Méthodes

Avertissement Consulter la version la plus récente.

Information archivée dans le Web

L’information dont il est indiqué qu’elle est archivée est fournie à des fins de référence, de recherche ou de tenue de documents. Elle n’est pas assujettie aux normes Web du gouvernement du Canada et elle n’a pas été modifiée ou mise à jour depuis son archivage. Pour obtenir cette information dans un autre format, veuillez communiquer avec nous.

Sources de données
Géocodage
Définition des quartiers
Description des variables
Analyse multidimensionnelle
Autocorrélation spatiale
Procédure de normalisation

Sources de données

Programme de déclaration uniforme de la criminalité fondé sur l'affaire

Le Programme de déclaration uniforme de la criminalité fondé sur l'affaire (DUC 2) sert à recueillir des données détaillées sur les diverses affaires criminelles signalées à la police, y compris les caractéristiques des affaires, des auteurs présumés et des victimes.

Dans ce programme, un maximum de quatre infractions peut être consigné dans la base de données pour une même affaire criminelle. Les infractions choisies sont classées selon leur degré de gravité, aspect lié à la peine maximale que prévoit le Code criminel.

Les analyses des grandes catégories d'infractions (crimes avec violence, crimes contre les biens, infractions relatives aux drogues et autres infractions au Code criminel) qui sont comprises dans le présent document portent sur l'infraction la plus grave dans chaque affaire. Il en est de même pour les taux de criminalité diffusés chaque année par le Centre canadien de la statistique juridique (CCSJ). Dans un tel classement des infractions, une plus grande priorité est accordée aux crimes avec violence qu'aux crimes contre les biens. Par conséquent, les infractions moins graves peuvent être sous-représentées lorsque seule l'infraction la plus grave est considérée.

La majorité des analyses réalisées dans le présent document est basée sur les grandes catégories d'infractions, telles que les infractions de violence et les infractions contre les biens, où seulement l'infraction la plus grave est retenue pour chaque affaire. Toutefois, lorsqu'un seul type d'infraction est considéré, toutes les affaires dans lesquelles l'infraction est déclarée sont incluses, quel que soit la gravité ou le classement de l'infraction dans l'affaire. Grâce à cette méthode, on obtient une représentation plus complète de la répartition spatiale des différents types d'infractions individuelles.

Ce document porte sur la plupart des infractions au Code criminel et l'ensemble des infractions à la Loi réglementant certaines drogues et autres substances, mais il exclut les infractions à d'autres lois fédérales et provinciales ainsi que les infractions aux règlements municipaux. Sont également exclues les infractions au Code criminel pour lesquelles il n'y a pas de modèle prévu de répartition spatiale ou de données permettant de les situer. Par exemple, le tribunal est normalement considéré comme le lieu des infractions contre l'administration de la justice, telles que la violation des conditions de la liberté sous caution ou de la probation et le défaut de comparaître. Pour ce qui est des appels téléphoniques harcelants ou menaçants, le lieu de l'affaire consigné est souvent le point de réception de l'appel, et pour la conduite avec facultés affaiblies, c'est le lieu de l'arrestation qui est probablement plus susceptible d'être consigné (p. ex. les arrestations pendant un barrage routier).

Recensement de la population

Le recensement permet de produire les chiffres de population et des logements non seulement à l'échelle du Canada, mais à celles des provinces et territoires, et des régions plus petites, comme les villes ou leurs quartiers. Le recensement fournit également des données sur les caractéristiques démographiques, sociales et économiques du pays.

Les données socioéconomiques détaillées utilisées dans le présent document proviennent du questionnaire complet du recensement destiné à un échantillon de 20 % des ménages. On y exclut la population en établissement, c'est-à-dire les personnes se trouvant dans les hôpitaux, les maisons de soins infirmiers, les prisons et les autres établissements.

Statistique Canada mène le Recensement de la population tous les cinq ans, dont la dernière reprise a eu lieu en 2006. Pour obtenir la plus grande compatibilité possible entre les données sur les caractéristiques des quartiers du recensement et celles sur la criminalité, on a eu recours, dans ce document, aux données policières et censitaires de 2001. Au moment de la réalisation des études d'Edmonton, d'Halifax et de Thunder Bay, les données détaillées sur les caractéristiques de la population du Recensement de 2006 portant sur le revenu des personnes n'étaient pasencore disponibles à l'échelon des quartiers.

Données sur l'utilisation du sol

On s'est servi des données sur l'utilisation du sol pour calculer les proportions de quartiers à vocation commerciale, résidentielle multifamiliale ou résidentielle unifamiliale. Les données sur l'utilisation du sol sont le portrait de l'utilisation réelle des territoires urbains, alors que les données sur le zonage sont le reflet de l'utilisation désirée et réglementée. Les parcelles de l'utilisation du sol ont fait l'objet d'une agrégation à l'échelon des quartiers afin de calculer ces proportions.

  • Edmonton
    Les données sur le zonage de la ville d'Edmonton comportent plusieurs catégories qui ne correspondent pas à celles utilisées dans les autres villes. Par exemple, le secteur du West Edmonton Mall est classé dans la catégorie « site specific development control provision »; cette catégorie ne se retrouve dans aucune autre ville à l'étude et on ne peut établir de concordance avec une autre catégorie. Pour pallier cette situation, la variable « travailleur dans le secteur du commerce de détail » du Recensement de 2001 a été utilisée comme indicateur de l'utilisation du sol à vocation commerciale.
  • Halifax
    Les données sur le zonage proviennent des services et des systèmes d'information géographique de la Municipalité régionale d'Halifax.
  • Thunder Bay
    Les données sur le zonage proviennent de la Division de l'aménagement de la planification de Thunder Bay.

