Le changement climatique dans les questionnaires Afrobarometer 2023 & EuroBarometer 2025

Test de mise en adéquation des deux bases
Sénégal
France
questionnaire
Axe3
climat
Eurobarometer
Afrobarometer
Authors
Affiliations

Claude GRASLAND

UPC, Paris

Malika MADELIN

UPC, Paris

Anastasie MENDY

UCAD, Dakar

Denis CHARTIER

UPC, Paris

Published

September 6, 2026

Objectif

Dans le cadre de l’axe 3 du projet Altermap on se propose de mettre en relation les deux grands questionnaires Eurobarometer & Afrobarometer en ciblant particulièrment les questions relatives au changement climatique et la perception des risques associés.

A. IMPORTATION

A.1 Afrobarometer 2023

Nous avons retenu l’édition la plus récente de données harmonisées entre les différents pays africains de l’Afrobarometer, soit la vague n°9, disponible ici.

On importe l’ensemble du fichier que l’on convertit en factor, puis on construit un dictionnaire des variables en nous servant des labels.

A.2 EuroBarometer 2025

Nous avons retenu l’Eurobarometer SP565 (enquête 103.2), spécialement consacré au changement climatique qui sont disponible en suivant ce lien.

On importe l’ensemble du fichier que l’on convertit en factor, puis on construit un dictionnaire des variables en nous servant des labels.

B. VARIABLES EXPLICATIVES

On charge les deux fichiers et leurs métadonnées :

B.1 Métadonnées

On va commencer par créer deux fichiers (un pour chaque enquête) ne contenant que les identifiants, la source, l’année et le pondérant, c’est-à-dire les informations de bases qui doivent figurer dans tout fichier. Ces colonnes permettront notamment l’enrichissement futur de la base grâce à l’identification unique.

Métadonnées Afrobarometer 2023
survey year id wgt
Afrobarometer 2023 ANG0001 1.2578534
Afrobarometer 2023 ANG0002 0.6968755
Afrobarometer 2023 ANG0003 0.6968755
Afrobarometer 2023 ANG0004 2.0906264
Afrobarometer 2023 ANG0005 1.3937510
Afrobarometer 2023 ANG0006 1.6771379
Métadonnées Eurobarometer 2023
survey year id wgt
Eurobarometer 2025 150000001 1.419521
Eurobarometer 2025 90000002 0.698007
Eurobarometer 2025 160000003 0.743680
Eurobarometer 2025 350000004 0.771950
Eurobarometer 2025 140000005 0.600188
Eurobarometer 2025 140000006 0.681988

B.2 Localisation

Il s’agit ici d’informations indispensables pour localiser les personnes enquêtées (pays) mais aussi examiner la stratification spatiale (strates) et produire d’éventuelles analyses cartographiques des résultats.

Pays d’enquête

On extrait le nom des pays (en anglais) et on fusionne au passage les deux Allemagnes séparées dans l’enquête EuroBroadMap.

Pays présents dans l’enquête Afrobarometer 2023
Pays Effectif
1 Angola 1200
2 Benin 1200
3 Botswana 1200
4 Burkina Faso 1200
5 Cabo Verde 1199
6 Cameroon 1200
7 Congo-Brazzaville 1200
8 Côte d’Ivoire 1200
9 Eswatini 1200
10 Ethiopia 2400
11 Gabon 1200
12 Gambia 1200
13 Ghana 2369
14 Guinea 1200
15 Kenya 2400
16 Lesotho 1200
17 Liberia 1200
18 Madagascar 1200
19 Malawi 1200
20 Mali 1200
21 Mauritania 1200
22 Mauritius 1200
23 Morocco 1200
24 Mozambique 1120
25 Namibia 1200
26 Niger 1200
27 Nigeria 1600
28 São Tomé and Príncipe 1200
29 Senegal 1200
30 Seychelles 1176
31 Sierra Leone 1200
32 South Africa 1580
33 Sudan 1200
34 Tanzania 2400
35 Togo 1200
36 Tunisia 1200
37 Uganda 2400
38 Zambia 1200
39 Zimbabwe 1200
Pays présents dans l’enquête Afrobarometer 2023
Pays Effectif
1 Austria 1008
2 Belgium 1003
3 Bulgaria 1018
4 Croatia 1022
5 Cyprus 499
6 Czech Republic 1005
7 Denmark 1002
8 Estonia 1006
9 Finland 1001
10 France 1002
11 Germany 1509
12 Greece 1003
13 Hungary 1017
14 Ireland 1007
15 Italy 1018
16 Latvia 1008
17 Lithuania 1014
18 Luxembourg 505
19 Malta 503
20 Netherlands 1021
21 Poland 1008
22 Portugal 1053
23 Romania 1038
24 Slovakia 1005
25 Slovenia 1009
26 Spain 1004
27 Sweden 1020

Code ISO3

On transforme les noms de pays en code ISO3 afin de pouvoir ultérieurement visualiser cartographiquement les résultats.

On représente les 66 pays présents dans la réunion des deux enquêtes:

Régions infranationale

Les deux enquêtes indiquent unniveau infranational de découpage qui peut être intéressant pour des analyses plus géographiques même si les effectifs sont faibles. Un petit programme sera créé dans le cas de l’Eurobaromètre pour fusionner des colonnes …

On peut indiquer à titre d’exemple la ventilation des effectifs d’enquête en France et au Sénégal en comparant le nombre de questionnaire et le poids après redressement. Ceci permet de vérifier si la stratification des enquêtes a bien été faite proportionellement à la population réelle des régions.

