Politique d’immigration : impact sur le PIB et le taux de chômage en France

 

 

 

Initialement lancée par le débat politique, la question des conséquences économiques de l’immigration a ensuite fait l’objet de nombreuses études aux conclusions divergentes.  

 

Les médias se sont souvent fait l’écho d’études allant toutes dans le même sens : l’immigration est favorable à la richesse nationale, à l’emploi, aux salaires, et aux finances publiques. Et ce pour délibérément passer sous silence d’autres travaux beaucoup moins favorables pour les tenants d’une forte immigration.

 

En construisant un modèle vectoriel autoregressif (VAR) sur une période d'estimation s'étalant de 1984 à 2013, on trouve que l’augmentation permanente de 1 % du taux d’entrées légales d’étrangers conduit à une baisse de 0,17% du PIB par habitant, et une hausse de 0,3% du taux de chômage au bout de 5 ans.

 

En réalisant une simulation sur la politique migratoire menée par Nicolas Sarkozy de 2007 à 2012, on trouve alors un coût de 25 euros par an et par habitant.

 

 

1.  Revue de la littérature économique :

 

Dans un modèle néoclassique de base, un afflux d’immigration représente un choc d’offre de travail qui, si le marché du travail est parfaitement flexible, est facilement absorbé au bout d’un court laps de temps, se traduisant ainsi par une création nette de richesse. Cependant, cette description est évidemment simpliste et parfaitement étrangère au réel monde économique. En effet, les règlementations (nécessaires) du marché du travail (notamment le salaire minimum) sont des « rigidités » qui ralentissent l’ajustement du marché du travail et augmentent, au moins temporairement, le chômage. Elle peut donc conduire à une perte nette de richesse du fait de l’indemnisation de ce surcroit de chômage par les natifs. (Saint-Paul, 2013).

 

Face à ces éléments théoriques, plusieurs études empiriques ont cherché à savoir si la théorie collait à la réalité.

 

1.1 Impact sur le marché du travail :

 

Concernant l’impact sur le marché du travail, Altonji et Card (1991) trouvent qu’aux Etats-Unis, une hausse de la proportion des immigrés d’un point de pourcentage réduit le salaire de 1,2 %, mais réduit paradoxalement le taux de chômage de 0,25 %.

 

Hunt (1992) avait quant à elle étudié l’impact sur le marché du travail de l’installation des rapatriés d’Algérie dans le sud de la France en 1962. Elle trouve qu’une hausse de la proportion de rapatriés d’un point de pourcentage a réduit le salaire d’environ 0,8 % et a augmenté le taux de chômage de 0,2 point de pourcentage.

 

Plus récemment, Borjas (2003) estime qu’entre 1980 et 2000, l’immigration aux Etats-Unis a accru l’offre de travail d’environ 11 %, ce qui aurait réduit le salaire des natifs d’environ 3,2 %, frappant indistinctement les différentes catégories d’éducation.

 

De même, Jean et Jiménez (2011) concluent qu’un apport d’immigrés augmente temporairement le chômage des natifs. Inversement, Damette et Fromentin (2013) trouvent que l’immigration réduit à court terme le chômage.

Longhi et al. (2004) ont quant à eux réalisé une méta-étude jugeant que l’immigration à un effet nul sur les salaires (une augmentation de la part des immigrés de 1% entraîne une baisse de 0,02% des salaires).

 

Cependant, concernant la France, le CEPII, dans une analyse par type d’emploi, estime qu’une hausse de 10% de la part des immigrés dans une catégorie d’emploi dégrade d’’environ 3% le taux d’emploi des natifs ayant des caractéristiques individuelles similaires.

 

 

1.2 L’Impact sur le PIB :

 

Concernant l’effet sur le PIB par habitant, il est ambiguë : Albis et al (2015) estiment à l’aide d’une modélisation VAR que l’immigration à un effet positif (sur une période restreinte et avec une reconstitution de données hasardeuses), quand Kiguchi et Mountford (2013) tombent sur des résultats inverses mais plus robustes.