Géocodage

Le géocodage est l'activité consistant à faire correspondre une adresse avec un point de la surface de la Terre. Dans le présent document, l'adresse est le lieu de perpétration d'une affaire criminelle signalée à la police après agrégation à l'échelon du côté d'îlot, c'est-à-dire d'un côté de l'îlot entre deux intersections successives. À cette fin, on apparie les enregistrements de deux bases de données, l'une contenant une liste d'adresses et l'autre, des renseignements sur le réseau routier et la tranche d'adresses d'un îlot donné. L'outil de géocodage précise pour chaque adresse sa position unique dans le quadrillage routier. Comme le réseau routier est en référence géographique, c'est-à-dire qu'il se situe dans un système de coordonnées géographiques, on peut établir les valeurs longitudinales et latitudinales — soit les valeurs X et Y — de chaque affaire criminelle. Dans les cas où le lieu de l'affaire ne correspond pas à une adresse, le géocodage est effectué en créant, par exemple, un point sur une intersection de deux rues, une station de métro ou au centre d'un parc public. Les valeurs X et Y de la base de données sur les affaires criminelles forment la grille spatiale permettant de situer les points par rapport aux rues ou aux quartiers où ces affaires ont lieu.

En 2001, le Programme de déclaration uniforme de la criminalité fondé sur l'affaire (DUC 2) ne permettait pas de recueillir de renseignements sur l'emplacement géographique des affaires criminelles. Aux fins du présent document, les services de police d'Edmonton, d'Halifax et de Thunder Bay ont transmis au Centre canadien de la statistique juridique (CCSJ) les adresses des affaires sélectionnées, déclarées et inscrites dans la base de données du Programme DUC 2 en 2001 et en 2003. Le CCSJ a transformé l'ensemble des renseignements en un jeu de coordonnées géographiques (X et Y) pour chaque adresse. Ces coordonnées ont été rapportées au point central d'un côté d'îlot dans le cas des adresses précises, et à des points d'intersection dans le cas des rues, des parcs et des stations de métro. Toutes les adresses d'affaires criminelles répétées plus de cinq fois qui ont échoué au processus automatisé de géocodage ont été géocodées manuellement afin de représenter le plus fidèlement possible les concentrations de la criminalité. Ce faible pourcentage d'affaires qui ont échoué au géocodage ne crée pas de biais dans la tendance en matière d'infractions. Les affaires qui ont échoué au géocodage comportaient de trop grandes imprécisions, par exemple un numéro d'autobus ou l'inscription transcanadienne. En fait, les tendances comparées des infractions géocodées et des infractions initialement soumises au processus représentent une même proportion dans la composition de la criminalité globale.

Le Service de police d'Edmonton a transmis plus de 58 800 affaires sélectionnées pour l'année 2001 et plus de 69 700 affaires pour l'année 2003. L'exercice de géocodage a réussi dans plus de 93 % des données de 2001 et dans plus de 92 % des données de 2003.

Le Service de police d'Halifax a, pour sa part, transmis plus de 22 600 infractions sélectionnées en 2001. Le processus de géocodage a donné un taux de succès de 92 %.

Le Service de police de Thunder Bay a transmis près de 7 000 affaires sélectionnées en 2001 et plus de 7 300 affaires en 2003, dont 98 % et 93 % respectivement ont été géocodées.

Techniques de cartographie

Dans le présent document, la méthode pour représenter la criminalité et les autres aspects analysés consiste en une constellation de points, où chacun des points correspond à une affaire criminelle ou à une adresse de résidence d'un auteur présumé. Cette méthode illustre les concentrations ou les « points chauds » de la criminalité.

Cartographie des points chauds : analyse des noyaux

L'analyse des noyaux est une autre méthode qui sert à interpréter la répartition spatiale des données sur la criminalité. Elle permet d'examiner les points de données sur les affaires criminelles sans égard aux limites des quartiers et de dégager les répartitions naturelles et les endroits où se concentrent des affaires. Ce type d'analyse vise à estimer, à partir d'une représentation en points, la façon dont la densité des affaires varie à l'intérieur du territoire étudié. Elle a été conçue au départ pour estimer la densité de probabilité à partir d'un échantillon d'observations (Bailey et Gatrell, 1995). Dans son application aux données spatiales, l'analyse des noyaux produit une carte lisse de valeurs de densité, où la densité à chaque endroit correspond à la concentration de points dans un secteur donné.

Dans l'estimation par la méthode des noyaux, on superpose une grille fine au territoire à l'étude. On mesure les distances entre le centre d'une cellule de la grille et chaque observation qui se situe dans une zone d'influence établie appelée « largeur de bande ». Chacune des observations contribue à la valeur de densité en fonction de son éloignement du centre de la cellule. Les observations près du centre ont plus de poids dans les calculs de densité que les observations plus éloignées. Dans la présente étude, la taille d'une cellule de la grille correspond à 100 mètres carrés à Edmonton et à Halifax. Le rayon de recherche utilisé est de 1 000 mètres à Edmonton et à Halifax, et plus le rayon de recherche est élevé, plus l'image produite est lissée. Étant donné que la ville de Thunder Bay est plus petite, la cellule de la grille y a été fixée à 50 mètres carrés et le rayon de recherche, à 500 mètres.

Le produit de l'application de la méthode des noyaux est une simple matrice de points (image tramée) qui indique les diverses courbes de densité. Les boucles que forment les courbes délimitent les points chauds, qui peuvent prendre une forme irrégulière et ne sont pas dictés par le découpage des quartiers ni par d'autres limites. Cette méthode d'analyse a été appliquée à l'aide du logiciel Spatial Analyst de l'Environmental Systems Research Institute.

Dans le présent document, on s'est également servi de la méthode du noyau double de densité pour examiner simultanément la répartition de deux variables. L'utilisation du noyau double de densité permet d'ajuster la répartition de la criminalité en fonction de la population à risque (l'addition du nombre de personnes qui résident ou qui travaillent dans un quartier). Le calcul du noyau double est généré en effectuant un ratio entre les valeurs de densité de criminalité et celles de la densité de la population à risque. Un ajustement est effectué pour les endroits où les densités de la criminalité et de population à risque sont faibles, ce qui crée des valeurs artificiellement élevées, et ce, afin d'éviter que la concentration d'un nombre restreint d'affaires soit représentée par un point chaud de la criminalité.

