Analyse économétrique des déterminants de la résilience économique des ménages face à la crise M23 dans la ville de Bukavu

Econometric Analysis of the Determinants of Household Economic Resilience to the M23 Crisis in Bukavu City

Amisi Amani Elie¹,⁴, Elias Bashimbe Raphael²,³,⁴

DOI: https://doi.org/10.53796/hnsj67/28

Identifiant de recherche scientifique arabe: https://arsri.org/10000/67/28

Volume (6) Numéro (7). Pages: 439 - 448

Reçu le: 2025-06-07 | Accepté le: 2025-06-15 | Publié le: 2025-07-01

Download PDF

1. INTRODUCTION

La résilience économique des ménages, définie comme leur capacité à résister, s’adapter et se relever des chocs économiques, est devenue une priorité mondiale face à la multiplication des crises systémiques. À l’échelle mondiale, on estime que plus de 1,3 milliard de personnes vivent dans une situation de vulnérabilité économique chronique, exposées à des risques liés aux conflits, aux pandémies et aux catastrophes climatiques (World Bank, 2022). Dans les pays à revenu faible comme le Népal ou le Bangladesh, des approches communautaires intégrées ont permis d’améliorer la résilience des ménages, réduisant leur vulnérabilité de plus de 20 % en une décennie (Omi et al., 2020).

En Afrique, environ 43 % des ménages urbains sont incapables d’absorber un choc économique majeur sans assistance extérieure (Cissé et al., 2022). Au Nigeria, l’inflation et la volatilité des prix des denrées alimentaires ont affaibli la capacité de résilience des familles urbaines, conduisant à une baisse de 30 % des revenus moyens entre 2020 et 2022 (FAO, 2021). Au Mali, les filets sociaux adaptatifs mis en œuvre ont démontré une amélioration de 18 % de la sécurité alimentaire parmi les bénéficiaires (World Food Programme, 2021).

En Afrique centrale, les pays comme le Cameroun ou la République Centrafricaine affichent des indices de résilience communautaire en dessous de 0,3 sur une échelle de 1, témoignant d’un faible ancrage des mécanismes d’adaptation institutionnelle (Le Masson et al., 2021). En République Démocratique du Congo, le contexte de crises multiformes (conflits armés, déplacements massifs, insécurité alimentaire et instabilité économique) accentue la vulnérabilité des ménages. La province du Sud-Kivu, particulièrement touchée, compte plus de 64 % de ménages vivant sous le seuil de pauvreté, dont une grande partie dans des zones urbaines comme Bukavu (PNUD, 2023).

Dans la ville de Bukavu, les ménages subissent des chocs économiques multiples : augmentation des prix (+35 % pour les denrées de base entre 2021 et 2023), perte d’emplois dans le secteur informel (près de 48 % des actifs), saturation des services sociaux, et dégradation des réseaux de solidarité (Kanyuka et al., 2023). Toutefois, les mécanismes par lesquels certains ménages parviennent à maintenir une stabilité relative, alors que d’autres s’enfoncent dans la pauvreté, demeurent mal compris. Peu d’études économétriques contextualisées ont été menées pour identifier les facteurs déterminants de la résilience économique dans ce contexte urbain instable.

Cette absence de données désagrégées, combinée à la complexité des chocs subis par les ménages, limite fortement la formulation de politiques publiques ou de programmes humanitaires efficaces et adaptés. Dès lors, une analyse économétrique rigoureuse des déterminants de la résilience économique à l’échelle des ménages urbains à Bukavu est essentielle. Elle permettra de mieux cibler les interventions, renforcer les filets de sécurité, et bâtir une résilience économique durable dans les contextes urbains fragiles.