 

 

1.3 Impact sur les finances publiques : 

 

Dans une étude largement relayée par les médias, Chojnicki (2011) trouve qu’en France, les cotisations nettes des prestations d’un immigré étaient de 2 250€ en moyenne. Or, cette étude présente de nombreuses facilités. Pour la réaliser, l’auteur isole les ménages immigrés et fait la différence entre ce qu’ils cotisent et ce qu’ils coutent. Il est alors facile de trouver un impact positif de l’immigration sur les comptes publics puisque la part des immigrés parmi les actifs est bien plus élevée que parmi les retraités. Or, si un jeune immigré actif cotise aujourd’hui plus qu’il ne reçoit, il n’en est pas ainsi toute sa vie.

La réponse apportée par Chojnicki consiste à dire que le flux perpétuel d’immigré vient stabiliser le gain par immigré, puisqu’il maintient le nombre d’actif par retraité.

Sauf que, de l’aveu même de l’auteur, en intégrant l’ensemble du cycle de la vie d’un immigré, son coût avoisine les 8700 euros. Ce raisonnement se fondant sur l’apport perpétuel d’immigrés en âge d’être actifs pour résoudre la question du coût de l’immigration n’est donc pas satisfaisant. Cet argument est équivalent à la méthode consistant à s’endetter toujours davantage, puisque le remboursement (censé intervenir plus tard), n’est pas pris en compte dans l’analyse instantanée.

En d’autres termes, la méthodologie employée par Chojnicki consiste à comptabiliser seulement les contributions actuelles des immigrés en omettant les créances futures auxquelles elles donnent droit.

 

L’OCDE (2013), en prenant en compte le coût d’un immigré tout au long de sa vie, estime que la contribution nette au système social et fiscal d’un ménage immigré entre 25 ans (âge du chef de famille) et la fin de sa vie est de 80.000 euros inférieure à celle d’un ménage natif.

Au total, son coût pour les seules finances publiques françaises est d’au moins 10 milliards d’euros par an selon l’OCDE.

 

 

1.4 Impact de la deuxième génération ?

 

La plupart des études font l’impasse sur l’immigration de deuxième génération, c’est à dire la contribution des enfants d’immigrés (le plus souvent par manque de données).

Les rares éléments qui sont à notre disposition devraient pourtant nous garder de toute conclusion hâtive. En effet, Algan et al (2010) montre que les enfants d’immigrés des pays en développement ont un taux d’emploi inférieur à celui de leurs parents, contrairement aux secondes générations des pays d’Europe du Sud par exemple.

 

 

 

2.  Estimation :

 

L’estimation est réalisée à l’aide d’une modélisation VAR (Vector autoregression) sur les séries issues de l’OCDE et de l’INSEE.

 

2.1 Données :

 

Les séries du PIB par habitant (PIBPC) et du taux de chômage (TXCHOM) proviennent de la base de données de l’INSEE. Concernant le taux de migration (TXIMMIGOCDE), il est obtenu en divisant la série issue de la base de données sur les migrations internationales de l’OCDE par l’estimation annuelle du nombre d’habitants en France calculée par l’INSEE. Il s’agit en réalité du nombre de titres de séjour de plus d’un an accordés et compilés par l’OCDE depuis 1984. 

 

 

2.2 Tests des racines unitaires et de cointégration

 

Nous devons d’abord tester la non-stationnarité des séries. Afin de procéder à l’analyse de la cointégration des séries, il faut établir que les variables ont le même ordre d’intégration. Une variable sera intégrée d’ordre d, I(d) si elle a besoin d’être différenciée d fois pour devenir stationnaire. Nous appliquons alors un test ADF (Augmented Dickey-Fuller) pour examiner le caractère stationnaire des séries. Le tableau 1 présente les résultats du test.

 

 

Tableau 1 : résultats des tests ADF

 

niveau

différence

LOG(PIBPC)

-2,53

-3,37**

LOG(TXCHOM)

-2,55

-3,8***

LOG(TXIMMIGOCDE)

-1,13

-3,64**

 

 

 

** et *** indiquent un résultat significatif aux seuils respectivement des 5% et 1%.

 

 

Les 3 séries sont donc stationnaires en première différence.

 

 

La présence d’une cointégration suggère qu’il existe une relation de long terme entre les séries. Pour la tester, on utilise le test de Johansen. Le décalage (lag) est déterminé par les critères AIC et SC (tableau 2).