  • Sénégal : Il y a très peu de différence entre les effectifs collectés et le poids réell dans la population.
Effectif d’enquête par régions au Sénégal
Région Effectif Poids
DAKAR 312 310.6
DIOURBEL 128 126.6
FATICK 56 60.2
KAFFRINE 48 45.8
KAOLACK 80 82.1
KEDOUGOU 16 12.8
KOLDA 56 54.1
LOUGA 72 76.3
MATAM 48 46.7
SAINT-LOUIS 80 79.9
SEDHIOU 40 37.1
TAMBACOUNDA 56 56.4
THIES 160 161.0
ZIGUINCHOR 48 50.3
  • France : Il y a des écarts plus importants entre les effectifs d’enquête et le poids en termes de population (ex. 9 enquêtes seulement en pays de Loire pour un poids attendu de 45). Cela s’explique sans doute par le fait que les strates n’ont pas été constituées par régions mais dans une maille plus large telle que les ZEAT. Les régions métropolitaines (Ile de France, Rhône-ALpes, PACA) sont toutes sur-représentées.
Effectif d’enquête par régions en France
Région Effectif Poids
FR10 - Ile-de-France 200 189.0
FRB0 - Centre — Val de Loire 24 40.0
FRC1 - Bourgogne 16 25.4
FRC2 - Franche-Comte 28 18.2
FRD1 - Basse-Normandie 16 23.2
FRD2 - Haute-Normandie 24 28.5
FRE1 - Nord-Pas de Calais 60 62.0
FRE2 - Picardie 47 29.1
FRF1 - Alsace 39 30.1
FRF2 - Champagne-Ardenne 28 20.2
FRF3 - Lorraine 28 36.2
FRG0 - Pays de la Loire 9 45.0
FRH0 - Bretagne 71 53.9
FRI1 - Aquitaine 62 56.7
FRI2 - Limousin 8 11.6
FRI3 - Poitou-Charentes 16 29.1
FRJ1 - Languedoc-Roussillon 23 46.5
FRJ2 - Midi-Pyrenees 43 50.0
FRK1 - Auvergne 24 21.6
FRK2 - Rhone-Alpes 146 104.1
FRL0 - Provence-Alpes-Cote d’Azur 90 81.7

Urbain-rural

Les deux enquêtes proposent une typologie en trois modalités comme on peut le voir dans les tableaux ci-dessous :

  • Typologie Urbain-Rural dans Afrobarometer 2023
modalités effectif
Urban 24772
Rural 27984
Peri-urban 688
  • Typologie Urbain-Rural dans Eurobarometer 2025
modalités effectif
Cities/urban 10553
Towns/suburbs 8550
Rural 7205

On décide d’harmoniser en isolant le rural vis à vis des autres modalités urbaine et semi-urbaine que l’on regroupe. On aboutit à un tableau a priori conforme à l’intuition que l’urbanisation est plus importante dans les pays européens que dans les pays africains, ce qui ne serait pas le cas si on avait regroupé la catégorie intermédiaire avec le rural.

  • Variable urbain-rural harmonisée
Caractéristique Rural
N = 351891		 Urban
N = 445631		 p-valeur2
survey

<0,001
    Afrobarometer 27984 (52%) 25460 (48%)
    Eurobarometer 7205 (27%) 19103 (73%)
1 n (%)
2 test du khi-deux d’indépendance

B.3 Individus

Sexe/Genre

l’Afromarometer 2023 emploie le concept de sexe (en deux modalités) tandis que l’Eurobarometer 2025 semble employer le concept de genre (en trois modalités). Toutefois l’analyse des deux tableaux montre que l’EuroBarometer est probablement hypocrite dans la mesure où les cas non binaires sont très peu nombreux et surtout mélangés avec les non réponses donc impossible à identifier

  • Variable sexe dans Afrobarometer 2023
modalités effectif
Man 26706
Woman 26738
  • Variable genre dans Eurobarometer 2025
modalités effectif
Man 12372
Woman 13902
None of the above/ Non binary/ do not recognize yourself in above categories/Prefer not to say 34

On décide donc de passer en non réponses les 34 cas de l’Eurobarometre et d’appeler la variable harmonisée sexe :

Caractéristique Man
N = 390781		 Woman
N = 406401		 p-valeur2
survey

<0,001
    Afrobarometer 26706 (50%) 26738 (50%)
    Eurobarometer 12372 (47%) 13902 (53%)
1 n (%)
2 test du khi-deux d’indépendance

Âge

Cette variable est à manipuler avec précaution dans R car c’est au départ un factor. Et si on convertit en numérique sans passer par le mode caractère il peut arriver qu’un individu de 19 ans (2e modalité) se retouve âge de … 2 ans ! Il faut faire attention également aux valeurs extrêmes type “-de 15 ans” et “plus de 100 ans”. Mais au prix de ces précautions on obtient une variable quantitative donnant l’axe des individus.

Nous ne discutons pas immédiatement du problème du choix des classes d’âge mais il convient de souligner les différences structurelles de structure par âge des deux échantillons. L’âge médian est en effet de 35 ans pour l’échantillon de l’Afrobarometer 2023 contre 54 ans pour celui de l’Eurobarometer 2025. Il faudra donc bien réfléchir à ce que l’on entend par “Jeunes”, “Adultes” ou “Vieux” dans chacun des deux contextes …

Génération

La génération, entendue comme l’année de naissance est une variable fondamentale pour l’analyse et l’interprétation des résultats. Elle se déduit approximativement de l’âge par soustraction, faute de disposer d’une information plus précise dans les deux questionnaires. On tient évidemment compte du décalage de deux ans entre les deux enquêtes.

   Min. 1st Qu.  Median    Mean 3rd Qu.    Max.    NA's 
   1911    1975    1988    1985    1997    2005      60 
   Min. 1st Qu.  Median    Mean 3rd Qu.    Max. 
   1927    1958    1971    1973    1988    2010

L’analyse des valeurs médianes nous indique que dans l’échantillon Afrobarometer, 50% des personnes interrogées sont nées après 1985 tandis que dans l’échantillon EuroBarometer 50% sont nées après 1971, soit un décalage de 14 ans.

