Consommation et pauvreté chez les enfants réfugié-es en Afrique de l'est

À ce jour, aucune étude n'a analysé les inégalités de consommation au sein des familles de réfugiés et leurs conséquences sur la mesure de la pauvreté. Un article publié dans World Development co-écrit par Giacomo De Giorgi, professeur à la GSEM, Theresa P. Beltramo Academic Fellow à la GSEM, Rossella Calvi et Ibrahima Sarr comble cette lacune. Les enfants de familles réfugiées sont beaucoup plus exposés au risque de pauvreté que les enfants des communautés d'accueil environnantes, ce qui appelle des actions politiques ciblées. Les chercheurs montrent qu'il existe quelques prédicteurs essentiels de la pauvreté des enfants à l'aide d'un algorithme d'apprentissage automatique supervisé. Il s'agit de caractéristiques facilement observables, telles que l'âge de l'enfant, la composition du ménage et l'accès à l'assainissement et à l'eau potable. Sur la base de ces prédicteurs, il est possible de développer des approches peu coûteuses et parcimonieuses pour cibler la pauvreté infantile (au moins dans les domaines étudiés). Les approches ciblées proposées peuvent être plus performantes que le ciblage standard basé sur les dépenses des ménages par habitant.

ABSTRACT

There are now more violent conflicts globally than at any time in the past three decades, resulting in the largest forced displacement crisis ever recorded. Understanding at a granular level the well-being of refugees is essential to inform successful poverty alleviation strategies and unlock refugees’ potential. As forced displacement can lead to a reorganization of a family’s structure, we use a structural model in combination with data from refugee camps and surrounding communities in Uganda and Kenya to estimate the allocation of consumption within families. We compute poverty rates that account for intra-household inequality, finding that refugee children can be up to three times more likely to be poor than adults. So, refugee children not only suffer from the experience of forced migration, but also from potentially low nutrition and a disproportionately higher poverty risk. Using a supervised machine learning algorithm, we show that a small set of observable traits, such as a child’s age, household composition, and access to sanitation and clean water, predict child poverty in refugee settlements and surrounding communities remarkably well, often better than per-capita household expenditure.

Accédez à l'étude : Child poverty among refugees (en anglais)

> Cliquez ici pour voir les publications du corps professoral de la GSEM dans des revues de premier plan.