Définition des quartiers

Les études écologiques comme celles réalisées dans les projets de cartographie de la criminalité nécessitent un nombre suffisamment élevé d'unités géographiques ou de quartiers en vue d'une modélisation des données efficace et fiable. Dans les études précédentes, l'examen des unités géographiques portaient sur les quartiers naturels tels qu'ils sont définis par les intervenants locaux (études de Winnipeg et de Regina) ou les secteurs de recensement (étude de Montréal).

Dans le cadre des analyses réalisées à Edmonton et à Halifax, la définition du terme « quartier » utilisée correspond aux secteurs de recensement (SR). Les termes « secteurs de recensement » et « quartiers » sont donc utilisés de façon interchangeable. Les SR sont délimités par Statistique Canada en collaboration avec un comité de spécialistes locaux (p. ex. des planificateurs, des travailleurs sociaux, des travailleurs du secteur de la santé et des éducateurs). Les règles initiales de délimitation sont, par ordre de priorité, les suivantes :

  1. Les limites des SR doivent suivre des traits physiques permanents et facilement reconnaissables.
  2. La population du SR doit compter entre 2 500 et 8 000 habitants, la moyenne devant être, de préférence, de 4 000 habitants.
  3. Les SR doivent être le plus homogène possible sur le plan des caractéristiques socioéconomiques.

Les SR sont également utilisés dans de nombreuses études, ce qui permet l'addition de couches d'information supplémentaire (p. ex. santé, éducation, économie) pour une approche intégrée en prévention dans les quartiers présentant plusieurs facteurs de risque.

Pour des raisons de confidentialité et de fiabilité des données, Statistique Canada exige que, lorsqu'on utilise des données sur le revenu des personnes, des familles ou des ménages, la taille de la population de toute région géographique au Canada examinée soit composée d'au moins 250 personnes demeurant dans au moins 40 ménages privés.

Par conséquent, à Edmonton, seulement 147 des 160 SR sont inclus. Une carte qui figure en annexe présente la couverture des 147 SR sur l'ensemble du territoire de la ville d'Edmonton. À Halifax, chacun des 51 SR est suffisamment peuplé pour être inclus dans l'étude. Une carte jointe en annexe montre également la couverture des 51 SR qui composent le territoire à l'étude.

Dans le cadre du projet de Thunder Bay, le nombre de SR (30) disponibles pour l'analyse est insuffisant. Les aires de diffusion (AD) du Recensement de 2001 ont donc été retenues. Il s'agit de la plus petite unité spatiale standardisée à laquelle les données de recensement sont diffusées.

Les AD sont de petites régions composées d'un ou de plusieurs pâtés de maisons dont les côtés sont délimités par des rues formant des intersections qui regroupent généralement de 400 à 700 habitants. Les AD doivent satisfaire à plusieurs critères de délimitation conçus afin de maximiser leur utilité, par exemple : les limites des AD doivent respecter les limites des subdivisions de recensement et des SR; les limites des AD suivent les routes, les voies ferrées, les plans d'eau, les lignes de transmission d'énergie, lorsque ces traits font partie des limites des subdivisions de recensement ou des SR.

Dans le cadre des analyses de Thunder Bay, les caractéristiques démographiques et socioéconomiques des quartiers sont les caractéristiques de la population des aires de diffusion (AD) du Recensement de 2001. Les termes « aires de diffusion » et « quartiers » sont donc utilisés de façon interchangeable.

Seulement 207 des 209 AD de Thunder Bay sont incluses dans les analyses en raison des règles de confidentialité et de fiabilité des données énoncées plus tôt. Une carte en annexe présente le territoire couvert par les 207 AD.

Description des variables

Variables liées à la criminalité et population à risque

Normalement, les taux de criminalité sont calculés en examinant la répartition des affaires selon la population résidentielle d'un territoire donné. Cette méthode donne de bons résultats aux échelons urbain, provincial et national, mais elle présente des difficultés lorsque les unités spatiales d'intérêt, comme les quartiers, sont de petite taille et comptent de faibles populations résidentielles.

Dans les territoires urbains, les affaires criminelles sont souvent concentrées au centre-ville ou à proximité, où la population résidentielle est relativement clairsemée, mais où l'on peut observer de fortes concentrations de gens qui travaillent ou se livrent à d'autres activités. Les taux fondés uniquement sur le nombre de résidents gonflent les taux propres à ces quartiers du noyau urbain, puisqu'ils ne tiennent pas compte de toute la population à risque de ces quartiers. 

Pour jauger avec plus de précision les risques de criminalité dans les quartiers, les taux de criminalité sont fondés sur la population à risque. On obtient une approximation de la population à risque en additionnant le nombre de travailleurs et le nombre de résidents dans chacun des quartiers. Les taux fondés sur la combinaison de ces chiffres rendent compte plus fidèlement de toute la population exposée au crime, c'est-à-dire de la population qui peut en être la cible. Dans le présent document, on reprend donc l'approche privilégiée lors du projet de recherche de Winnipeg (Fitzgerald et autres, 2004). Les tableaux 1.1, 2.1 et 3.1 présentent les taux fondés sur la population résidentielle et la population à risque dans les quartiers.

  • Taux de crimes avec violence pour 1 000 résidents et travailleurs. Les crimes avec violence comprennent l'homicide, la tentative de meurtre, l'agression sexuelle, les voies de fait, les infractions entraînant une perte de liberté, le vol qualifié, l'extorsion, le harcèlement criminel, les menaces, les explosifs causant la mort ou des lésions corporelles, et d'autres infractions avec violence.
  • Taux de crimes contre les biens pour 1 000 résidents et travailleurs. Les crimes contre les biens comprennent le crime d'incendie, l'introduction par effraction, le vol de moins de 5 000 $, le vol de 5 000 $ et plus, le vol de véhicules à moteur, la possession de biens volés, la fraude et le méfait.

