Rapports sur les projets spéciaux sur les entreprises
Mesurer l’éloignement et l’accessibilité : Un ensemble d’indices applicables aux collectivités canadiennes Rapports sur les projets spéciaux sur les entreprises
Mesurer l’éloignement et l’accessibilité : Un ensemble d’indices applicables aux collectivités canadiennes

Information pour l’utilisateur

Remerciements

Les auteurs tiennent à souligner les idées et les commentaires formulés par de nombreuses personnes durant ce projet. Pierre Gauvin et Eric McGregor (Affaires autochtones et Développement du Nord Canada, AADNC) ainsi que Michael Savage et René Dion (Santé Canada) ont joué un rôle de premier plan aux fins de lancer le projet et de le mener à terme. Peter Murphy et Rob Cunningham (Statistique Canada) ont formulé de précieux commentaires concernant des versions antérieures du présent rapport. En outre, des observations et des suggestions utiles ont été recueillies lors de différentes rencontres et téléconférences avec des membres du personnel de Santé Canada et d’AADNC en poste à Ottawa et dans les bureaux régionaux.

Sommaire

La proximité des centres d’activité économique et des agglomérations de population constitue un important déterminant des résultats socioéconomiques régionaux et, par le fait même, un facteur à prendre en compte dans le cadre de l’analyse et de la mise en œuvre de politiques et de programmes. C’est pourquoi différents ministères utilisent depuis des années des mesures de l’éloignement et de l’accessibilité. Certains des indices existants ont été élaborés au cours des années 1980 et n’ont fait l’objet que de révisions mineures depuis.

La présente étude a été menée en raison de la nécessité de mettre à jour et d’améliorer les mesures existantes de l’éloignement. L’objectif était de conceptualiser et de mettre en application une méthode qui prenne en compte les résultats des travaux les plus récents sur le sujet, et également de tirer avantage des nouvelles possibilités de calcul découlant de l’intégration de statistiques officielles avec des données provenant de sources statistiques non officielles.

L’analyse a porté d’abord sur le concept d’« éloignement » et, partant, sur la création d’un indice d’éloignement applicable aux collectivités canadiennes. Toutefois, au fil des travaux d’élaboration de cet indice et de la mise à l’essai de différentes spécifications, on en est venu à estimer qu’un ensemble de mesures de l’accessibilité à certains services, déterminées au moyen d’une méthodologie similaire, pourraient servir à recueillir des renseignements complémentaires pour des recherches et des fins stratégiques bien précises. De plus, on a constaté que la comparaison des mesures de l’accessibilité et de l’indice d’éloignement appliqué dans le cadre de cette analyse venait corroborer l’idée selon laquelle ce dernier pourrait fournir une bonne approximation de l’accessibilité aux services.

De ce fait, le présent rapport expose la méthodologie d’établissement d’un indice d’éloignement ainsi que d’un ensemble de mesures de l’accessibilité à certains services. Pour l’un et l’autre concepts, l’approche sous-jacente repose sur le principe d’un modèle gravitationnel, dans lequel on prend en compte à la fois la proximité et la taille des agglomérations de population (ou de services). Le modèle de calcul rend compte de la proximité de multiples points de prestation de services à l’intérieur d’un rayon donné par rapport à la collectivité examinée qui permet des interactions quotidiennes. Les indices sont calculés pour toutes les collectivités (subdivisions de recensement) où l’on a enregistré un chiffre de population quel qu’il soit en 2011 (ou qui étaient rattachées au réseau routier principal); ils sont présentés sous forme d’indices continus dont la valeur peut se situer entre 0 et 1, et que l’on peut convertir en n’importe quel regroupement par catégories.

Aux fins de l’indice d’éloignement, la taille de la population des centres de population^{Note 1} sert d’approximation de l’agglomération^{Note 2} et de mesure générale de la disponibilité des services. La méthodologie et les résultats présentés dans ce rapport mettent en lumière l’un des principaux défis entourant le calcul d’un indice continu, soit la détermination d’une mesure commune de la « distance » dans le cas de collectivités dont les infrastructures de transport sont très différentes. La distance par rapport au réseau routier et le temps de déplacement ne permettent pas de mesurer adéquatement la proximité lorsque l’on compare des collectivités qui n’ont pas accès, ou n’ont qu’un accès limité, au réseau routier, avec des collectivités qui sont rattachées au réseau routier principal. La seule mesure pertinente de la proximité aux fins de produire un indice continu applicable à toutes les collectivités est le coût de déplacement. Dans le cas des collectivités reliées à un centre de population par le réseau routier, le temps de déplacement a été calculé au moyen de l’interface de programmation d’application (IPA) Google Maps et a ensuite été converti en coût de déplacement à l’aide de coefficients de conversion. Pour ce qui est des collectivités qui n’étaient pas rattachées au réseau routier principal, le coût de déplacement a été déterminé à partir d’une base de données spécialeayant trait aux choix de déplacement les moins coûteux qui s’offrent aux particuliers pour se rendre au centre de population le plus accessible.

Si ce rapport présente l’ensemble des mesures de l’accessibilité, c’est principalement à titre illustratif, car l’analyse montre que ces mesures sont en général fortement corrélées entre elles ainsi qu’avec l’indice d’éloignement. Cela vient renforcer l’opinion selon laquelle la taille de la population peut servir d’approximation de la disponibilité des services. La méthode de calcul de ces mesures repose sur les mêmes principes propres à un modèle gravitationnel qui sont utilisés pour l’indice d’éloignement, à deux différences près : (1) le temps de déplacement est déterminé d’une subdivision de recensement (SDR) à une autre, plutôt que d’une SDR à un centre de population; (2) le revenu total par SDR pour des types donnés d’entreprises rend compte de la disponibilité et de l’ampleur des services plutôt que de la taille de la population. Les données sur le revenu total proviennent du Registre des entreprises de 2012. Ces mesures, ou des variantes similaires, pourraient servir à préciser davantage l’indice d’éloignement ou à faire une distinction entre différents degrés d’éloignement dans le cas d’endroits très éloignés.

Introduction

La proximité et la présence d’agglomérations sont depuis longtemps considérées comme étant d’importants déterminants des possibilités socioéconomiques des régions. Même dans le contexte de la mondialisation, où les technologies des transports et des communications ont transformé de bien des manières la perception et la signification même de la distance, la proximité géographique demeure un déterminant reconnu des résultats socioéconomiques à l’échelon local.

C’est ce qui explique l’usage très répandu de différentes mesures opérationnelles de la proximité dans les domaines de la recherche appliquée et de l’analyse stratégique. Parmi les exemples les plus courants, on retrouve des mesures de l’éloignement par rapport aux activités économiques ou, à l’opposé, des mesures de l’accessibilité des activités économiques. De façon générale, ces mesures ont pour but de représenter les désavantages pouvant être associés à la distance par rapport aux points de service ou à l’absence d’agglomération. Des mesures de ce genre ont été utilisées dans le cadre d’analyses stratégiques et de l’exécution de programmes afin d’évaluer et, peut-être, de contrebalancer les conditions associées à un emplacement géographique donné.

Bien que des mesures variées aient été élaborées à un niveau local ou régional, il n’existe pas, dans le contexte canadien, de méthodologie ni de mesure pouvant s’appliquer à toutes les collectivités du pays. La présente étude vise à combler cette lacune. Elle présente la méthodologie de calcul d’un indice d’éloignement créé pour toutes les collectivités (subdivisions de recensement) du Canada où l’on a fait état de la présence d’une population au cours de l’année de recensement 2011 ou qui sont rattachées au réseau routier principal, ainsi que les résultats obtenus.

De pair avec cet indice, nous présentons les méthodes et les résultats ayant trait à un ensemble de mesures de l’accessibilité de certains services. Malgré le fait que ce projet de recherche était centré sur un indice d’éloignement, l’élaboration conceptuelle et méthodologique d’un tel indice dans le contexte canadien a mené à la spécification d’un ensemble de mesures auxiliaires de l’accessibilité de certains services.

La méthodologie proposée ici prend en compte les difficultés de calcul entourant la mise en œuvre d’un modèle général de calcul des indices, reposant sur le principe d’un modèle gravitationnel et utilisant des mesures de la distance et de la présence d’agglomérations à titre d’éléments d’entrée clés. En dépit de la complexité relative des calculs requis, le modèle est fondé sur une approche transparente et intuitive, qui peut facilement être communiquée aux utilisateurs et être mise à jour au fil du temps. De plus, il fait un usage parcimonieux des données d’entrée, organisées sous forme de matrice de mesures de proximité et d’un vecteur de mesures d’agglomération de population (éloignement) ou d’entreprises (accessibilité). Les résultats montrent la forte corrélation entre les deux ensembles de mesures (éloignement et accessibilité), ce qui va dans le sens de la perception générale selon laquelle les chiffres de population constituent une approximation raisonnable de l’accessibilité des services de base à l’échelle du Canada.

On constate que les méthodes utilisées dans cette analyse peuvent permettre de combiner des données de sources statistiques officielles et non officielles à des fins statistiques et analytiques. De fait, le cadre fait appel à des données de recensement et à des microdonnées du Registre des entreprises, combinées à des matrices de temps de déplacement produites au moyen de l’IPA Google Maps. Il serait certes possible de produire des matrices des distances à partir de sources statistiques officielles, mais, pour cette application particulière, l’utilisation de statistiques non officielles s’est révélée à la fois plus appropriée et plus souple.

Le document est organisé de la façon suivante : l’introduction est suivie d’une section où l’on résume les travaux consacrés au sujet, l’accent étant mis sur les indices appliqués dans différents domaines de recherche. La troisième section présente les concepts, les méthodes et les sources de données utilisées dans le cadre de l’analyse. La quatrième section fait état des résultats obtenus au moyen de l’indice d’éloignement et d’un ensemble de mesures de l’accessibilité de certains services. Cela est suivi de la conclusion, où l’on aborde les possibilités de perfectionnement du modèle actuel et d’application à d’autres domaines.

Revue de la littérature et applications existantes

Les concepts d’éloignement et d’accessibilité ont été utilisés dans des domaines de recherche variés, ce qui a conduit à l’établissement d’un large éventail d’approches conceptuelles et méthodologiques, sans que se dégage une définition universelle ou prépondérante dans la littérature. Dès lors, il est particulièrement ardu d’évaluer les approches méthodologiques pouvant être utilisées dans le contexte canadien.

Les travaux où il est question de l’éloignement et de l’accessibilité couvrent entre autres domaines la géographie, l’économie, la santé, les transports et, de façon plus générale, les études sociales portant sur les désavantages et les privations au niveau des populations. Il y a toutefois trois considérations qui ont facilité la revue de cette littérature.

En premier lieu, les concepts d’éloignement et d’accessibilité ont été utilisés de façon étroitement liée; parfois, ces deux termes étaient considérés comme synonymes, et parfois aussi on jugeait qu’il s’agissait des deux côtés de la même médaille. Cela dit, dans la mesure où l’on peut faire une distinction entre les deux concepts, on pourrait sans doute dire que l’« éloignement » a été utilisé de façon plus large et plus générale pour désigner l’isolement physique, tandis que le concept d’accessibilité a été employé principalement dans le domaine de la recherche sociale pour évaluer la disponibilité des services et les obstacles à l’accès aux services, et ce, bien souvent au niveau des particuliers. Le concept d’accessibilité est toujours envisagé sous l’angle de l’accès à quelque chose; c’est pourquoi il est utilisé pour déterminer la possibilité d’accès sous l’angle de la proximité géographique.

