On the Political Economy of conflicts in the Middle East and Africa

Résumé En Fr

In this research, we aim to identify the main factors that explain the occurrence and intensity of armed conflicts in a specific region, the Middle East and North Africa. We extend the conventional linear Bayesian Model Averaging procedure by incorporating conflict intensity, which is measured across a spectrum of violence levels, departing from the typical binary classification of war or peace. We provide strong evidence that not only demographical, institutional and socio-economic but also, environmental factors must be considered when analyzing conflict intensity. By paying special attention to neighboring states’ characteristics, our results reveal that political economy factors, historical legacy, climate and access to natural resources are key in identifying conflict severity. Finally, we show that model averaging predictions for ordered categorical outcomes improve upon the existing out-of-sample conflict prediction techniques.

Dans cette recherche, nous visons à identifier les principaux facteurs qui expliquent l'occurrence et l'intensité des conflits armés dans une région spécifique, le Moyen-Orient et l'Afrique du Nord. Nous étendons la procédure conventionnelle de moyenne des modèles bayésiens linéaires en incorporant l'intensité des conflits, qui est mesurée à travers un spectre de niveaux de violence, s'écartant de la classification binaire typique de la guerre ou de la paix. Nous démontrons clairement que les facteurs démographiques, institutionnels et socio-économiques, mais aussi environnementaux, doivent être pris en compte lors de l'analyse de l'intensité des conflits. En accordant une attention particulière aux caractéristiques des États voisins, nos résultats révèlent que les facteurs d'économie politique, l'héritage historique, le climat et l'accès aux ressources naturelles sont essentiels pour identifier la gravité des conflits. Enfin, nous montrons que les prédictions de moyenne de modèle pour les résultats catégoriels ordonnés améliorent les techniques existantes de prédiction de conflit hors échantillon.