Questions de soutenance

Pourquoi un modèle de Poisson, et non un modèle log-log sur le flux ?

Parce que la variable dépendante l'impose. Le flux sortant est un comptage d'individus, massivement composé de zéros, 91,1 % du panel, et surdispersé d'un facteur de l'ordre de 20 900. Un log-log exigerait un traitement arbitraire des zéros, que le logarithme n'accueille pas, et introduirait un biais en présence d'hétéroscédasticité, la moyenne de la variable transformée dépendant alors de la variance des erreurs. L'estimateur de Poisson traite les zéros sans transformation et reste convergent même quand la distribution n'est pas exactement de Poisson : sa validité ne repose que sur la correcte spécification de l'espérance conditionnelle. La surdispersion n'affecte donc pas la convergence des coefficients, seulement l'inférence, prise en charge par des écarts-types groupés par commune.

AppuiÉq. (3.2) · Santos Silva et Tenreyro (2006) · Wooldridge (2010) · Ch. 3 § 3.6.2

Un coefficient de 2,23, qu'est-ce que cela veut dire concrètement ?

Le régresseur entre en logarithme et l'espérance en forme exponentielle : le coefficient s'interprète comme une élasticité apparente. Supérieur à l'unité, il signale une réponse plus que proportionnelle. Une commune qui voit sa violence mensuelle doubler ne connaît pas un doublement de ses départs, mais une multiplication plus forte. Cette non-linéarité distingue le déplacement forcé d'une réaction graduelle : elle vient de l'agrégation de seuils hétérogènes entre ménages, et d'un entraînement collectif, le départ des premiers abaissant le coût du départ pour les suivants tout en élevant le risque perçu de rester.

AppuiÉq. (3.2) · tableau 15.1 · Ch. 5 § 5.2.1

Comment savez-vous que vous ne mesurez pas simplement une tendance temporelle ?

Parce que nous l'avons vérifié en le faisant échouer d'abord. La spécification intuitive, violence cumulée depuis 2022 dans un log-log à effet fixe communal, donnait un coefficient apparemment net de 0,902. Il était trompeur : la violence cumulée est mécaniquement croissante et sa corrélation intra-commune avec le temps atteint 0,97. Dès l'ajout d'une tendance linéaire, le coefficient s'effondre à 0,258 et perd toute significativité. C'est ce qui impose la mesure mensuelle et le double effet fixe : l'effet fixe mensuel absorbe tout choc commun au pays, dont la tendance générale du déplacement, et le coefficient de 2,23 y résiste. L'identification repose sur la seule variation de la violence à l'intérieur d'une commune, une fois retirée la trajectoire nationale du mois.

AppuiTableau 15.2 · Ch. 4 § 4.3.2 · Ch. 4, H1

Pourquoi refusez-vous de parler de causalité ?

Parce que l'inférence causale suppose de comparer ce qui advient à ce qui serait advenu en l'absence de violence, contrefactuel inobservable, et exige une source de variation exogène du traitement, qu'une expérimentation ou un instrument fournirait. Les données sont observationnelles et n'offrent pas une telle source. La stratégie à effets fixes neutralise les caractéristiques stables des communes et les chocs communs au pays, ce qui rapproche l'estimation d'une comparaison à conditions égales, mais elle n'absorbe pas les facteurs variables dans le temps et propres à une commune. Les conclusions s'énoncent donc en association conditionnelle. La significativité de la violence retardée établit l'ordre temporel, condition nécessaire mais non suffisante d'une lecture causale, et rend la causalité inverse moins plausible sans l'écarter formellement.

AppuiCh. 3 § 3.1.2 · Ch. 5 § 5.1 et § 5.5.2

Pourquoi un retard spatial de la variable explicative, et non un modèle autorégressif en ρWY ?

Parce que le mécanisme théorique est le débordement de l'insécurité, non un bouclage des flux les uns sur les autres. C'est la violence du voisin, et non son déplacement, qui est censée pousser au départ. Un modèle autorégressif spatial de type Y = ρWY + Xβ + ε est plus exigeant en hypothèses et d'interprétation plus délicate, et cette exigence n'est pas justifiée ici. La forme retenue teste le mécanisme sans imposer d'hypothèse sur la propagation des flux eux-mêmes. Elle a en outre une vertu de correction : le géocodage d'ACLED rattachant à Port-au-Prince 63 % des événements nationaux, ses communes limitrophes apparaissent artificiellement calmes, et le retard spatial restitue en partie leur exposition réelle. Une limite de données a ainsi été convertie en spécification.

AppuiÉq. (3.3) · Anselin (1988) ; LeSage et Pace (2009) · Ch. 5 § 5.4.2

Sur 140 communes, vous n'en retenez que 26. Que valent vos résultats ?

Ils valent pour ce qu'ils mesurent, et le champ est énoncé plutôt que dissimulé. L'ETT est la seule source ouverte à géolocaliser l'origine des flux à la commune ; il ne documente que les mouvements massifs portés à sa connaissance. Les 26 communes d'origine qu'il recense ne sont donc pas les seules communes génératrices du pays, mais celles dont les départs ont franchi son seuil de visibilité. La restriction est une propriété assumée de l'estimand : les conclusions relatives à la génération valent pour les communes à déplacement massif documenté, non pour le territoire entier. Le débordement spatial élargit d'ailleurs l'identification de 7 à 25 communes, ce qui montre que la plupart des communes génératrices ne sont pas violentes mais voisines de communes violentes. Les analyses descriptives et celles de la réponse humanitaire portent, elles, sur 139 communes.