En deuxième lieu, il semble exister un continuum de méthodologies pour mesurer tant l’éloignement que l’accessibilité, depuis des mesures relativement simples jusqu’à des méthodes plus complexes qui font intervenir des analyses multivariées ou une combinaison d’approches qualitatives et quantitatives.

En troisième lieu, même s’il n’y a pas de chevauchement parfait entre le domaine et l’approche méthodologique, il semble exister dans chaque domaine des méthodologies de prédilection qui sont employées plus fréquemment.

Par conséquent, et au risque de simplifier outre mesure, nous présentons dans cette brève revue de la littérature les approches méthodologiques les plus couramment utilisées dans chaque domaine ainsi que certaines de leurs principales caractéristiques.

Bien que l’analyse spatiale constitue le thème qui sous tend à peu près tous les travaux de recherche sur l’éloignement et l’accessibilité, la géographie est sans contredit le domaine où se situe la plus grande partie de ces travaux. Sur le plan géographique, on a principalement envisagé l’éloignement en termes d’isolement physique et de distance par rapport aux agglomérations.

Dans l’approche géographique, on a généralement défini l’éloignement au moyen soit de paramètres environnementaux qui influent sur l’accès, par exemple l’éloignement physique par rapport aux centres de population, soit de paramètres géographiques qui influent sur l’accès aux services (Dunne et coll., 1999). Dans ces travaux, l’éloignement est défini en fonction de la distance géographique entre une unité spatiale (collectivité, secteur de recensement, etc.) et des centres d’activité. L’accent est mis principalement sur la manière dont la distance limite les possibilités d’interaction. En conséquence, le concept d’« éloignement » est généralement associé à l’isolement physique d’une collectivité ou d’une région.

Les indices australiens de l’éloignement et de l’accessibilité constituent les exemples les plus notables de ce genre de recherches au niveau national. Il existe à l’heure actuelle trois variantes de mesures de l’éloignement qui sont utilisées au niveau national en Australie : la classification dite « Rural Remote and Metropolitan Areas » (RRMA), l’« Accessibility/Remoteness Index of Australia » (ARIA) et l’« Australian Standard Geographical Classification » (ASGC) (AIHW, 2004). L’hypothèse qui sous-tend ces classifications est que l’éloignement peut être interprété, en termes géographiques, en fonction de l’accès à un ensemble de « services »^{Note 3}.

La classification RRMA est la plus ancienne des trois; son élaboration remonte à 1994, et elle est encore utilisée à des fins de recherche, de travaux stratégiques et de financement (DHA, 2005 et 2009). Cette classification fait appel à la taille de la population et à la distance directe calculée par rapport au centre de service le plus proche afin de déterminer sept catégories discrètes. La définition d’un centre de service repose sur des paramètres reliés à la taille de la population, la valeur seuil minimale pour déterminer l’existence d’un centre de service étant fixée à 5 000 habitants.

L’ARIA a été élaboré un peu plus récemment, sa diffusion remontant à 1997. Il a servi à établir une classification de localités en fonction d’une mesure continue de l’éloignement (valeur d’indice), et il présente une plus grande résolution géographique que la classification RRMA. La valeur de l’indice est calculée d’après la distance minimale par la route d’un endroit habité donné au centre de service le plus proche, défini comme étant une région urbaine comptant au moins 5 000 habitants. Aux fins d’évaluer l’offre de services, les centres de service ont été regroupés selon quatre catégories de population; la taille de la population du centre de service sert de mesure indirecte de la disponibilité des services. Les valeurs d’indice sont regroupées en cinq catégories : très accessible, accessible, modérément accessible, éloigné, et très éloigné.

L’ASGC est une classification de l’éloignement mise de l’avant en 2001 et fondée sur une version améliorée de l’ARIA, l’ARIA+ (AIHW, 2004). Différentes améliorations techniques ont été apportées, mais le cadre conceptuel central de la mesure, fondée sur la distance minimale par la route jusqu’à un centre de service, est demeuré similaire.

Les travaux économiques rattachés à l’analyse de l’éloignement mettent en lumière la différence entre l’éloignement et le simple concept de distance. Dans le cadre de l’analyse économique, l’accent est mis sur une mesure de la distance par rapport à de multiples centres d’activité économique (marchés de consommation et fournisseurs), et la plupart des études en question portent sur les échanges commerciaux internationaux (Battersby et Robert, 2005). Dans ces dernières, l’éloignement est incorporé à la modélisation de manière à évaluer son incidence sur les flux commerciaux et les obstacles aux échanges. Dans ce type de travaux de modélisation économique, le concept d’éloignement a été utilisé à titre de généralisation de celui de distance (Battersby et Robert, 2005; Duran Fernandez, 2008). Il s’ensuit que la mesure de l’éloignement ne constitue pas une mesure de la distance entre une paire de pays, mais plutôt un analogue multilatéral qui mesure la distance globale entre un pays et ses partenaires commerciaux potentiels (Duran Fernandez, 2008).

Dans la pratique, les indices issus de ces travaux sont définis comme étant la moyenne de la distance de chaque pays par rapport à tous les autres pays, pondérée par la réciproque du PIB, de sorte que la mesure de l’éloignement rende compte de l’importance potentielle des liens économiques d’un pays avec le reste de la planète (Frankel et Romer, 1999; Battersby et Robert, 2005). Par exemple, Borgatti (2008) utilise le concept d’éloignement dans le contexte de recherches sur les échanges commerciaux bilatéraux. L’éloignement est défini comme étant la distance pondérée moyenne entre deux pays, les coefficients de pondération reflétant la capacité d’absorption du pays partenaire.

Les spécifications techniques utilisées dans ces études varient dans une certaine mesure. Girma et Yu (2002) utilisent un indice d’éloignement (R) qui, relativement à un pays i, est le ratio de la distance entre ce pays i et le pays j au PIB du pays j (pour tout j non égal à i). Pour leur part, Evans et Hughes (2003) ont recours à une spécification similaire où l’indice d’éloignement (R) est défini comme étant la somme des ratios du PIB à la distance (pour tout j non égal à i), plus le ratio du PIB du pays i divisé par une mesure de la distance interne.

Dans la littérature économique, le concept d’éloignement a aussi été appliqué à des fins d’analyse microéconomique portant sur le désavantage économique au niveau des ménages. Dans ces études, l’éloignement sert de déterminant éventuel des résultats socioéconomiques, et il est conçu essentiellement en termes de distance et d’isolement, se manifestant sous forme de coûts de transaction élevés, par exemple le coût du transport d’un produit jusqu’à des marchés importants, en tenant implicitement compte du fait que le degré d’isolement peut être réduit grâce à des interventions du secteur public, par exemple l’expansion des infrastructures ou la fourniture de biens publics (Wu et Gopinath, 2008).

À titre d’exemple, Stifel et ses collaborateurs (2003) examinent le rapport entre l’éloignement (isolement) et l’existence d’un désavantage économique à Madagascar, à partir de données au niveau des ménages et des collectivités. Ils observent que la distance par rapport aux centres urbains ou aux marchés est en général la mesure de prédilection en ce qui touche l’isolement; dans leur analyse, ils élargissent la portée de cette mesure au moyen d’un indice d’éloignement, créé par suite d’une analyse factorielle de différentes mesures de l’isolement, l’information requise étant recueillie au moyen d’un recensement : distance des établissements de santé, des banques, des bureaux de poste, des établissements scolaires, des taxis, des tribunaux, des marchés d’intrants, des services de vulgarisation agricole et des vétérinaires, accès aux routes nationales ou provinciales, aux services publics, aux médias, et diverses mesures de l’accès aux transports.

Un autre volet important de la littérature pertinente se situe dans le domaine de la santé. Cette fois, l’accent est mis sur le concept d’accessibilité, plus particulièrement l’accessibilité des services de santé pour les collectivités ou les particuliers. Wakerman et Humphreys (2008) se penchent sur plusieurs définitions relatives aux pratiques en matière de santé dans les régions éloignées (ou rurales), soit en règle générale les pratiques en vigueur dans des collectivités situées au-delà d’une certaine distance par rapport à certains services (le seuil peut aussi être fondé sur le temps de déplacement). Différents indices de l’accessibilité ont été proposés dans ces travaux; l’une des caractéristiques communes de ces indices est que chacun d’eux mesure l’accès à un type de service particulier (hôpital, médecin, etc.), ce qui signifie essentiellement que l’on ne combine pas en une même mesure l’accessibilité de services qualitativement différents. L’une des premières études de ce genre est celle de Simon et ses collaborateurs (1979), qui ont élaboré un indice afin de mesurer l’accessibilité des services de santé dispensés à des patients externes dans un centre de santé donné (la Kaiser Community Health Foundation, située à Cleveland, en Ohio).

Luo et Wang (2003) ont eux aussi élaboré une méthode afin d’évaluer l’accessibilité des services de santé, méthode qui est devenue un point de référence dans ce domaine. Cette méthode des aires d’attraction flottantes à deux étapes (« two-step floating catchment area » ou 2SFCA) a été établie dans un environnement de SIG; elle mesure l’accessibilité spatiale sous forme de ratio des médecins de premier recours à la population. Plus précisément, on calcule le ratio des fournisseurs aux résidents à l’intérieur d’une région desservie dont le centre correspond à l’emplacement où se trouve le fournisseur, et on fait la somme des ratios pour les personnes habitant dans des régions où il y a chevauchement des services fournis par des fournisseurs différents. Cette méthode a inspiré d’autres travaux, certains auteurs en concevant des versions améliorées (Luo et Qi, 2009) ou encore des variantes (McGrail et Humphreys, 2009). Plus récemment, l’OCDE (2012) a examiné certaines mesures possibles de l’accès aux hôpitaux, qui reposent sur la densité des services fournis dans une région donnée ou sur le temps qu’il faut pour se rendre en véhicule automobile jusqu’à l’hôpital le plus proche (point de service unique).

Tout comme la santé, les transports constituent un autre domaine où des travaux ont été menés afin de mesurer l’accessibilité aux installations ou moyens de transport; cette fois, la mesure de l’accessibilité est axée sur un type de services précis, soit les services de transport (Bhat et coll., 2002; Pooler, 1995). L’analyse portera souvent sur les possibilités d’accès des gens à des services couramment utilisés (accessibilité), selon le principe qu’une plus grande accessibilité des systèmes de transports publics peut concourir à une plus grande viabilité du système de transports dans son ensemble.

À un niveau plus général, l’OCDE (2014) a passé en revue certains des concepts et des indicateurs possibles en ce qui touche l’accessibilité relativement à un large éventail de services. Là encore, le rapport fait état de mesures variées à l’échelon local, chacune pouvant fournir des renseignements sur une dimension particulière de l’accessibilité; toutefois, aucune ne peut servir de mesure générale de l’éloignement ou de l’accessibilité des services.