On ajoute une partitition en 5 classes (gen5) élaborée par les travaux des sociologues Strauss et Howe. Cette typologie est a priori surtout valable dans le monde occidental et sans doute davantage journalistique que scientifique. Mais elle recoupe par certains aspects l’histoire coloniale de l’Afrique.

    1. Silent (< 1946)
    1. Baby Boomers (1946-1964) _ 3. Generation X (1965-1980)
    1. Generation Y ou ‘Millenials’ (1981-1996)
    1. Generation Z (1997-2012)
Caractéristique Afrobarometer
N = 534441		 Eurobarometer
N = 263081		 p-valeur2
gen5

<0,001
    1. Ancient (1910-1945) 628 (1,2%) 1376 (5,2%)
    2. Boomers (1946-1964) 6281 (12%) 8907 (34%)
    3. Gen. X (1965-1980) 11820 (22%) 7082 (27%)
    4. Gen. Y (1981-1996) 21706 (41%) 5690 (22%)
    5. Gen. Z (1997-2012) 12949 (24%) 3253 (12%)
    Manquant 60 0
1 n (%)
2 test du khi-deux d’indépendance

Il apparaît en tous les cas très clairement une très forte différence de répartition entre les deux échantillons. Et si on admet que le étudiants universitaires qui seront ciblés par les travaux d’Altermap se situent plutôt dans la génération Z, alors on voit que l’échantillon sera potentiellement plus important en Afrique qu’en Europe, même si cela est à nuancer par le niveau d’étude …

Niveau d’éducation

Les choses se corsent un peu avec le niveau d’éducation mais l’harmonisation est possible car les catégories sont détaillées dans chacune des enquêtes :

  • Variable niveau d’étude (Q94) dans Afrobarometer 2023
modalités effectif
Missing 0
No formal schooling 7560
Informal schooling only (including Koranic schooling) 2038
Some primary schooling 7801
Primary school completed 7341
Intermediate school or Some secondary school / high school 10612
Secondary school / high school completed 8764
Post-secondary qualifications, other than university e.g. a diploma or degree from a polytechnic or college 3131
Some university 2400
University completed 3123
Post-graduate 533
Refused 90
Don’t know 51
  • Variable niveau d’étude (d9a) dans Eurobarometer 2025
modalités effectif
Pre-primary education (include no education) 158
Primary education 1243
Lower secondary education 4228
Upper secondary education 9651
Post-secondary non tertiary (including pre-vocational or vocational education) 2131
Short-cycle tertiary 1876
Bachelor or equivalent 3473
Master or equivalent 3209
Doctoral or equivalent 309
Education up to ISCED 4 completed abroad 0
Education ISCED 5 and above completed abroad 0
Refusal (SPONTANEOUS) 19
Don’t know (SPONTANEOUS) 11

On propose de se ramener à quatre paliers correspondant classiquement aux différents cycles

  • 0 : aucune scolarisation ou informelle

  • 1 : scolarisation primaire

  • 2 : scolarisation secondaire

  • 3 : scolarisation supérieure

  • Variable niveau d’étude harmonisée

Caractéristique 0. None/Informal
N = 97561		 1. Primary
N = 163851		 2. Secondary
N = 353861		 3. Superior
N = 180541		 p-valeur2
survey



<0,001
    Afrobarometer 9598 (18%) 15142 (28%) 19376 (36%) 9187 (17%)
    Eurobarometer 158 (0,6%) 1243 (4,7%) 16010 (61%) 8867 (34%)
1 n (%)
2 test du khi-deux d’indépendance

étudiant

Plutôt que de chercher à harmoniser la variable occupation dans les deux enquêtes, nous limiterons notre harmonisation au repérage des personnes qui se sont déclarées “etudiant.e” afin d’avoir une idée de l’effectif disponible dans l’ensemble des deux enquêtes :

Caractéristique No
N = 733461		 Yes
N = 64061		 p-valeur2
survey

<0,001
    Afrobarometer 48875 (91%) 4569 (8,5%)
    Eurobarometer 24471 (93%) 1837 (7,0%)
1 n (%)
2 test du khi-deux d’indépendance

Comme on peut le voir l’effectif est très faible mais relativement comparable dans les deux enquêtes: de l’ordre de 7 à 9% des personnes interrogées déclarent un statut d’étudiant.

Nous effectuons un zoom sur la France et le Sénegal pour avoir une idée plus précise de la base dont nous disposerons pour comparer ensuite à nos propres enquêtes à UPC et l’UCAD.

Caractéristique No
N = 20081		 Yes
N = 1941		 p-valeur2
country

0,5
    France 918 (92%) 84 (8,4%)
    Senegal 1090 (91%) 110 (9,2%)
1 n (%)
2 test du khi-deux d’indépendance

Nous disposerons donc dans chaque pays d’un petit échantillon de référence d’environ 100 personnes (soit 8 à 9% des personnes enquêtées) qu’on pourra comparer à nos résultats d’enquête.

C. VARIABLES A EXPLIQUER

On part du document de comparaison établi par Malika Madelin et on essaye de créer quelques variables conjointes aux deux enquêtes tout en gardant la trace des variables propres à chaque enquête dans leur forme originale.

C.1 Connaissance

Les personnes intrrogées ont-elles entendu parler du changement climatque. Cette question n’est disponible que dans l’Afrobarometer (Q64 : Have you heard about climate change, or haven’t you had the chance to hear about this yet?) mais est sans équivalent dans l’Eurobaromètre ce qui est dommage. Et ce qui est sans doute révélateur d’une forme de sentiment de supériorité des enquêteurs européens qui postulent qu le sujet est évident et connu de tous les citoyens de leur continent…

-Connaisances du changement climatique (Afrobarometer)

modalités effectif
Missing 0
No 25261
Yes 26735
Refused to Answer 32
Don’t Know 1416

Comme on peut le constater, près de la moitié des personnes interrogées par Afrobarometer déclarent ne pas connaître le sujet du changement climatique. Et logiquement, on ne les interrogera pas ensuite sur les effets du changement climatque dans la question suivante, ce qui est cohérent.

