Rouge
Rose
Orange
Vert
Beige
Brun
Noir
Bleu marine
Revenir à la couleur par défaut
Cette fonctionnalité est spécialement dédiée aux personnes daltoniennes.
Ici vous pouvez choisir la couleur de vos liens dans les pages afin de les rendre plus visibles.
Statistiques cantonales
Définitions et documentation
Définitions, symboles et chiffres arrondis
Chiffres arrondis
En général, les tableaux de répartition en pour cent ou en pour mille, ainsi que les tableaux en franc, millier et million de francs, sont constitués de chiffres arrondis.
Les chiffres arrondis ne sont en principe pas ajustés, si bien que leur somme peut ne pas correspondre exactement au total ou aux totaux inscrits dans le tableau.
Correction des variations saisonnières / CVS
Les chiffres arrondis ne sont en principe pas ajustés, si bien que leur somme peut ne pas correspondre exactement au total ou aux totaux inscrits dans le tableau.
L'évolution infra-annuelle d'une série statistique s’explique en général par trois effets : une tendance, une composante saisonnière et une composante irrégulière. La correction des variations saisonnières est une technique employée pour éliminer l'effet des fluctuations saisonnières sur les données, de manière à en faire ressortir les tendances fondamentales (tendance et composante irrégulière), en particulier dans le cadre de l’analyse conjoncturelle.
Par exemple, la série désaisonnalisée du nombre de passagers à l'Aéroport international de Genève G 11.02.04 supprime les variations dues à la plus grande fréquentation au mois de mars et en été.
En francs constants, aux prix de l’année X, en termes réels
Par exemple, la série désaisonnalisée du nombre de passagers à l'Aéroport international de Genève G 11.02.04 supprime les variations dues à la plus grande fréquentation au mois de mars et en été.
Ces expressions désignent des valeurs monétaires (aux prix / en francs constants, aux prix de l’année « x ») ou des variations
(en termes réels) qui éliminent les effets de la dévalorisation générale de la monnaie, autrement dit en déduisant le mouvement
général des prix (déflater, en termes statistiques). Deux montants de deux périodes différentes sont alors directement
comparables. Pratiquement, une évolution en francs constants s’obtient en divisant l’évolution d’une valeur courante par
celle du niveau général des prix. L’évolution des prix utilisée comme déflateur n’est pas forcément celle des prix à la consommation.
Elle doit correspondre aux valeurs considérées. Les PIB sont déflatés à l’aide d’un indice ad hoc, la valeur des exportations
à l’aide de l’évolution des prix à la production (ou des prix à l’exportation). Pour certaines séries, il n’existe aucun déflateur approprié. Il n’est donc disponible qu’aux prix courants.
En francs ou à prix courants, en termes nominaux
Ces expressions désignent des valeurs monétaires (aux prix / en francs courants) ou des variations (en termes nominaux) exprimées
avec les prix observés lors des périodes correspondantes. Elles sont peu utilisées pour les analyses chronologiques car
les niveaux exprimés ainsi sont biaisés par l’évolution des prix. Un million de francs de 1970 n’est en effet pas équivalent à
un million de francs de 2009. En l’indexant à l’aide de l’indice genevois des prix à la consommation, un million de francs en
1970 représente 3,1 millions en 2009.
Indice
Pour un indicateur donné, un indice exprime la progression de la valeur entre deux dates différentes. Il s’obtient en rapportant la
valeur de la date de la période courante à celle du début de la période. L’indice est donc indépendant de l’unité de mesure originale.
Par exemple, si le PIB suisse est de 225,9 milliards de francs en 1970 et de 235,6 milliards de francs en 1971 (soit une hausse de 4,3 %), l’indice 1970=100 sera de 100 en 1970 et de 104,3 en 1971. Si le PIB est de 243,7 milliards de francs en 1972 (+ 3,5 % en un an ou + 7,9 % en deux ans), l’indice passe à 107,9.
Dans le cadre d’une analyse chronologique graphique, le recours à un indice a plusieurs avantages :
Intervalle de confiance
Par exemple, si le PIB suisse est de 225,9 milliards de francs en 1970 et de 235,6 milliards de francs en 1971 (soit une hausse de 4,3 %), l’indice 1970=100 sera de 100 en 1970 et de 104,3 en 1971. Si le PIB est de 243,7 milliards de francs en 1972 (+ 3,5 % en un an ou + 7,9 % en deux ans), l’indice passe à 107,9.