Concepts, méthodes et sources de données dans le contexte canadien

Cette section présente la méthodologie établie afin de calculer un indice canadien de l’éloignement ainsi qu’un ensemble auxiliaire de mesures de l’accessibilité de certains services. L’un des principaux défis entourant l’élaboration de tels indices consiste à assurer un juste équilibre entre, d’une part, les besoins des utilisateurs, qui sont susceptibles de former un large groupe, et d’autre part les contraintes techniques découlant de la complexité des calculs requis et des limites que peuvent présenter les données. C’est pourquoi on a défini et formulé explicitement un ensemble de principes directeurs applicables à l’indice élaboré, principes qui sont résumés dans la suite de ce rapport.

Il faut de nouveau souligner que la présente étude porte sur le concept d’éloignement et sur la mesure de l’éloignement. Le concept d’accessibilité et la mesure de l’accessibilité par rapport aux services se sont dégagés au fil de l’étude à titre de dimension conceptuelle intrinsèquement reliée à l’éloignement mais néanmoins distincte, et qui devrait être assortie d’un ensemble de mesures séparées. Par conséquent, la plupart des concepts et des méthodes décrits dans ce rapport sont centrés sur l’indice d’éloignement.

Au cours de l’analyse, plusieurs autres spécifications de chaque indice et de chaque mesure ont été testées, en fonction de plusieurs valeurs seuils applicables aux paramètres clés^{Note 4}. Le but était d’en venir à mieux comprendre la sensibilité des résultats à des spécifications et à des valeurs seuils différentes.

Critères d’orientation aux fins de la conception des indices

À la lumière de l’information recueillie lors de la revue de la littérature et des discussions tenues avec des utilisateurs éventuels, on a défini des critères concernant les caractéristiques et les spécifications souhaitables afin de choisir l’approche méthodologique idoine.

On a formulé trois caractéristiques à titre d’éléments nécessaires d’un indice d’éloignement :

• En premier lieu, l’indice devait permettre de couvrir l’ensemble du Canada, à une échelle géographique détaillée;
• En deuxième lieu, l’indice était envisagé à titre de mesure continue, par opposition aux mesures catégoriques;
• En troisième lieu, les concepts d’« éloignement » et d’« accessibilité » utilisés aux fins de l’indice se limitaient à la proximité physique, par opposition à d’autres dimensions ayant pour objet de prendre en compte les obstacles ou les distances d’ordre économique, social et culturel.

En ce qui concerne la robustesse conceptuelle des indices, on estimait que les méthodes prenant en compte la proximité de multiples points de service (ou agglomérations), de même que les différences dans la taille de la population de ces multiples points, présentaient un avantage conceptuel et étaient mieux adaptées à la géographie canadienne que celles qui tenaient compte de la proximité d’un unique point de service (ou d’une unique agglomération). On a donc privilégié les méthodes fondées sur une approche de modèle gravitationnel.

Par ailleurs, tout au long des travaux d’élaboration du projet, on a considéré que la transparence des méthodes de calcul constituait un aspect positif. De ce fait, on a laissé de côté les approches où il fallait combiner des mesures différentes sur le plan qualitatif (par exemple des types de services différents) pour établir un indicateur unique, en se fondant sur le jugement de spécialistes, des systèmes de pondération ou des méthodes statistiques plus complexes, comme des techniques de réduction de données ou des analyses multivariées. Cette décision reposait sur le fait que des calculs trop complexes peuvent avoir des répercussions sur le processus de calcul proprement dit, de même que sur la facilité de tenue à jour de l’indice et – plus important encore – sur l’intelligibilité des valeurs de l’indice du point de vue des utilisateurs.

On a aussi jugé qu’une utilisation parcimonieuse des données d’entrées constituerait un attribut souhaitable de l’indice, considérant les mises à jour futures et les possibilités d’adaptation de l’indice. Dès lors, les spécifications englobant un nombre relativement limité de variables ont été préférées à des spécifications plus complexes découlant d’analyses multivariées.

Enfin, on a pris en considération la facilité et le coût de la mise à jour future de l’indice. On visait à générer un produit dont la tenue à jour nécessiterait un processus relativement simple consistant à mettre à jour les ensembles de données clés, puis à exécuter de nouveau les codes de programme, à partir de données d’entrée mises à jour à intervalles réguliers et facilement accessibles à un coût relativement bas, de concert avec des codes de programme entièrement documentés.

Définitions des concepts géographiques

Compte tenu des données requises et de l’objectif consistant à élaborer une mesure couvrant l’ensemble du pays à une échelle géographique détaillée, l’unité géographique convenant le plus est la subdivision de recensement (SDR). Une SDR est une unité géographique administrative qui est une municipalité ou une région jugée équivalente à des fins statistiques (par exemple, une réserve indienne ou un territoire non organisé^{Note 5}). En raison de cette correspondance avec une entité administrative (municipalité), les SDR constituent l’unité territoriale la plus souvent utilisée aux fins des indicateurs devant servir à des fins d’analyse stratégique ou d’exécution de programmes au niveau local.

Le fichier des limites des SDR est mis à jour pour chaque cycle du recensement, qui se déroule tous les cinq ans. La présente analyse est fondée sur la version la plus récente, soit le fichier des limites du Recensement de 2011, qui divise l’ensemble du territoire canadien en 5 253 SDR. L’indice et les mesures présentées dans ce rapport s’appliquent à toutes les SDR du Canada où l’on a fait état d’habitants en 2011 ou qui sont rattachées au réseau routier principal. On a ainsi produit une valeur d’indice pour 5 211 SDR.

En raison de l’importance accordée au concept de centre de service tel qu’il est défini dans la littérature spécialisée et dans les applications existantes, un deuxième concept géographique a été utilisé pour le calcul de l’indice d’éloignement, soit celui de centre de population (CTRPOP). Cette expression désigne une région ayant une population d’au moins 1 000 habitants et une densité de population d’au moins 400 habitants au kilomètre carré^{Note 6}. Ainsi, pour calculer l’indice d’éloignement, on combine la couche géographique correspondant aux SDR et celle correspondant aux centres de population. Pour des raisons pratiques, les mesures de l’accessibilité ont été calculées en utilisant uniquement la couche géographique correspondant aux SDR (des explications plus détaillées sont fournies dans la suite du rapport). Il faut bien préciser que tous les résultats sont totalisés au niveau des SDR, tandis que les données au niveau des CTRPOP et la couche géographique correspondante servent uniquement à des fins de calcul.

Aux fins de la présente analyse, les SDR peuvent être classées dans deux catégories : les unités reliées à un centre de population à partir du réseau routier national, incluant les services de liaison par transbordeur, et celles qui ne sont pas reliées à un centre de population par ce réseau. Cette distinction a d’importantes conséquences méthodologiques en ce qui a trait à la manière dont la proximité entre unités peut être mesurée, point qui sera commenté à la section suivante.

La carte 1 fait état de l’emplacement géographique de SDR ayant des types d’infrastructures de transport différents, plus précisément les SDR reliées au réseau routier principal et celles qui ne le sont pas (selon un regroupement en trois grandes catégories). On compte 149 SDR où la présence d’habitants a été déclarée en 2011 et qui n’étaient pas reliées à un centre de population à partir du réseau routier principal, incluant les services de liaison par transbordeur^{Note 7}. Certaines de ces unités géographiques ne sont accessibles que par voie aérienne; pour d’autres, on aura recours à une combinaison de moyens de transport, comme des vols réguliers, des vols affrétés, le chemin de fer, des services de transbordeurs réguliers ou des bateaux affrétés. Aux fins de la présente analyse, toute SDR n’ayant pas accès pendant toute l’année à un centre de population à partir du réseau routier principal était désignée à titre de collectivité non reliée au réseau routier principal.

Carte 1 Collectivités et type d’infrastructure de transport (rattachement ou non au réseau routier principal), Canada

Proximité – Points représentatifs et unité de mesure

Les méthodes ayant servi à définir et à mesurer la « proximité » constituent un élément central de la présente analyse. Même si l’analyse porte uniquement sur le concept de proximité spatiale, nombre d’unités de mesure pourraient être utilisées (comme la distance par rapport au réseau, le temps de déplacement et le coût de déplacement). On pourrait aussi choisir entre différentes approches pour déterminer les points représentatifs à partir desquels la distance peut être calculée. Voici une description des méthodes utilisées dans cette analyse.

Point représentatif correspondant à une SDR

Pour mesurer la proximité géographique, il faut transformer une surface géographique continue et bidimensionnelle en un ensemble de points discrets à partir desquels on peut mesurer la distance, ce que l’on a fait en établissant des points représentatifs pour chaque unité géographique prise en compte dans l’analyse, c’est-à-dire chaque centre de population et chaque SDR.

La méthode la plus simple pour définir un point représentatif dans une région géographique donnée consiste à produire des centroïdes géographiques situés au centre géographique d’un polygone représentant la région en question. Cette méthode a servi à déterminer les points représentatifs des centres de population, qui sont par définition des régions où la densité de population est relativement élevée et dont la superficie est relativement petite.

Cependant, pour les grandes unités administratives, et tout particulièrement pour les grandes SDR, un centroïde géographique pourrait être situé loin de l’endroit où réside la plus grande partie de la population, ainsi qu’à bonne distance de l’infrastructure de transport, ce qui peut en retour donner lieu à une mesure fortement erronée de la distance. C’est pourquoi, en règle générale, le point représentatif de chaque SDR a été situé dans la partie la plus peuplée de la SDR, et toujours à proximité d’une route importante; dans le cas des SDR non reliées à un centre de population par le réseau routier, on a pris en compte de façon similaire l’emplacement des gares ferroviaires, des ports maritimes ou des aéroports.

On peut présenter de façon plus précise la méthodologie de calcul du point représentatif au moyen des trois cas types suivants.

Le premier cas type a trait aux SDR comptant au moins un centre de population ou des régions où l’on retrouve une forte densité d’habitants ou de logements (plus de 400 habitants au kilomètre carré) ainsi qu’une population supérieure à un seuil minimum (au moins 1 000 habitants). Pour ce type de SDR, le point représentatif est situé au milieu du centre de population le plus important, et à une distance ne dépassant pas 100 mètres d’une route importante ou d’une autoroute. La Carte 2, qui représente la ville de Gatineau (Québec) donne un exemple d’un tel cas.

Carte 2 Exemple de point représentatif : SDR de type 1

Le deuxième cas type correspond aux SDR comptant une ou plusieurs petites grappes de logements (entre 100 et 400 habitants au kilomètre carré), dont aucune n’atteint le seuil correspondant à un centre de population^{Note 8}. Dans une telle SDR, le point représentatif est situé au centre de la plus importante grappe de population, et à une distance ne dépassant pas 100 mètres d’une route importante ou d’une autoroute. La Carte 3 – Exemple de point représentatif : SDR de type 2 donne l’exemple de la SDR de South Glengarry (Ontario), qui correspond à ce type (population totale de 13 162 habitants en 2011, et densité moyenne de 22 habitants au kilomètre carré).