AppuiTableau 02.2 · Ch. 3 § 3.3.2 · Ch. 5 § 5.2.1

Pourquoi tester l'écart entre deux indices de Gini par bootstrap ?

Parce que l'écart de 0,180 point entre l'absorption et la génération n'a de sens que s'il excède la variabilité d'échantillonnage, et qu'aucune formule simple ne donne la loi de la différence de deux indices de Gini calculés sur des ensembles de communes de tailles différentes. Le rééchantillonnage des communes avec remise, 2 000 fois à l'intérieur de chaque ensemble, fournit la distribution d'échantillonnage de chaque indice et de leur différence, sans hypothèse distributionnelle. L'intervalle de confiance à 95 % de la différence exclut zéro, [0,048 ; 0,391], p = 0,009 : l'asymétrie postulée par H2 dépasse le bruit d'échantillonnage.

AppuiÉq. (3.1) · tableau 15.3 · Efron et Tibshirani (1993)

Pourquoi la présence humanitaire est-elle liée aux besoins entre communes, et pas dans le temps ?

Le contraste entre les trois estimateurs est le résultat central de cette partie. Entre communes, l'association est forte, 2,42, hautement significative : les communes durablement les plus touchées comptent durablement le plus d'organisations. Une fois neutralisés les écarts fixes entre communes et les chocs communs à chaque date, l'estimateur intra-commune tombe à 0,02 et perd toute significativité, résultat confirmé en différences premières. Un fait de construction du panel éclaire ce contraste : le registre de coordination couvrait déjà près de 140 communes en 2022, alors que le déplacement n'était mesuré que dans sept d'entre elles. La carte humanitaire était dessinée avant que celle du déplacement ne se déploie. La corrélation transversale n'atteste donc pas nécessairement une allocation guidée par les besoins : elle peut refléter la superposition de deux géographies stables. La nullité du within départage les deux lectures, et penche pour la seconde. La contrainte budgétaire de la période, avec la suspension d'une aide qui représentait environ 59 % des financements engagés au plan de réponse de 2024, rend cet arbitrage de conservation intelligible sans le justifier.

AppuiÉq. (3.4) et (3.5) · tableau 15.4 · Ch. 5 § 5.2.4

Le coefficient de la sévérité d'accès ne contredit-il pas votre hypothèse ?

Il la renverse, et c'est un résultat, pas un échec. H3 posait une présence atténuée par les contraintes d'accès. À déplacement et violence contrôlés, le coefficient de la sévérité est faible et n'est pas négatif, 0,057, p = 0,094 : les communes d'accès plus difficile ne reçoivent pas moins d'organisations, à besoin égal. Il ne faut pas aller plus loin que cela, le signe positif lui-même ne résistant pas au retrait des communes influentes (éq. 3.6, révision 01). Le profil des communes prioritaires porte la conclusion mieux encore que ce coefficient : leur sévérité moyenne, 0,33, est inférieure à celle des autres communes, 0,85, et aucune d'entre elles n'est en situation d'accès contraint, contre 25 % des autres. Les territoires les plus mal servis au regard de leur déplacement sont ceux que rien n'empêche d'atteindre. La formulation défendable est donc : la réponse se concentre sur le pôle métropolitain, où coïncident le volume du déplacement, les sièges des organisations, la couverture médiatique et la violence enregistrée, et elle néglige la périphérie d'accueil, accessible mais éloignée de l'attention. L'accès n'est ni ce qui l'attire ni ce qui la retient.

AppuiÉq. (3.6) · tableau 15.5 · Ch. 5 § 5.2.4 · Avant-projet, écarts

Pourquoi le ciblage explicite des civils ne pèse-t-il pas plus que la violence générale ?

Une part importante de la littérature attribue à la victimisation directe un pouvoir explicatif supérieur, distinction qui recoupe l'opposition entre violence sélective et violence indiscriminée. Dans le cas haïtien, cette hiérarchie ne se retrouve pas : le ciblage des civils donne 1,666 contre 2,233 pour la violence politique générale, du même ordre. Ce n'est pas une anomalie mais un renseignement sur la nature du conflit. Là où le contrôle territorial de groupes armés est l'enjeu même des affrontements, les deux catégories cessent d'être distinctes : la prise d'un quartier passe par la mise en fuite de ses habitants. La violence n'accompagne pas le déplacement, elle le vise.

AppuiTableau 15.1 · Kalyvas (2006) ; Steele (2017) · Ch. 5 § 5.3.2

Quels tests diagnostiques avez-vous conduits, et pourquoi pas les autres ?

Chaque test répond à une menace précise, plutôt qu'à une liste standardisée dont plusieurs éléments seraient sans objet. La surdispersion, mesurée par le rapport variance sur moyenne, justifie l'inférence robuste. La colinéarité entre violence locale et violence de voisinage a été vérifiée : la corrélation entre les deux régresseurs reste modérée et n'appelle pas de correction. L'autocorrélation spatiale résiduelle a été examinée par la statistique de Moran calculée sur les résidus avec la matrice d'adjacence. L'autocorrélation temporelle intra-commune est prise en charge en amont par le groupement des écarts-types. Le choix des effets fixes plutôt qu'aléatoires repose sur le test de Hausman et sur un argument de fond : les caractéristiques absorbées, comme la proximité des foyers de conflit, sont vraisemblablement corrélées à la violence. La normalité des résidus n'a pas été imposée, non par omission, mais parce qu'elle n'est pas requise pour un estimateur de pseudo-maximum de vraisemblance.

AppuiCh. 3 § 3.6.3 · Moran (1950) ; Hausman (1978) · Anselin (1988)