POPULATION FEATURES — plan du feature store démographique (Phase D)
Objectif : data/population/riding_2026_demographics.(csv|parquet) — une ligne
par circonscription 2026 avec les distributions nécessaires au MRP et aux
facteurs géographiques. RÈGLE : ne jamais inventer une variable absente des
données; ne jamais utiliser une circonscription FÉDÉRALE comme proxy d'une
provinciale.
Géographie (le cœur du problème)
La carte provinciale 2026 (127) est NOUVELLE (délimitation 2025) — aucun profil de recensement prêt n'existe pour elle.
Méthode retenue (ADDENDUM §4) :
- Aires de diffusion (AD, ~5 000 hab. max) du Recensement 2021 — géométries StatCan (fichier des limites, format cartographique).
- Intersection géométrique AD × GeoJSON DGEQ 2026 (127) —
shapely. - Interpolation pondérée par la POPULATION des AD (population-weighted; area-weighted en repli quand l'AD chevauche plusieurs circonscriptions).
- Contrôles : somme des populations interpolées ≈ population du Québec; comparaison aux électeurs inscrits DGEQ par circonscription.
Variables (Recensement 2021 — profil des AD)
| Variable | Source (profil 2021) | Transformation | Usage prévu |
|---|---|---|---|
| population, pop. 18+ | StatCan | somme pondérée | poids MRP, participation |
| âge (18-24/25-34/35-44/45-54/55-64/65+) | StatCan | parts | cellules MRP, z_age |
| genre | StatCan | parts | cellules MRP |
| langue maternelle (fr/en/autre) + connaissance fr-en | StatCan | parts | cellules MRP, z_franco |
| immigration, période d'immigration | StatCan | parts | features géo |
| revenu médian des ménages | StatCan | niveau + z | features géo/éco |
| scolarité (universitaire) | StatCan | part + z | features géo |
| locataires / propriétaires | StatCan | parts + z | features géo (logement) |
| densité, urbain/rural | StatCan (géo) | niveau + z | facteurs latents |
| chômage | StatCan | taux + z | fondamentaux locaux |
Standardisation : z_* = (x − moyenne des 127) / écart-type — pour le moteur de
similarité de circonscriptions (§29 : top-10 semblables, partial pooling).
Cellules MRP (§5)
circonscription × âge(6) × genre(2) × langue(3) = 127 × 36 cellules au départ
(éducation/tenure ajoutées seulement si l'identification le permet). Partial
pooling obligatoire; cellules quasi vides fusionnées.
Vieillissement 2021 → 2026 (§30)
Base 2021 + ajustement par les estimations démographiques ISQ/StatCan (région), avec incertitude explicite. Jamais l'affirmation que la population 2026 = 2021.
Déjà en place (amorce)
- Électeurs inscrits par circonscription : conservés depuis le GeoJSON DGEQ brut
quand la propriété est publiée (
ingest/elections_quebec.refresh_electors, stockés dansdistricts.notes.electors). - Participation 2022 par circonscription (
districts.turnout_2022). - Régions de modélisation (13) et baselines 2022/2018 par circonscription.
Non-objectifs
Pas de minorités visibles ni de variables sensibles sans justification méthodologique documentée; pas de coefficients démographiques inventés.