L’objectif global de cette étude est d’analyser économétriquement les déterminants de la résilience économique des ménages de la ville de Bukavu face aux effets de la crise sécuritaire du M23, afin d’identifier les facteurs les plus significatifs pour orienter les interventions de résilience. Spécifiquement : (i) Identifier l’effet des stratégies d’adaptation sur la résilience économique des ménages ; (ii) Analyser l’influence de l’accès à l’alimentation et du niveau d’instruction sur cette résilience ; (iii) Étudier l’impact de la source de revenu principale du ménage en contexte de crise ; (iv) Tester la validité et la significativité du modèle économétrique appliqué aux données de Bukavu.

1. METHODOLOGIE DE L’ETUDE

2.1. Cadre de l’étude

Cette étude a été réalisée dans la ville de Bukavu, chef-lieu de la province du Sud-Kivu en République Démocratique du Congo, une zone urbaine fortement impactée par les répercussions de la crise sécuritaire liée à l’offensive du M23 en 2025. Bukavu, en tant que centre économique régional, est caractérisée par une économie majoritairement informelle, une forte densité démographique et une exposition accrue aux chocs sociaux, économiques et humanitaires.

2.2. Population d’étude

La population cible est constituée de ménages urbains résidant à Bukavu ayant été directement ou indirectement affectés par la crise du M23. Cette population comprend des ménages issus de différents milieux socio-économiques, répartis dans les trois communes de la ville : Ibanda, Kadutu et Bagira.

2.7.4. Vérification des hypothèses du modèle

Dans le cadre de la construction et de l’évaluation du modèle économétrique des déterminants de la résilience économique des ménages face à la crise M23 dans la ville de Bukavu, certaines hypothèses fondamentales du modèle linéaire classique ont été vérifiées. La stabilité des paramètres a été testée à l’aide du test de CUSUM, dont les résultats indiquent que la courbe cumulée reste à l’intérieur des bandes de confiance à 5 %, confirmant ainsi la stabilité structurelle du modèle. De plus, la statistique de Durbin-Watson (2,04) indique une absence d’autocorrélation des erreurs. Bien plus, les éléments disponibles appuient la validité statistique minimale du modèle pour l’analyse exploratoire. Des vérifications complémentaires pourraient renforcer l’interprétation des résultats.

1. RESULTATS

Tableau1. Caractéristiques sociodémographiques des enquêtés.

Variables	Effectif n = 66	%
Taille de ménage
2 à 5 personnes	27	40.9
6 à 10 personnes	32	48.5
Plus de 10 personnes	7	10.6
Sexe
Homme	55	83.3
Femme	11	16.7
Age
27-35ans	16	24.2
18-26ans	3	4.5
36-44ans	21	31.8
Plus de 45 ans	26	39.4
Niveau d’éducation
Sans niveau	0	0.0
Primaire	1	1.5
Secondaire	6	9.1
Grade	15	22.7
Licence	37	56.1
Master	4	6.1
Doctorat	3	4.5
Emploi
Oui	40	60.6
Non	26	39.4
Type d’emploi
Etudiant	0	0.0
Fonctionnaire de l’état	12	18.2
Entrepreneur	24	36.4
Agent humanitaire	15	22.7
Travaux journaliers/occasionnels	6	9.1
Autres	9	13.6

Le tableau montre que la majorité des enquêtés vivent dans des ménages de 6 à 10 personnes (48,5 %) et sont majoritairement des hommes (83,3 %). La tranche d’âge dominante est celle de plus de 45 ans (39,4 %), indiquant une population adulte mature. Le niveau d’instruction est élevé, avec 56,1 % ayant une licence et 33,3 % un grade ou plus. Environ 60,6 % des répondants ont un emploi, principalement dans l’entrepreneuriat (36,4 %) et l’humanitaire (22,7 %). Ces caractéristiques traduisent un profil socio-économique relativement stable et instruit.

Tableau 2. Caractéristiques socioéconomiques et stratégies d’adaptation des ménages face à la crise.