Carte 3 Exemple de point représentatif : SDR de type 2

Le troisième cas type comprend les SDR où il n’y a pas de grappes de population. Dans les régions très éloignées, certaines SDR n’ont pas de population permanente, ou leurs habitants sont très dispersés, la densité de population étant inférieure à 100 habitants au kilomètre carré. Dans une telle SDR, le point représentatif est situé au centre géographique du polygone, à une distance d’au plus 100 mètres d’une route importante ou d’une autoroute. S’il n’y a pas de route dans la SDR, le point représentatif est situé à proximité d’un aéroport, d’une gare ferroviaire ou d’un port maritime^{Note 9}. La Carte 4 présente à titre d’exemple la SDR de Squamish-Lillooet A (Colombie-Britannique), qui comptait 224 habitants au total en 2011 et dont la densité de population moyenne était de 0,1 habitant au kilomètre carré).

Carte 4 Exemple de point représentatif : SDR de type 3

Unité de mesure de la distance

On mesure la proximité entre les points représentatifs de chaque unité territoriale. À cette fin, trois unités de mesure ont été examinées : la distance via le réseau, le temps de déplacement, et le coût de déplacement. De manière à produire un indice d’éloignement continu pour toutes les SDR, le coût de déplacement a été utilisé à titre de mesure commune de la proximité. Les raisons expliquant ce choix et les méthodes de calcul utilisées sont présentées dans la présente section.

Si toutes les collectivités disposaient d’infrastructures de transport d’un type et d’une qualité similaires (en règle générale, l’accessibilité aux routes), l’unité de mesure choisie pour cette analyse serait à peu près sans importance. La distance pourrait être établie selon n’importe quelle unité de mesure, et la conversion dans d’autres unités de mesure serait en grande partie une question de transformation fonctionnelle au moyen de coefficients de conversion représentatifs.

Mais, dans la réalité, le type et la qualité des infrastructures de transport varient de façon marquée d’une SDR à l’autre. La différence se situe principalement entre les collectivités reliées à un centre de population par le réseau routier (ou un service de transbordeur régulier) et celles qui ne disposent pas d’un tel lien au moyen du réseau routier (en général des collectivités accessibles par avion).

Dans le cas des collectivités disposant d’infrastructures de transport similaires et reliées à un réseau routier, tant la distance via ce réseau que le temps de déplacement fournissent une approximation acceptable de la proximité. Toutefois, les essais effectués laissent penser que le temps de déplacement donne une représentation plus exacte de la proximité, surtout lorsque l’itinéraire le plus court (ou le seul itinéraire) comporte des transbordeurs ou des routes dont la qualité varie.

Par exemple, si l’on mesure la proximité entre les points représentatifs correspondant à Ottawa et Montréal en fonction de la distance via le réseau routier (au moyen de l’IPA Google Maps), le résultat est de 195 km; le temps de déplacement correspondant est de deux heures et douze minutes (à une vitesse moyenne de 88,6 km/h). Si l’on prend Vancouver et Victoria, la distance via le réseau routier est de 106 km et le temps de déplacement, de deux heures et cinquante-quatre minutes (à une vitesse moyenne de 36,6 km/h, qui tient compte de la partie de l’itinéraire à franchir par transbordeur). Dès lors, le temps de déplacement fournit une représentation plus exacte de la « distance » effective séparant des collectivités dans le contexte de la présente analyse.

Par contre, le temps de déplacement n’est pas un paramètre viable si l’on compare des collectivités dont les infrastructures de transport présentent des différences importantes – plus précisément des collectivités reliées au réseau routier et d’autres qui ne le sont pas. Dans de tels cas, le temps de déplacement peut donner des résultats trompeurs. Ainsi, une collectivité accessible par avion peut être située à moins de deux heures de déplacement d’un grand centre de population, mais le coût pour se rendre à cette collectivité ne saurait se comparer au coût requis pour se rendre au même centre de population depuis une collectivité similaire se trouvant à deux heures de distance par la route. Le moyen de transport entraîne une différence notable sur le plan des possibilités et des résultats socioéconomiques éventuels.

Étant donné que l’indice d’éloignement était censé rendre compte des conditions socioéconomiques d’une collectivité, le coût de déplacement a été utilisé comme mesure commune de la proximité pour toutes les SDR au Canada. Les calculs des coûts de déplacement utilisés dans cette analyse reposent sur le coût de déplacement d’un particulier entre deux endroits avec le moyen de transport le plus accessible et le plus économique. Toutes les valeurs relatives au temps de déplacement ont été converties en un coût pour les collectivités reliées à un centre de population par le réseau routier; pour ce qui est des collectivités non reliées à un centre de population via le réseau routier, le coût de déplacement d’un particulier a été déterminé à partir de sources variées^{Note 10}.

Lorsque la SDR compte au moins un centre de population accessible par la route ou grâce à un service de transbordeur régulier, la durée du déplacement est convertie en coût d’après le coût moyen d’utilisation d’un véhicule automobile au Canada (Association canadienne des automobilistes, 2012)^{Note 11}. La valeur de 0,17 $ le kilomètre est fondée sur le coût annuel moyen d’utilisation (y compris l’essence) d’une automobile de taille moyenne parcourant 18 000 kilomètres par année. À partir du temps de déplacement déterminé au moyen de l’IPA Google Maps selon une vitesse moyenne de 80 km/h, cela correspond à 13,60 $ l’heure de déplacement. On a fixé un seuil de 200 kilomètres ou de deux heures et demie à titre de limite pour avoir accès à des services sur une base quotidienne, ce qui, une fois converti en coût de déplacement routier, donne 34,00 $ (13,60 l’heure multipliés par 2,5).

On a examiné d’autres approches pour ce qui est des SDR non reliées à un centre de population par le réseau routier ou un service de transbordeur régulier. D’abord, chacune de ces SDR a été classée en fonction des moyens de transport disponibles. De pair avec chaque moyen de transport, on a choisi le centre de population le plus proche ou le plus accessible. Le coût à prévoir pour un particulier se déplaçant d’un point à un autre, y compris les taxes applicables, a été déterminé d’après les moyens de transport commerciaux disponibles. Pour les segments où il y avait plus d’un moyen ou d’une solution de transport (p. ex., train ou avion, ou services de transport aérien offerts par plus d’une société), on a retenu le moyen de transport dont le coût était le plus bas.

Dans certaines SDR comptant peu d’habitants, il n’y a pas de service régulier (par avion ou par bateau); il faut alors opter pour des bateaux ou des avions affrétés. En lieu et place de la collecte de renseignements sur tous les coûts existants pour les vols affrétés – renseignements qui ne sont généralement pas disponibles en ligne –, un modèle linéaire simple a été utilisé pour convertir les distances linéaires en coûts. Ce modèle a été calculé en utilisant le coût au kilomètre dans un ensemble (n=184) de SDR isolées où l’on offre un service de transport aérien régulier vers un centre de population (les données sur les coûts en question ont été obtenues en date de janvier 2013). Par exemple, le coût entre la SDR x et le CTRPOP y, qui sont distants de 300 kilomètres (distance linéaire) est de 273 $, ce montant estimatif étant obtenu au moyen de l’équation linéaire suivante : coût = 0,7684 * km + 42,178. Ce calcul peut être peaufiné dans le contexte d’applications données ou pour des cas particuliers, lorsque des renseignements plus détaillés sont fournis ou lorsque les conditions de transport sur place changent^{Note 12}.

Données d’entrée – Sources statistiques officielles

Il y a deux sources principales de statistiques officielles qui sont utilisées dans la présente analyse. Les chiffres de population tirés du recensement servent à produire l’indice d’éloignement, et des microdonnées sur les entreprises provenant du Registre des entreprises sont utilisées pour calculer les mesures de l’accessibilité.

Les données sur la population totale des centres de population en 2011, selon les chiffres du Recensement de la population de 2011, font partie des données d’entrée clés servant au calcul de l’indice d’éloignement^{Note 13}. Il faut toutefois mentionner que des renseignements démographiques complémentaires ont été utilisés pour 31 SDR qui n’ont été que partiellement dénombrées lors du Recensement de la population de 2011. On a eu recours à d’autres sources de données concernant les chiffres de population, notamment les données sur la population indienne inscrite publiées sur le site Web « Profils des Premières nations » d’AADNC, les chiffres de population du Recensement de 2006, les données du ministère des Affaires municipales, des Régions et de l’Occupation du territoire du Québec, les sites Web des collectivités ainsi que des études publiées dans le cadre du programme de prévention du diabète ou à la suite de projets d’évaluation environnementale^{Note 14}.

En ce qui touche le calcul des mesures de l’accessibilité, la présence de services est mesurée d’après les données du Registre des entreprises (RE)^{Note 15}. Le RE sert de source de données centrale et constitue un répertoire d’entreprises uniforme, à jour et de portée nationale. Le codage des établissements figurant au RE repose sur le concept d’activité commerciale principale selon le Système de classification des industries de l’Amérique du Nord (SCIAN).

La version de 2012 du SCIAN pour le Canada a été utilisée aux fins de la présente analyse. Certains codes du SCIAN ont servi à déterminer les services d’intérêt dans le cadre de l’analyse. Le codage spatial des établissements est fondé sur la classification géographique type tenue à jour par Statistique Canada. Le lien entre un établissement donné et son emplacement est déterminé au moyen d’une adresse, d’un code postal ou de l’identificateur de subdivision de recensement.

En complément de ces deux sources de données, le fichier du réseau routier pour l’année de recensement 2011 a servi à déterminer les points représentatifs des subdivisions de recensement, ainsi que cela a été décrit à la section précédente. Les fichiers du réseau routier sont des représentations numériques du réseau routier national du Canada, et ils sont disponibles sans frais sur la page Web de Statistique Canada^{Note 16}.

Données d’entrée – Sources statistiques non officielles

La distance de déplacement et le temps de déplacement ont été calculés avec l’IPA Distance Matrix de Google Maps; l’application Google Maps tient à jour le réseau routier du Canada et du reste du globe, ce qui sert de point de référence pour les calculs de la distance sur le réseau et du temps de déplacement entre un point d’origine et un point de destination. Le réseau routier comprend en outre des catégories fondées sur le type de route, la vitesse permise et le type de revêtement. Le réseau comprend les transbordeurs fournissant des services réguliers pour relier au réseau principal les collectivités établies sur des îles.

Dans la présente analyse, l’IPA Distance Matrix de Google Maps s’est révélée être une source d’information plus efficace que le fichier du réseau routier tenu à jour par Statistique Canada. On a eu recours à un codage en langage de programmation Python pour soumettre des lots de coordonnées géographiques de paires de points représentatifs^{Note 17}. L’IPA a produit des données sur le temps de déplacement et la distance de déplacement pour chaque paire de coordonnées. Ainsi que cela a été indiqué à la section précédente, le temps de déplacement a fourni une mesure plus exacte de la proximité, car il rend compte des différences touchant la qualité du réseau routier et la présence éventuelle de segments de l’itinéraire où il faut utiliser un transbordeur, dont la vitesse moyenne est beaucoup plus basse que sur les routes.