Variables du Recensement de la population de 2001

Variables liées aux caractéristiques démographiques

  • Hommes de 15 à 24 ans en proportion de l'ensemble de la population du quartier. Ce groupe d'âge est le plus à risque de commettre des infractions. Au Canada en 2001, les personnes entre 15 et 24 ans représentaient 14 % de la population totale, alors qu'elles constituaient 46 % des auteurs présumés d'infractions contre les biens et 31 % des auteurs présumés d'infractions avec violence.
  • Pourcentage des habitants du quartier qui ont 65 ans et plus. Les résultats de l'Enquête sociale générale (ESG) sur la victimisation semblent indiquer que les personnes âgées affichent des taux de victimisation criminelle relativement plus faibles que la population dans son ensemble, bien qu'elles disent se sentir moins en sécurité (Gannon et Mihorean, 2005).
  • Pourcentage de célibataires du quartier. Il s'agit des célibataires de 15 ans et plus qui n'ont jamais été mariés. Selon les données de l'ESG de 2004, les célibataires étaient plus susceptibles de subir de la violence. Cette situation tient en partie au fait que les célibataires ont tendance à participer davantage à des activités en soirée et qu'ils sont généralement plus jeunes, soit deux facteurs fortement liés à un risque accru de victimisation. En 2004, les personnes qui participaient à au moins 30 activités en soirée tous les mois ont également affiché le plus fort taux de victimisation avec violence (174 incidents pour 1 000 habitants); ce taux était quatre fois plus élevé que celui enregistré par les personnes participant à moins de 10 activités en soirée par mois (44 incidents pour 1 000 habitants).
  • Pourcentage des habitants du quartier ayant immigré au Canada de 1991 à 2001. Au début, le fait d'avoir immigré peut nuire à l'intégration dans la société, mais l'effet de ce facteur diminue en fonction de la durée de la résidence au pays (Breton, 2003). Les nouveaux immigrants peuvent être moins susceptibles de participer à la vie sociale et, par conséquent, ils peuvent profiter du capital social dans une moindre mesure ou tirer des avantages réduits de relations avec les autres membres de la collectivité. Nombreuses sont les études qui ont démontré l'existence de liens entre de plus faibles niveaux de participation sociale et des taux de criminalité plus élevés (Morenoff, Sampson et Raudenbush, 2001; Sampson, Raudenbush et Earls, 1997; Sampson, 1997).
  • Pourcentage des habitants du quartier appartenant à une minorité visible. Font partie des minorités visibles « les personnes, autres que les Autochtones, qui ne sont pas de race blanche ou qui n'ont pas la peau blanche ». En 2002, selon les données de l'Enquête sur la diversité ethnique, environ 9 % des Canadiens ayant déclaré avoir été victimes d'un acte criminel au cours des cinq années précédentes croyaient que l'infraction perpétrée contre eux pouvait être considérée comme un crime de haine. Par comparaison aux personnes n'appartenant pas à une minorité visible, les membres de minorités visibles étaient 1,5 fois plus susceptibles d'avoir été victimes d'un crime de haine (13 pour 1 000 habitants et 20 pour 1 000 habitants, respectivement) (Silver, Mihorean et Taylor-Butts, 2004).
  • Pourcentage de personnes d'identité autochtone qui habitent dans le quartier. Comprend les personnes qui se sont identifiées à au moins un groupe autochtone, c'est-à-dire aux Indiens de l'Amérique du Nord, aux Métis ou aux Inuits; qui ont déclaré être des Indiens visés par un traité ou des Indiens inscrits au sens de la Loi sur les Indiens du Canada; ou qui ont indiqué appartenir à une bande indienne ou à une Première nation. La population autochtone du pays est surreprésentée parmi les victimes et les auteurs d'actes criminels (Statistique Canada, 2001a). Ainsi, selon les données de la plus récente ESG, les Autochtones étaient trois fois plus susceptibles que les non-Autochtones de déclarer qu'ils avaient été victimes d'un incident de violence (319 par rapport à 101 pour 1 000 habitants), et ce, même lorsque l'on tient compte d'autres facteurs, comme l'âge, le sexe et le revenu (Gannon et Mihorean, 2005).
  • Pourcentage de familles monoparentales parmi les familles économiques demeurant dans un logement privé. Même si le revenu après impôt des familles monoparentales s'accroît au Canada, ces familles comptent toujours parmi celles qui gagnent le moins (Statistique Canada, 2001b) et elles sont concentrées dans les quartiers plus défavorisés de la ville. En outre, le taux de participation au marché du travail des mères seules étant passé de 65 % en 1995 à 82 % en 2001, on peut penser que la fonction de garde ou de surveillance sociale a diminué dans les quartiers, un facteur qui a été lié à la montée de la criminalité (Cohen et Felson, 1979).
  • Pourcentage de personnes ayant déménagé. Comprend les personnes qui, le jour de la tenue du recensement, demeuraient à une autre adresse que celle où elles résidaient un an plus tôt. Selon les données de l'ESG de 2004, les personnes qui vivaient dans leur résidence depuis peu étaient plus susceptibles de faire l'objet d'une victimisation de leur ménage que les personnes qui y vivaient depuis 10 ans (317 incidents pour 1 000 ménages par rapport à 196 incidents pour 1 000 ménages). La mobilité résidentielle a été liée à l'accroissement de la criminalité en raison de la réduction de la fonction de garde ou de la participation sociale qu'entraînent les déménagements fréquents. Des études de villes américaines indiquent également que, dans les rues où les voisins se connaissent et se sentent responsables de leur communauté, les taux de crimes avec violence sont beaucoup plus faibles que là où l'interaction sociale est moindre (Block, 1979; Sampson, 1993).