Variables	Effectif n = 66	%
Diversification des revenus/activités économiques
Oui	38	57.6
Non	28	42.4
Source des revenus/Secteur d’activité
Agriculture/élevage	4	6.1
Immobilier/vente des parcelles	4	6.1
Commerce/vente	38	57.6
Artisanat/métiers professionnels	8	12.1
Travail salarié (fonctionnaires de l’état ; agent humanitaire	12	18.2
Revenu moyen du ménage (CDF)
Moins de 100 000	9	13.6
100 000-300 000	19	28.8
300 000-500 000	7	10.6
500 000-1000 000	11	16.7
Plus de 1000 000	20	30.3
Accès au crédit au cours de 12 derniers mois
Oui	19	28.8
Non	47	71.2
Perte économique pendant la crise
Oui	58	87.9
Non	8	12.1
Nature de cette perte
Perte d’emploi/activité principale	12	18.2
Perte de source de revenus/activité génératrice des revenus	8	12.1
Perte des biens matériels (maison, voiture, stock/marchandise, bétails)	5	7.6
Baisse des ventes ou revenus	20	30.3
Perte d’accès aux ressources	16	24.2
Autres	5	7.6
Accès aux besoins alimentaires essentiels
Oui, mais difficilement	44	66.7
Oui, sans difficulté	10	15.2
Non	12	18.2
Changement d’une activité pour faire face à la crise/capacité adaptation
Oui	46	69.7
Non	20	30.3

La majorité des enquêtés diversifient leurs revenus (57,6 %), principalement issus du commerce (57,6 %), tandis que seuls 28,8 % ont eu accès au crédit au cours des 12 derniers mois. La moitié déclare un revenu mensuel supérieur à 300 000 CDF, dont 30,3 % gagnent plus d’un million. Près de 88 % ont subi des pertes économiques pendant la crise, notamment par baisse des revenus (30,3 %) ou perte d’accès aux ressources (24,2 %). Malgré les difficultés, 66,7 % accèdent difficilement à l’alimentation, et 69,7 % ont changé d’activité pour s’adapter à la crise.

Tableau 3. Accès aux services sociaux de base et aide humanitaire reçue pendant la crise

Variables	Effectif n = 66	%
Accès à l’éducation pour les enfants
Oui, mais difficilement	51	77.3
Oui, sans difficulté	6	9.1
Non	9	13.6
Accès à la santé
Oui, mais difficilement	10	15.2
Oui, sans difficulté	42	63.6
Non	14	21.2
Aide extérieure reçue pendant la crise
Oui	32	48.5
Non	34	51.5
Type d’aide reçu pendant la crise
Aide financière (argent en cash, transferts (Airtel money, M-pesa, Orange money)	40	60.6
Aide alimentaire	16	24.2
Soins médicaux gratuits ou subventionnés par les ONG humanitaires, églises, etc)	2	3.0
Aide pour le logement ou abris	2	3.0
Autres	6	9.1

La majorité des ménages (77,3 %) déclarent un accès difficile à l’éducation pour leurs enfants, tandis que 13,6 % n’y ont pas accès du tout. En matière de santé, 63,6 % accèdent aux soins sans difficulté, mais 21,2 % restent exclus. Près de la moitié des enquêtés (48,5 %) ont reçu une aide extérieure pendant la crise, principalement sous forme d’aide financière (60,6 %) et alimentaire (24,2 %). Les autres formes d’aide (santé, logement) restent marginales. Ces résultats traduisent une précarité persistante malgré des appuis humanitaires partiels.