Pour l’ensemble des paires de SDR et de CTRPOP situés en deçà de la distance limite de 200 kilomètres, il a fallu calculer environ 250  000 durées et distances de déplacement, tandis que la matrice des distances complète pour toutes les paires comprenait quelque 5 millions de points de données. Dans le cas des durées et des distances entre paires constituées uniquement de SDR situées à l’intérieur de la distance limite de 300 kilomètres, on a dû calculer 2,4 millions de points de données environ, et la matrice des distances complète entre paires de SDR englobait approximativement 14 millions de points de données.

Le temps de déplacement obtenu au moyen de l’IPA Distance Matrix de Google Maps constitue un paramètre d’entrée clé dans le calcul de la mesure de la proximité. D’autres sources statistiques non officielles ont également été utilisées. Les données sur les infrastructures de transport ont été compilées à partir de la version de novembre 2010 du Supplément de vol – Canada de NAV Canada. Concernant le coût de transport pour les collectivités non rattachées au réseau routier principal, des données ont été recueillies sur différents sites Web contenant des renseignements sur le coût des vols ou le coût des services de transbordeurs réguliers^{Note 18}.

Modèle de calcul

La spécification d’un modèle général selon le principe d’un modèle gravitationnel et en tenant compte de la possibilité qu’il existe de multiples points d’accès et de service a constitué le point de départ pour le modèle de calcul.

La mesure générale de l’éloignement/accessibilité (RA) pour le point de référence i peut être exprimé comme étant la somme de la taille d’une agglomération au point de service (Ak) divisée par une mesure de la distance (D) entre le point de référence i et le point de service k, pour toute valeur de D inférieure ou égale à une valeur seuil donnée (x), une valeur de distance minimale hypothétique (z) étant utilisée lorsque le point représentatif et le point de service sont les mêmes. En termes mathématiques, on peut l’exprimer ainsi :

Conditions :

$pourtout{D}_{i,k}<x;$
$D_{i,k}=z ifi=k$

Le modèle de calcul a été exécuté dans SAS, et des fichiers de programme documentés peuvent être obtenus sur demande auprès des auteurs. Conformément à l’approche entourant cette spécification générale, les spécifications et les valeurs seuils suivantes ont été utilisées pour le calcul de l’indice d’éloignement et des mesures de l’accessibilité.

Indice d’éloignement

L’indice d’éloignement d’une SDR est déterminé au moyen de deux paramètres clés : (1) la proximité de tous les centres de population (CTRPOP) à l’intérieur d’un rayon donné, assurant l’accessibilité sur une base quotidienne; (2) la taille de la population dans chaque centre de population, qui sert d’approximation de la disponibilité des services.

Le modèle de calcul prend en compte tous les centres de population situés à proximité de la SDR de référence (par opposition au centre le plus proche où l’on retrouve une taille de population donnée), car chaque centre de population peut constituer un endroit où des services sont disponibles (point d’offre de services) et pourraient être utilisés par les résidents des collectivités voisines.

Dans la perspective d’un modèle gravitationnel, on peut décrire l’indice d’éloignement d’une collectivité i comme étant la somme de la taille des centres de population (POP) accessibles aux résidents de la collectivité i, divisée par une mesure de la proximité (coût de déplacement C) de chaque centre de population relativement à cette même collectivité, et ce, pour tous les centres de population à l’intérieur d’un temps de déplacement T de 150 minutes, ou deux heures et demie, par rapport à la collectivité. En termes formels, le modèle de calcul suivant est appliqué (avec les conditions connexes) :

Conditions :

1. $Po{p}_k/C_{i,k}=0$ , pour tout $T_{i,k}$ > 150 minutes;
2. $C_{i,k}=C_{i,closest}$ ; s’il n’y a pas de CTRPOP à l’intérieur de h $T_{i,k}$ < 150 minutes et si i est reliée au réseau routier principal;
3. $C_{i,k}$ = $3if i = k or if $T_{i,k}$ < 3.75 minutes.

La condition a. limite l’éventail d’interactions pour que cela corresponde de façon générale à une fourchette en dehors de laquelle le nombre de navetteurs quotidiens approche de la valeur zéro. La condition b. garantit que chacune des 255 SDR reliées à un centre de population par le réseau routier principal mais situées à plus de 150 minutes du centre le plus proche compte néanmoins un point d’accès (soit le centre de population le plus proche). La condition c. fait en sorte que la taille du centre de population de chaque SDR est prise en compte dans les calculs lorsque deux points représentatifs se chevauchent ou sont très proches l’un de l’autre; la valeur de 3 $ est réputée constituer le coût représentatif minimum aux fins de la présente analyse.

Les données d’entrée et les calculs sont compilés dans un environnement matriciel. On utilise deux matrices des entrées : (1) la matrice SDR-CTRPOP (5 253x942), qui contient l’information sur le coût de déplacement entre les points représentatifs des SDR et les centres de population; (2) la matrice des vecteurs de CTRPOP (942), qui contient les chiffres de population totaux des centres de population.

Mesures de l’accessibilité

Le concept de l’accessibilité des services est cerné au moyen d’un ensemble de mesures de l’accessibilité de certains services et établissements ou installations. La méthodologie rattachée à ces mesures est similaire à celle présentée à la section précédente pour l’indice d’éloignement, quoiqu’il y ait quelques différences importantes.

Contrairement à l’indice d’éloignement, où l’on calcule la distance par rapport à un centre de population, c’est la distance entre SDR qui est utilisée pour mesurer l’accessibilité. Ce choix tient au fait que l’utilisation des CTRPOP à titre de niveau géographique risquait d’entraîner l’exclusion de certaines entreprises situées à l’extérieur des limites des centres de population, ce qui aurait pu donner lieu à une sous-estimation de l’offre de services aux collectivités avoisinantes. On estimait généralement que les microdonnées du Registre des entreprises (RE) présentaient un degré d’exactitude géographique plus élevé au niveau des SDR qu’à celui des centres de population; c’est pourquoi la mise en correspondance des données du RE a été effectuée au niveau des SDR.

Dans le même ordre d’idées, et considérant la nature particulière de la mesure, soit l’accès à un service donné, les collectivités non reliées au réseau routier et où l’on n’avait pas fait état de la présence du service en question dans leur propre SDR ont été désignées à titre de collectivités n’ayant « aucun accès direct » au service.

Cela signifie que, avec cette spécification des mesures de l’accessibilité, il n’était pas nécessaire d’estimer le coût de déplacement dans les cas des collectivités sans accès; de la sorte, le coût de déplacement pouvait correspondre à une transformation linéaire simple du temps de déplacement calculé avec l’IPA Distance Matrix de Google Maps.

Aux fins des mesures de l’accessibilité, on utilise le revenu brut total (RevTot) au niveau de la SDR pour des entreprises données, regroupées selon leur code du SCIAN; ainsi, le revenu total sert à mesurer la présence et l’importance de l’offre de services^{Note 19}. Cette mesure de l’agglomération est divisée par le temps de déplacement entre SDR (avec la spécification décrite précédemment, on obtiendrait les mêmes résultats à partir du coût de déplacement), et ce, pour toutes les SDR où l’on peut se rendre à l’intérieur de 150 minutes. En termes formels et avec la même notation que pour l’équation précédente, le modèle de calcul suivant est appliqué (avec les conditions connexes) :

with the following conditions:

1. $TotRe{v}_k/T_{i,k}$ = 0, pour tout $T_{i,k}$ > 150 minutes;
2. $T_{i,k}=T_{i,closest}$ ; s’il n’y a pas de CTRPOP, que $T_{i,k}$ < 150 minutes et que i est reliée au réseau routier principal;
3. $C_{i,k}$ = $3 if i = k ou if $T_{i,k}$ < 3.75 minutes (ou approximativement 5 km).

Tout comme pour l’indice d’éloignement, ces conditions visent les fins suivantes : a) prendre en compte uniquement les interactions à l’intérieur de distances de navettage quotidien plausibles, soit moins de 150 minutes de temps de déplacement; b) s’il n’y a pas de services à moins de 150 minutes de temps de déplacement, mais que la SDR est reliée au réseau routier principal, les données relatives à la SDR la plus proche qui fait état de revenus pour le groupe du SCIAN considéré sont utilisées pour effectuer le calcul; c) la présence d’entreprises au sein de la collectivité est prise en compte aux fins de l’index, au moyen d’une valeur de proximité imputée.

Cette spécification de la mesure de l’accessibilité met l’accent sur l’offre et tient compte implicitement des économies d’échelle pouvant être associées à la prestation de services. Prenons l’exemple de services médicaux : un grand hôpital disposera normalement de davantage de services spécialisés, de matériel et de professionnels de la santé qu’un hôpital de plus petite taille. De même, et en particulier au chapitre de l’accès à des services fournis par le secteur privé (p. ex., services du commerce de détail), à partir du moment où plusieurs choix s’offrent et où il existe une masse critique de services à proximité, la qualité de ces services sera probablement meilleure que si les services peuvent être obtenus à un seul endroit.

Les données d’entrée sont compilées et les calculs sont effectués dans un environnement matriciel. On utilise deux matrices des entrées : (1) la matrice SDR-SDR (5 253x5 253), qui contient l’information sur le coût de déplacement entre les points représentatifs des SDR; (2) la matrice des vecteurs du RevTot (5 253), qui contient le revenu brut total de groupes donnés du SCIAN au niveau des SDR.

Rééchelonnage des valeurs des indices

Les valeurs initiales de l’indice d’éloignement et des mesures de l’accessibilité sont rééchelonnées selon une échelle de 0 à 1. La procédure consiste à normaliser ces valeurs initiales de la façon suivante :

Il convient de préciser que, pour l’indice d’éloignement, 0 correspond à la valeur d’éloignement minimale et 1, à la valeur maximale. À l’inverse, pour les mesures de l’accessibilité, après le rééchelonnage, 0 correspond à la SDR pour laquelle la valeur d’accessibilité à l’égard d’un service donné est la plus basse et 1, à la SDR pour laquelle cette valeur est la plus élevée.

Dans le but de faciliter l’interprétation des résultats, lorsque les mesures de l’éloignement et de l’accessibilité sont représentées sur un même graphique, le complément de la valeur originale de mesure d’accessibilité est utilisée (c’est-à-dire, 1 – valeur originale). Ainsi, la mesure de l’accessibilité peut être recadrée afin de représenter l’absence d’accès, la valeur 0 représentant alors la SDR où les conditions d’accès au service sont les meilleures et 1, la SDR où l’accès au service est le plus restreint.

Résultats

Des valeurs d’indice ont été calculées pour toutes les SDR canadiennes où l’on a fait état d’une population en 2011 (ou celles sans population mais reliées au réseau routier principal); la base de données ainsi obtenue comportait des valeurs d’indice pour 5 211 des 5 253 SDR que l’on retrouvait au Canada en 2011. Cette base de données peut être obtenue sur demande auprès des auteurs. L’indice d’accessibilité a été calculé pour certains services, et des exemples illustrant les résultats obtenus au moyen de cette méthodologie sont présentés dans la suite du rapport. Le même modèle pourrait être utilisé pour une multitude de types de services, définis au moyen de regroupements personnalisés de codes du SCIAN.

