Méthodes quantitatives en sciences sociales : analyses causales, factorielles et typologies

5.00 crédits

20.0 h + 20.0 h

Enseignants

Masquelier Bruno;

Langue
d'enseignement

Français

Préalables

Un cours de base en statistiques en bac.

Thèmes abordés

Rappels relatifs à l'analyse univariée: pour décrire les données.
Khi-deux, risques relatifs, odds ratios: pour croiser deux variables qualitatives.
Test-t, test-F et ANOVA: pour tester les relations qui s'établissent entre une variable qualitative et une variable quantitative.
Corrélations, régression linéaire simple: pour croiser deux variables quantitatives.
Analyse en composantes principales et analyse factorielle des correspondances multiples: pour construire des indicateurs ou identifier des dimensions latentes d'un ensemble de variables.
Méthodes de classification: pour identifier des groupes d'unités d'observations et élaborer des typologies.
Régression linéaire multiple et modèle linéaire généralisé: pour prédire la valeur d'une variable dépendante, et identifier ses déterminants.
Introduction aux statistiques bayésiennes.

Acquis
d'apprentissage

A la fin de cette unité d’enseignement, l’étudiant est capable de :
1	Acquérir la maîtrise des outils de base de l'analyse bivariée (rappels) et multivariée des données quantitatives (essentiellement d'enquêtes). La logique des tests statistiques Maîtriser les méthodes de régressions simples et multiples et de régression logistique Maîtrise des analyses factorielles et des techniques de classification (typologies) Pouvoir comprendre et utiliser la littérature scientifique ayant recours aux méthodes de régression linéaire et logistique, analyses factorielles, et typologiques Etre autonome dans l'utilisation d'un logiciel d'analyse des données. Pouvoir sélectionner une stratégie d'analyse des données en rapport avec les questions de recherche posées, l'appliquer et en présenter et interpréter correctement les résultats.

Contenu

Le cours LDEMO2047 offre une solide introduction aux méthodes quantitatives en sciences sociales. Au terme de ce cours, les étudiants seront en mesure:

d'acquérir la maîtrise des outils de l'analyse bivariée et multivariée des données quantitatives.
d'utiliser des méthodes de régressions simples et multiples et certains modèles linéaires généralisés (régression logistique et Poisson)
de comprendre et pouvoir utiliser des méthodes d'analyses factorielles et des techniques de classification
d'être autonome dans l'utilisation du logiciel R (https://www.r-project.org/).

Description des thèmes abordés:

Rappels relatifs à l'analyse univariée: pour décrire les données.
Khi-deux, risques relatifs, odds ratios: pour croiser deux variables qualitatives.
Test-t, test-F et ANOVA: pour tester les relations qui s'établissent entre une variable qualitative et une variable quantitative.
Corrélations, régression linéaire simple: pour croiser deux variables quantitatives.
Analyse en composantes principales et analyse factorielle des correspondances multiples: pour construire des indicateurs ou identifier des dimensions latentes d'un ensemble de variables.
Méthodes de classification: pour identifier des groupes d'unités d'observations et élaborer des typologies.
Régression linéaire multiple et modèle linéaire généralisé: pour prédire la valeur d'une variable dépendante, et identifier ses déterminants.
Introduction aux statistiques bayésiennes.

Méthodes d'enseignement

Le cours est articulé autour de cours magistraux et de travaux pratiques (voir programme accessible sur Moodle). La participation aux cours et aux TP est essentielle. La lecture préalable de chapitres repris dans le programme de cours est nécessaire.

Modes d'évaluation
des acquis des étudiants

Trois exercices associés aux travaux pratiques donnés durant le premier semestre sont évalués et correspondent à 30% de la note finale.
L'évaluation finale est basée sur un examen écrit réalisé en session, qui correspond à 70% de la note finale.
En cas d'échec en première session, l'évaluation en septembre porte uniquement sur l'examen écrit (les points acquis via l'évaluation continue sont perdus).

Ressources
en ligne

Logiciel R: https://www.r-project.org/
Inferface Rstudio: https://www.rstudio.com/

Bibliographie

G. Masuy-Stroobant and R. Costa, editors. Analyser les données en sciences sociales : De la préparation des données à l'analyse multivariée. P.I.E. Peter Lang, 2013.
D.C. Howell, V. Yzerbyt, Y. Bestgen, and M. Rogier. Méthodes statistiques en sciences humaines. Série Internationale. De Boeck Supérieur, 2008.

Support de cours

G. Masuy-Stroobant and R. Costa, editors. Analyser les données en sciences sociales : De la préparation des données à l'analyse multivariée. P.I.E. Peter Lang, 2013. Disponible en bibliothèque et sur Moodle

Faculté ou entité
en charge

PSAD

Programmes / formations proposant cette unité d'enseignement (UE)

Intitulé du programme

Sigle

Crédits

Prérequis

Acquis
d'apprentissage

Master [120] en sociologie

SOC2M

Master de spécialisation en méthodes quantitatives en sciences sociales

LMQS2MC

Master [120] en sciences de la population et du développement

SPED2M

Master [120] en sciences politiques, orientation générale

SPOL2M

Mineure en statistique et science des données

MINDATA

Master [120] en sciences de l'éducation

FOPA2M

Certificat d'université : Statistique et science des données (15/30 crédits)

STAT2FC