Statistiques sur les ressources et conditions de vie 2021
SRCV 2021
SRCV 2021
Cohérence et comparabilité
Comparabilité — géographique
La taille de l'échantillon de l'enquête EU-SILC, environ 25 000 répondants en France métropolitaine, et le nombre de régions, 13, dont 9 ont moins de 800 répondants, ne permettent pas de calculer des indicateurs de pauvreté fiables pour chaque région. C'est pourquoi l'INSEE a développé une méthode d'estimation sur petits domaines, qui fournira des micro-données (poids) pour chaque région, permettant de calculer des taux de pauvreté au niveau régional.
Le calcul d'indicateurs régionaux, en utilisant le découpage au niveau NUTS2 de la variable DB040, est fortement déconseillé sur les données antérieures à 2022.
Comparabilité dans le temps
Une rupture de série importante a eu lieu en 2020 à la suite de la refonte du système l'année précédant la mise en œuvre du règlement IESS.
Cohérence — entre domaines
Les données externes utilisées pour contrôler les composantes du revenu sont diverses.
- Des bases de données administratives exhaustives, qui fournissent des montants cibles de revenus d'origine fiscale (montants déclarés de salaires, d'allocations de chômage, de pensions, de revenus financiers, etc.) et de la sécurité sociale (aides au logement, prestations familiales, minima sociaux).
- Les résultats de l'Enquête revenus fiscaux et sociaux (ERFS), qui est la source de référence, au niveau national, pour la mesure des niveaux de vie et de la pauvreté monétaire. Cette source est constituée par l'appariement de l'Enquête emploi en continu avec des données administratives. L'EEC est basée sur un échantillon de grande taille et fournit des statistiques détaillées selon les principaux critères sociodémographiques.
- Le système Filosofi (Fichier localisé social et fiscal), qui consiste en un rapprochement des bases administratives fiscales et sociales exhaustives.
Cohérence – Statistiques annuelles et infra-annuelles
Sans objet
Cohérence — interne
La cohérence interne des données a été vérifiée : respect de l’additivité des variables, application de méthodes reconnues de détection des points atypiques, etc.