Dans le cadre d’une analyse chronologique graphique, le recours à un indice a plusieurs avantages :
- Quand le niveau d’un indicateur n’est pas pertinent pour l’analyse mais que son évolution l’est, le recours à un indice permet de constituer une série représentant l’évolution de son niveau. C’est souvent le cas avec les séries conjoncturelles.
- Un indice permet de suivre l’évolution d’un indicateur sur une longue période dans une même unité malgré les éventuelles ruptures de série qui empêchent une comparabilité directe dans l’unité de mesure originale.
- Un indice – qui est un nombre sans dimension – permet de comparer sur une même base deux indicateurs exprimés à l’origine dans une unité différente ou dont les ordres de grandeur sont très différents. Sur un graphique, on peut ainsi tracer les évolutions à l’aide d’une même échelle.
Les estimations que fournit une enquête par échantillonnage peuvent s'écarter légèrement des résultats qu'aurait donnés une interrogation exhaustive. Si l'échantillonnage est aléatoire, la notion d'intervalle de confiance permet de donner une idée de cet écart. Lorsqu'un intervalle de confiance à 95 % est fourni pour une grandeur, cela signifie que cet intervalle a 95 % de chances de contenir la valeur qu'aurait donnée une interrogation exhaustive.
L'intervalle de confiance ne prend en compte que le fait que les résultats proviennent d'une enquête par échantillonnage aléatoire, et non les autres sources d'erreurs : réponses inexactes ou mal interprétées, biais des non-réponses, etc.
Médiane, moyenne ou quartile : les indicateurs de position
L'intervalle de confiance ne prend en compte que le fait que les résultats proviennent d'une enquête par échantillonnage aléatoire, et non les autres sources d'erreurs : réponses inexactes ou mal interprétées, biais des non-réponses, etc.
Pour apprécier les écarts dans une série (distribution) de données, on recourt à des indicateurs de dispersion. En termes statistiques, la dispersion est la mesure des écarts entre la valeur des données.
Les quantiles, qui divisent les données en plusieurs parties égales, sont les plus couramment utilisés.
La médiane correspond à la valeur pour laquelle la moitié des données lui sont inférieures, l’autre moitié supérieures. La médiane est l’indicateur de référence pour estimer le niveau général d’une distribution, notamment lorsqu’elle est exprimée en termes monétaires.
Si l'on divise l'ensemble des données, ordonnées selon leur valeur, en quatre groupes d’effectifs égaux, on obtient des quartiles. Le premier quartile (Q1) est la valeur qui sépare des autres les 25 % des données avec les valeurs les plus basses. Le deuxième quartile est la médiane. Le troisième quartile (Q3) est la valeur qui sépare des autres les 25 % des données avec les valeurs les plus élevées.
Sur le même principe, les déciles partagent la distribution en dix groupes d’effectifs égaux. Le premier décile (D1) est la valeur qui sépare des autres les 10 % des données avec les valeurs les plus basses. Le deuxième décile (D2) est la limite pour les 10 % suivants : 20 % des données ont une valeur inférieure à ce montant et 10 % ont par conséquent une valeur comprise entre D1 et D2. Et ainsi de suite jusqu’à D9, qui est la valeur qui indique la limite entre les 10 % des données avec les valeurs les plus élevées et les autres 90 %. Le cinquième décile (D5) est la médiane.
Les graphiques de dispersion appelés « boîtes à moustaches » permettent de visualiser les cinq quantiles principaux. La dispersion des valeurs est représentée par la « longueur » de la moustache. Plus les moustaches sont longues, plus la distribution est dispersée, ce qui implique de grands écarts entre les valeurs.
Le rapport entre quantiles est un autre indicateur de dispersion. Le rapport interquartile Q3/Q1 est une indication de l’écart entre le quart des données avec les valeurs les plus élevées et le quart avec les valeurs les plus basses. Basé sur le même principe, le rapport interdécile D9/D1 fournit une indication sur les écarts entre les 10 % des données avec les valeurs extrêmes.