 

Tableau 2 : détermination du retard

Lag

AIC

SC

0

-3.222766

-3.077601

1

-9.151318

-8.570658

2

-9.393327

-8.377172

3

-10.05419*

-8.602543*

4

-9.876338

-7.989193

 

 

 

* indique le décalage retenu par les critères AIC ou SC

AIC: Akaike information criterion

SC: Schwarz information criterion

 

  

 

Le tableau 3 présente les résultats du test de Johansen :

 

Tableau 3 : Test de Johansen :

Johansen Cointegration test

 

 

Sample (adjusted): 1988 2013

 

 

Included observations: 26 after adjustments

 

Trend assumption: Linear deterministic trend

 

Series: LOG(IMMIGOCDE) LOG(TXCHOM) LOG(PIBPC)

Lags interval (in first differences): 1 to 3

 

 

     

 

Unrestricted Cointegration Rank Test (Trace)

 

 

     

 

Hypothesized

Trace

0.05

 

No. of CE(s)

Eigenvalue

Statistic

Critical Value

Prob.**

None *

 0.624482

 41.86957

 29.79707

 0.0013

At most 1 *

 0.395067

 16.40388

 15.49471

 0.0364

At most 2

 0.120394

 3.335309

 3.841466

 0.0678

 

     

 

 Trace test indicates 2 cointegrating eqn(s) at the 0.05 level

 * denotes rejection of the hypothesis at the 0.05 level

 **MacKinnon-Haug-Michelis (1999) p-values

 

 

 

Les résultats indiquent la présence de deux vecteurs de cointégration dans le modèle. Il y a donc une relation de long-terme entre les séries.

De plus, quand une relation de cointégration existe entre les variables, le fait de ne pas prendre en compte le processus de première différence (VECM) évite la perte des informations contenues dans les données (Sims, 1990)

 

  

 

2.3 Modèle VAR

 

Nous examinons au préalable le cas d’une représentation générale du modèle VAR(p) à k variables sous forme matricielle : 

 

Avec:

 

Pour conduire notre analyse, nous choisissons un modèle VAR à 3 dimensions s'écrivant:  

 

TXIMMIGOCDE est le logarithme du taux de migration par habitant, PIBPC le logarithme du PIB par habitant, et TXCHOM le logarithme du taux de chômage. 

 

 

 

Les résultats du modèle VAR sont donnés dans la tableau 4: 

 

Tableau 4 : résultats du modèle

 

 

Vector Autoregression Estimates

 

 Sample (adjusted): 1987 2013

 

 Included observations: 27 after adjustments

 Standard errors in ( ) & t-statistics in [ ]

 

   

 

 

LOG(IMMIGOCDE)

LOG(PIBPC)

LOG(TXCHOM)

LOG(IMMIGOCDE(-1))

 0.542230

-0.025338

 0.086275

 

 (0.19217)

 (0.01294)

 (0.08428)

 

[ 2.82160]

[-1.95781]

[ 1.02366]

 

   

 

LOG(IMMIGOCDE(-2))

-0.453653

 0.004216

-0.060719

 

 (0.21847)

 (0.01471)

 (0.09581)

 

[-2.07654]

[ 0.28657]

[-0.63372]

 

   

 

LOG(IMMIGOCDE(-3))

-0.096293

-0.030330

 0.054982

 

 (0.17351)

 (0.01169)

 (0.07610)

 

[-0.55496]

[-2.59557]

[ 0.72252]

 

   

 

LOG(PIBPC(-1))

-0.433270

 1.272408

-4.286211

 

 (4.26958)

 (0.28754)

 (1.87252)

 

[-0.10148]

[ 4.42516]

[-2.28901]

 

   

 

LOG(PIBPC(-2))

 16.71318

-0.037107

 4.325828

 

 (6.05568)

 (0.40783)

 (2.65585)

 

[ 2.75992]

[-0.09099]

[ 1.62879]

 

   

 

LOG(PIBPC(-3))

-12.65102

-0.100256

-0.475010

 

 (4.13797)

 (0.27868)

 (1.81480)

 

[-3.05730]

[-0.35976]

[-0.26174]

 

   

 

LOG(TXCHOM(-1))