Variables liées aux caractéristiques des logements

  • Pourcentage de logements construits avant 1961. En combinaison avec d'autres variables liées au délabrement dans les quartiers urbains, l'âge des immeubles peut être associé à des taux de criminalité plus élevés en raison d'une perception de plus grand désordre du milieu matériel (Kelling et Coles, 1998).
  • Pourcentage de logements nécessitant d'importantes réparations. On fait référence au jugement porté par le répondant sur la nécessité de réparer son logement, sauf les réaménagements et les agrandissements souhaitables. Par réparations importantes, on entend les réparations d'installations de plomberie ou d'électricité défectueuse, les réparations de la charpente des murs, des planchers et des plafonds, etc. Cette variable pourrait aussi être liée à des taux de criminalité plus élevés en raison de la perception d'un plus grand désordre du milieu matériel dans un quartier (Kelling et Coles, 1998).
  • Pourcentage de ménages consacrant plus de 30 % de leur budget au logement, que les ménages possèdent ou louent leur logement. Il s'agit d'une mesure de l'abordabilité du logement. Le chiffre de 30 % est tiré de recherches qui indiquent que, lorsque les frais de logement dépassent 30 % du revenu dans les ménages à faible revenu, la consommation des autres biens essentiels décroît. Les frais de logement comprennent les suivants : les frais d'électricité, de mazout, de gaz, de charbon, de bois et d'autres combustibles; les frais des services d'approvisionnement en eau et les autres services municipaux; les versements hypothécaires, les paiements d'impôt foncier, les frais de copropriété et les loyers. Une moins grande abordabilité du logement dans un quartier constitue un autre indicateur du désavantage socioéconomique.
  • Pourcentage de logements dans un quartier qui sont occupés par le propriétaire. Les logements collectifs sont exclus du numérateur et du dénominateur. Les locataires affichent les taux les plus importants de victimisation des ménages. En 2004, le taux de victimisation pour les locataires était de 267 incidents pour 1 000 ménages, par rapport à 242 incidents pour les logements occupés par le propriétaire (Gannon et Mihorean, 2005). Plus la proportion de logements occupés par le propriétaire dans un quartier est élevée, plus sont susceptibles de s'accroître la stabilité résidentielle, les échanges sociaux entre voisins et l'engagement collectif à l'égard du quartier. Les résultats de l'ESG de 2003 révèlent que les personnes habitant dans un quartier depuis moins d'un an sont moins susceptibles de connaître leurs voisins (Schellenberg, 2004).

Variables socioéconomiques

Les résultats de recherche des projets d'analyse spatiale ont démontré d'importantes différences entre les caractéristiques socioéconomiques des quartiers à criminalité élevée et celles des quartiers à plus faible criminalité. Les quartiers affichant des taux de criminalité élevés étaient caractérisés par un accès limité des habitants aux ressources socioéconomiques (Fitzgerald et autres, 2004; Savoie et autres, 2006). Plusieurs études américaines ont également démontré que les inégalités de ressources socioéconomiques entre les quartiers des villes américaines étaient étroitement liées à la répartition spatiale de la criminalité (Morenoff, Sampson et Raudenbush, 2001). Dans le cadre de la présente étude, les variables socioéconomiques retenues sont :

  • Pourcentage du revenu total composé de transferts gouvernementaux, comme les prestations suivantes : prestations d'assurance-emploi; prestations de la Sécurité de la vieillesse avec le Supplément de revenu garanti et l'allocation pour conjoint; versements nets des suppléments fédéraux; prestations des régimes de pensions du Canada et de rentes du Québec; Prestation fiscale canadienne pour enfants; allocations familiales du Nouveau-Brunswick, du Québec, de l'Alberta et de la Colombie-Britannique; crédits pour la taxe sur les produits et services; indemnités pour accidents du travail; prestations d'aide sociale; crédits d'impôt remboursables des provinces et des territoires.
  • Pourcentage des habitants du quartier qui sont âgés de 20 ans et plus et qui n'ont pas de diplôme d'études secondaires.
  • Pourcentage des habitants du quartier qui sont âgés de 20 ans et plus et qui sont titulaires d'un baccalauréat.
  • Pourcentage des habitants du quartier qui faisaient partie d'un ménage privé à faible revenu en 2000. Les ménages à faible revenu sont les ménages privés qui dépensent 20 % de plus de leur revenu disponible que la moyenne des ménages privés pour se nourrir, se loger et se vêtir. Les seuils de faible revenu de Statistique Canada sont des points de démarcation qui varient selon la taille des familles et des collectivités. On parle souvent de seuils de pauvreté pour désigner les seuils de faible revenu, mais cette appellation n'a aucun caractère officiel.
  • Taux de chômage de la population active du quartier qui est âgée de 15 ans et plus.
  • Revenu médian des ménages en milliers de dollars ou selon le montant de dollars correspondant au 50e percentile, soit celui qui divise en deux moitiés le nombre de cas considérés. Le faible revenu du ménage augmente le risque de victimisation avec violence, alors qu'un revenu élevé accroît le risque de victimisation des ménages (Gannon et Mihorean, 2005). Il se peut que les voleurs éventuels soient davantage attirés vers les ménages à revenu plus élevé, car leurs membres possèdent probablement de plus grands biens ou des biens d'une plus grande valeur perçue.

