2.3 Prédictions
3.2.1 Tests pour les prédictions
Test prédiction 1: Pour tester la prédiction 1, j’estime l’équation suivante:
P(Si j kt = 1) = β0+ β1Li j kt + β2Ni j kt + β3(L × N)i j kt+ β4Xi j kt + β5Fi j k + β6Frt + i j kt
Dans cette équation, les indices i, j, k et t sont respectivement le groupe ethnique, le pays cible, l’État étranger et l’année. r est l’indice pour la région du monde du pays cible. Si j kt ∈ {0, 1} est le soutien de l’État étranger pour une rébellion du groupe ethnique. Les
deux variables indépendantes d’intérêt sont la présence de liens identitaires entre l’État étranger et le groupe ethnique (Li j kt ∈ {0, 1}) ainsi que le nombre d’autres pays où il y
a un lien avec au moins un groupe ethnique (Ni j kt ∈ {0, 1, 2, 3...}). De plus, l’équation
inclut une interaction entre ces deux variables. Fi j k est la matrice des effets fixes pour les
triades, Frtest la matrice des effets fixes pour les régions-années et Xi j kt est la matrice des
variables de contrôle27.
L’interaction dans ce modèle me permet de mieux capturer l’effet du mécanisme de réputation. En effet, selon la logique de ce mécanisme, je devrais observer un effet seulement lorsque l’État étranger a un lien identitaire avec le groupe ethnique, puisque cela est nécessaire pour développer une réputation de défenseur d’une identité transnationale. S’il n’y a pas de lien, soutenir une rébellion ne renforcera pas la réputation identitaire de l’État étranger et ne l’aidera pas à obtenir des concessions de ses adversaires futurs. Si le nombre d’autres pays où l’État étranger a un lien identitaire avec un groupe ethnique affecte la probabilité de soutien par un autre mécanisme qui n’est pas en lien avec les questions identitaires, alors cet effet devrait être capturé par β2. Or, puisque j’inclus des
effets fixes pour les triades et plusieurs contrôles pertinents, je ne devrais pas observer un tel effet. J’anticipe aussi que β1 > 0 puisque la présence d’un lien entre un État étranger
et un groupe ethnique devrait favoriser le soutien en cas de rébellion (San-Akca, 2016; 26Pour certains des modèles, la matrice de variance-covariance présente des valeurs négatives sur la diagonale. Cela empêche l’estimation des erreurs standards. Pour traiter ce problème, Cameron et al. (2011) proposent de mettre à zéro ces éléments. Avec la taille de mon échantillon et le nombre de groupes d’agrégation que j’utilise, cela ne devrait pas biaiser de façon problématique l’estimation des erreurs standards.
Salehyan et al., 2011). Or, je n’analyse pas cette relation puisqu’elle n’est pas reliée au mécanisme de réputation et à la prédiction 1.
Prédiction 1 résultats anticipés: β2= 0, β3> 0
Test prédiction 2: Pour tester la prédiction 2, j’ajoute trois variables à l’équation précé-
dente:
P(Si j kt = 1) =β0+ β1Li j kt+ β2Ni j kt+ β3(L × N)i j kt+
β4Ti j kt+ β5(T × L)i j kt+ β6(T × N)i j kt+ β7(T × L × N)i j kt+
β8Xi j kt+ β9Fi j k + β10Frt+ i j kt
Ti j kt ∈ [0, 1] est la proportion de la population du pays cible qui appartient au groupe
ethnique de la triade. Selon la prédiction 2, plus un groupe ethnique est fort dans son pays (plus il représente une partie importante de la population), moins l’effet du nombre de liens sur le conflit devrait être grand. Encore une fois, le mécanisme de réputation ne devrait être à l’oeuvre que s’il existe un lien identitaire entre le groupe ethnique et l’État étranger. Par conséquent, les coefficients β4, β5 et β6 devraient capturer les effets
d’autres mécanismes par lesquels la taille relative du groupe rebelle pourrait influencer la probabilité de soutien. En particulier, si le nombre de liens interagit avec la taille du groupe ethnique par d’autres mécanismes que la réputation, l’effet devrait être capturé par β6. Tout comme pour le coefficient β2, je m’attends à un effet à peu près nul avec
cette interaction. Finalement, je n’ai pas d’anticipation pour les coefficients β4et β5, mais
puisqu’ils n’incluent pas le nombre de liens, ils ne sont pas en lien avec la prédiction 2.