 0.500494

 0.127315

 0.526254

 

 (0.77039)

 (0.05188)

 (0.33787)

 

[ 0.64966]

[ 2.45387]

[ 1.55755]

 

   

 

LOG(TXCHOM(-2))

 0.464061

-0.029643

 0.443549

 

 (1.16501)

 (0.07846)

 (0.51094)

 

[ 0.39833]

[-0.37781]

[ 0.86810]

 

   

 

LOG(TXCHOM(-3))

-2.205192

-0.071351

-0.160002

 

 (0.86948)

 (0.05856)

 (0.38133)

 

[-2.53622]

[-1.21851]

[-0.41959]

 

   

 

C

-22.95863

-0.839366

 3.988481

 

 (5.87478)

 (0.39564)

 (2.57652)

 

[-3.90800]

[-2.12152]

[ 1.54801]

 

 

 

 

 R-squared

 0.925281

 0.994026

 0.754321

 Adj. R-squared

 0.885723

 0.990864

 0.624256

 Sum sq. resids

 0.389691

 0.001767

 0.074955

 S.E. equation

 0.151403

 0.010196

 0.066401

 F-statistic

 23.39090

 314.3126

 5.799553

 Log likelihood

 18.90488

 91.74845

 41.15912

 Akaike AIC

-0.659621

-6.055440

-2.308083

 Schwarz SC

-0.179681

-5.575501

-1.828143

 Mean dependent

 11.54196

 10.23438

 2.158954

 S.D. dependent

 0.447875

 0.106676

 0.108325

 

 

 

 

 Determinant resid covariance (dof adj.)

 3.70E-09

 

 Determinant resid covariance

 9.22E-10

 

 Log likelihood

 165.9206

 

 Akaike information criterion

-10.06819

 

 Schwarz criterion

-8.628374

 

  

 

2.4 Fonctions de réponse impulsionnelle

 

Cette méthode permet de simuler l'impact d'un choc d’immigration sur le PIB par habitant et le taux de chômage. Les chocs sont identifiés par la décomposition de Choleski. 

 

 

On constate ainsi que lorsque le taux d’entrées légales d’étrangers augmente, le PIB par habitant (PIBPC) diminue de manière significative, alors que le taux de chômage (TXCHOM) augmente.

 

Par ailleurs, les tests de Granger (cf annexe) montrent que la série TXIMMIGOCDE cause au sens de Granger la série PIBPC. 

 

 

Ceci contraste avec certaines études abondamment relayées montrant un apport économique significatif de l’immigration à la France.

 

 

2.5 Simulations

 

2.5.1 Simulation d'une hausse de 10% du taux de migration

 

Dans cette simulation, on considère une augmentation permanente de 10% du taux de titres de séjours accordés. Les résultats sont sans appel : le PIB par habitant diminue de 1,7% quand le taux de chômage augmente de 0,3% au bout de 5 ans.

En d’autres termes, cela signifie que lorsque le taux de migration augmente de 10% de manière permanente sur 5 ans, alors le PIB par habitant baisse lui d'environ 100 euros par personne et par an.

 

De même, si le taux de migration avait été supérieur (ou, inversement, inférieur) de manière permanente de 10% entre 2007 et 2013, le taux chômage post-crise aurait été encore plus élevé (inversement, plus faible).

  

 

 

Résultats de la simulation (augmentation permanente de 10% du taux de migration)

 

 

 

 

 

2.5.2 Estimation du coût macroéconomique de la politique migratoire de Nicolas Sarkozy

 

     Afin d'estimer le coût de la politique migratoire de Nicolas Sarkozy, on réalise deux simulations:

 

- la première s'étalant de 2002 à 2012, période correspondant à son poste au ministère de l'intérieur puis comme président de la République (simulation 1)

 

- la seconde allant de 2007 à 2012 sur son seul quinquennat (simulation 2).

 

On fait l'hypothèse que le taux de migration serait resté constant durant toute la période, au niveau de l'année 2002 pour la simulation 1, et au niveau de 2007 pour la simulation 2). 

 

 

Pour la période 2002-2012, les résultats montrent que le PIB par habitant aurait été 1400 euros plus élevé sans le surcroit de titres de séjour accordés durant la période, soit 135 euros par an et par habitant. 