La section qui suit présente la distribution statistique et spatiale des valeurs d’indice. On y expose aussi le rapport entre l’indice d’éloignement et les mesures de l’accessibilité, de même que le rapport entre les valeurs de l’indice d’éloignement et certaines des classifications géographiques types utilisées au Canada.

Indice d’éloignement

La Figure 1 et la Figure 2 présentent la fréquence et la distribution ordonnée des valeurs de l’indice relativement à toutes les SDR pour lesquelles l’indice est calculé, tandis que la Carte montre la distribution spatiale de ces mêmes valeurs. Chaque point que l’on retrouve sur la carte est le point représentatif d’une SDR. De même, à la Figure 2, chaque point représente une valeur relative à une SDR. Si l’on revient à la carte, les cercles plus grands sont l’indication de collectivités qui ne sont pas reliées à un centre de population par le réseau routier.

Il ressort clairement de l’examen de la carte que le profil spatial reflète assez étroitement le profil des agglomérations métropolitaines dans l’ensemble du Canada. La valeur de l’indice d’éloignement augmente à mesure que l’on passe des zones pales aux zones foncées. Donc, comme l’on pouvait s’y attendre, la valeur de l’indice tend à augmenter à mesure que l’on s’éloigne des grandes régions urbanisées.

Les valeurs d’indice les plus basses sont enregistrées au niveau des régions les plus urbanisées du sud de l’Ontario et du sud du Québec. Cela tient au fait que les collectivités que l’on retrouve dans ces régions sont situées à proximité de certaines des plus grandes agglomérations métropolitaines du pays, et qu’il y a en outre une forte concentration de petites villes et de villes de taille moyenne, ce qui peut faciliter l’accès à un large éventail de services dans une optique de développement social et économique.

L’examen du profil de distribution des fréquences à la Figure 1 et des points d’inflexion de la courbe de distribution à la Figure 2 permet de faire certaines constatations pertinentes. D’abord, il n’y a pas de point de rupture important dans la distribution des valeurs de l’indice; autrement dit, la courbe est relativement lisse. Néanmoins, les points d’inflexion de la courbe donnent un aperçu de valeurs critiques potentielles de l’indice, valeurs que l’on pourrait envisager d’utiliser dans le cadre de la transformation subséquente de l’indice continu en valeurs catégoriques représentatives.

La pente de la courbe de distribution s’accentue sous une forme concave dirigée vers le bas, jusqu’à une valeur d’indice d’environ 0,15, puis elle atteint un plateau localisé autour de cette valeur (concentration de SDR correspondant à peu près à cette valeur). Il y a 773 SDR pour lesquelles la valeur de l’indice se situe entre 0 et 0,15 (inclusivement), soit 15 % des SDR à l’égard desquelles l’indice a été calculé. La grande majorité d’entre elles sont situées dans le sud de l’Ontario, du Québec et de la Colombie-Britannique, à l’intérieur ou à proximité des principales régions métropolitaines du Canada^{Note 20}.

Lorsque la valeur de l’indice dépasse 0,15, la pente de la courbe atteint un petit palier, et un autre segment s’accentue sous une forme concave dirigée vers le bas, jusqu’à une valeur d’indice de 0,40 environ. On retrouve 2 665 SDR dont l’indice d’éloignement se situe entre 0,16 et 0,40 (inclusivement), ce qui représente 51 % des SDR. Au-delà de la valeur de 0,40, la pente de la courbe de distribution présente un point d’inflexion et s’accentue sous une forme convexe jusqu’à la borne supérieure de l’indice, c’est-à-dire une valeur de 1,00. Au total, 1 772 SDR ont un indice d’éloignement se situant entre 0,41 et 1,00 (inclusivement), soit 34 % des SDR pour lesquelles l’indice d’éloignement a été calculé.

Carte 5 Distribution spatiale de l’indice d’éloignement, toutes les SDR du Canada

L’une des questions les plus pertinentes au regard de cet indice a trait à son interprétation par rapport à d’autres concepts géographiques types courants. L’examen de cette question peut en outre permettre de faire d’autres observations au sujet des points de rupture pertinents de la mesure continue.

Le Tableau 1 est un tableau croisé des statistiques relatives à l’indice d’éloignement selon la Classification des secteurs statistiques (CSS) (géographie du Recensement de 2011). La CSS regroupe les SDR en huit catégories selon qu’elles font partie d’une région métropolitaine de recensement (RMR), d’une agglomération de recensement (AR) ou d’une zone d’influence métropolitaine de recensement (ZIM)^{Note 21}. Cette classification s’applique à toutes les SDR du Canada..

Ce tableau met en lumière deux points pertinents. D’abord, l’examen de la valeur moyenne de l’indice selon les catégories de la CSS montre que la valeur moyenne affiche une hausse relativement lisse lorsque l’on passe des SDR situées à l’intérieur de RMR à des SDR qui sont situées dans les territoires et à l’extérieur des AR. La seule exception est la moyenne pour les SDR situées dans des AR où l’on ne retrouve pas de secteur de recensement (0,32), qui est plus élevée (ou indique un plus grand éloignement en moyenne) que la valeur moyenne pour les SDR dans la catégorie de zone d’influence métropolitaine forte (0,24) et pour celles dans la catégorie de zone d’influence métropolitaine modérée (0,31). L’autre point est que la variabilité entourant ces moyennes augmente de façon similaire lorsque l’on passe des SDR situées dans les RMR à celles situées dans les territoires; là encore, la principale exception a trait aux valeurs relatives aux SDR situées dans les AR qui ne comptent pas de secteur de recensement.

Les nuages de points dans la Figure 3 et la Figure 4 mettent encore mieux en lumière le rapport entre les valeurs de l’indice d’éloignement et les catégories de la CSS. Chaque graphique de ces figures montre la distribution des valeurs de l’indice pour chacune des huit catégories de la CSS. Toutes les SDR situées dans une RMR ont une valeur d’indice inférieure ou égale à 0,35, et toutes les AR où l’on retrouve des secteurs de recensement^{Note 22} ont une valeur d’indice inférieure ou égale à 0,4. Ainsi, cette borne de l’indice (0,4) permet d’englober toutes les SDR situées à l’intérieur des limites des RMR ou des AR dont le noyau compte 50 000 habitants ou plus.

Les SDR faisant partie d’une AR plus petite (que l’on ne divise pas en secteurs de recensement en raison d’un noyau de moins de 50 000 habitants) présentent des conditions beaucoup plus variées au chapitre de l’éloignement^{Note 23}. On retrouve à l’intérieur de ce groupe des collectivités dont la valeur de l’indice se situe entre 0,1 et 0,8, ce qui correspond respectivement au niveau d’éloignement le plus bas et le plus élevé. Certaines de ces agglomérations de petite taille sont des centres de services régionaux situés dans des régions relativement éloignées et isolées, qui tendent à afficher un indice d’éloignement relativement élevé (de plus de 0,4). Il s’agit par exemple de SDR situées dans l’AR de Prince Rupert, en Colombie-Britannique (valeurs d’indice de 0,42 et 0,44), dans l’AR de Corner Brook, à Terre-Neuve-et-Labrador (valeurs d’indice allant de 0,38 à 0.46) et dans l’AR de Thompson, au Manitoba (valeurs d’indice de 0,43 pour les deux SDR faisant partie de cette AR).

D’autres AR entrant dans cette catégorie (c’est-à-dire ne comportant pas de secteur de recensement) sont des agglomérations de petite taille situées dans des régions densément peuplées ou assez près d’autres agglomérations importantes, de sorte que leur indice d’éloignement affichera une valeur plus basse. Mentionnons à titre d’exemple Woodstock, en Ontario (valeur d’indice de 0,09), Camrose, en Alberta (valeur d’indice de 0,21), et New Glasgow, en Nouvelle-Écosse (valeurs d’indice allant de 0,29 à 0,31).

Enfin, il y a des AR dont les SDR présentent des variations importantes. À titre d’exemple, les valeurs d’indice des SDR de l’AR de Quesnel, en Colombie-Britannique, vont de 0,38 à 0,80; dans le cas des SDR de l’AC de Wood Buffalo, en Alberta, les valeurs d’indice oscillent entre 0,32 et 0,74. Il s’agit d’AR composées de collectivités dont les valeurs d’éloignement sont exceptionnellement différentes.

Les valeurs d’indice varient aussi de façon marquée dans les catégories des zones d’influence métropolitaine (ZIM) (influence forte, modérée, faible ou nulle). Ce résultat est particulièrement révélateur et fournit des éclaircissements à propos des différentes dimensions prises en compte par la typologie de la CSS et par l’indice d’éloignement. La diversité de ces conditions est particulièrement marquée dans le cas des SDR dans les zones d’influence allant de modérée à nulle : au total, 2 004 SDR classées dans des zones d’influence modérée, faible ou nulle affichent une valeur d’indice comparable à celle des SDR situées dans les limites d’une RMR ou d’une AR (c’est-à-dire inférieure ou égale à 0,4).

Chose plus intéressante encore, il y a 779 SDR faisant partie des catégories des zones d’influence métropolitaine (forte, modérée, faible ou nulle) dont la valeur de l’indice d’éloignement est comparable à celle caractéristique des SDR situées dans les territoires (à l’extérieur d’AR). De fait, à l’exception de trois d’entre elles, toutes les SDR dans les territoires (à l’extérieur des AR) affichent un indice d’éloignement supérieur à 0,5.

Il y a deux points importants qui ressortent de ces résultats. Le premier a trait à la dimension prise en compte au moyen de l’indice d’éloignement et le second, aux valeurs critiques possibles en vue de classer les SDR en fonction de catégories d’éloignement.

L’indice d’éloignement rend compte d’une dimension géographique des SDR à la fois unique et distincte, qui chevauche dans une certaine mesure la CSS, comme on peut s’y attendre, mais en mettant l’accent sur l’emplacement géographique plutôt que sur les liens socioéconomiques observés, que l’on mesure d’après les flux de navettage. La typologie de la CSS rend compte de la présence ou de l’absence de liens de navettage; à l’opposé, l’indice d’éloignement rend compte de la dimension correspondant à la proximité, peu importe les flux de navettage entre collectivités. En outre, les catégories des ZIM reflètent uniquement l’influence des régions métropolitaines importantes – autrement dit, pour les ZIM, les flux de navettage sont mesurés uniquement en fonction des RMR et des AR. Dans le cas de l’indice d’éloignement, sa valeur dépend aussi des centres de population de plus petite taille (à l’extérieur des RMR ou des AR), qui peuvent remplir un rôle important à titre de centres de services régionaux dans des régions moins peuplées.