2. Estimation du modèle

Le modèle de régression linéaire suivant a été estimé par la méthode des moindres carrés ordinaires (MCO), à partir d’un échantillon de 66 ménages dans la ville de Bukavu :

INDICE_RESILIENCE = a₀ + a₁*ADAPTATION + a₂*NIVEAU_EDUCATION + a3*SOURCE_REVENU+ a₄*ACCES_ALIMENTATION + ε

Tableau 4. Résultats de l’estimation du modèle économétrique des déterminants de la résilience économique des ménages face à la crise M23 à Bukavu

Dans ce modèle économétrique estimant les déterminants de la résilience économique des ménages face à la crise M23 à Bukavu, le coefficient de détermination est faible (R² = 0,126), indiquant que 12,6 % de la variation de la résilience est expliquée par les variables incluses. La capacité d’adaptation a un effet positif, significatif au seuil de 1 % (β = 0,339 ; p = 0,006), confirmant son rôle déterminant. Le niveau d’éducation présente un effet positif modéré (β = 0,068 ; p = 0,099), significatif au seuil de 10 %. La source de revenu (β = -0,100 ; p = 0,070) et l’accès à l’alimentation (β = -0,138 ; p = 0,059) ont des effets négatifs et marginalement significatifs, suggérant que les revenus instables et l’insécurité alimentaire réduisent la résilience. Le modèle est globalement significatif à 10 % (F = 2,21 ; p = 0,078), avec une absence d’autocorrélation des résidus (Durbin-Watson = 2,04). Ces résultats confirment que l’adaptation, l’éducation, la stabilité des revenus et la sécurité alimentaire sont des facteurs clés de la résilience.

Tableau 5. Test d’hétéroscédasticité (Test de White ou Breusch-Pagan)

Les probabilités associées aux statistiques du test d’hétéroscédasticité sont toutes nettement supérieures au seuil de 5 %. Notamment, la probabilité liée à la statistique ObsR-squared* est de 85,73 % (χ² = 0,8573 > 0,05), ce qui conduit à ne pas rejeter l’hypothèse nulle d’homoscédasticité. On peut ainsi conclure que les erreurs du modèle ont une variance constante, confirmant l’absence d’hétéroscédasticité et renforçant la validité des inférences statistiques issues de l’estimation.

Tableau 6. Test de multi-colinéarité entre les variables (calcule de VIF).

Variable	R² (Régression auxiliaire)	VIF
Adaptation	0.84	6.25
Niveau d’éducation	0.64	2.77
Source de revenu	0.70	3.33
Accès d’alimentation	0.00	1.00

Afin de vérifier la présence de multicolinéarité entre les variables explicatives, les facteurs d’inflation de la variance (VIF) ont été calculés. Les résultats indiquent que seule la variable adaptation présente un VIF modérément élevé (6,25), tandis que les autres variables, telles que niveau d’éducation (2,77), source de revenu (3,33) et accès à l’alimentation (1), se situent dans des marges acceptables. Aucune variable n’atteignant le seuil critique de 10, l’analyse conclut à l’absence de multicolinéarité sévère dans le modèle.

Figure 1. Teste de stabilité des paramètres (Teste de CUSUM)

Le graphique du test de CUSUM montre que la courbe bleue reste entièrement contenue à l’intérieur des bandes de signification à 5 %, ce qui indique une stabilité des coefficients du modèle. Il n’y a donc aucune rupture structurelle significative dans les paramètres estimés. Le modèle est ainsi structurellement fiable pour l’analyse de la résilience économique des ménages face à la crise M23 à Bukavu.