L’information étant manquant dans l’Eurobarometer on crée juste un champ vide …

C.2 Impact

On cherche à mesurer dans quelle mesure les citoyens (informés …) évaluent l’impact du changement climatique sur une échelle allant du négatif (impact fort, dommages conséquents…) au positif (impact faibles ou nuls, bénéfices éventuels, …). Il s’agit évidemment d’une formulation imprécise où l’harmonisation est rendue délicate par les différences de formulation dans les deux questionnaires.

Afrobarometer

La variable qui semble la plus adaptée pour mesuer l’impact est Q67B : Do you think climate change is making life in [your country] better or worse, or haven’t you heard enough to say?. Point important, elle n’est posée que si les personnes ont répondu positivement à la question précédente sur la connaissance du phénomène. Cela réduit donc l’effectif de réponse de moitié puisque toutes les personnes qui ont déclaré ne pas connaîitre le changement climatique ont été exclues et n’ont pas répondu ce qui donnela modalité “Not Applicable” à ne pas confondre avec les refus de répondre ou les déclarations d’ignorance.

-Impact du changement climatique dans l’Afrobarometer (variable brute)

modalités effectif
Missing 0
Much better 1390
Somewhat better 3360
Neither/ no change / about the same 1934
Somewhat worse 8992
Much worse 10213
Not Applicable 26709
Refused 13
Don’t know / Haven’t heard enough to say 833

Si on élimine les non réponses et les personnes non interrogées, on aboutit à une variable se présentant comme une échelle de Likert à 5 paliers

-Impact du changement climatique dans l’Afrobarometer (échelle de Likert à 5 paliers)

modalités effectif
1.Much worse 10213
2.Somewhat worse 8992
3.no change 1934
4.Somewhat better 3360
5.Much better 1390

Eurobarometer

la variable la plus proches est QD2. Dans quelle mesure pensez-vous que le changement climatique est un problème grave en ce moment ? ce qui est légèrement différent mais tout de même comparable. Même si on est en présence d’une échelle de Liket à quatre paliers qui exclue les réponses intermédiaires ou neutres.

-Impact du changement climatique dans l’Eurobarometer (échelle de Likert à 4 paliers)

modalités effectif
A very serious problem 10153
A fairly serious problem 11903
Not a very serious problem 3266
Not a serious problem at all 673
Don’t know (SPONTANEOUS) 313

Harmonisation

En retirant le palier central de l’Eurobarometer, on peut construire une échelle à quatre paliers commune aux deux enquêtes. Comme les libllés sont différents, on adopte une description plus abstraite qui ne reprenne aucune des deux précédentes.

-Impact du changement climatique harmonisé (échelle de Likert à 4 paliers)

Caractéristique 1. Very negative
N = 203661		 2. Negative
N = 208951		 3. Positive
N = 66261		 4.Very Positive
N = 20631		 p-valeur2
survey



<0,001
    Afrobarometer 10213 (43%) 8992 (38%) 3360 (14%) 1390 (5,8%)
    Eurobarometer 10153 (39%) 11903 (46%) 3266 (13%) 673 (2,6%)
1 n (%)
2 test du khi-deux d’indépendance

C.3 Evolution

Dans le questionnaire Afrobarometer, on dispose d’une information plus précise sur l’évolution de phénomènes climatiques en ciblant des événements précis et la perception de leur évolution depuis 10 ans (soit 2013-2023). Ces données ne sont malheureusement pas disponibles dans le questionnaire Eurobarometer

Sécheresses

On va utiliser ici la question Q66A formulée ainsi “In your experience, over the past 10 years, has there been any change in the severity of the following events in the area where you live? Have they become more severe, less severe, or stayed about the same: drought?”. Comme on peut le voir la question ne supposait pas une connaissance du changement climatique et a pu être posée à l’ensemble de l’échantillon. Elle se présente comme une échelle de Likert à 5 paliers

-Evolution de l’impact des sécheresses

modalités effectif
Missing 0
Much more severe 14439
Somewhat more severe 10475
Stayed the same 10884
Somewhat less severe 7896
Much less severe 7810
Refused 44
Don’t know 1896
Not asked in the country 0

On aligne les réponses sur une échelle allant du plus négatif (1) au plus positif (5)

Caractéristique N = 534441
clim_evol_drought
    1. Much less severe 7810 (15%)
    2. Somewhat less severe 7896 (15%)
    3. Stayed the same 10884 (21%)
    4. Somewhat more severe 10475 (20%)
    5. Much more severe 14439 (28%)
    Manquant 1940
1 n (%)

Inondations

On va utiliser ici la question Q66B formulée ainsi “In your experience, over the past 10 years, has there been any change in the severity of the following events in the area where you live? Have they become more severe, less severe, or stayed about the same: flooding?”. Comme on peut le voir la question ne supposait pas une connaissance du changement climatique et a pu être posée à l’ensemble de l’échantillon. Elle se présente comme une échelle de Likert à 5 paliers

-Responsabilité du changement climatique dans l’Afrobarometer

modalités effectif
Missing 0
Much more severe 9332
Somewhat more severe 8214
Stayed the same 12446
Somewhat less severe 9018
Much less severe 12413
Refused 72
Don’t know 1949
Not asked in the country 0

On aligne les réponses sur une échelle allant du plus négatif (1) au plus positif (5)

Caractéristique N = 534441
clim_evol_flooding
    1.Much less severe 12413 (24%)
    2. Somewhat less severe 9018 (18%)
    3. Stayed the same 12446 (24%)
    4. Somewhat more severe 8214 (16%)
    5. Much more severe 9332 (18%)
    Manquant 2021
1 n (%)