En ce qui touche les valeurs critiques éventuelles, il semble que les valeurs situées à environ 0,2, 0,4 et 0,6 peuvent rendre compte des points de retournement importants à l’intérieur de la fourchette de 0 à 1. La plupart des SDR situées à proximité d’agglomérations importantes affichent une valeur inférieure à 0,15 ou proche de cette valeur (figure 1), de sorte qu’une valeur limite de 0,2 comprendrait ce groupe. La fréquence de valeurs la plus élevée se situe entre 0,2 et 0,4, ce qui comprend toutes les SDR faisant partie d’AR qui comptent plus de 50 000 habitants (avec au moins un secteur de recensement); cette fourchette semble représentative des SDR ayant un certain degré de proximité avec des agglomérations de taille moyenne. Il y a ensuite un groupe de SDR affichant un degré d’éloignement modéré; enfin, les SDR dont la valeur de l’indice est supérieure à 0,6 sont relativement isolées sur le plan géographique, ce qui est caractéristique des territoires; de fait, cela comprend toutes les SDR situées dans les territoires, à quoi l’on ajoute 431 SDR situées dans des provinces et qui présentent un degré d’isolement physique comparable par rapport aux centres de population.

Mesures de l’accessibilité

Les mesures de l’accessibilité produites à l’égard de certains services sont dérivées de l’analyse principale portant sur l’indice d’éloignement. On présente ici un ensemble de ces mesures afin d’illustrer les possibilités offertes par l’approche méthodologique sous-jacente. Plusieurs améliorations et variantes de ces mesures peuvent être produites, en mettant l’accent sur certains services ou sur certaines unités de mesure de l’accessibilité. Dans les exemples présentés ici, l’existence de fournisseurs de services a été établie au moyen de renseignements de géocodage pour des codes donnés du SCIAN, cette information provenant du Registre des entreprises.

Étant donné que les calculs présentés sont fondés sur la valeur des services disponibles dans les SDR, une mesure de l’accessibilité sera produite pour la plupart des SDR, qu’elles soient ou non reliées à un centre de population par le réseau routier. Ce sera particulièrement le cas pour les services couramment disponibles, comme les services du commerce de détail. Cependant, pour les rares SDR non reliées à un centre de population par le réseau routier et où les services étudiés ne sont pas disponibles localement, aucune mesure de l’accessibilité n’a été calculée. On indique alors qu’il s’agit de collectivités où les services ne sont pas directement accessibles (« aucun accès direct »).

Tout bien considéré, le résultat le plus frappant a trait au rapport entre les mesures de l’accessibilité et l’indice d’éloignement. En général, l’indice d’éloignement est fortement corrélé avec les mesures de l’accessibilité, ce qui vient étayer l’hypothèse selon laquelle la taille de la population peut servir d’approximation fiable de la fourniture de services. Dès lors, un indice d’éloignement pourrait également fournir une approximation relativement bonne de la disponibilité de services pour une collectivité. Ces résultats concordent avec les travaux existants sur cette question, d’après lesquels la taille de la population dans une agglomération constitue la meilleure approximation de la disponibilité et de la variété des services généraux (services commerciaux, santé, éducation, etc.).

Les corrélations entre l’indice d’éloignement et chacune des mesures de l’accessibilité sont présentées au Tableau 2. De façon générale, la corrélation entre l’indice d’éloignement et la mesure de l’accessibilité est forte (coefficient de corrélation se situant entre 0,74 et 0,93, en valeur absolue); par conséquent, l’indice d’éloignement fournit une approximation raisonnable de la mesure de l’accessibilité de chaque service examiné. De plus, les mesures de l’accessibilité sont en général encore plus fortement corrélées entre elles (dans tous les cas, le coefficient de corrélation est supérieur à 0,76).

Il ne faut pas conclure de ce profil général que les mesures de l’accessibilité ne peuvent fournir de renseignements utiles en complément de ceux apportés par l’indice d’éloignement. Au contraire, l’information sur les conditions d’accessibilité à certains services, en particulier dans les régions les plus éloignées, présentera encore une grande utilité à des fins opérationnelles précises. En outre, on pourra encore utiliser des mesures distinctes de l’accessibilité afin d’enrichir un indice d’éloignement fondé exclusivement sur la proximité et la taille de la population. Cela dit, pour des fins plus générales, le Tableau 2 vient corroborer le point de vue selon lequel la méthode exposée ici aux fins de mesurer l’éloignement constitue une approche relativement transparente et simple pour représenter la situation d’une collectivité au chapitre de l’accessibilité de différents types de services.

Les sections qui suivent exposent plus en détail les mesures de l’accessibilité des services de santé, de certains services du commerce de détail et des services bancaires et juridiques. Une base de données contenant les valeurs calculées pour les collectivités au niveau des SDR peut être obtenue sur demande auprès des auteurs. Il convient de mentionner que, pour faire concorder les valeurs de l’indice d’éloignement et des mesures de l’accessibilité, on présente le complément des mesures de l’accessibilité par rapport à 1. Cela signifie qu’une faible valeur de la mesure de l’accessibilité indique une forte disponibilité des services, de même qu’une faible valeur de l’indice d’éloignement dénote un faible éloignement.

Services de santé

Aux fins de l’analyse, les services de santé à l’intérieur d’une SDR sont déterminés en fonction des entreprises auxquelles s’applique le code 62 du SCIAN, ce qui inclut tous les codes à trois chiffres associés au secteur des soins de santé et de l’assistance sociale : Services de soins de santé ambulatoires (621); Hôpitaux (622); Établissements de soins infirmiers et de soins pour bénéficiaires internes (623); Assistance sociale (624). Afin d’exposer plus clairement les possibilités et les limites des mesures de l’accessibilité relativement à des services donnés, les résultats des mesures de l’accessibilité sont représentées pour les services de santé dans leur ensemble (code 62 du SCIAN), puis pour les quatre sous-secteurs (niveau à trois chiffres du SCIAN).

Dans la Figure 5, la valeur de la mesure de l’accessibilité des services de santé (code 62 du SCIAN) est représentée par rapport à la distribution ordonnée de l’indice d’éloignement. Là encore, un indice d’éloignement égal à 0 correspond à un faible éloignement, et une faible valeur de la mesure de l’accessibilité indique une grande accessibilité des services de santé. Le point le plus marquant à observer dans cette figure est la concentration des collectivités à l’intérieur d’une fourchette étroite de valeurs de mesure de l’admissibilité, qui correspond à un accès relativement élevé à ce type de services. Parmi les 5 062 SDR pour lesquelles la mesure a été calculée, 4 243 affichent une valeur se situant dans la fourchette de 0,1 à 0,3; cela signifie que la grande majorité des SDR de l’ensemble du pays disposent d’une accessibilité physique élevée, et similaire, aux services de santé. Il y a cependant 490 collectivités pour lesquelles les valeurs sont supérieures à 0,3 selon la Figure 5, ce qui correspond à un degré d’accessibilité relativement plus bas. Il y a aussi 109 SDR pour lesquelles on n’a pas calculé cette mesure d’accessibilité (aucun accès direct aux services en question); de ce nombre, 37 sont inhabitées.

La Figure 6 illustre la distribution de la mesure de l’accessibilité à l’égard des quatre catégories de services de santé (codes à trois chiffres du SCIAN) comparativement à la distribution ordonnée de l’indice d’éloignement. Les services dispensés dans les hôpitaux (622) sont ceux dont le coefficient de corrélation avec l’indice d’éloignement est le plus bas (0,74, en valeur absolue) (Tableau 2 )^{Note 24}. La très grande majorité des SDR ont accès à des hôpitaux; rares sont celles qui y ont un accès très limité ou qui n’y ont pas accès. Aucune valeur n’a été calculée pour 144 SDR : 44 ne comptent pas d’habitants, et les autres ne sont pas reliées à un centre de population par le réseau routier et ne comptent aucune entreprise à l’égard de laquelle des revenus rattachés au code 622 du SCIAN sont enregistrés dans le Registre des entreprises^{Note 25}.

La mesure de l’accessibilité à l’égard des services de santé est représentée au moyen de la Carte 6. Les cercles roses indiquent les SDR sans aucun accès et où aucun service de santé n’est enregistré dans le RE. Généralement, les collectivités éloignées où des services de santé sont disponibles localement afficheront une valeur d’accessibilité faible, car les revenus déclarés seront peu élevés

Carte 6 Distribution géographique de la mesure de l’accessibilité des services de santé (code 62 du SCIAN)

Certains services du commerce de détail

L’analyse porte sur des activités de détail qui sont plus directement reliées aux activités de production ou qui soutiennent les activités commerciales, de même que sur les magasins de détail qui peuvent présenter une importance particulière dans l’optique de l’économie et du commerce de détail au sein des petites collectivités (comme les magasins de marchandises diverses). C’est pourquoi seulement cinq des douze codes au niveau à quatre chiffres du SCIAN dans le secteur du commerce de détail sont pris en compte dans cette analyse agrégée : (441) Concessionnaires de véhicules et de pièces automobiles; (443) Magasins d’appareils électroniques et ménagers; (444) Marchands de matériaux de construction et de matériel et fournitures de jardinage; (447) Stations-service; (452) Magasins de marchandises diverses^{Note 26}. La Figure 7 présente la distribution de la mesure de l’accessibilité des services du commerce de détail. Ce sont ces services qui affichent le plus fort coefficient de corrélation avec l’indice d’éloignement (0,87, en valeur absolue) (Tableau 2).

Dans cette figure, les valeurs de mesure de l’accessibilité à l’égard des services du commerce de détail examinés sont représentées par rapport à la distribution ordonnée de l’indice d’éloignement. La figure montre aussi la forte corrélation entre les deux mesures, ce qui laisse penser qu’il existe en général un certain degré d’accessibilité à ces services de base dans les collectivités, et que, comme on peut s’y attendre, l’accessibilité est proportionnelle aux mesures de la taille de la population et de l’accès aux agglomérations. Parmi les 134 collectivités pour lesquelles on n’a pas calculé cette mesure, 38 ne comptent pas d’habitants, et les autres SDR ne sont pas reliées à un centre de population par le réseau routier.

La Carte 7 présente la distribution spatiale de la mesure de l’accessibilité des services du commerce de détail analysés. Tout comme dans le cas des constatations antérieures, la carte montre que les collectivités où le degré d’accès est plus bas (parties plus ombrées) ou qui ne disposent d’aucun accès direct sont généralement situées dans les régions les plus périphériques du pays.

Carte 7 Distribution géographique de la mesure de l’accessibilité de certains services du commerce de détail (codes 441, 443, 444, 447 et 452 du SCIAN)

Services financiers et juridiques

Dans le cadre de la présente analyse, les services financiers sont identifiés par le code 522 du SCIAN, soit le sous-secteur de l’intermédiation financière et des activités connexes. Voici la définition donnée dans le SCIAN : « Ce sous-secteur [code 522 du SCIAN] comprend les établissements dont l’activité principale consiste à prêter des fonds recueillis sous la forme de dépôts, ou par émission de titres d’emprunt, et les établissements qui facilitent l’emprunt ou le crédit en faisant, par exemple, du courtage d’hypothèques et de prêts, en fournissant des services de compensation et de réserve, et en assurant l’encaissement des chèques. »^{Note 27}. Les services juridiques correspondent au code 5411 du SCIAN. Ce groupe comprend les établissements dont l’activité principale consiste à fournir des services juridiques et parajuridiques; cela inclut les études d’avocats (code 54111 du SCIAN), les études de notaires (code 54112) et les autres services juridiques (code 54119), comme les bureaux de spécialistes parajuridiques.