Prédiction 2 résultats anticipés: β2= 0, β3> 0, β6= 0, β7< 0.
Test prédiction 3: Pour tester la prédiction 3, j’estime l’équation suivante:
P(Ii j kt = 1) = β0+ β1Li j kt + β2Ni j kt+ β3(L × N)i j kt+ β4Xi j kt+ β5Fi j k + β6Frt + i j kt
Ii j kt ∈ {0, 1} est l’inclusion politique du groupe ethnique. Selon le modèle théorique,
un nombre de liens plus grand devrait favoriser l’inclusion du groupe ethnique par le mécanisme de réputation. Or, cela ne peut être vrai que si le groupe rebelle a un lien identitaire avec l’État étranger. Si un mécanisme qui n’est pas associé aux identités transnationales génère une corrélation entre le nombre de liens et l’inclusion du groupe rebelle, cela devrait être capturé par β2. Je ne m’attends pas à ce que ça soit le cas.
Puisque j’utilise des effets fixes pour les triades, il est pertinent à ce stade de discuter des sources de variation dans les données que j’exploite. La présence d’un lien pour la triade et le nombre de liens total de l’État étranger peuvent changer principalement pour deux raisons. Premièrement, lorsque les groupes ethniques au pouvoir d’un État étranger changent, cela affecte naturellement les liens identitaires avec les populations extérieures. Par exemple, après une révolution ou un changement politique important, un groupe précédemment exclu peut devenir dominant dans un pays. Cette source de variation est importante puisque 49% des États étrangers dans ma banque de données ont subi au moins un changement dans leurs ethnies au pouvoir au cours de la période étudiée. Deuxièmement, la variation peut venir de changements dans la composition ethnique des pays cibles. Celle-ci peut affecter le nombre de liens que les États étrangers ont avec des groupes ethniques. 44% des pays dans la banque de données ont vu au moins un groupe ethnique s’ajouter ou s’enlever de leur liste des groupes ethniques politiquement pertinents pendant la période étudiée. Cela peut être causé par des changements démographiques, politiques (ex. une identité ethnique prend ou perd de l’importance en tant qu’identité politique) ou de frontières. Par exemple, les modifications importantes des frontières internationales après la chute de l’URSS ont changé la composition ethnique de plusieurs pays de l’Europe de l’est. De même, certains pays ont ainsi été créés, ce qui a aussi changé le nombre de pays où les États étrangers avaient des liens avec des groupes ethniques. J’estime cinq modèles principaux. Dans un premier temps, j’estime deux modèles avec des effets fixes pour les régions-années, mais sans effets fixes pour les triades. Le premier modèle n’a pas de vecteur de contrôles et le deuxième en a un. Je choisis d’inclure ces spécifications pour deux raisons. Premièrement, ces modèles conservent beaucoup plus de la variation dans les données que ceux avec des effets fixes pour les triades. Puisque j’analyse des événements rares, il est probable que ceux-ci soient moins pénalisants au niveau de la significativité statistique des coefficients. Deuxièmement, la source de variation exploitée lorsque j’ajoute des effets fixes pour les triades peut souffrir de ses propres biais statistiques auxquels je n’ai pas pensé. En incluant des effets fixes pour les régions-années, je peux certifier mes résultats avec une tout autre source de variation: celle entre les pays d’une même région pour une année donnée.