C.4 Responsabilité

Cette variable est disponible dans l’Eurobarometer 2025 mais pas dans la compilation harmonisée de l’Afrobarometer 2023. Elle pourrait néanmoins être trouvée dans des éditions antérieures ou spécifique à des pays. Les personnes interrogées dans l’Eurobarometer ont-répondu à la question suivante (SD1: To what extent do you agree with the following statement on climate change? Climate change is caused by human activity).

modalités effectif
Totally agree 10294
Tend to agree 11745
Tend to disagree 2817
Totally disagree 972
Don’t know (SPONTANEOUS) 480

On la recode comme échelle de Likert à 4 paliers en partant des personnes en total désaccord (1) pour aller aux personnes en total accord (4)

Caractéristique N = 263081
clim_resp
    1. Totally disagree 972 (3,8%)
    2. Tend to disagree 2817 (11%)
    3.Tend to agree 11745 (45%)
    4. Totally agree 10294 (40%)
    Manquant 480
1 n (%)

C.5 Action

Cette variable est posée presque dans les mêmes termes dans les deux enquêtes et on peut raisonnablement proposer une harmonisation.

Afrobarometer

Cette variable est conditionné par le fait que les personnes enquêtées savent ce qu’est le changement climatique ce qui réduit automatiquement l’échantillon de moitié. Elle est formulée ainsi: “Q70C: Should the government of your country need to do more to fight climate change”

modalités effectif
Missing 0
Doing enough 1516
Need to do somewhat more 4173
Need to do a lot more 20445
Not applicable 26709
Refused 27
Don’t know 574

On recode sur une échelle de Likert numérotée de 1 à 3

Caractéristique N = 534441
Q70c. Do more to fight climate change: government
    1. Doing enough 1516 (5,8%)
    2. Need to do somewhat more 4173 (16%)
    3. Need to do a lot more 20445 (78%)
    Manquant 27310
1 n (%)

Eurobarometer

On utilise ici la question qd7 qui est formulée de façon un peu différente.

modalités effectif
Enough 6457
Not enough 16746
Too much 1599
Don’t know (SPONTANEOUS) 1506

On recode sur une échelle de Likert numérotée de 1 à 3

Caractéristique N = 263081
clim_action_ebm
    1. Too much 1599 (6,4%)
    2. Enough 6457 (26%)
    3. Not enough 16746 (68%)
    Manquant 1506
1 n (%)

Harmonisation

On décide d’harmoniser en niveau 1, 2, 3, indépendamment du texte car on fait l’hypothèse que les personnes se situent sur l’échelle plutôt que sur les mots

[1] "1. Too much"   "2. Enough"     "3. Not enough"
Caractéristique 1. Low
N = 31151		 2. Medium
N = 106301		 3. High
N = 371911		 p-valeur2
survey


<0,001
    Afrobarometer 1516 (5,8%) 4173 (16%) 20445 (78%)
    Eurobarometer 1599 (6,4%) 6457 (26%) 16746 (68%)
1 n (%)
2 test du khi-deux d’indépendance

N.B. Cette harmonisation est évidemment discutable …

C.6 Autres

Nous procéderons ultérieurement à d’autres essais d’harmonisation, mais on souhaite déjà tester les possibilités d’analyse de la variable clim_impact harmonisée.

D. ASSEMBLAGE

D.1 Recodage

On assemble les deux bases et on procède à quelques ajustements des formats de variables. On leur ajoute des labels pour une utilisation plus facile du tableau et on précide lorsque cela est nécessaire la source précise (n° de question).

Aperçu du tableau de données harmonisé
survey year id wgt country iso3 region urbrur sex age gen gen5 edu_abm edu_ebm edu stu clim_know clim_impact_abm clim_impact_ebm clim_impact clim_evol_drought clim_evol_flooding clim_resp clim_action_abm clim_action_ebm clim_action
Afrobarometer 2023 ANG0001 1.2578534 Angola AGO Luanda Urban Woman 39 1984 4. Gen. Y (1981-1996) Intermediate school or Some secondary school / high school NA 2. Secondary No Yes 2.Somewhat worse NA 2. Negative 3. Stayed the same 3. Stayed the same NA 2. Need to do somewhat more NA 2. Medium
Afrobarometer 2023 ANG0002 0.6968755 Angola AGO Uíge Urban Woman 24 1999 5. Gen. Z (1997-2012) Some university NA 3. Superior Yes Yes 5.Much better NA 4.Very Positive 4. Somewhat more severe 4. Somewhat more severe NA 2. Need to do somewhat more NA 2. Medium
Afrobarometer 2023 ANG0003 0.6968755 Angola AGO Uíge Urban Woman 29 1994 4. Gen. Y (1981-1996) Secondary school / high school completed NA 2. Secondary No No NA NA NA 5. Much more severe 4. Somewhat more severe NA NA NA NA
Afrobarometer 2023 ANG0004 2.0906264 Angola AGO Uíge Urban Man 19 2004 5. Gen. Z (1997-2012) Primary school completed NA 1. Primary Yes Yes NA NA NA 2. Somewhat less severe 2. Somewhat less severe NA 3. Need to do a lot more NA 3. High
Afrobarometer 2023 ANG0005 1.3937510 Angola AGO Uíge Urban Man 28 1995 4. Gen. Y (1981-1996) Intermediate school or Some secondary school / high school NA 2. Secondary No Yes 1.Much worse NA 1. Very negative 3. Stayed the same NA NA 3. Need to do a lot more NA 3. High
Afrobarometer 2023 ANG0006 1.6771379 Angola AGO Luanda Urban Man 18 2005 5. Gen. Z (1997-2012) Intermediate school or Some secondary school / high school NA 2. Secondary No Yes 1.Much worse NA 1. Very negative NA NA NA 3. Need to do a lot more NA 3. High

Le tableau final comporte 79752 observations et 27 variables. Certaines variables comportent trois colonnes lorsque l’on estime que l’harmonisation a fait perdre de l’information et qu’on préfère garder les deux variables initiales propre à chaque enquête.