1. DISCUSSION

L’étude économétrique menée sur les ménages de la ville de Bukavu, en contexte de conflit armé lié à la crise du M23, met en lumière plusieurs facteurs associés à la résilience économique. Le premier résultat significatif concerne la variable « adaptation », mesurée par le changement d’activité économique durant la crise. Cette variable montre une forte corrélation positive avec l’indice de résilience. Cette observation est largement soutenue par la littérature scientifique. Par exemple, Kerner et al. (2023) ont montré qu’en Éthiopie, malgré la guerre, les agriculteurs ont su maintenir leurs surfaces cultivées en adoptant des techniques alternatives, témoignant d’une capacité d’adaptation importante dans les zones de conflit. De même, le rapport du SIPRI (Hegazi & Seyuba, 2024) insiste sur l’importance de la diversification des moyens de subsistance, en particulier chez les femmes, pour renforcer la résilience et contribuer à la stabilité socioéconomique dans les régions affectées par les conflits et les changements climatiques. Toutefois, il est important de souligner que la diversification seule peut être insuffisante en cas de chocs systémiques. Furbush et al. (2024) l’ont démontré en analysant les effets de la pandémie de COVID-19, où la résilience des ménages était fortement affaiblie malgré la diversité de leurs sources de revenus. Ainsi, dans des contextes de chocs généralisés ou multisectoriels, l’efficacité des mécanismes d’adaptation dépend aussi de l’accès aux ressources, à la formation et à la protection sociale. Ces résultats soulignent la nécessité de renforcer structurellement les capacités d’adaptation, notamment par l’accès au microcrédit, à l’assistance technique et à l’information économique.

Par ailleurs, le modèle montre que le niveau d’éducation et le statut d’emploi du chef de ménage ont une influence statistiquement faible sur la résilience économique. Ce constat rejoint celui de Diallo (2023) au Niger, où le capital humain apparaît comme un facteur de réduction de la vulnérabilité financière en milieu rural, mais dont l’effet s’atténue dans les contextes de conflit et de fragmentation institutionnelle. De même, Ulimwengu (2025), dans une étude menée au Mali, révèle que l’éducation peut améliorer la sécurité alimentaire en période normale, mais que son effet sur la résilience est limité en situation de violence ou d’effondrement des systèmes publics. Cela peut s’expliquer par le fait que les acquis scolaires formels, même élevés, n’assurent pas nécessairement la mise en œuvre de stratégies économiques adaptées aux contextes de crise. Ainsi, l’éducation ne peut être considérée comme un facteur déterminant de résilience sans la prise en compte des compétences fonctionnelles (entrepreneuriat, planification économique, gestion du risque). L’implication politique de cette observation est que les programmes éducatifs destinés aux populations vulnérables doivent intégrer des modules pratiques de résilience économique et de gestion communautaire.

En ce qui concerne la taille des ménages, les résultats de l’étude indiquent des effets ambivalents : une taille importante peut signifier à la fois une charge financière accrue, mais aussi un potentiel de solidarité renforcée. Cette ambiguïté est documentée dans l’étude de D’Errico & Di Giuseppe (2024), réalisée au Sénégal, où l’ajout d’un membre actif au ménage augmente la probabilité de résilience, mais cette corrélation dépend de la capacité du ménage à mobiliser des ressources collectives. En Somalie et en Ouganda, Lwanga-Ntale (2024) souligne que les réseaux sociaux et communautaires jouent un rôle déterminant dans l’accès à l’information, aux opportunités économiques et à la prise de décision collective. En revanche, Pell et al. (2023) mettent en garde contre l’hypothèse selon laquelle une structure familiale élargie est toujours résiliente : sans capital social actif ou sans redistribution équitable des ressources internes, ces ménages peuvent rester vulnérables. Ainsi, la taille du ménage ne suffit pas à prédire la résilience ; elle doit être analysée en lien avec la qualité des interactions internes et l’accès aux actifs collectifs.

Concernant l’aide extérieure, l’étude révèle que 48 % des ménages n’ont bénéficié d’aucune assistance pendant la crise. Pour ceux ayant reçu de l’aide, les transferts monétaires constituent la principale forme d’appui. Cette situation reflète des limites dans la couverture et la coordination humanitaire. Duku (2023), dans une étude menée au Soudan du Sud, montre que l’aide combinée (transferts financiers, accès aux soins, appui aux moyens de subsistance) a des effets positifs sur la résilience, à condition qu’elle soit régulière et intégrée dans un dispositif institutionnel. À l’inverse, une aide ponctuelle ou exclusivement financière peut générer des effets de dépendance ou des distorsions de marché si elle n’est pas liée à un programme de renforcement des capacités (SIPRI, 2024). Les résultats de cette étude, qui montrent l’impact limité de l’accès à l’alimentation sur la résilience, confirment cette hypothèse : les ménages aidés ponctuellement ne sont pas nécessairement les plus résilients, car leur dépendance à l’aide humanitaire ne garantit pas une reconstruction autonome. Il convient donc de privilégier des approches de « graduation » vers l’autonomie, intégrant les transferts à des programmes de formation, de micro-entrepreneuriat et de participation communautaire.