 

Pour la période 2007-2012, le coût est un peu plus faible (130 euros environ) soit 25 euros par an et par habitant. 

  

Bref, la politique migratoire généreuse de Sarkozy fut surtout très onéreuse pour les Français. 

 

 


Simulation 1

 

 

 

 

 

Simulation 2

 

 

 

 

  

 

Références

 

Algan Y. Dustmann C. Glitz A. & Manning A. (2010). « The Economic Situation of First and Second-Generation Immigrants in France, Germany and the United Kingdom » Economic Journal, Royal Economic Society, vol. 120(542), pages F4-F30, 02.

 

Altonji, J. G. and Card, D. (1991) « The Effects of Immigration on the Labor Market Outcomes of Less-skilled Natives », Abowd, J. M. and Freeman, R. B. (eds), Immigration, Trade and the Labor Market, Chicago: University of Chicago Press.

 

Borjas, G. J. (2003) « The Labor Demand Curve is Downward Sloping: Reexamining the Impact of Immigration on the Labor Market », Quarterly Journal of Economics, Vol. 118 (4), 1335-1374.

 

Chojnicki X. (2012) « The fiscal impact of immigration in France: a generational accounting approach, » Working Papers 2012-11, CEPII research center 

 

D’Albis H. Boubtane E. Coulibaly D., (2015) « Immigration Policy and Macroeconomic Performance in France », Documents de travail du Centre d’Economie de la Sorbonne 2015.23

 

Damette O. Fromentin V. (2013) « Migration and labour markets in OECD countries: A panel cointegration approach », Applied Economics 45, 2295–2304

 

Hunt, J. (1992) « The Impact of the 1962 Repatriates from Algeria on the French Labormarket », Industrial & Labor Relations Review, Vol. 45 (3), 556-572.

 

Jean S. Jiménez M. (2011) « The unemployment impact of immigration in OECD countries », European Journal of Political Economy 27, 241256

 

Johansen S. (1991) « Estimation and Hypothesis Testing of Cointegration Vectors in Gaussian Vector Autoregressive Models », Econometrica

 

Kiguchi T. Mountford A. (2013): « The Macroeconomics of Immigration » MPRA Paper 45517, University Library of Munich, Germany

 

Longhi S. Nijkamp P. and Poot, J. (2004) « A Meta-analytic Assessment of the Effect of Immigration on Wages », Journal of Economic Surveys, Vol. 19 (3), 451-477

 

OECD (2013), « International Migration Outlook 2013 », OECD Publishing

 

Saint-Paul G. (2009) « Immigration, qualifications et marché du travail », conseil d'analyse économique

 

Sims, Stock et Watson (1990), « Inference in Linear Time Series Models with Some Unit Roots », Econometrica 58, 113-144

 

 

 

 

Annexe

 

1.    Tests d’autocorrélation LM

   

VAR Residual Serial Correlation LM Tests

Null Hypothesis: no serial correlation at lag order h

Sample: 1984 2013

 

Included observations: 27

 

Lags

LM-Stat

Prob

1

 6.453057

 0.6939

2

 12.97324

 0.1638

3

 8.032578

 0.5309

4

 8.388187

 0.4955

5

 4.851582

 0.8470

6

 18.79650

 0.0270

7

 3.675991

 0.9314

8

 14.99687

 0.0910

9

 6.539541

 0.6849

10

 14.00549

 0.1221

 

 

 

Probs from chi-square with 9 df.

 

 

 

2.    Test de normalité des erreurs

  

VAR Residual Normality Tests

 

 

Orthogonalization: Cholesky (Lutkepohl)

 

Null Hypothesis: residuals are multivariate normal

 

Sample: 1984 2013

   

 

Included observations: 27

   

 

Component

Skewness

Chi-sq

df

Prob.

1

 0.376390

 0.637514

1

 0.4246

2

-0.000761

 2.61E-06

1

 0.9987

3

-0.539314

 1.308869

1

 0.2526

Joint

 

 1.946386

3

 0.5836

 

     

 

Component

Kurtosis

Chi-sq

df

Prob.