D.2 Métadonnées

On crée un fichier de métadonnées sur le libellé des variables que l’on sauvegarde.

Liste des variables de la base de données harmonisée.
variable definition
survey Organism in charge of survey
year Year of survey
id Unique identificator
wgt Weight
country Country name
iso3 Country ISO3 code
region Infranational location
urbrur Rural/Urban typology
sex Sex
age Age
gen Generation (year of birth)
gen5 Generation in Strauss-Howe 5 groups
edu_abm Level of education (ABM)
edu_ebm Level of education (EBM)
edu Level of education (harmonised)
stu Declare ‘student’ as activity
clim_know Knowledge about climate change (ABM)
clim_impact_abm Impact of climate change (ABM)
clim_impact_ebm Impact of climate change (EBM)
clim_impact Impact of climate change (harmonised)
clim_evol_drought Evolution of droughts (ABM)
clim_evol_flooding Evolution of floodings (ABM)
clim_resp Human responsability in climate change (EBM)
clim_action_abm Action du gouvernemtn (ABM)
clim_action_ebm Action du gouvernement (EBM)
clim_action Action du gouvernement (harmonised)

E. COMPARAISONS

On procède à quelques analyses rapides sur les variables harmonisées relatives au changement climatique. On effectue les calculs avec pondération pour redresser les échantillons et on ramène les échelles de Likert à deux classes.

E.1 Connaissance

Rappelons que cette question Q67A n’est disponible que dans l’Afrobarometer et est libellée ainsi Have you heard about climate change, or haven’t you had the chance to hear about this yet?

Knowledge of climate change (Afrobarometer)
Code Country No Yes Total % of Yes
TUN Tunisia 817 269 1086 24.8
NGA Nigeria 1080 477 1556 30.6
BWA Botswana 776 349 1124 31.0
MRT Mauritania 804 382 1187 32.2
TZA Tanzania 1504 773 2277 33.9
LSO Lesotho 730 431 1161 37.2
MOZ Mozambique 674 409 1083 37.8
CIV Côte d’Ivoire 674 525 1199 43.8
ZAF South Africa 810 675 1484 45.5
GHA Ghana 1245 1051 2297 45.8
ZWE Zimbabwe 636 539 1175 45.9
NAM Namibia 630 543 1172 46.3
TGO Togo 632 562 1194 47.0
ETH Ethiopia 1255 1128 2383 47.3
AGO Angola 590 550 1139 48.2
SEN Senegal 611 576 1187 48.5
BFA Burkina Faso 607 587 1194 49.2
ZMB Zambia 535 523 1058 49.4
SLE Sierra Leone 552 584 1136 51.4
COG Congo-Brazzaville 565 632 1197 52.8
SWZ Eswatini 558 637 1194 53.3
KEN Kenya 1070 1263 2333 54.1
SDN Sudan 522 653 1174 55.6
MAR Morocco 520 651 1171 55.6
UGA Uganda 1023 1345 2368 56.8
GIN Guinea 517 682 1199 56.8
BEN Benin 514 680 1194 56.9
NER Niger 503 693 1196 58.0
STP São Tomé and Príncipe 494 688 1182 58.2
MDV Mali 485 708 1193 59.3
LBR Liberia 467 727 1195 60.9
GMB Gambia 411 669 1080 62.0
CMR Cameroon 450 747 1197 62.4
CPV Cabo Verde 395 794 1189 66.8
MDG Madagascar 369 823 1192 69.0
GAB Gabon 363 837 1200 69.7
MWI Malawi 287 889 1176 75.6
MUS Mauritius 277 876 1153 76.0
SYC Seychelles 200 946 1145 82.6

E.2 Impact

On utilise la variable harmonisée qui correspond à une échelle de Likert à quatre paliers renvoyant à des définitions légèrement différentes dans les deux enquêtes. On regroupe en deux paliers pour isoler les réponses correspondant à un impact négatif assez fort ou très fort.

Impact of climate change (Afrobarometer & Eurobarometer)
Code Country Negative Positive Total % of Negative
MRT Mauritania 145 202 347 41.8
SDN Sudan 268 285 553 48.4
ETH Ethiopia 508 533 1041 48.8
MOZ Mozambique 193 164 357 54.1
EST Estonia 598 381 980 61.1
NAM Namibia 268 168 436 61.5
PRT Romania 678 339 1016 66.7
AGO Angola 309 145 454 68.0
CZE Czech Republic 675 292 967 69.8
STP São Tomé and Príncipe 394 167 561 70.2
MAR Morocco 413 166 579 71.2
LBR Liberia 496 199 695 71.4
BFA Burkina Faso 414 146 560 73.9
SLE Sierra Leone 392 130 522 75.1
AUT Austria 747 243 990 75.5
SEN Senegal 405 130 535 75.7
ZAF South Africa 375 114 489 76.7
TGO Togo 410 119 529 77.5
CIV Côte d’Ivoire 380 110 489 77.6
LVA Latvia 779 205 985 79.1
GHA Ghana 633 162 795 79.6
NER Niger 540 138 678 79.7
ESP Poland 800 199 999 80.1
CMR Cameroon 576 132 708 81.4
NGA Nigeria 314 68 382 82.1
MDV Mali 564 121 685 82.4
COG Congo-Brazzaville 516 105 620 83.1
GIN Guinea 554 106 660 83.9
BEL Belgium 838 160 998 84.0
DEU Germany 1237 236 1473 84.0
LTU Lithuania 836 157 993 84.2
NLD Netherlands 859 154 1012 84.8
BWA Botswana 234 42 276 84.9
ROM Slovakia 849 146 995 85.3
HRV Croatia 868 148 1016 85.4
BEN Benin 578 94 673 86.0
SWZ Eswatini 501 81 582 86.1
GAB Gabon 641 100 741 86.5
ITA Italy 881 135 1016 86.7
FIN Finland 866 128 994 87.1
SYC Seychelles 514 74 588 87.4
GMB Gambia 538 77 614 87.5
TZA Tanzania 625 87 713 87.7
BGR Bulgaria 883 120 1002 88.1
KEN Kenya 1049 141 1191 88.1
IRL Ireland 883 117 1000 88.3
SVK Slovenia 893 112 1005 88.8
MLT Malta 447 54 501 89.3
GRC Greece 897 105 1001 89.5
SVN Spain 885 101 986 89.7
UGA Uganda 1131 124 1256 90.1
LSO Lesotho 381 41 422 90.3
MWI Malawi 762 79 841 90.6
ZMB Zambia 426 44 470 90.6
CYP Cyprus 447 45 492 90.8
TUN Tunisia 225 23 247 90.9
POL Portugal 952 92 1044 91.2
CPV Cabo Verde 641 58 698 91.8
SWE Sweden 937 79 1016 92.2
DNK Denmark 909 76 985 92.3
LUX Luxembourg 464 38 502 92.5
HUN Hungary 938 76 1013 92.5
FRA France 926 69 995 93.1
MDG Madagascar 752 47 800 94.1
MUS Mauritius 755 42 797 94.8
ZWE Zimbabwe 430 18 449 95.9