La moyenne arithmétique est la somme des valeurs observées divisée par leur nombre. La notion de moyenne est familière et d'usage courant. C'est une valeur centrale : comprise entre les valeurs extrêmes, « vers le milieu », la moyenne arithmétique en définit d'ailleurs, au sens géométrique, le centre de gravité. Si la valeur d'une moyenne peut fournir un bon résumé statistique d'un phénomène donné, on lui préfère le souvent la médiane car cette dernière permet de réduire l’effet des valeurs extrêmes. Lorsque les valeurs sont distribuées de manière symétrique, la moyenne arithmétique coïncide avec la médiane. Lorsque la distribution est asymétrique (dans le cas des revenus, par exemple), la moyenne arithmétique dépasse la médiane si les valeurs extrêmes sont élevées et se situe en dessous de la médiane si les valeurs extrêmes sont basses.
L’écart-type mesure l’écart des observations de la série par rapport à leur moyenne. Faible, il indique une accumulation forte des données autour de la moyenne. Grand, il signifie un étalement considérable des valeurs de la série. Il s’exprime dans les mêmes unités que la moyenne.
Prix relatifs
Les quantiles, qui divisent les données en plusieurs parties égales, sont les plus couramment utilisés.
La médiane correspond à la valeur pour laquelle la moitié des données lui sont inférieures, l’autre moitié supérieures. La médiane est l’indicateur de référence pour estimer le niveau général d’une distribution, notamment lorsqu’elle est exprimée en termes monétaires.
Si l'on divise l'ensemble des données, ordonnées selon leur valeur, en quatre groupes d’effectifs égaux, on obtient des quartiles. Le premier quartile (Q1) est la valeur qui sépare des autres les 25 % des données avec les valeurs les plus basses. Le deuxième quartile est la médiane. Le troisième quartile (Q3) est la valeur qui sépare des autres les 25 % des données avec les valeurs les plus élevées.
Sur le même principe, les déciles partagent la distribution en dix groupes d’effectifs égaux. Le premier décile (D1) est la valeur qui sépare des autres les 10 % des données avec les valeurs les plus basses. Le deuxième décile (D2) est la limite pour les 10 % suivants : 20 % des données ont une valeur inférieure à ce montant et 10 % ont par conséquent une valeur comprise entre D1 et D2. Et ainsi de suite jusqu’à D9, qui est la valeur qui indique la limite entre les 10 % des données avec les valeurs les plus élevées et les autres 90 %. Le cinquième décile (D5) est la médiane.
Les graphiques de dispersion appelés « boîtes à moustaches » permettent de visualiser les cinq quantiles principaux. La dispersion des valeurs est représentée par la « longueur » de la moustache. Plus les moustaches sont longues, plus la distribution est dispersée, ce qui implique de grands écarts entre les valeurs.
Le rapport entre quantiles est un autre indicateur de dispersion. Le rapport interquartile Q3/Q1 est une indication de l’écart entre le quart des données avec les valeurs les plus élevées et le quart avec les valeurs les plus basses. Basé sur le même principe, le rapport interdécile D9/D1 fournit une indication sur les écarts entre les 10 % des données avec les valeurs extrêmes.
La moyenne arithmétique est la somme des valeurs observées divisée par leur nombre. La notion de moyenne est familière et d'usage courant. C'est une valeur centrale : comprise entre les valeurs extrêmes, « vers le milieu », la moyenne arithmétique en définit d'ailleurs, au sens géométrique, le centre de gravité. Si la valeur d'une moyenne peut fournir un bon résumé statistique d'un phénomène donné, on lui préfère le souvent la médiane car cette dernière permet de réduire l’effet des valeurs extrêmes. Lorsque les valeurs sont distribuées de manière symétrique, la moyenne arithmétique coïncide avec la médiane. Lorsque la distribution est asymétrique (dans le cas des revenus, par exemple), la moyenne arithmétique dépasse la médiane si les valeurs extrêmes sont élevées et se situe en dessous de la médiane si les valeurs extrêmes sont basses.
L’écart-type mesure l’écart des observations de la série par rapport à leur moyenne. Faible, il indique une accumulation forte des données autour de la moyenne. Grand, il signifie un étalement considérable des valeurs de la série. Il s’exprime dans les mêmes unités que la moyenne.
Un prix relatif, pour un bien ou un service donné, reflète l’évolution du prix du bien ou service en question, déduction faite
de l’évolution du niveau général des prix. L’objectif est de mesurer si l’évolution du prix du bien est plus ou moins forte que
celle de l’ensemble des prix, c’est-à-dire s’il devient relativement «moins cher » ou « plus cher » avec le temps.