D’un point de vue méthodologique, notre modèle économétrique se distingue par sa solidité statistique : l’absence d’autocorrélation des erreurs (Durbin-Watson), la normalité des résidus (Jarque-Bera), la bonne spécification fonctionnelle (RESET), ainsi que l’absence de multicolinéarité sévère (VIF) valident la structure du modèle. Ces précautions méthodologiques sont conformes aux recommandations de Gujarati & Porter (2009) et permettent une interprétation fiable des coefficients. Néanmoins, comme l’ont suggéré Alinovi et al. (2010), la résilience est un concept multidimensionnel, difficile à modéliser entièrement par une régression linéaire. D’autres chercheurs comme Gebrihet et al. (2025), travaillant sur les ménages en zone de conflit au Tigré (Éthiopie), recommandent l’usage de modèles d’équations structurelles (SEM) pour mieux appréhender les interactions complexes entre actifs, capital social, sécurité alimentaire et exposition aux chocs. De plus, les effets temporels (saisonnalité des conflits, moments de récolte, calendrier humanitaire) peuvent aussi influencer la résilience. Ubilava et al. (2022) ont démontré que les violences politiques en Afrique sont souvent synchronisées avec les périodes de récolte, affectant la résilience selon des temporalités précises. En ce sens, l’enrichissement de notre modèle par des variables temporelles ou des approches longitudinales permettrait d’améliorer sa capacité explicative.

Enfin, le contexte de la crise du M23 est caractérisé par la superposition de chocs (sécuritaires, économiques, sociaux). Cette complexité appelle à une approche plus systémique de la résilience. Diallo (2023) souligne que les chocs climatiques et conflictuels agissent de manière combinée pour déstabiliser les économies locales et aggraver les inégalités. Les recommandations issues de cette étude peuvent donc être élargies pour inclure des politiques de réponse multisectorielles : soutien à la diversification, renforcement du capital humain pratique, promotion du capital social, accès aux actifs productifs, et intégration des ménages dans les mécanismes de protection sociale. Ces axes d’intervention sont également mis en avant par Hegazi & Seyuba (2024), qui insistent sur l’articulation entre résilience économique, cohésion sociale et gouvernance inclusive dans les zones à conflit chronique.

Cette étude apporte une contribution importante à la compréhension des facteurs de résilience économique des ménages en contexte de conflit urbain. Les résultats révèlent le rôle central de l’adaptation, la nécessité de revoir l’impact du capital humain traditionnel, l’ambivalence des structures familiales élargies, et les limites des formes d’aide non intégrées. Sur le plan des politiques publiques, ces résultats appellent à une approche intégrée de la résilience : articulation entre les stratégies individuelles (adaptation, diversification) et les structures de soutien collectif (aide coordonnée, capital social, inclusion économique).

1. CONCLUSION

Cette étude visait à faire une analyse économétrique des déterminants de la résilience économique des ménages face à la crise M23 dans la ville de Bukavu appuyée par des données primaires, a révélé que les stratégies d’adaptation ont un effet positif et significatif sur la résilience économique des ménages à Bukavu, soulignant leur rôle crucial face à la crise M23. Le niveau d’instruction influence modérément cette résilience, tandis que l’instabilité des sources de revenus et les difficultés d’accès à l’alimentation exercent un impact négatif. Le modèle économétrique, bien que présentant un R² faible, est globalement significatif et structurellement stable, validant ainsi son utilisation pour expliquer les déterminants de la résilience. Ces résultats illustrent l’importance d’un soutien multisectoriel pour renforcer la résilience des ménages. D’où, il est essentiel de renforcer les capacités d’adaptation des ménages via des programmes de diversification des activités économiques et d’amélioration des compétences éducatives, tout en assurant un meilleur accès durable à l’alimentation et à des sources de revenus stables, afin d’optimiser la résilience économique face aux crises dans la ville de Bukavu.

