Aperçu des sections

  • Généralités


     El Hadj Touré

  • Section 1

                                                                                SEMAINE 1

    Comment décrire des données d'échantillon et inférer les résultats à la population?

  • Section 2

    SEMAINE 2

    Comment synthétiser l'information statistique à l'aide de tableaux synthétiques, graphes synthétiques et variables synthétiques ?

  • Section 3

                                                                                     SEMAINE 3

    Comment approfondir l'analyse de régression linéaire simple en analysant les coefficients bêta et en incluant dans un modèle bivarié une VI qualitative?

    • Leçon 3. Régression linéaire approfondie

      • Régression pour une relation entre deux variables quantitatives: rappel

      • Les coefficients de régression standardisés (bêta): calcul & interprétation
      • Modèle avec une VI dichotomique et parallèle avec l'ANOVA
      • Modèle avec une VI qualitative non dichotomique et parallèle avec l'ANOVA

      Lectures suggérées : ?

    • ----------------------------

      Labo 1. À l’aide du logiciel SPSS, estimer un modèle de régression linéaire simple incluant une VI qualitative dichotomique codée 0/1, créer des variables factices dichotomiques pour une VI qualitative non dichotomique et les inclure dans un modèle bivariée. Lire et interpréter les sorties SPSS de façon à procéder à la prédiction et à la comparaison de plusieurs modèles bivariés. Présenter les résultats sous forme textuelle et tabulaire à l’aide du logiciel Word.

  • Section 4

    SEMAINE 4

    Connaître et savoir schématiser les modèles de causalité usuels en sociologie

    • Leçon 3. Introduction à l’analyse causale 

      • Élaboration : de l’analyse bivariée à l’analyse multivariée
      • Les trois conditions de la causalité. Quel lien avec le devis de recherche ?
      • Aperçu, illustration et schématisation de quelques modèles de causalité usuels en sociologie : convergence, explication (relation fallacieuse), modération
      • Vue d’ensemble des techniques statistiques multivariées associées à ces quelques modèles

                Lectures suggérées : Tacq (1997: 8-19)

    • ----------------------------

      Labo 3. À l’aide du logiciel SPSS, créer et gérer des fichiers de syntaxes; effectuer des procédures statistiques de façon à préparer des analyses bi-multivariées subséquentes : « recoder » des variables qualitatives et quantitatives afin de réduire leurs valeurs, « calculer une variable » à partir d’autres variables, filtrer ou « sélectionner » des observations, et « scinder » un fichier afin de comparer des groupes. Lire et interpréter les sorties SPSS, présenter les résultats sous forme textuelle et dans des tableaux et schémas publiables à l’aide du logiciel Word.

  • Section 5

    SEMAINE 5

    Comment analyser une relation entre deux variables qualitatives, après avoir contrôlé l'effet d'une variable contrôle qualitative à l'aide des tableaux croisés multivariés ?

  • Section 6

    SEMAINE 6

    Comment analyser l'effet convergent de plusieurs prédicteurs sur une VD quantitative à l'aide de la régression et de la corrélation linéaires multiples?

    • Leçon 6. Régression linéaire multiple

      • Les coefficients bêta: justification, calcul & interprétation

      • Diagramme de dispersion et modélisation d’une relation entre deux variables quantitatives, en contrôlant l’effet d’une autre variable quantitative (convergence)

      • Prédiction du score d’une VD connaissant les scores des VIs à l’aide du plan de régression

      • Schématisation du modèle et interprétation des bêtas, r et r2 multiple aux fins de diagnostic causal

      Lectures suggérées : Fox (1999 : 121-147)

    • ----------------------------

      Labo 6. À l’aide du logiciel SPSS, estimer un modèle de régression linéaire multiple incluant deux prédicteurs ou plus, sortir le diagramme de dispersion des résidus pour procéder au diagnostic du modèle multivarié, vérifier la multicollinéairité au moyen de la matrice de corrélations et des statistiques de la tolérance et du facteur d’inflation de la variance (VIF=Variance inflation factor). Lire et interpréter les sorties SPSS de façon à établir un diagnostic causal en termes de convergence (effet additif) ou non. Présenter les résultats sous forme textuelle et dans des tableaux et schémas publiables à l’aide du logiciel Word.

  • Section 7

    SEMAINE 7

    • Leçon 7. Régression logistique binaire

      • Quels liens entre probabilité, cote (odds) et logit ?
      • Modélisation d’une relation entre une VD dichotomique (0/1) et une VI dichotomique (0/1) ou quantitative, à l’aide de la régression logistique
      • Parallèle avec la régression linéaire et l’analyse tabulaire
      • Généralisation de la régression logistique simple à la régression multiple (structure de causalité discriminante)

      Lectures suggérées : Morgan & Teachman (1988)

    • ----------------------------

      Labo 7. À l’aide de SPSS, comparer l’analyse tabulaire bivariée et la régression logistique binaire simple au moyen du rapport de cotes, calculer les probabilités prédites et le taux de classement. Estimer un modèle de régression logistique binaire multiple en incluant deux prédicteurs ou plus. Lire et interpréter les sorties SPSS de façon à établir un diagnostic causal en termes de discrimination ou non. Présenter les résultats sous forme textuelle et dans des tableaux et schémas publiables à l’aide du logiciel Word.

  • Section 8

                                                                             SEMAINE 8

    • Leçon 8. Régression logistique multinomiale

      • Régression binaire vs. régression multinomiale
      • Régression multinomiale pour une VD qualitative à trois catégories ou plus
      • Calcul des probabilités prédites
      • Extension du modèle simple au modèle de régression multinomiale multiple (discrimination)

      Lectures suggérées : Hegre (2011)

    • ----------------------------

      Labo 8. À l’aide de SPSS, comparer l’analyse tabulaire bivariée et la régression logistique multinomiale simple au moyen du rapport de cotes, calculer les probabilités prédites et le taux de classement. Estimer un modèle de régression logistique multinomiale multiple en incluant deux prédicteurs ou plus. Lire et interpréter les sorties SPSS de façon à établir un diagnostic causal en termes de discrimination ou non. Présenter les résultats sous forme textuelle et dans des tableaux et schémas publiables à l’aide du logiciel Word.

  • Section 9

                                                                            SEMAINE 8

    • Examen : Leçons 4 & 7

      Samedi 18 mai, 10h-12h00!