Symboles
–
valeur nulle
0
valeur inférieure à la moitié de la dernière position décimale retenue
. . .
donnée inconnue
///
aucune donnée ne peut correspondre à la définition
( )
l'information ne peut être communiquée pour des raisons tenant à la protection des données
[ ]
valeur peu significative
e
valeur estimée
p
donnée provisoire
r
donnée révisée
Documentation
Découpages territoriaux du canton de Genève
Sous-secteurs statistiques : définitions
A la fin des années quatre-vingt, le territoire du canton de Genève a été découpé en 394 sous-secteurs statistiques. L’OCSTAT a été à l’origine de ce projet. Sa conception, sa réalisation et son suivi ont été ensuite assurés par le Groupe interdépartemental de représentation cartographique (GIREC), qui réunissait des représentants de plusieurs départements de l’administration cantonale, de la Ville de Genève et de l’Université de Genève. Les communes ont également été associées à son élaboration et le découpage a été approuvé par le Conseil d’Etat.
Le but de ce découpage était de mettre à disposition des données statistiques agrégées à une échelle intermédiaire entre la parcelle et la commune.
Dans les faits, ce découpage territorial constitue une nomenclature statistique et fait donc l’objet, au besoin, de révisions périodiques. Après 15 ans d'existence de cette partition du territoire, le nouveau découpage a été officiellement approuvé par le Conseil d’Etat le 4 mai 2005. Depuis cette date, il est à la disposition des utilisateurs.
Le code d’identification du sous-secteur, composé auparavant de 6 chiffres, a été complété d’un 7ème chiffre :
Liste des communes, secteurs et sous-secteurs statistiques du canton de Genève
Le but de ce découpage était de mettre à disposition des données statistiques agrégées à une échelle intermédiaire entre la parcelle et la commune.
Dans les faits, ce découpage territorial constitue une nomenclature statistique et fait donc l’objet, au besoin, de révisions périodiques. Après 15 ans d'existence de cette partition du territoire, le nouveau découpage a été officiellement approuvé par le Conseil d’Etat le 4 mai 2005. Depuis cette date, il est à la disposition des utilisateurs.
Le code d’identification du sous-secteur, composé auparavant de 6 chiffres, a été complété d’un 7ème chiffre :
- 1er et 2e chiffres numéro fédéral de la commune (de 01 à 45, suivant l’ordre alphabétique des 45 communes politiques du canton);
- 3e et 4e chiffres numéro du secteur statistique (de 01 à 36, pour la ville de Genève uniquement; 00 pour les 44 autres communes du canton);
- 5e et 6e chiffes numéro du sous-secteur statistique (ancien découpage);
- 7e chiffre nouveau chiffre, permettant d’identifier le type de modification intervenue :
- 0 = sous-secteur sans variation de limites;
- 1 à 4 = nouveau sous-secteur créé par subdivision;
- 9 = sous-secteur dont les limites ont été adaptées.
Pour en savoir plus
Le découpage du canton de Genève en sous-secteurs statistiques. Révision 2005. OCSTAT, Etudes et documents n° 40, janvier 2006.
Les sous-secteurs statistiques constituent un découpage géographique infra communal, de caractère officiel, stable dans le temps, défini de façon systématique pour l'ensemble du canton de Genève. Ce découpage tient compte de l'homogénéité du territoire, notamment du bâti, et respecte des limites géographiques structurantes et lisibles.
Liste des arrondissements électoraux du canton de Genève
Liste des communes appartenant à des périmètres transfrontaliers de Genève
| T 00.01.01 | Liste des communes, secteurs et sous-secteurs statistiques du canton de Genève |
Il existe différentes définitions du périmètre de l’agglomération genevoise.
La définition de l’agglomération genevoise, de l’Office fédéral de la statistique, a été revue fin 2014, sur la base de données de 2012. Elle est proche de la notion d’aire urbaine utilisée en France et en Europe. Elle identifie un centre d’agglomération, urbain et dense, et une couronne d’agglomération, dont les communes entretiennent une relation fonctionnelle avec le centre.