Variables liées à l'utilisation du sol urbain

  • Zonage commercial : Proportion de la superficie d'un quartier en affectation commerciale. Les types d'occupation qui font partie de cette catégorie sont notamment les magasins, les supermarchés, les magasins d'aubaines, les magasins de meubles, les banques, les hôtels, les motels, les restaurants, les garages de service, les stations-service, les concessionnaires d'automobiles à service complet, les lave-autos, les bâtiments à double vocation résidentielle et commerciale, et les bureaux d'affaires.
    • À Edmonton, le zonage commercial est représenté par le nombre de travailleurs dans le secteur du commerce de détail au sein des secteurs de recensement (SR) (Système de classification des industries de l'Amérique du Nord de 1997, secteurs 44 et 45).
    • À Halifax, le zonage commercial regroupe les catégories B, C-1, C-2, C-2A, C-2B, C-2C, C-2D, C-3, C-3A, C-4, C-6, CCDD, CGB, CHWY, CMC, CSC, CR-1, CR-2, DB, K, HZ, SC_MF1 et W, telles qu'elles sont définies par la ville d'Halifax.
    • À Thunder Bay, le zonage commercial regroupe les catégories CBD, RC1, RC2, SC, NC1, NC2, CG1, CG2, CSG, HC et SPC, telles qu'elles sont définies par la ville de Thunder Bay.
  • Zonage résidentiel multifamilial : Proportion de la superficie d'un quartier en affectation multifamiliale, bifamiliale (duplex) ou transitoire (hébergement subventionné à court et à long termes de familles dans le besoin).
    • À Edmonton, le zonage résidentiel multifamilial est représenté par le pourcentage de logements dans le SR qui font partie d'un immeuble à appartements.
    • À Halifax, le zonage résidentiel multifamilial regroupe les catégories BSCDD, CDD, DN, K, R-2, R-2A, R-2AM, R-2P, R-2T, R-3, R-4, RMU, RTH, RTU, TH et WFCDD, telles qu'elles sont définies par la ville d'Halifax.
    • À Thunder Bay, le zonage résidentiel multifamilial regroupe les catégories R2, R2A, RM1, RM2A, RM2B et RM3, telles qu'elles sont définies par la ville de Thunder Bay.
  • Zonage résidentiel unifamilial : Proportion de la superficie d'un quartier en affectation unifamiliale.
    • À Edmonton, le zonage résidentiel unifamilial est représenté par le pourcentage de logements dans le SR qui sont considérés comme une maison individuelle non attenante.
    • À Halifax, le zonage résidentiel unifamilial regroupe les catégories BSCDD, BWCDD, CDD, H, HCR, K, MU-1, R-1, R-1M, R-2A, RA-1, RA-2, RA-3, RA-4, RB-1, RB-2, RB-3, RCDD, RDD, RR, RSU, T, V-1, V-3 et V-4, telles qu'elles sont définies par la ville d'Halifax.
    • À Thunder Bay, le zonage résidentiel unifamilial regroupe les catégories RE, RS, R1, R1A, RMH, RF1, RF2 et CR, telles qu'elles sont définies par la ville de Thunder Bay.
  • Zonage institutionnel : Proportion de la superficie d'un quartier composé de bâtiments ou d'espaces publics comme des parcs, des écoles, des hôpitaux et d'autres édifices gouvernementaux.
    • À Halifax, le zonage institutionnel regroupe les catégories AF, CFB, D-1, K, P, P-2, P-3, PK, POS, P_SI, RPK, RR, S, SI, TR, U-1, U-2 et W, telles qu'elles sont définies par la ville d'Halifax.
    • À Thunder Bay, le zonage institutionnel regroupe les catégories NIN, CIN et MIN, telles qu'elles sont définies par la ville de Thunder Bay.
  • Zonage industriel : Proportion de la superficie d'un quartier composé d'espaces industriels.
    • À Halifax, le zonage industriel regroupe les catégories C-5, CD-2, CD-3, F-1, I-1, I-2, I-3, I-4, IHI, IHO, ILI, M, P5, W et WFCDD, telles qu'elles sont définies par la ville d'Halifax.
    • À Thunder Bay, le zonage industriel regroupe les catégories FI, SI, LI, LIP, HI, EI, HRI, RR, PBP et GBP, telles qu'elles sont définies par la ville de Thunder Bay.
  • Espace ouvert : Proportion de la superficie d'un quartier composé d'espaces sans bâtiments majeurs.
    • À Thunder Bay, les espaces ouverts regroupent les catégories RU, OS, AIR, US, HL et FD, telles qu'elles sont définies par la ville de Thunder Bay.

Analyse multidimensionnelle

La régression par les moindres carrés ordinaires (MCO) est utilisée pour examiner la répartition des taux de crimes avec violence et de crimes contre les biens en fonction du jeu de facteurs explicatifs. L'application de cette méthode exige des variables continues ou quantitatives réparties normalement. Comme plusieurs des variables étudiées dans la présente analyse n'affichent pas de répartitions normales, il a fallu soumettre les variables de la criminalité à des transformations normalisatrices. La plupart des variables ou des caractéristiques des quartiers ont également été modifiées de manière à ce qu'elles présentent une répartition normale. L'ensemble des variables et les techniques de normalisation qui leur sont associées sont présentées à la section « Methodes ».

Les modèles régressifs ont été élaborés selon la régression multiple pas à pas (stepwise). Cette méthode est une suite de régressions multiples telle qu'à chaque étape, on ajoute la variable qui prend en compte le maximum de variance restante. On élimine, à chacune des étapes, la ou les variables superflues.

Les coefficients de régression normalisés offrent un moyen de juger de l'importance relative des différentes variables explicatives dans les modèles de régression multiple. Ils indiquent la variation à prévoir, en unités d'écart type, de la variable dépendante pour un accroissement d'une unité d'écart-type de la variable indépendante après avoir maintenu constantes les autres variables. Les valeurs maximales possibles sont 1 et –1, les valeurs de coefficient les plus proches de 0 montrant une moins grande contribution à l'explication de la variable dépendante.

