Résumé:
Ce projet étudie deux aspects importants des flux migratoires entre les pays du monde. D'une part, ce projet propose un cadre global pour étudier la relation entre le changement climatique et les flux migratoires. L'ensemble des données que nous utilisons couvre une période de 30 ans entre 1990 et 2017 et comprend 150 pays du monde entier impliquant plus de 15 000 paires de pays. D'autre part, ce projet tient en compte le rôle des pays voisins sur les flux migratoires. Ceci est important car bien qu'il existe de nombreuses preuves montrant que les effets de réseau sont des facteurs importants expliquant les décisions individuelles d'émigrer, au niveau macro, il n'existe qu'une référence traitant de l'impact des pays voisins sur les flux migratoires au niveau régional.
Notre travail contient quatre apports principaux. Premièrement, nous incluons un large ensemble de variables environnementales avec une couverture mondiale qui nous permet d'avoir une plus grande capacité à intégrer les aspects du changement climatique dans l'analyse des flux migratoires. Étant donné que le changement climatique influence les décisions de migrer différemment selon les pays et leur développement économique, cette étude nous permettra donc de concevoir des politiques spécifiques à chaque pays pour répondre au problème migratoire induit par le climat.
Deuxièmement, nous considérons un large ensemble de facteurs socio-économiques, démographiques, sanitaires, politiques et de gouvernance propres à chaque pays, caractérisant les pays d'origine et de destination des flux migratoires. Cette longue liste de déterminants nous permettra d'explorer les causes contextuelles de la migration et la dynamique des caractéristiques spécifiques au pays qui influencent la migration internationale. Cela nous permettra également de démêler les schémas distinguant les économies des pays développés, en voie de développement et les moins avancés, au fil du temps.
Troisièmement, en nous appuyant sur des modèles spatiaux autorégressifs (SAR) estimés par la méthode bayésienne et MCMC, nous quantifions, pour la toute première fois, dans quelle mesure les pays voisins affectent les flux migratoires entre paires de pays, en tenant compte à la fois du changement climatique et en contrôlant un vaste ensemble de déterminants de la migration internationale. Par conséquent, notre travail contraste fortement avec la littérature macroéconomique existante sur la migration qui, jusqu'à présent, n'a pas pris en compte ces multiples facteurs simultanément.
Enfin, les procédures existantes supposent généralement une relation linéaire entre les déterminants socio-économiques, démographiques, politiques, environnementaux, météorologiques et climatiques des flux migratoires. Or, les matrices de connectivité qui sont générées lors de l'enregistrement des migrants se déplaçant d'un pays à l'autre sont dynamiques et les interractions entre elles ne sont pas linéaires. Par exemple, comment l'intensité de la migration d'un pays à l'autre interagit avec l'évolution des autres flux migratoires est une question empirique à laquelle la littérature existante n'a pas encore répondu. Pour rendre compte de ces relations non linéaires, dans une deuxième étape de l'analyse, nous nous appuyons sur la connectivité fonctionnelle, et la connectivité fonctionnelle d'ordre supérieur (qui rend compte des interactions fonctionnelles impliquant trois pays et plus), pour caractériser la dynamique collective dans des réseaux de migration. Surtout, grâce à ce cadre d'analyse de réseau, nous évaluons si : a) les cartes de chaleur et de pluie (satellite) stimulent ou inhibent la connectivité des réseaux de migration dans le temps ; b) une connectivité migratoire d'ordre supérieur entre des groupes de pays apparaît lorsque les pays sont classés selon leur niveau de développement et de revenu.
Abstract:
This project investigates two important aspects of international migration among country pairs. On the one hand, this project proposes a global framework to study the relationship between climate change and bilateral migration. The dataset we build spans the 30-year period over 1990-2017 and includes 150 countries all over the world involving more than 15.000 country pairs. On the other hand, this project analyzes the role of neighboring countries on the migration flows. This is important because although there is extensive micro evidence showing that network effects are important factors explaining people’s individual decisions to emigrate, at the macro level, there is only one paper addressing the impact of neighboring countries on migration flows at the regional (groups of countries) level.
Our work has four main contributions. First, we include a wide set of environmental variables with a worldwide coverage which allows us to have a higher capability to incorporate climate change aspects into the migration analysis. Since climate change influences migration decisions differently across countries and depending on the countries’ economic development, this study will hence permit us to design country-specific policies to give response to climate-induced migration. Second, we consider a large set of country-specific socio-economic, demographic, health, political, and governance factors characterizing the countries of origin and destination in the bilateral migration flows. This extensive list of determinants will permit us to explore the contextual causes of migration and the dynamics of the country-specific characteristics influencing international migration. It will also allow us to disentangle the patterns distinguishing developed and developing economies through time.
Third, relying on spatial autoregressive interaction models estimated through Bayesian modeling and MCMC simulation, we quantify, for the very first time, to what extent neighboring countries affect migration flows between country pairs, accounting at the same time for climate change and controlling for an extensive set of determinants of international migration. Hence, our work sharply contrasts with the existing macro literature on migration which, up to present, has not accounted for these multiple factors simultaneously. Importantly, our spatial autoregressive methodology has the capacity to accommodate multiple spatial weight matrices (capturing several sources of proximity between countries leading to the origin- and destination-spatial dependence), a different list of countries as origins and destinations in the bilateral migration flows, as well as different characteristics for the origin and the destination countries.
Fourth, the existing procedures typically assume linear relationships between the socio-economic, demographic, political, environmental, weather and climate change determinants of migration flows. However, the connectivity matrices that are generated when registering migrants moving from one country to the other are dynamic and the inter-relations among them are non-linear. For instance, how the intensity of migration from one country to the other interplays with the evolution of other migration flows is an empirical question that the existing literature has not yet responded. To account for these non-linear relations, as a second step in the analysis, we rely on functional connectivity, and high-order functional connectivity (which accounts for functional interactions involving three and more countries), to characterize the collective dynamics in the migration networks. Importantly, thanks to this network analysis framework, we assess whether: a) (satellite) heat and rain maps stimulate or inhibit the connectivity of migration networks through time; b) higher order migration connectivity between groups of countries arises when countries are classified by their level of development and income, their regions, among others.