L’Espace transfrontalier genevois est le périmètre de référence des études de l’Observatoire statistique transfrontalier. Il correspond, côté suisse, au canton de Genève et au district de Nyon et, côté français, à la zone d’emploi du Genevois français. Une zone d'emploi est un espace géographique à l'intérieur duquel la plupart des actifs résident et travaillent, et dans lequel les établissements peuvent trouver l'essentiel de la main d'œuvre nécessaire pour occuper les emplois offerts. Contrairement à la définition des agglomérations, une zone d’emploi ne se base pas sur les notions de centre et de couronne. Les zones d’emploi sont définies par l’Institut national de statistique et d’études économiques français (Insee), sur la base des données du recensement de la population. La dernière mise à jour des zones d’emploi date de 2010, sur la base de données de 2006.
Le Grand Genève est un périmètre qui inclut toutes les parties prenantes du Projet d’agglomération franco-valdo-genevois. Il contient, côté suisse, le canton de Genève et le district de Nyon et, côté français, le pôle métropolitain du Genevois français, piloté par le Groupement local de coopération trans-frontalière (GLCT). Le territoire couvert par le Grand Genève repose sur une adhésion politique; cela étant, son périmètre est très proche des périmètres définis statistiquement.
Cartes de références
La définition de l’agglomération genevoise, de l’Office fédéral de la statistique, a été revue fin 2014, sur la base de données de 2012. Elle est proche de la notion d’aire urbaine utilisée en France et en Europe. Elle identifie un centre d’agglomération, urbain et dense, et une couronne d’agglomération, dont les communes entretiennent une relation fonctionnelle avec le centre.
L’Espace transfrontalier genevois est le périmètre de référence des études de l’Observatoire statistique transfrontalier. Il correspond, côté suisse, au canton de Genève et au district de Nyon et, côté français, à la zone d’emploi du Genevois français. Une zone d'emploi est un espace géographique à l'intérieur duquel la plupart des actifs résident et travaillent, et dans lequel les établissements peuvent trouver l'essentiel de la main d'œuvre nécessaire pour occuper les emplois offerts. Contrairement à la définition des agglomérations, une zone d’emploi ne se base pas sur les notions de centre et de couronne. Les zones d’emploi sont définies par l’Institut national de statistique et d’études économiques français (Insee), sur la base des données du recensement de la population. La dernière mise à jour des zones d’emploi date de 2010, sur la base de données de 2006.
Le Grand Genève est un périmètre qui inclut toutes les parties prenantes du Projet d’agglomération franco-valdo-genevois. Il contient, côté suisse, le canton de Genève et le district de Nyon et, côté français, le pôle métropolitain du Genevois français, piloté par le Groupement local de coopération trans-frontalière (GLCT). Le territoire couvert par le Grand Genève repose sur une adhésion politique; cela étant, son périmètre est très proche des périmètres définis statistiquement.
| T 00.01.21 | Liste des communes appartenant aux périmètres transfrontaliers de Genève |
Agglomération de Genève et périmètres de l’Espace transfrontalier genevois et du Grand Genève
 "C00_01_08_2020")
|
Arrondissements électoraux de la Ville de Genève
 "C00_01_06")
|
Arrondissements électoraux du canton de Genève
 "C00_01_05")
|
Les 16 secteurs statistiques de la ville de Genève
 "C00_01_02")
|
Les 45 communes du canton de Genève
 "C00_01_01")
|
Les 45 communes du canton de Genève selon le découpage typologique
 "C00_01_07")
|
Sous-secteurs statistiques de la Ville de Genève
 "C00_01_04")
|
Sous-secteurs statistiques du canton de Genève
 "C00_01_03")
|
Communication de données individuelles
Quelles données individuelles (à l'adresse ou anonymisées) peuvent être communiquées, à quelles conditions et comment les obtenir ?
Abonnements
Pratique
- Questionnaires
- Echanges avec les gérants d'immeubles
- Registre des bâtiments et logements (RegBL)
- Définitions et documentation
- À qui s'adresser ?
Liens associés
- Groupe de perspectives économiques
- Observatoire genevois du marché du travail
- Observatoire statistique transfrontalier
- Partenaires
Contact
- Département des finances, des ressources humaines et des affaires extérieures
- Office cantonal de la statistique (OCSTAT)
82, route des Acacias
1227 Carouge
(3e étage)
Voir le plan - Adresse postale :
OCSTAT
Case postale 1735
CH - 1211 Genève 26 - T: +41 22 388 75 00