1

 2.243791

 0.643333

1

 0.4225

2

 2.070047

 0.972914

1

 0.3240

3

 2.547549

 0.230301

1

 0.6313

Joint

 

 1.846548

3

 0.6049

 

     

 

Component

Jarque-Bera

df

Prob.

 

1

 1.280847

2

 0.5271

 

2

 0.972917

2

 0.6148

 

3

 1.539170

2

 0.4632

 

Joint

 3.792934

6

 0.7047

 

 

 

3.    Test d’hétéroscédasticité


VAR Residual Heteroskedasticity Tests: No Cross Terms (only levels and squares)

Sample: 1984 2013

     

 

Included observations: 27

     

 

   Joint test:

 

 

 

 

 

Chi-sq

df

Prob.

 

 

 

 108.7517

108

 0.4616

   

 

   Individual components:

 

 

 

 

Dependent

R-squared

F(18,8)

Prob.

Chi-sq(18)

Prob.

res1*res1

 0.687304

 0.976886

 0.5462

 18.55720

 0.4196

res2*res2

 0.891004

 3.633173

 0.0340

 24.05711

 0.1532

res3*res3

 0.535280

 0.511926

 0.8865

 14.45256

 0.6991

res2*res1

 0.721419

 1.150941

 0.4407

 19.47831

 0.3629

res3*res1

 0.555715

 0.555915

 0.8567

 15.00431

 0.6617

res3*res2

 0.690290

 0.990588

 0.5372

 18.63782

 0.4144

 

4.    Test de stabilité du VAR 

 

Roots of Characteristic Polynomial

 

Endogenous variables: LOG(IMMIGOCDE) LOG(TXCHOM) LOG(PIBPC)

Exogenous variables: C

 

Lag specification: 1 3

 

     Root

Modulus

 0.950639

 0.950639

 0.762590 - 0.444051i

 0.882453

 0.762590 + 0.444051i

 0.882453

-0.829840

 0.829840

 0.063507 - 0.762279i

 0.764920

 0.063507 + 0.762279i

 0.764920

 0.462018 - 0.569331i

 0.733211

 0.462018 + 0.569331i

 0.733211

-0.356135

 0.356135

 

 

 No root lies outside the unit circle.

 

 VAR satisfies the stability condition.

 

 

5.    Test de causalité de Granger

 

VAR Granger Causality/Block Exogeneity Wald Tests

Sample: 1984 2013

 

 

Included observations: 27

 

 

 

   

 

Dependent variable: LOG(IMMIGOCDE)

Excluded

Chi-sq

df

Prob.

LOG(TXCHOM)

 10.07145

3

 0.0180

LOG(PIBPC)

 23.32390

3

 0.0000

All

 31.52852

6

 0.0000

 

   

 

Dependent variable: LOG(TXCHOM)

Excluded

Chi-sq

df

Prob.

LOG(IMMIGOCDE)

 1.192303

3

 0.7549

LOG(PIBPC)

 6.608983

3

 0.0855

All

 7.622941

6

 0.2670

 

   

 

Dependent variable: LOG(PIBPC)

 

Excluded

Chi-sq

df

Prob.

LOG(IMMIGOCDE)

 13.02824

3

 0.0046

LOG(TXCHOM)

 11.99945

3

 0.0074

All

 24.66773

6

 0.0004

 

 

Écrire commentaire

Commentaires : 19
  • #1

    muchos (mardi, 02 août 2016 17:18)

    Un article visiblement très fourni, sur un sujet d'importance pour définir une politique migratoire; et qui mériterait d'être proposé à une revue à comité de lecture.
    Cela dit, n'entendant rien à l'économie et encore moins à la stat, j'en suis plutôt resté aux conclusions de Lionel Ragot (http://renoult-jonathan.tilde3.eu/blog/20130514-immigration-ne-coute-rien)

  • #2

    CL (vendredi, 26 août 2016 11:39)

    Avez-vous entendu parlé de la différence entre corrélation et causalité ? Je pense que oui, mais armé de beaucoup de mauvaise fois comme vous semblez l'être on peut facilement passer outre. Par exemple en s'abstenant de présenter les résultats non-significatifs des test de causalité de Granger, qui n'est pas une méthode statistique farfelue mais plutôt l'étape qui suit systématiquement l'estimation des modèles que vous présentez.