E.3.1 Evolution des sécheresses

On regroupe deux des cinq paliers de l’échelle pour mesurer la part des individus qui considèrent les sécheresses comme “plus sévères” ou “beaucoup plus sévères” que par le passé.

Droughts more severe (Afrobarometer)
Code Country No Yes Total % of Yes
SLE Sierra Leone 983 179 1162 15.4
GAB Gabon 919 231 1149 20.1
NGA Nigeria 1119 400 1519 26.4
GHA Ghana 1664 615 2279 27.0
ZAF South Africa 908 424 1332 31.8
GMB Gambia 733 367 1100 33.4
COG Congo-Brazzaville 793 401 1195 33.6
CIV Côte d’Ivoire 755 439 1194 36.8
MUS Mauritius 744 436 1179 36.9
ETH Ethiopia 1452 889 2341 38.0
STP São Tomé and Príncipe 654 422 1075 39.2
SDN Sudan 703 469 1172 40.0
LBR Liberia 644 442 1086 40.7
SYC Seychelles 652 461 1113 41.4
NAM Namibia 647 473 1120 42.3
SEN Senegal 639 518 1157 44.8
MOZ Mozambique 580 490 1070 45.8
LSO Lesotho 623 538 1161 46.4
BWA Botswana 606 543 1149 47.3
SWZ Eswatini 605 558 1163 48.0
CMR Cameroon 610 577 1187 48.6
KEN Kenya 1161 1180 2341 50.4
BFA Burkina Faso 579 601 1181 50.9
ZMB Zambia 554 584 1138 51.3
AGO Angola 477 541 1018 53.2
GIN Guinea 558 639 1197 53.4
BEN Benin 534 666 1200 55.5
MWI Malawi 521 664 1186 56.0
TZA Tanzania 1032 1323 2355 56.2
UGA Uganda 978 1361 2339 58.2
MRT Mauritania 472 718 1191 60.3
TGO Togo 463 732 1195 61.3
ZWE Zimbabwe 447 718 1165 61.6
MDV Mali 440 746 1186 62.9
MAR Morocco 399 794 1193 66.6
TUN Tunisia 328 832 1160 71.7
NER Niger 319 877 1195 73.3
CPV Cabo Verde 218 955 1173 81.4
MDG Madagascar 167 1027 1193 86.0

E.3.2 Evolution des inondations

On regroupe deux des cinq paliers de l’échelle pour mesurer la part des individus qui considèrent les inondations comme “plus sévères” ou “beaucoup plus sévères” que par le passé.

Flooding more severe (Afrobarometer)
Code Country No Yes Total % of Yes
BWA Botswana 1018 64 1082 5.9
SLE Sierra Leone 1068 106 1174 9.0
TZA Tanzania 2105 229 2334 9.8
MAR Morocco 1058 129 1186 10.8
KEN Kenya 1986 344 2330 14.8
TUN Tunisia 971 171 1142 15.0
ZWE Zimbabwe 872 192 1064 18.1
NAM Namibia 870 219 1089 20.1
SWZ Eswatini 885 267 1152 23.2
NGA Nigeria 1184 366 1550 23.6
SYC Seychelles 808 277 1085 25.5
GHA Ghana 1724 600 2324 25.8
CMR Cameroon 844 333 1177 28.3
CIV Côte d’Ivoire 840 338 1178 28.7
UGA Uganda 1627 660 2287 28.9
TGO Togo 825 362 1187 30.5
ETH Ethiopia 1613 726 2339 31.0
ZMB Zambia 791 358 1148 31.2
BEN Benin 796 401 1197 33.5
ZAF South Africa 904 468 1371 34.1
MOZ Mozambique 705 371 1076 34.5
MDV Mali 744 448 1192 37.5
AGO Angola 622 393 1015 38.7
GIN Guinea 713 484 1197 40.5
STP São Tomé and Príncipe 621 441 1062 41.6
MRT Mauritania 692 499 1191 41.9
GAB Gabon 657 540 1197 45.1
LBR Liberia 630 535 1165 45.9
COG Congo-Brazzaville 625 572 1197 47.8
SEN Senegal 602 586 1188 49.3
MWI Malawi 594 589 1184 49.8
CPV Cabo Verde 531 564 1095 51.5
SDN Sudan 570 613 1182 51.8
MDG Madagascar 545 654 1199 54.5
BFA Burkina Faso 518 661 1180 56.1
NER Niger 456 739 1196 61.8
GMB Gambia 448 743 1191 62.4
MUS Mauritius 379 817 1197 68.3
LSO Lesotho 280 877 1157 75.8

E.4 Responsabilité humaine

Les quatre paliers de l’échelle de Likert sont regroupés en deux niveaux pour calculer la part des personnes qui sont “plutôt d’accord” ou “totalement d’accord” avec la responsabilité des hommes dans le changement climatique actuel.