J’estime ensuite trois modèles avec des effets fixes pour les triades. J’ajoute séquentielle- ment les contrôles. J’inclus en premier la taille du groupe ethnique, le PIB du pays cible et les contrôles d’ordre « militaire », c’est-à-dire la puissance et la capacité d’extraction de l’État étranger ainsi que le rapport de puissance entre les deux pays. Dans le cin- quième modèle, j’inclus les contrôles pour les niveaux de démocratie des deux pays28. 28Je n’inclus pas PE majeur et PC majeur dans les modèles avec les effets fixes pour les triades puisque le statut de puissance majeure des pays ne varie quasiment pas durant la période étudiée. De même, la variable log(distance) n’est pas incluse dans ces modèles, puisqu’elle ne varie pas dans le temps.
Pour les trois prédictions, le modèle 4 est ma spécification de préférence. Elle est la plus rigoureuse, à l’exception du modèle 5 qui a cependant le défaut d’utiliser beaucoup moins d’observations à cause des valeurs manquantes dans les contrôles pour la démocratie. Pour la prédiction 1, j’ajoute un sixième modèle avec le nombre de liens au carré. Cela me permet d’observer si l’effet de cette variable est concave tel que dicté par la théorie.
3.3
Résultats
3.3.1 Prédiction 1
Les résultats sont fidèles à la prédiction 1 (β2 = 0, β3 > 0), mais ils sont plutôt fragiles.
Dans tous les modèles, l’effet du nombre de liens sur la probabilité de soutien est très faiblement positif — voire nul — lorsqu’il n’y a pas de lien. Il est cependant fortement positif lorsqu’il y a un lien. Cela est un bon indice que l’effet du nombre de liens sur le soutien de rébellions est principalement causé par le mécanisme de réputation, puisque la présence d’un lien identitaire entre l’État étranger et le groupe ethnique est requise pour que ce mécanisme soit en action. Dans les modèles 4 et 5, on observe qu’un lien additionnel augmente la probabilité de soutien d’environ 0.9%, un effet non négligeable lorsqu’on prend en compte le fait que le soutien de groupe rebelle est un événement rare (0.56% des triades-années analysées). Cet effet peut aller jusqu’à environ 8.1% pour le modèle 4 lorsque le nombre d’autres liens atteint son maximum de 9. C’est un effet très important pour un événement rare tel que le soutien de groupe rebelle.
L’interaction est statistiquement significative pour les modèles 4 et 5. Les valeurs-p pour ces modèles sont respectivement de 4.8% et 9.5%. L’ajout de la première série de contrôles fait doubler la taille du coefficient d’interaction et fait diminuer la valeur- p, tandis que l’ajout des contrôles pour les niveaux de démocratie fait augmenter la valeur-p. Or, après vérification (voir l’annexe 5), cela est presque uniquement causé par la sélection de l’échantillon en raison des valeurs manquantes pour les contrôles. Le sous-échantillon des pays pour lesquels j’ai des informations sur la puissance et la capacité d’extraction exclut généralement des plus petits pays et des valeurs pour les années les plus anciennes. Il est possible que ce sous-échantillon capture mieux l’effet étudié, puisque d’autres variables importantes du modèle (Soutien de groupes rebelles, liens transnationaux, etc.) sont moins bien mesurées pour les petits pays et les premières années. Si cela est le cas, il est normal que les effets ressortent plus clairement avec un échantillon où les variables sont mesurées avec plus de précision. Lorsque j’ajoute les niveaux de démocratie, le coefficient d’interaction reste stable, mais son erreur standard augmente beaucoup puisqu’on enlève plus de 70 000 observations additionnelles. Encore une fois, ce sont surtout des observations anciennes pour des petits pays. Les interactions
