Dessertes ferroviaires à grande vitesse et dynamisme économique local : Une analyse économétrique exploratoire sur les unités urbaines françaises
Bibliographic record
Abstract
Alors même que la relation vertueuse entre infrastructures de transport et développement reste l’un des mythes les plus solidement ancrés dans l’esprit des acteurs, publics comme privés, les travaux empiriques relatifs aux effets des dessertes ferroviaires à grande vitesse aboutissent à un bilan plus mitigé. Cet article souhaite profiter de l’expérience française en matière d’infrastructures ferroviaires à grande vitesse pour estimer les retombées économiques dont auraient pu bénéficier les villes desservies par Trains à Grande Vitesse (TGV), en partie ou en totalité sur une Ligne à Grande Vitesse (LGV). L’échantillon se compose de 492 unités urbaines (UU) pour lesquelles nous suivons l’évolution des emplois, et notamment des cadres, entre 1982 et 2006. Notre stratégie empirique se veut exploratoire et accorde une attention particulière aux autres déterminants de la croissance locale des UU, propres à l’offre (taille initiale, spécialisation/diversité du tissu productif…) et à la demande (tourisme, richesse locale…). Dans la mesure où le choix des territoires desservis par LGV/TGV n’est a priori pas aléatoire, nous utilisons également un modèle de sélection visant à corriger les estimations d’un tel biais. Nous montrons que les analyses empiriques des retombées locales des dessertes ferroviaires ne peuvent pas négliger le problème d’endogénéité entre infrastructures et développement. Ainsi, les résultats du modèle de sélection aboutissent à des effets des liaisons ferroviaires sur la croissance locale de signes opposés à ceux provenant d’une approche par les Moindres Carrés Ordinaires. Nos estimations soulignent surtout que les retombées économiques locales sont clairement différenciées selon que les UU sont desservies ou non sur LGV ou simplement par TGV. Même si les UU desservies par LGV ont connu une création d’emplois (postes de cadres) inférieure entre 1982 et 2006, les effets propres aux infrastructures sur le taux de croissance annuel, i.e. corrigés du biais de sélection, se chiffrent à +1,3% (+3,7%). Concernant les UU uniquement desservies par TGV, elles ont certes connu de meilleures performances en moyenne mais l’effet propre aux infrastructures est quant à lui négatif : -1,1% et -3,0% sur le taux de croissance annuel des emplois et postes de cadres respectivement. Si la taille des UU en 1975 explique unanimement leur connexion au réseau LGV et leur desserte par TGV, les autres déterminants (techniques, administratifs, géographiques) ont des effets ambivalents selon le type de liaisons. Finalement, nous mettons en évidence un certain nombre de facteurs influençant également la croissance locale (taille initiale des villes, spécialisation, structure mono-centrique des UU, aménités géographiques entre autres). L’effet croisé de certaines caractéristiques avec l’arrivée des dessertes TGV parfois sur LGV pourrait permettre d‘apprécier l’hétérogénéité des retombées économiques locales des infrastructures ferroviaires à grande vitesse. Ces résultats qui devront être affinés pourraient être utiles pour compléter les évaluations socio-économiques traditionnelles des grands projets d’infrastructures.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame distilled prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. Learned from the 10,348 direct Codex labels and 10,348 direct Gemma labels. Candidate is the union of thresholded teacher heads; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels or direct frontier model labels.
Codex and Gemma teacher scores by category
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.004 | 0.002 |
| Meta-epidemiology (narrow) | 0.001 | 0.001 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.002 |
| Open science | 0.001 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one teacher head, not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".