Ma solution :
- Je prends les quatre séries (1985–2006) “Role of Government” de l’enquête ISSP, qui couvrent, en gros, l’Hémisphère nord. Je prends la moyenne des quatre vagues pour faire des observations générales (vérification faite, on perd assez peu d’information au passage).
- Je recode les questions sur la santé, les retraites, le chômage et l’environnement sur des échelles standardisées [0,1] quand elles portent sur la responsabilité du gouvernement sur ces thèmes (oui/non), ou [-1,1] quand elles portent sur le niveau de dépenses (plus/moins) ou sur la réussite du gouvernement.
- Je construis un premier graphe “Responsabilité/Dépenses” pour vérifier si les deux mesures concordent, je prends leur produit (alpha > .6), et je graphe ça contre le sentiment d’efficacité du gouvernement en 2006 sur la thématique. J’obtiens un quadrant qui croise l’impératif moral “agir/dépenser” à la performance publique ressentie.
Sans surprise, un impératif moral protège certaines thématiques du désengagement de l’État, un quadrant “positif-positif” entre responsabilité et dépenses où le sentiment de légitimité de l’action étatique est très prononcé. Quand on rajoute l’efficacité gouvernementale, les choses changent finalement assez peu. La santé, de même que les retraites, disposent d’un mandat “agir/dépenser” fort et sont assez bien évaluées, mais le chômage n’a pas ce privilège, et cette configuration reste remarquablement stable à travers les pays de l’enquête1 :
Graphique ci-dessus : sur l’axe horizontal, la performance estimée du gouvernement (“Pensez-vous que le gouvernement ait réussi à…”) sur une échelle [-1,1] ; sur l’axe vertical, la force du mandat sur une échelle [-1,1]. La variable “Mandat” est un produit des variables “Responsabilité” [-1,1] et “Dépenses” [-1,0,1] pour chaque thème. Chaque point est le score moyen pour la population adulte d’un pays de l’enquête ISSP 2006. Les polygones sont construits à partir de l’enveloppe convexe de chaque thématique.
Ensuite, en termes de distribution, les lignes de densité des thèmes “Santé” et “Retraite” dans l’espace “Mandat/Performance” sont très similaires en comparaison de celles du thème “Chômage” (graphique 2a dans le code). Si l’on décompose la variable “Mandat” à ses dimensions initiales (“le grouvernement doit se préoccuper…” et “le gouvernement doit plus/moins dépenser…”), on voit encore mieux l’hétérogénéité du thème “Chômage” par rapport à “Santé” sur la période 1985-2006 :
De manière très générale, la population soutient l’engagement de l’État auprès des personnes malades et des personnes âgées, qui sont souvent les mêmes, mais accorde beaucoup moins de valeur à l’action publique en faveur des personnes sans emploi, ou “qui ne travaillent pas”, dans le sens responsabilisant de la guerre au chômeur. Les conséquences distributionnelles sont cruciales pour expliquer pourqoi les systèmes de santé se libéralisent et s’universalisent en même temps : si l’électeur médian se trouve dans l’espace défini plus haut, les acteurs politiques doivent maintenir un accès public aux soins pour recevoir mandat à réduire la dépense publique en encourageant l’offre privée2.
Quelques manipulations de plus avec le thème “Environnement”, pour lequel les données sont récentes, montre que ce dernier a rejoint le quadrant moral occupé par “Santé” et “Retraite”. Ces quadrants exploitent l’élément modal sur chaque économie morale, soit le sentiment que laisse l’existence de ces services (“la France dispose d’un système public de retraites”), leur légitimité publique et fiscale, et leur performance relative. Si les partis politiques ne modifient pas ces perceptions d’ensemble (celle, par exemple, que “la France dispose d’un système de santé accessible à tous et efficace”), elles laissent ces thématiques à des niveaux de politisation faibles qui ne requièrent pas de former une coalition minimale d’intérêts3.
Le code a été travaillé dans RStudio et sur StackExchange, et le résultat final, qui vaut ce qui vaut et qui n’est qu’une bafouille préliminaire, est sur GitHub. Un grand merci à tous les geeks qui oeuvrent à me faire écrire ma thèse en codant.
- Je n’étudie pas les positions nationales individuelles, il faut des données micro pour le faire sans extrapoler excessivement. [↩]
- C’est une autre manière de comprendre le modèle de Carsten Jensen, qui reprend les . [↩]
- Je situe cette thèse en parallèle à la thèse de Pierson sur l’établissement de coalitions larges dans les politiques sociales. [↩]
OpenEdition vous propose de citer ce billet de la manière suivante :
François (22 février 2012). Peut-on visualiser une économie morale ? Polit’bistro. Consulté le 11 octobre 2024 à l’adresse https://doi.org/10.58079/syoa
Je ne comprends absolument pas les graphiques, mais absolument pas du tout…
J’ai rajouté le texte explicatif un peu après, et j’ai beaucoup modifié le premier jet de texte qui allait avec. Et je viens juste de terminer la mise en ligne des fichiers complets sur GitHub, avec le codage des questions.
Je ne suis pas sûr que les représentations graphiques soient les mieux adaptées. Sur la première, j’essaierais une ellipse de concentration. Quant à la deuxième, je ne suis pas sûr de la comprendre : y a-t-il une troisième variable (la “hauteur” des courbes de densité) ? Sinon, là encore, une ellipse de concentration serait probablement plus compréhensible.
Mais une ellipse de concentration utilise des intervalles à 95% qui suppose des observations indépendantes, non ? Je ne suis pas sûr de pouvoir poser cette hypothèse.
Pour le deuxième graphe, les lignes sont des lignes de densité en deux dimensions, soit une estimation non paramétrique des “centres de gravité” dans les données, autour de leurs tendances centrales. Il faut soit que je les explique, soit que je passe aux ellipses, je pense, car tu as raison (vous avez raison, avec Baptiste), la lecture est de toute évidence difficile.
Tu as sans doute raison pour les ellipses. En même temps, si tes graphiques n’ont qu’une vertu illustrative, est-ce vraiment un problème ? En fait, mon expérience avec les ellipses sous R se limite à l’utilisation du paramètre ‘ellipse’ de la fonction PCA.plot (mais, vérification faite, ça fait bien appel à une notion d’intervalle de confiance). Mais je ne pense pas que ce soit si gênant que ça, dès lors que ça sert juste à visualiser plus facilement tes “sacs de patates”.
Arg, mes belles enveloppes convexes ! ;)
Pour le deuxième graphique, je comprends. Pas très lisible mais c’est intéressant si ta distribution n’est pas unimodale. Celle du chômage ne l’est pas strictement, mais bon…