Coefficient de Pearson entre le score (% voix) de chaque nuance aux municipales 2026 T1
et les indicateurs de la commune. N ≈ 14 000 communes (inscrits ≥ 500).
Rouge = corrélation positive, bleu = négative.
Échelle :
−1 → 0 → +1
Archétypes électoraux (NMF K=6)
Factorisation non-négative de la matrice communes × nuances. Chaque archétype représente
un profil de vote municipal récurrent. Les barres montrent le poids de chaque nuance
dans l'archétype (H normalisé) et le profil socioéconomique moyen (z-score).
Composition en nuances
Profil socioéconomique (z-score)
Scatter des communes (PCA sur W)
Couleur = archétype dominant. 2500 communes échantillonnées.
UMAP — vecteurs de vote multi-élections
Chaque point = une commune. Vecteur de 25 dimensions (5 élections × 5 blocs, % voix T1).
UMAP réduit à 2D (via PCA 10 composantes). Couleur par bloc dominant à l'élection sélectionnée.
6 000 communes échantillonnées sur 28 594.
Variance expliquée (PCA préalable, top 5 composantes)
Régressions Δ — quels facteurs expliquent les glissements ?
Pour chaque paire d'élections, régression OLS :
Δ% bloc ~ niveaux socioéconomiques (standardisés, β coefficients). R² indiqué.
Les features incluent les lag spatiaux (moyenne des 8 communes voisines).
R² pour toutes les paires / blocs
Autocorrélation spatiale (Moran's I global)
Indice de Moran I calculé sur les 8 plus proches voisins géographiques de chaque commune
(k-d tree sur coordonnées GPS, pondération uniforme normalisée). I ≈ 0 = aléatoire,
I = 1 = regroupement parfait. Toutes les variables montrent une forte autocorrélation,
confirmant que les votes sont fortement structurés dans l'espace.
Indicateurs socioéconomiques
Blocs gagnants par élection
Comparaison globale
Sources : INSEE RP 2022 · IRCOM DGFiP · Ministère de l'Intérieur · Calculs propres