La Figure 8 et la Figure 9 présentent les valeurs de mesure de l’accessibilité à l’égard des services financiers et des services juridiques, respectivement, comparativement à la distribution ordonnée de l’indice d’éloignement. Ici encore, les mesures de ces figures sont exprimées sous forme de complément de la valeur originale d’accessibilité, de sorte que l’accès le plus grand à ces services sera égal à 0 et l’accès le plus limité, à 1.

Il y a deux points à souligner : d’abord, c’est à partir du moment où l’indice d’éloignement se situe dans la fourchette de 0,4 à 0,5 que l’on peut observer les premières SDR n’ayant aucun accès direct à ces services, ce qui laisse penser cette fois encore qu’il s’agit d’une valeur de transition cruciale en ce qui touche la proximité de centres en mesure d’assurer la prestation de services variés. Ensuite, pour chaque fourchette de l’indice d’éloignement, la dispersion des valeurs de mesure de l’accessibilité semble généralement plus marquée pour les services bancaires que pour les services juridiques. Cela peut tenir à des différences au niveau du profil de distribution des points de service ainsi qu’à des perspectives différentes ou émergentes au regard de l’offre de certains de ces services (par exemple les services bancaires en ligne).

Les deux cartes qui suivent présentent la distribution spatiale de la mesure de l’accessibilité des activités d’intermédiation financière et des activités connexes (carte 8) ainsi que des services juridiques (carte 9). Elles permettent de constater que les collectivités où le degré d’accès est plus bas (parties plus ombrées) ou qui ne disposent d’aucun accès direct sont généralement situées dans les régions les plus périphériques du pays.

Carte 8 Distribution géographique de la mesure de l’accessibilité des activités d’intermédiation financière et des activités connexes (code 522 du SCIAN)

Carte 9 Distribution géographique de la mesure de l’accessibilité des services juridiques (code 5411 du SCIAN)

Conclusions et perspectives envisageables

Le présent document expose une méthodologie d’établissement d’un indice d’éloignement et les résultats obtenus, ainsi qu’un ensemble de mesures de l’accessibilité de certains services en guise de complément. L’indice a été calculé pour toutes les SDR du Canada où l’on a fait état de la présence d’une population en 2011 ou qui étaient reliées au réseau routier. La base de données comportant l’indice et les mesures de l’accessibilité est mise de l’avant à titre de base de données expérimentale à des fins d’essai et d’analyse, et il est possible de l’obtenir sur demande auprès des auteurs.

Les méthodes utilisées dans le cadre de cette analyse sont fondées notamment sur l’information recueillie lors de la revue de la littérature consacrée aux concepts de l’éloignement et de l’accessibilité ainsi que lors des discussions avec les utilisateurs éventuels des indices, de pair avec des essais empiriques poussés d’autres méthodes de spécification possibles. Ces travaux de base ont aidé à établir les principes directeurs et les caractéristiques requises de l’indice, ce qui inclut la simplicité, une utilisation parcimonieuse des données d’entrée et une tenue à jour facile de l’indice par la suite.

L’indice d’éloignement produit dans le cadre de l’analyse est une mesure continue, qui peut être convertie dans n’importe quelle classification catégorique de l’éloignement. L’approche adoptée permet de résoudre certains aspects particuliers, comme la nécessité de prendre en compte de multiples points d’accès aux services; de plus, elle établit un continuum englobant des collectivités dont les infrastructures de transport et le degré d’accès diffèrent, tout en conservant l’information sur les infrastructures de transport des collectivités dans la base de données.

Il convient de souligner certaines observations pertinentes et certaines considérations d’ordre général. En premier lieu, les résultats montrent qu’un indice d’éloignement fondé sur la distance par rapport à de multiples centres de population fournit une approximation raisonnable de l’accessibilité physique globale aux services, ce qui ressort du fait que l’indice d’éloignement et les mesures de l’accessibilité sont en général fortement corrélés. Le modèle général peut être amélioré afin de produire des indicateurs plus spécifiques de l’accessibilité des services à des fins de recherche et d’analyse stratégique. Il demeure que l’information produite au moyen de mesures particulières de l’accessibilité, surtout à l’égard des régions les plus éloignées, peut encore être utile à des fins opérationnelles précises, et cela pourra aboutir à des mesures distinctes de l’accessibilité afin d’enrichir un indice d’éloignement fondé exclusivement sur la proximité et la taille de la population.

En deuxième lieu, l’analyse montre que l’indice d’éloignement rend compte d’une dimension géographique unique et distincte des données fondées sur d’autres classifications géographiques de premier plan, comme la Classification des secteurs statistiques (CSS). L’information fournie par l’indice a trait aux interactions possibles en raison de la proximité, par opposition à des liens observés, comme le navettage.

En troisième lieu, malgré certaines difficultés touchant les calculs, du fait de la taille relativement importante des ensembles de données, les méthodes utilisées pour créer l’indice sont transparentes et simples sur le plan conceptuel, et les calculs ne nécessitent qu’une utilisation parcimonieuse de données d’entrée. Plus important encore, les données d’entrée sont conservées dans un nombre pratique de bases de données et peuvent facilement être mises à jour en cas de changement de la situation d’une collectivité, par exemple à la suite de modifications au niveau des infrastructures de transport ou des chiffres de population.

Ce type d’analyse, qui comporte un géocodage détaillé, pourrait aussi être mis à profit à des fins de contrôle de la qualité de produits statistiques officiels. Par exemple, la comparaison de l’indice d’éloignement, qui est fondé sur la population, et des mesures de l’accessibilité produites à partir des données du Registre des entreprises, peut mettre en lumière certains profils spatiaux des valeurs de l’indice qui pourraient faire l’objet d’un examen plus approfondi. Cette analyse pourrait aider à mettre en lumière les améliorations possibles au regard des sources statistiques officielles, ou aider à mieux interpréter les tendances agrégées au niveau d’indicateurs donnés.

De façon plus générale, cette analyse permet de voir les avantages pouvant découler de la combinaison de données de sources statistiques officielles (ici, le Recensement et des microdonnées du Registre des entreprises) et de données de sources non officielles (principalement des mesures de distances calculées au moyen de l’IPA Google Maps). Les bases de données utilisées pour les données d’entrée aux fins du calcul pourraient être améliorées et mises à jour à mesure que l’on se penche sur des statistiques de sources non officielles et qu’on les intègre aux programmes statistiques; par exemple, on pourrait accroître l’utilisation de données sur les coûts de transport recueillies en ligne par voie de forage Web, de manière à perfectionner certains des paramètres des coûts de transport entre points représentatifs donnés.

Enfin, il faut mentionner que les méthodes utilisées et les résultats obtenus dans le cadre de cette analyse peuvent être peaufinés en fonction de différentes orientations. C’est particulièrement le cas en ce qui touche l’ensemble de mesures de l’accessibilité, qui, jusqu’ici, ont été calculées à titre de sous-produit de l’indice d’éloignement. Bien que la méthodologie exposée ici soit complète et entièrement définie, elle ne constitue qu’une solution proposée, qui peut être améliorée et perfectionnée. En conséquence, les résultats présentés dans ce document peuvent servir d’assise en vue de la tenue d’un dialogue plus poussé avec un large éventail de parties prenantes au sein de différents ministères et organismes qui utilisent des mesures de l’éloignement et de l’accessibilité à des fins d’élaboration de politiques et d’exécution de programmes.

Références

Australian Institute of Health and Welfare (2004). Rural, regional and remote health: A guide to remoteness classifications. Rural Health Series No. 4. AIHW Catalogue Number PHE 53. Canberra.

Battersby, Bryn and Robert Ewing (2005). "International Trade Performance: The Gravity of Australia's Remoteness." Treasury Working Paper No. 2005-03. Australian Treasury, Canberra.

Bhat, Chandra, Susan Handy, Kara Kockelman, Hani Mahmassani, Lisa Weston, Anand Gopal, and Issam Srour (2002). Development of an Urban Accessibility Index. Project 0-4938: Project Summary Report 4938–S. Center for transportation research. The University of Texas at Austin.

Department of Health and Ageing - DHA (2009). Bonded Medical Places Scheme: Information booklet for 2009. Australian Government. Online Page last modified: December, 2009.

Department of Health and Ageing - DHA (2005). Review of the Rural, Remote, and Metropolitan Areas (RRMA) Classification. Discussion Paper (Without Prejudice). Australian Government, DoHA. Canberra.

Duran Fernandez, Roberto (2008). Gravity, Distance, and Traffic Flows in Mexico. Transport Studies Unit. Working paper N° 1030. Oxford University Centre for the Environment.

Evans, Lewis, and Patrick Hughes (2003). Competition Policy in Small Distant Open Economies: Some Lessons from the Economics Literature. Working Paper 03/31, New Zealand Treasury.

Frankel, Jeffrey A., and David Romer (1999). "Does Trade Cause Growth?" The American Economic Review. 89:3, (3):379-399.

Girma, Sourafel, and Zhihao Yu (2002). The Link between Immigration and Trade: Evidence From the U. K. Review of World Economics, 138 (1):115-130.

Luo, W., and, F. Wang (2003). Measures of spatial accessibility to health care in a GIS environment: synthesis and a case study in the Chicago region. Environment and Planning B: Planning and Design 30, 865–884.

Luo, Wei and, Yi Qi (2009). An enhanced two-step floating catchment area (E2SFCA) method for measuring spatial accessibility to primary care physicians. Health and Place (December 2009), 15 (4):1100-1107.

McGrail, Matthew R., and John S. Humphreys (2009). Measuring spatial accessibility to primary care in rural areas: Improving the effectiveness of the two-step floating catchment area method. Applied Geography (December 2009), 29 (4):533-541.

OECD (2012). Measuring the access to public services: the case of public hospitals. Paper presented at the OECD Working Party on Territorial Indicators, Paris 3 December 2012.

OECD (2014). Accessibility to services and regional well-being: a framework to build indicators. Paper presented at the OECD Working Party on Territorial Indicators, Paris 9-10 April 2014.

Pooler, James A. (1995). The use of spatial separation in the measurement of transportation accessibility. Transportation Research Part A: Policy and Practice. 29 (6):421-427.

Simon, Howard, Arnold Reisman, Shahriar Javad, and Diane Sachs (1979). An Index of Accessibility for Ambulatory Health Services. Medical Care, Vol. 17 (9):894-901.

Stifel, David, Bart Minten, and Paul Dorosh (2003). Transactions costs and agricultural productivity: implications of isolation for rural poverty in Madagascar. MSSD Discussion Paper No. 56. International Food Policy Research Institute.

Wakerman, John, and John Humphreys (2008). Rural and remote health — definitions, policy and priorities. In Siaw-Teng Liaw and Sue Kilpatrick, Editors), A Textbook of Australian Rural Health. Australian Rural Health Education Network. Canberra, ACT.

Wu, JunJie, and Munisamy Gopinath (2008). What causes spatial variations in economic development in the United States? American Journal of Agricultural Economics, 90 (2):392-408.