Panorama de la situation des jeunes issus de l’immigration : de la sortie précoce du système éducatif aux difficultés d’insertion

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998^(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998^(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004^(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004^(a),(b)

IV – Méthodologie

V – L’effet de l’origine est déterminant, même en tenant compte des effets géographiques

Effets marginaux de l’origine nationale et du sexe sur le fait de sortir du système scolaire sans diplôme, en contrôlant par l’origine sociale ou le lieu de résidence

Effets marginaux de l’origine nationale et du sexe sur le fait de sortir du système scolaire sans diplôme, en contrôlant par l’origine sociale ou le lieu de résidence

Effets marginaux de l’origine nationale et du sexe sur le fait d’être en emploi trois ans après la fin des études, en contrôlant par l’origine sociale ou le lieu de résidence

Effets marginaux de l’origine nationale et du sexe sur le fait d’être en emploi trois ans après la fin des études, en contrôlant par l’origine sociale ou le lieu de résidence

Conclusion

Remerciements

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004^(a),(b)

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique^(a),(b)

Notes

Résumé

Mots-clés

Plan

Bibliographie

Références

Auteurs

Cité par

Sur un sujet proche

Article

Encadré. Les questions de terminologie

I – Expliquer les inégalités ethniques par des effets géographiques : les mécanismes sous-jacents

II – Données et échantillons d’analyse

Les enquêtes génération 1998 et 2004 géolocalisées au lieu de résidence

Des effets géographiques pris en compte à un niveau fin

Échantillons

Échantillons

III – Panorama de la situation des jeunes issus de l’immigration : de la sortie précoce du système éducatif aux difficultés d’insertion

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004(a),(b)

IV – Méthodologie

V – L’effet de l’origine est déterminant, même en tenant compte des effets géographiques

Effets marginaux de l’origine nationale et du sexe sur le fait de sortir du système scolaire sans diplôme, en contrôlant par l’origine sociale ou le lieu de résidence

Effets marginaux de l’origine nationale et du sexe sur le fait de sortir du système scolaire sans diplôme, en contrôlant par l’origine sociale ou le lieu de résidence

Effets marginaux de l’origine nationale et du sexe sur le fait d’être en emploi trois ans après la fin des études, en contrôlant par l’origine sociale ou le lieu de résidence

Effets marginaux de l’origine nationale et du sexe sur le fait d’être en emploi trois ans après la fin des études, en contrôlant par l’origine sociale ou le lieu de résidence

Conclusion

Remerciements

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004(a),(b)

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique(a),(b)

Notes

Résumé

Mots-clés

Plan

Bibliographie

Références

Auteurs

Cité par

Sur un sujet proche

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998^(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 1998^(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004^(a),(b)

Caractéristiques des groupes, (%) par sexe et par origine nationale, génération 2004^(a),(b)

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004^(a),(b)

Caractéristiques des groupes, par sexe et par origine nationale, (%) échantillon complet, génération 2004^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 1998, paramètre de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 1998, paramètres de la régression logistique^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique^(a),(b)

Probabilité de sortie du système scolaire sans diplôme, génération 2004, paramètres de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique^(a),(b)

Probabilité d’être en emploi 3 ans après la fin des études, génération 2004, paramètres de la régression logistique^(a),(b)