  • #3

    Annabell Friley (samedi, 04 février 2017 00:38)


    I believe that is among the such a lot important info for me. And i'm satisfied reading your article. However wanna commentary on few basic things, The site taste is wonderful, the articles is actually nice : D. Just right job, cheers

  • #4

    Ji Pasko (samedi, 04 février 2017 06:29)


    Having read this I believed it was extremely enlightening. I appreciate you taking the time and effort to put this short article together. I once again find myself personally spending way too much time both reading and leaving comments. But so what, it was still worthwhile!

  • #5

    Clint Isaac (dimanche, 05 février 2017 00:49)


    Wow, that's what I was exploring for, what a data! present here at this weblog, thanks admin of this website.

  • #6

    Heide Chestnut (dimanche, 05 février 2017 02:07)


    Attractive section of content. I just stumbled upon your site and in accession capital to assert that I acquire in fact enjoyed account your weblog posts. Anyway I'll be subscribing on your augment or even I achievement you get right of entry to persistently fast.

  • #7

    Garrett Waddell (dimanche, 05 février 2017 04:15)


    Your style is so unique in comparison to other people I have read stuff from. Thanks for posting when you've got the opportunity, Guess I will just bookmark this blog.

  • #8

    Yvette Fredenburg (mardi, 07 février 2017 18:49)


    Hi there, I found your blog via Google at the same time as looking for a similar matter, your site came up, it seems good. I have bookmarked it in my google bookmarks.
    Hello there, just changed into alert to your weblog through Google, and found that it's really informative. I am gonna watch out for brussels. I will appreciate if you continue this in future. Lots of people shall be benefited from your writing. Cheers!

  • #9

    Joie Hinman (mardi, 07 février 2017 20:47)


    I got this website from my buddy who informed me regarding this site and now this time I am visiting this website and reading very informative posts here.

  • #10

    Teofila Henegar (mardi, 07 février 2017 22:01)


    Thank you for some other excellent post. Where else could anybody get that kind of information in such an ideal method of writing? I have a presentation subsequent week, and I am on the search for such information.

  • #11

    Kelle Kellems (mardi, 07 février 2017 23:09)


    Yesterday, while I was at work, my sister stole my iPad and tested to see if it can survive a 25 foot drop, just so she can be a youtube sensation. My apple ipad is now destroyed and she has 83 views. I know this is entirely off topic but I had to share it with someone!

  • #12

    Elaina Schuch (mercredi, 08 février 2017 06:30)


    If some one needs expert view concerning blogging and site-building afterward i recommend him/her to visit this webpage, Keep up the pleasant job.

  • #13

    Mui Yarber (jeudi, 09 février 2017 02:51)


    whoah this blog is fantastic i like reading your posts. Keep up the great work! You already know, a lot of persons are hunting around for this info, you can aid them greatly.

  • #14

    Kisha Schwein (jeudi, 09 février 2017 03:55)


    Wonderful goods from you, man. I have understand your stuff previous to and you are just too fantastic. I really like what you have acquired here, really like what you are saying and the way in which you say it. You make it entertaining and you still care for to keep it wise. I can't wait to read much more from you. This is really a tremendous website.

  • #15

    Callie Hon (jeudi, 09 février 2017 15:07)


    I every time used to read post in news papers but now as I am a user of net so from now I am using net for articles or reviews, thanks to web.

  • #16

    Rico Dry (jeudi, 09 février 2017 20:54)


    Spot on with this write-up, I seriously feel this website needs a great deal more attention. I'll probably be back again to see more, thanks for the info!

  • #17

    Lindsey Napoli (vendredi, 10 février 2017 03:37)


    I think this is among the most important info for me. And i'm glad reading your article. But wanna remark on few general things, The website style is ideal, the articles is really great : D. Good job, cheers

  • #18

    saireul (jeudi, 23 février 2017 15:55)

    Bien malhonnête, vous avez fait l'université? Qu'en disent vos professeurs?
    Conclusion de létude du CEPII:
    "This leads to an average net contribution of an immigrant to the public budget that is higher than that of a native"

  • #19

    odp (jeudi, 13 avril 2017 14:57)

    25 euro par an et par habitant ce n'est franchement pas grand chose.