Table 1: Modèles prédiction 1 Variable dépendante: Soutien (1) (2) (3) (4) (5) (6) Lien 0.012∗∗∗ 0.012∗ 0.001 −0.009 −0.013 −0.016 (0.004) (0.007) (0.010) (0.014) (0.016) (0.016) Nb liens 0.0003 0.0002 0.00002 0.0001 −0.0003 0.002 (0.001) (0.001) (0.001) (0.001) (0.001) (0.002) Nb liens2 −0.0004 (0.0003) Lien * Nb liens 0.003 0.004 0.004 0.009∗∗ 0.009∗ 0.012 (0.004) (0.005) (0.004) (0.004) (0.005) (0.010) Lien * Nb liens2 −0.0004 (0.001) Pop. ethnie 0.002 0.002 0.008 0.008 (0.002) (0.009) (0.035) (0.035) PE majeur 0.005 (0.006) PC majeur 0.007∗∗ (0.003) Puissance relative 0.002 −0.002 −0.020 −0.017 (0.004) (0.012) (0.016) (0.014) PE puissance 0.039 0.007 −0.057 −0.066 (0.038) (0.018) (0.098) (0.101) PE capacité d’extraction −0.050 0.008 0.155 0.154 (0.085) (0.123) (0.178) (0.174) PE démocratie −0.0001 0.0001 0.0001 (0.0001) (0.0001) (0.0001) PC démocratie 0.0003 −0.0002 −0.0002 (0.0004) (0.0002) (0.0002) PC P.I.B per capita 0.00 0.00 0.00 0.00
(0.00) (0.00) (0.00) (0.00) Log(distance) −0.002
(0.001)
Régions-années Oui Oui Oui Oui Oui Oui
Effets fixes triades Non Non Oui Oui Oui Oui Observations 345,785 201,641 345,785 272,118 201,641 201,641 R2 0.021 0.026 0.379 0.408 0.412 0.412
R2ajusté 0.018 0.020 0.364 0.390 0.391 0.391
dans les modèles 1, 2 et 3 ne sont pas significatives, mais présentent tout de même des effets importants assez proches de ceux des autres modèles.
Le modèle 6 montre que la relation entre le nombre de liens et le conflit est concave. L’effet du nombre de liens au carré est négatif lorsqu’il y a un lien entre l’État étranger et le groupe ethnique, ce qui indique encore une fois que le mécanisme de réputation est important pour cette relation. Toutefois, l’effet est très faible et est loin d’être statistiquement significatif. J’anticipais cependant d’obtenir un résultat faible et non significatif avec le modèle 6, puisque selon les simulations, l’effet du nombre d’autres liens devrait être généralement positif entre 0 et 9. Ainsi, je m’attendais à ce que la relation ne soit que faiblement concave.
J’analyse dans l’annexe 5 des tests de robustesse29: 1) Je teste plusieurs spécifications alternatives; 2) J’utilise le nombre de liens impliquant la même identité ethnique que celle de la triade au lieu du nombre de liens total de l’État étranger; 3) Je fais un test placebo en utilisant comme variable dépendante les cas de soutien « passif » où des rebelles utilisent des États étrangers sans que ce soit la volonté de ces derniers. Ils peuvent par exemple recruter des combattants dans cet État ou s’y réfugier des forces de leur gouvernement. Bien que cette variable soit très similaire au soutien actif et soit influencée par plusieurs des mêmes facteurs, le mécanisme de réputation ne devrait pas avoir d’effets directs sur elle.
En somme, les résultats sont cohérents avec ce que le modèle prédit. Le nombre de liens a un effet positif, et ce, seulement lorsqu’il y a un lien identitaire entre l’État étranger et le groupe ethnique. Cet effet semble aussi légèrement concave, ce qui est cohérent avec la relation non linéaire trouvée avec le modèle. De plus, les tests de robustesse sont généralement concluants. Néanmoins, seuls les résultats sur le sous-échantillon des observations pour lesquelles j’ai des informations pour les contrôles sont statistiquement significatifs. Puisque ce sous-échantillon n’est pas sélectionné de façon aléatoire, cela est bien évidemment problématique. Pour un travail futur, il serait pertinent d’explorer plus en profondeur pourquoi ce sous-échantillon donne des résultats plus forts.