Un grand nombre de caractéristiques de quartiers sont fortement corrélées les unes avec les autres, ce qui signifie qu'elles communiquent sensiblement la même information (les matrices des corrélations sont disponibles dans les documents en annexe). Cette situation tient à l'existence de liens étroits entre un grand nombre des facteurs structurels qui sont individuellement liés à la criminalité (Land, McCall et Cohen, 1990). Afin de tenir compte de cette multicolinéarité, qui est susceptible de fausser les résultats des modèles, on utilise des facteurs d'inflation de la variance (FIV) pour mesurer la multicolinéarité entre toutes les variables indépendantes dans les modèles de régression. Un FIV supérieur à 10 indique des problèmes possibles de multicolinéarité dans un modèle de régression (Montgomery, Peck et Vining, 2001). Les variables qui enregistraient un FIV de 10 et plus ont donc été supprimées des modèles finaux. Enfin, comme les membres de minorités visibles et les nouveaux immigrants ne composaient que 2 % de la population, ces variables n'ont pas été incluses dans les modèles mutivariés.

L'autocorrélation spatiale constitue un autre aspect dont il faut tenir compte dans l'analyse spatiale de données, comme celles de la criminalité (voir l'encadré « Autocorrélation spatiale »). La présence d'autocorrélation spatiale est détectée dans les résidus du modèle de régression des MCO des crimes contre les biens de Thunder Bay, la valeur de la statistique I de Moran s'établissant à 0,18 (p < 0,001). La présence d'autocorrélation spatiale est détectée dans les résidus des modèles de régression des MCO d'Edmonton, soit une valeur de la statistique I de Moran de 0,12 (p < 0,005) dans le cas des crimes avec violence et de 0,19 (p < 0,001) dans le cas des crimes contre les biens. Par conséquent, il convient de modéliser les liens entre les quartiers en tenant compte de leur position relative dans l'espace. L'utilisation d'un modèle autorégressif spatial est donc requise pour ces trois modèles.

Encadré 1

Autocorrélation spatiale

Les données qui sont mesurées sur une zone d'étude à deux dimensions, comme les affaires criminelles géocodées, subissent souvent l'effet des propriétés de leur emplacement. Si des observations voisines sont assujetties aux mêmes propriétés d'emplacement, elles ne seront pas indépendantes les unes des autres. Dans l'analyse des données, il faut tenir compte de ce manque d'indépendance pour produire des résultats exacts et non biaisés. On accomplit cette tâche au moyen de la modélisation spatiale des données, qui est importante pour tous les ensembles de données pouvant subir l'effet de la localisation.

On sait que la criminalité n'est pas répartie également dans les villes et qu'elle est concentrée dans certains secteurs appelés « points chauds ». Cela constitue une première indication que les données de la criminalité pourraient subir l'effet de l'emplacement, ce qu'on peut voir en examinant une carte de la densité de la criminalité dans les quartiers d'une ville. Il pourrait y avoir un effet positif dans les cas où les secteurs à forte criminalité sont entourés d'autres secteurs à forte criminalité et dans les cas où les secteurs à plus faible criminalité sont adjacents à d'autres secteurs à plus faible criminalité. On observe un effet négatif de l'emplacement dans le cas où un secteur à plus faible criminalité est entouré de secteurs à forte criminalité, et vice versa. Dans chacun de ces scénarios, il y a une structure spatiale ou une dépendance spatiale quelconque dans les données, ce qui signifie que les quartiers exercent une influence les uns sur les autres. Si la structure spatiale des données ne peut s'expliquer par les variables du modèle de régression, alors il y aura des effets spatiaux dans les valeurs résiduelles du modèle. Ce phénomène, qui est connu sous le nom d'« autocorrélation spatiale », contredit les suppositions avancées dans une analyse de régression ordinaire. Les effets de l'emplacement doivent plutôt être pris en compte dans un modèle à plusieurs variables, afin d'assurer une estimation fidèle des coefficients de régression et de leurs variances associées.

Aux fins de la modélisation spatiale, il faut définir ce que constitue un quartier avoisinant. Dans les présentes analyses, une structure de contiguïté qui comprend toutes les frontières communes et les sommets qui se touchent entre les frontières des régions sert à définir les quartiers qui sont voisins les uns des autres. La structure des quartiers définit les emplacements qui pourraient exercer une influence les uns sur les autres, les voisins, et elle exclut toute influence possible des quartiers qui ne sont pas considérés comme des voisins. La structure des quartiers sert à vérifier l'autocorrélation spatiale et à préciser la composante spatiale dans le modèle autorégressif spatial.

Le processus de base de modélisation des données spatiales consiste d'abord à adapter un modèle de régression par les moindres carrés ordinaires (MCO) aux données, puis à vérifier les valeurs résiduelles afin de déterminer s'il y a autocorrélation spatiale. On accomplit cela au moyen d'un test statistique appelé « test I de Moran », qui permet de déterminer si les valeurs résiduelles sont réparties de façon aléatoire sur le territoire étudié. Les valeurs de la statistique I de Moran varient entre 1 et -1. Une valeur qui s'approche de 1 indique qu'il y a autocorrélation spatiale positive, c'est-à-dire que les quartiers affichant des valeurs résiduelles importantes sont adjacents à d'autres quartiers qui ont eux aussi des valeurs résiduelles élevées. Une valeur qui s'approche de -1 révèle la présence d'une autocorrélation spatiale négative, dans laquelle les quartiers qui affichent des valeurs résiduelles élevées sont voisins de quartiers qui ont de faibles valeurs résiduelles. Une valeur près de zéro indique l'absence d'une autocorrélation spatiale. La signification de la statistique I de Moran est déterminée au moyen d'une approche de permutation aléatoire, où un résultat significatif indique qu'il y a présence d'une autocorrélation spatiale dans les valeurs résiduelles du modèle.

