L’objectif de cette étude est de déterminer si l’appui aux élus et la participation électorale (variables expliquées) diffèrent selon que les électeurs aient été sinistrés ou non (variable ex- plicative). Pour ce faire, une expérience naturelle sera élaborée. Ce type de devis, à l’instar d’une expérience classique, produit des données expérimentales en attribuant aléatoirement un traitement à un groupe traitement et un groupe contrôle. À la différence d’une expérience classique cependant, le mécanisme d’attribution aléatoire n’est pas sous le contrôle du cher- cheur, mais issu d’un processus exogène (Dunning,2012). Une fois les deux groupes constitués, il suffit de comparer l’évolution des résultats électoraux et de la participation avant et après le sinistre aux deux paliers de gouvernement concernés. Au provincial, la comparaison se fera entre les élections générales du 12 septembre 1994 et celles du 30 novembre 1998. Au fédéral, les élections du 2 juin 1997 et celles du 27 novembre 2000 seront à l’étude. Les résultats et la participation seront comparés au niveau des sections de vote puisqu’il s’agit du plus petit niveau d’agrégation disponible. Les sections se verront attribuer un groupe, selon qu’elles ont été touchées (groupe traitement) ou non (groupe contrôle). Il sera ensuite possible d’observer si l’évolution des deux variables dépendantes diffèrent en fonction des groupes. Aussi, les sec- tions seront comparées uniquement à l’intérieur des circonscriptions, afin de tenir compte des disparités locales.
Tel que mentionné plus tôt, un très grand nombre de citoyens ont été affectés par cette crise, mais ce sont les dommages au réseau électrique qui ont causé le plus de désagréments, par- ticulièrement pour les ménages ayant été privés d’électricité pendant plusieurs jours. En plus des dommages causés à leur résidences, ces habitants ont dû être évacués plusieurs jours. C’est donc ce traitement qui sera utilisé dans les analyses. Les zones en rouge sur la figure 1.1
indiquent les municipalités ayant été privées d’électricité pendant plus d’une semaine.
La sélection de l’échantillon est une étape cruciale dans la préparation d’une expérience na- turelle puisque la crédibilité des résultats dépend de la qualité de l’attribution du traitement dans l’échantillon sélectionné. D’abord, il est nécessaire de sélectionner les circonscriptions qui seront à l’étude. Plus de détails sur les circonscriptions choisies seront présentés ultérieurement. Une fois les circonscriptions choisies, il convient de sélectionner les sections de vote à analyser dans chacune d’elles. La condition pour être en présence d’une expérience naturelle est que l’at- tribution du traitement (les pannes) soit aléatoire. Comme le rappelKeele et Titiunik(2016), chaque observation dans l’échantillon doit avoir une chance équivalente d’être sélectionnée dans le groupe traitement. Or, même si le traitement est exogène, ce critère ne s’applique pas forcément à l’ensemble des unités disponibles. Par exemple, deux secteurs éloignés l’un de l’autre ne sont pas forcément connectés au même réseau électrique, et n’ont pas forcément reçu la même quantité de verglas, deux facteurs pouvant influencer les chances d’être touché
Figure 1.1 – Secteurs touchés pendant la crise du verglas : Carte géographique représentant les secteurs touchés pendant la crise du verglas. Les secteurs en rouge ont été privés d’électricité pendant plus d’une semaine.
Source :Statistique Canada(1998)
par une panne. Il est difficile de justifier dans ces circonstances que le traitement est aléatoire. Toutefois, deux sections adjacentes ont plus de chance d’être similaires en ce qui concerne les facteurs mentionnés, augmentant ainsi la nature aléatoire du traitement. Cette logique se doit d’être prise en compte dans la sélection de l’échantillon.
Une stratégie de vérification empirique en deux étapes a été élaborée pour tester les hypo- thèses. Dans la première partie de la démonstration, les analyses seront conduites à l’aide d’un échantillon plus conservateur, mais qui respecte le plus possible la vision décrite par
Keele et Titiunik (2016). Cet échantillon sera donc composé uniquement de sections qui sont adjacentes à des sections de l’autre groupe. En d’autres mots, une section entourée d’autres sections du même groupe (traitement ou contrôle) sera laissée de côté pour cette première
ont plus de chance de se retrouver dans l’autre groupe que les sections qui en sont plus éloi- gnées. Cette attribution aléatoire devra être vérifié pour chacun des échantillons à l’aide d’une série de diagnostics. Par la suite, de simples différences de moyenne pourront être utilisées pour déterminer si l’évolution de l’appui aux élus et la participation électorale diffèrent entre les sections des deux groupes.
L’avantage de l’échantillon utilisé dans la première étape est la pureté de la logique d’at- tribution. En contrepartie, cette méthode de sélection limite considérablement le nombre de sections qui peuvent être utilisées dans les analyses. Or, un échantillon plus petit diminue les chances d’avoir des groupes équilibrés et rend plus difficile l’inférence. Keele et Titiunik
(2016) prévoient que des unités qui sont près de la frontière, sans pour autant être adjcentes à celle-ci puissent aussi être incluses dans les analyses, sans pour autant diminuer la qualité de l’attribution. Un tel ajout pourrait même améliorer l’équilibre des groupes. Ils ne précisent cependant pas de règle pour déterminer l’étendue exacte de cette zone d’attribution aléatoire autour de la frontière. L’objectif de la seconde partie de la démonstration empirique sera donc de vérifier jusqu’à quel point il est possible d’ajouter des sections dans l’échantillon en s’éloignant de la limite géographique entre les deux groupes sans faire de compromis sur la qualité de l’attribution. Pour ce faire, les sections laissées de côté dans la première partie de la démonstration seront ajoutées une à une. L’ordre de l’ajout sera déterminé par la distance de chaque section par rapport à l’échantillon de base. Ainsi, les sections les plus rapprochées seront ajoutées en premier et les plus éloignées en dernier. Les diagnostics et les analyses des variables d’intérêt seront refaits après chaque ajout afin de suivre l’évolution des échantillons.
En terminant, l’approche bayésienne a été choisie pour la démonstration empirique. Ce choix permet, d’une part, de répondre à la critique de Imai et al. (2008) concernant l’utilisation de tests d’hypothèses fréquentistes pour des tests d’équilibre. Selon ces auteurs, l’équilibre n’est pas une caractéristique d’un échantillon d’une population hypothétique, mais seulement des données disponibles. L’approche bayésienne représente donc un avantage puisqu’elle ne se base que sur les données disponibles, sans postuler l’existence d’autres échantillons. D’autre part, cette approche est plus appropriée quand le nombre d’observations est plus restreint. Finalement, l’utilisation de statistiques bayesiennes permet une interprétation plus intuitive des résultats puisque, contrairement à l’approche fréquentiste, elle permet de confirmer l’hy- pothèse nulle. Avant de passer aux analyses, la section suivante sera consacrée à la description des circonscriptions choisies pour les analyses.