Le principal défaut du modèle de probabilité linéaire est qu’il peut générer des proba- bilités prédites qui sortent de l’intervalle [0, 1]. Si je prends le modèle 4 par exemple, j’obtiens 25 valeurs prédites au-dessus de 1 et 135 140 au-dessous de 0 dont la plus faible atteint -0.04330. Or, selon Wooldridge (2002, p. 455), lorsque le but est d’analyser les 29Je fournis tous les tableaux des tests de robustesse en annexe et j’explique en détail la logique de ces tests et j’en analyse les résultats.
30Pour le modèle 5 de la prédiction 2, j’obtiens sensiblement la même chose avec 25 valeurs prédites au-dessus de 1 et 135 101 au-dessous de 0. Pour celui de la prédiction 3, j’obtiens 23 472 valeurs prédites au-dessus de 1 et 106 478 au-dessous de 0, ce qui représente à peu près la même quantité de valeurs hors de
effets marginaux des variables indépendantes, cela n’est généralement pas très important. Néanmoins, il serait bon dans un travail futur d’ajouter comme test de robustesse un modèle non linéaire qui ne présente pas ce problème, tel qu’un modèle logistique conditionnel.
3.3.2 Prédiction 2
Les résultats obtenus sont cohérents avec la prédiction 2 (β2= 0, β3 > 0, β6 = 0, β7 < 0),
mais ne sont pas significatifs pour toutes les spécifications. Premièrement, remarquons que le coefficient pour l’interaction entre Lien et Nb liens reste positif et significatif pour les modèles avec effets fixes. La taille de ce coefficient change par rapport aux modèles pour la prédiction 1, ce qui est normal avec l’ajout de deux autres interactions avec le nombre de liens et la présence d’un lien pour la triade. Comme anticipé, le coefficient de l’interaction entre le nombre de liens et la taille de l’ethnie est proche de zéro lorsqu’il n’y a pas de lien identitaire.
Le coefficient pour la triple interaction entre la taille de l’ethnie, la présence d’un lien et le nombre d’autres liens change drastiquement lorsque j’ajoute des effets fixes pour les triades. Dans les deux premiers modèles, l’effet est légèrement positif. Cet effet va à l’encontre de la théorie, mais peut provenir d’une variable omise qui est seulement capturée dans les modèles avec des effets fixes pour les triades. Ainsi, pour les modèles 3, 4 et 5, l’effet est fortement négatif — tel qu’anticipé — et les valeurs-p sont respectivement de 7.7%, 9.2% et 18%. L’ajout de contrôles pour le niveau de démocratie fait grandement monter la valeur-p. Après vérification, cela provient d’une diminution considérable du nombre d’observations à cause des valeurs manquantes pour l’indice « Polity IV » (voir l’annexe 5).
Par exemple, le modèle 4 montre qu’une augmentation de 10% de la population de l’ethnie diminue de 0.23% l’effet de l’augmentation du nombre d’adversaires lorsqu’il y a un lien avec le groupe ethnique. Le modèle indique aussi que si la taille de l’ethnie est près de zéro, un adversaire supplémentaire augmente le risque de soutien de 1.6%. Lorsque l’ethnie partage une identité avec l’État étranger, plus sa taille est importante, plus cet effet diminue. Il atteint 0% lorsque le groupe ethnique représente 69.5%, c’est-à-dire une forte majorité de la population. Lorsque l’ethnie constitue presque l’entièreté de la population, l’effet est de -0.7%. Cependant, seulement 0.28% des triades-années ont un groupe ethnique qui représente plus de 69% de la population de son pays et qui est exclu politiquement. Puisque dans mon cadre théorique l’exclusion politique est la cause des rébellions, il n’est pas pertinent d’analyser la possibilité d’un effet négatif.
En annexe, je fais les mêmes tests de robustesse que pour la prédiction 1. Ils donnent l’intervalle [0, 1].