Lorsqu'il y a présence d'une autocorrélation dans les résidus d'un modèle de régression MCO, il faut adapter un modèle spatial aux données. Le modèle spatial propose la même analyse des caractéristiques des quartiers que le modèle MCO, mais il contrôle les effets de l'emplacement. Cela peut se faire de deux façons, soit en ajoutant une variable additionnelle pour représenter l'effet des quartiers avoisinants, soit en modélisant un processus spatial dans les valeurs résiduelles. Dans le premier modèle, qui est appelé « modèle à variable spatiale décalée », on suppose un effet direct du taux de criminalité sur les quartiers avoisinants. Dans ce cas, la valeur moyenne des taux de criminalité de tous les quartiers avoisinants, appelée « variable spatiale décalée », est ajoutée au modèle de régression pour représenter l'effet direct des quartiers avoisinants. Dans l'autre modèle, appelé « modèle de l'erreur spatiale », on suppose que le lien entre les taux de criminalité dans les quartiers avoisinants découle du même lien entre les variables explicatives dans les quartiers avoisinants. Ainsi, l'autocorrélation spatiale détectée dans le modèle de régression MCO tient à des variables autocorrélées sur le plan spatial qui ne figurent pas dans le modèle. Pour décider du type approprié de modèle spatial qu'il faut utiliser pour tout ensemble de données, les données sont vérifiées de façon empirique afin de déterminer la structure de la dépendance spatiale.

Les résultats de l'analyse de régression spatiale sont essentiellement les mêmes que ceux d'autres analyses de régression à plusieurs variables. Les coefficients de régression représentent la variation du taux de criminalité pour un changement unitaire de la variable, lorsque toutes les autres variables sont maintenues constantes. Étant donné que les variables qui représentent les caractéristiques des quartiers sont normalisées, l'importance de leur coefficient de régression indique leur contribution relative à la prédiction de la criminalité. Toutefois, les coefficients de régression des variables spatiales décalées et des variables d'erreur spatiale ne peuvent s'expliquer de la même façon. Le coefficient de la variable spatiale décalée représente en partie l'effet des quartiers avoisinants, mais il représente aussi une partie de l'erreur de mesure liée à l'utilisation d'unités administratives pour définir les quartiers. Ainsi, il n'y a aucune interprétation directe du coefficient de la variable spatiale décalée. De même, le coefficient de la variable d'erreur spatiale représente un paramètre nuisible dans le modèle, et ne peut être interprété directement. La variable d'erreur spatiale n'est retenue dans le modèle que pour assurer l'exactitude des autres résultats.

Le caractère approprié des modèles spatiaux est évalué au moyen de la corrélation carrée entre le taux de criminalité de chaque quartier et les valeurs prédites en utilisant le modèle spatial. Cette corrélation carrée est équivalente au coefficient de détermination (R2), qui est couramment utilisé dans les modèles de régression ordinaire, où il représente la proportion de la variation qui est expliquée par le modèle de régression. Toutefois, en présence d'une autocorrélation spatiale, la corrélation carrée entre les valeurs observées et les valeurs ajustées n'a pas la même interprétation. Elle indique plutôt le caractère approprié relatif du modèle. Une valeur de 1 signifie que le modèle est parfaitement adapté, alors qu'une valeur s'approchant de zéro indique que le modèle a un faible pouvoir de prédiction.

Pour assurer que l'autocorrélation spatiale a été suffisamment prise en compte dans le modèle, les résidus du modèle spatial sont vérifiés pour voir s'il y a présence d'autocorrélation spatiale. On accomplit cela au moyen des tests du multiplicateur de Lagrange, qui servent à vérifier la présence d'une dépendance de la variable d'erreur spatiale dans le modèle à variable spatiale décalée et l'absence d'une variable spatiale décalée dans le modèle d'erreur spatiale. Si le test statistique n'est pas significatif, il indique que la dépendance spatiale dans les données a été prise en compte dans le modèle.

Procédure de normalisation

Edmonton

Aucune transformation

Logarithme naturel

Racine carrée

Population de moins de 15 ans

Taux de crimes avec violence

Taux de crimes contre les biens

Densité de la population à risque

Ratio hommes-femmes

Logements nécessitant d'importantes réparations

Familles monoparentales

Population de 65 ans et plus

Taux de chômage

Logements occupés par le propriétaire

Autochtones

Nouveaux immigrants
(depuis 1991)

Personnes de 20 ans et plus sans diplôme d'études secondaires

Personnes ayant déménagé depuis la dernière année

Membres de minorités visibles

 

Personnes de 20 ans et plus titulaires d'un diplôme universitaire

Ménages consacrant plus de 30 % de leur revenu au logement

 

Revenu individuel médian

Part des transferts gouvernementaux dans le revenu total

 

Valeur moyenne de la propriété

 

Revenu médian des ménages

Personnes vivant dans un ménage à faible revenu

 

Personnes vivant seules

 

 

Logements construits avant 1961

 

 

Logements construits après 1990

 

 

Célibataires, jamais mariés

 

 

Jeunes hommes de 18 à 24 ans

 

 

Travailleurs dans le secteur du commerce de détail

 

 

Zonage résidentiel multifamilial

 

 

Zonage résidentiel unifamilial

 

Halifax

Aucune transformation

Logarithme naturel

Racine carrée

 

L'ensemble des variables à l'étude

 

Thunder Bay

Aucune transformation

Logarithme naturel

Racine carrée

Espace ouvert

Taux de crimes contre les biens

Taux de crimes avec violence

Zonage résidentiel multifamilial

Célibataires, jamais mariés

Population de 65 ans et plus

Zonage résidentiel unifamilial

Taux de chômage

Personnes vivant seules

Zonage industriel

 

Personnes ayant déménagé depuis la dernière année

Zonage public

 

Autochtones

Zonage commercial

 

Personnes de 20 ans et plus sans diplôme d'études secondaires

Ratio hommes-femmes

 

Population de moins de 15 ans

 

Personnes de 20 ans et plus titulaires d'un diplôme universitaire

Familles monoparentales

 

Logements occupés par le propriétaire

 

Revenu individuel médian

Logements nécessitant d'importantes réparations

 

Part des transferts gouvernementaux dans le revenu total

Logements construits avant 1961

 

Logements construits après 1990

 

Personnes vivant dans un ménage à faible revenu

Occupations professionnels

 

Ménages consacrant plus de 30 % de leur revenu au logement