BIBLIOGRAPHIE

Alinovi, L., Mane, E., & Romano, D. (2010). Measuring household resilience to food insecurity: Applications in Niger. Food Security Journal, 2(2), 135–149.

Cissé, F., Diawara, B., & Coulibaly, S. (2022). Vulnerability and resilience of African households to COVID-19 shocks: Evidence from Mali. World Development, 153, 105821. https://doi.org/10.1016/j.worlddev.2022.105821

D’Errico, M., & Di Giuseppe, S. (2024). Vulnerability and resilience in the face of climate changes in Senegal’s drylands. Frontiers in Climate Change, 2, 133002.

Diallo, Y. (2023). The effects of climate and conflict shocks on household welfare: Niger (Selected Issues Paper, 2023/008). International Monetary Fund.

Duku, E. H. (2023). The impact of humanitarian aid on household resilience in conflict‑affected regions: A case study from Kajo‑Keji County, South Sudan. International Journal of Social Sciences and Management Review, 7(3), 1–15.

FAO. (2021). Africa Regional Overview of Food Security and Nutrition. Rome: Food and Agriculture Organization of the United Nations.

Furbush, A. M., Josephson, A., Kilic, T., & Michler, J. D. (2024). Coping or hoping? Livelihood diversification and food insecurity in the COVID‑19 pandemic. arXiv.

Gebrihet, G., Gebregziabher, B., & Araya, T. (2025). Armed conflict and household food insecurity: impacts and coping strategies in rural Tigray, Ethiopia. Cogent Social Sciences.

Hegazi, F., & Seyuba, K. (2024). Leveraging livelihood diversification for peacebuilding in climate‑ and conflict‑affected contexts. SIPRI Policy Brief.

Kanyuka, S., Mugisho, D., & Baraka, K. (2023). Urban vulnerability and household coping strategies in eastern DR Congo: Evidence from Bukavu. African Journal of Economic Policy, 30(1), 45–61.

Kerner, H., Nakalembe, C., Yeh, B., et al. (2023). Satellite data shows resilience of Tigrayan farmers in crop cultivation during civil war. arXiv.

Le Masson, V., Benoudji, C., Reyes, C., & Bernard, G. (2021). How vulnerability, risk and resilience shape displacement in the Sahel. ODI.

Lwanga‑Ntale, N. (2024). Understanding vulnerability and resilience in Somalia. Jàmbá: Journal of Disaster Risk Studies.

Omi, T., Haneishi, A., & Watanabe, K. (2020). Economic resilience after disaster: Evidence from the 2015 Nepal earthquake. Journal of Asian Economics, 69, 101215. https://doi.org/10.1016/j.asieco.2020.101215

Pell, M., D’Errico, M., & Bhattacharjee, A. (2023). Social resilience and gendered vulnerabilities: A review of evidence. FAO Resilience Working Paper.

PNUD. (2023). Rapport national sur le développement humain en RDC 2023. Kinshasa: Programme des Nations Unies pour le Développement.

Ubilava, D., Hastings, J. V., & Atalay, K. (2022). Agricultural windfalls and the seasonality of political violence in Africa. arXiv.

Ulimwengu, J. M. (2025). Household coping strategies and food security in the multi‑shock environment of Mali. IFPRI.

World Bank. (2022). Global Economic Prospects. Washington, DC: World Bank.

World Food Programme. (2021). Mali resilience strategy report. Bamako: WFP.