Human responsibility (Eurobarometer)
Code Country No Yes Total % of Yes
EST Estonia 343 615 958 64.2
PRT Romania 290 719 1010 71.2
CZE Czech Republic 254 717 972 73.8
AUT Austria 212 767 980 78.3
LVA Latvia 211 778 989 78.7
DEU Germany 243 1233 1477 83.5
LTU Lithuania 161 824 984 83.7
ESP Poland 160 825 985 83.8
ROM Slovakia 157 826 984 84.0
BEL Belgium 155 845 1000 84.5
IRL Ireland 142 845 987 85.6
BGR Bulgaria 140 841 981 85.7
SVN Spain 139 840 979 85.8
SVK Slovenia 130 875 1005 87.1
ITA Italy 127 882 1010 87.4
HRV Croatia 126 882 1009 87.5
CYP Cyprus 58 432 490 88.2
HUN Hungary 107 890 998 89.2
FIN Finland 103 890 993 89.6
FRA France 99 888 987 89.9
NLD Netherlands 100 915 1015 90.1
LUX Luxembourg 46 451 497 90.8
GRC Greece 92 905 997 90.8
POL Portugal 66 964 1030 93.6
MLT Malta 30 470 499 94.0
DNK Denmark 59 933 992 94.1
SWE Sweden 40 977 1017 96.0

E.5 Action du gouvernement

On regroupe ici les individus qui estiment que l’action du gouvernement face au changement climatique est “Insuffisante” (Eurobarometer) ou “A renforcer fortement” (Afrobarometer). Rappelons que l’alignement des deux questions est ici très imparfait.

Much more action of government (Afrobarometer & Eurobarometer)
Code Country Less or enough Much more Total % of Much more
EST Estonia 558 333 891 37.4
DNK Denmark 449 513 962 53.4
ESP Poland 440 516 955 54.0
AUT Austria 422 538 961 56.1
LUX Luxembourg 208 265 473 56.1
FIN Finland 412 537 950 56.6
DEU Germany 591 841 1432 58.7
LVA Latvia 354 523 878 59.6
CZE Czech Republic 368 552 920 60.0
MOZ Mozambique 154 234 387 60.3
SYC Seychelles 328 554 883 62.8
BEL Belgium 356 629 985 63.8
SDN Sudan 223 397 620 64.0
MRT Mauritania 134 248 382 64.8
LTU Lithuania 321 603 924 65.3
IRL Ireland 304 640 944 67.8
ETH Ethiopia 351 765 1116 68.5
MWI Malawi 259 592 851 69.5
AGO Angola 155 371 526 70.5
POL Portugal 286 687 973 70.6
SVK Slovenia 285 688 973 70.7
NLD Netherlands 292 718 1010 71.1
CYP Cyprus 133 334 467 71.6
PRT Romania 276 709 985 72.0
COG Congo-Brazzaville 168 463 631 73.4
MAR Morocco 169 477 646 73.8
KEN Kenya 325 931 1256 74.2
MLT Malta 126 368 494 74.5
LBR Liberia 178 535 713 75.1
HUN Hungary 246 746 992 75.2
NAM Namibia 128 393 520 75.4
BWA Botswana 78 246 324 76.0
NER Niger 164 524 688 76.2
GAB Gabon 196 640 837 76.5
ITA Italy 233 765 998 76.7
LSO Lesotho 91 313 404 77.5
ROM Slovakia 217 750 968 77.6
MDV Mali 155 543 698 77.8
CPV Cabo Verde 171 610 781 78.1
HRV Croatia 216 775 991 78.2
SVN Spain 206 748 955 78.4
BFA Burkina Faso 118 454 572 79.4
SWE Sweden 197 787 984 80.0
MUS Mauritius 173 689 862 80.0
CIV Côte d’Ivoire 104 420 523 80.2
UGA Uganda 259 1065 1324 80.4
CMR Cameroon 144 596 740 80.6
FRA France 179 773 952 81.2
ZWE Zimbabwe 97 421 518 81.3
BGR Bulgaria 158 731 889 82.3
GHA Ghana 184 857 1041 82.3
GRC Greece 160 761 921 82.6
GIN Guinea 118 563 681 82.7
ZAF South Africa 103 532 635 83.8
TGO Togo 90 472 562 84.1
STP São Tomé and Príncipe 101 551 652 84.4
SLE Sierra Leone 88 490 578 84.8
SEN Senegal 75 478 553 86.4
ZMB Zambia 62 410 471 86.9
NGA Nigeria 61 407 468 87.0
BEN Benin 86 593 679 87.4
TZA Tanzania 93 677 770 88.0
MDG Madagascar 92 726 818 88.7
GMB Gambia 68 597 665 89.8
SWZ Eswatini 61 567 627 90.3
TUN Tunisia 21 238 259 92.1

Citation

BibTeX citation:
@online{grasland2026,
  author = {GRASLAND, Claude and MADELIN, Malika and MENDY, Anastasie
    and CHARTIER, Denis},
  title = {Le Changement Climatique Dans Les Questionnaires
    {Afrobarometer} 2023 \& {EuroBarometer} 2025},
  date = {2026-09-06},
  url = {https://worldregio.github.io/altermap/posts/2026-09-06-axe3-survey/},
  langid = {en}
}
For attribution, please cite this work as:
GRASLAND, Claude, Malika MADELIN, Anastasie MENDY, and Denis CHARTIER. 2026. “Le Changement Climatique Dans Les Questionnaires Afrobarometer 2023 & EuroBarometer 2025.” September 6, 2026. https://worldregio.github.io/altermap/posts/2026-09-06-axe3-survey/.