Table 2: Modèles prédiction 2 Variable dépendante: Soutien (1) (2) (3) (4) (5) Lien 0.016∗ 0.019 −0.012 −0.017 −0.025 (0.009) (0.012) (0.012) (0.021) (0.024) Nb liens 0.0004 0.0004 −0.00002 0.00005 0.0001 (0.001) (0.001) (0.001) (0.001) (0.001) Lien * Nb liens 0.003 0.003 0.011∗ 0.015∗ 0.016∗ (0.005) (0.006) (0.006) (0.008) (0.009) Pop. ethnie 0.004 0.005∗ −0.001 0.002 0.016 (0.002) (0.003) (0.007) (0.011) (0.036) Pop. ethnie * Lien −0.016 −0.027 0.053∗∗ 0.030 0.041
(0.018) (0.023) (0.024) (0.027) (0.036) Pop. ethnie * Nb liens −0.0002 −0.001 0.0004 0.0001 −0.002 (0.001) (0.001) (0.002) (0.002) (0.004) pop. ethnie * Lien * Nb liens 0.0005 0.004 −0.025∗ −0.023∗ −0.022 (0.005) (0.006) (0.014) (0.014) (0.016) PE majeur 0.005 (0.006) PC majeur 0.007∗∗ (0.003) Puissance relative 0.002 −0.002 −0.020 (0.004) (0.012) (0.016) PE puissance 0.039 0.007 −0.057 (0.037) (0.018) (0.098) PE capacité d’extraction −0.049 0.011 0.157 (0.085) (0.123) (0.177) PE démocratie −0.0001 0.0001 (0.0001) (0.0001) PC démocratie 0.0003 −0.0002 (0.0005) (0.0002)
PC P.I.B per capita 0.00 0.00 0.00
(0.00) (0.00) (0.00)
Log(distance) −0.002
(0.002)
Régions-années Oui Oui Oui Oui Oui
Effets fixes triades Non Non Oui Oui Oui Observations 345,785 201,641 345,785 272,118 201,641
pour la plupart de bons résultats, bien que parfois non significatifs. Cependant, le test placebo n’est pas concluant puisqu’il donne un résultat plus fort pour le modèle 5. Ce test sert à exclure des mécanismes alternatifs auxquels je n’aurais pas pensé et que je n’aurais pas traités avec les contrôles ou les autres tests. Par conséquent, le fait qu’il ne soit pas concluant ne me permet pas d’exclure ces mécanismes, mais n’invalide pas non plus mon hypothèse. De surcroît, le soutien passif et le soutien actif sont corrélés dans les données31, ce qui peut expliquer pourquoi j’obtiens des résultats similaires pour les deux types de soutien.
Somme toute, les signes et les tailles des coefficients sont cohérents avec la prédiction 2 pour les modèles avec des effets fixes. Ces résultats sont cependant fragiles. En particulier, les tests de robustesse ne sont pas tous concluants et les coefficients des triples interactions pour les modèles sans effets fixes (1 et 2) n’ont pas le signe qui était anticipé, quoique cela puisse être causé par une variable omise.
3.3.3 Prédiction 3
Les résultats sont cohérents avec la prédiction 3, mais ils sont faibles pour plusieurs spécifications. Ils ne sont pas significatifs pour ma spécification préférée (modèle 4). L’interaction entre la présence d’un lien et le nombre d’autres liens est positive et statis- tiquement significative pour les deux premiers modèles. Cependant, l’effet diminue presque de moitié lorsque j’ajoute des effets fixes pour les triades et la valeur-p monte à 11.5%. Cet effet continue de diminuer lorsque j’ajoute plus de contrôles et la valeur-p atteint 41.3% dans le modèle 5. Cette perte de significativité est causée par une réduc- tion considérable du nombre d’observations lorsqu’on ajoute des contrôles (voir l’annexe 5). Le modèle 2 montre qu’ajouter un pays où l’État étranger a un lien avec un groupe ethnique augmente de 2.6% la chance que le groupe ethnique soit inclus politiquement. Ce même effet est de seulement 1.3% pour le modèle 5. Considérant que le nombre d’autres liens varie entre 0 et 9, cela implique que cet effet peut faire varier la probabilité d’inclusion de 23.4% dans le modèle 2 — ce qui est un effet notable considérant que 28% des triades-années ont un groupe ethnique inclus politiquement.