Analyse causale et méthodes quantitatives

Une introduction avec R, Stata et SPSS

Author: Arel-Bundock, Vincent
Publisher: Presses de l'Université de Montréal
eISBN Pdf: 9782760643222
Place of publication: Montréal , Canada
Pages: 385
Language: French

Introduction
- Qu’est-ce que la causalité?
- Feuillederoute
- Approche pédagogique
- Pistes de lecture
- Logiciels statistiques: R, Stata et SPSS
- Ressources en ligne et lectures complémentaires
- Remerciements
Partie I. ANALYSE DESCRIPTIVE
- Chapitre 1. Visualisation
  - Pourquoi visualiser nos données?
  - Les limites de l’oeil humain
  - Principes
    - Principe 1: Intégrité
    - Principe 2: Simplicité
    - Principe 3: Contexte
    - Principe 4: Esthétique
  - Données
  - Graphiques univariés
  - Graphiques relationnels
    - Nuages de points
    - Diagramme en boîte et diagramme à crêtes
    - Analyse par sous-groupes
    - Graphique à points
  - Séries temporelles
    - Graphique à pentes
  - Cartes choroplèthes
- Chapitre 2. Probabilités
  - Événements, espace échantillonnal et variables
  - Probabilités
    - Probabilité à plusieurs variables
    - Probabilité conditionnelle
    - Théorème de Bayes
  - Indépendance
  - Distributions
    - Distributions discrètes
    - Distributions continues
    - Distributions et probabilités
- Chapitre 3. Statistiques descriptives
  - Centralité
    - Moyenne
    - Médiane
    - Mode
    - Espérance
    - Espérance conditionnelle et indépendance
  - Dispersion
    - Variance
    - Écart type
    - Écart interquartile
  - Association
    - Covariance
    - Corrélation
    - Variables catégoriques
  - Études decas
- Chapitre 4. Inférence statistique
  - De l’échantillon à la population
  - Mise ensituation
  - Estimation
    - Biais
    - Variance échantillonnale
    - Biais vs variance échantillonnale
  - Test d’hypothèse
    - Hypothèse nulle
    - Statistique de test
    - Distribution de la statistique t si l’hypothèse nulle était vraie
    - Valeur p
    - Intervalle de confiance
    - Le test d’hypothèse nulle, étape par étape
    - Les limites du test d’hypothèse nulle
- Chapitre 5. Régression linéaire
  - Le modèle linéaire
  - Méthode des moindres carrés ordinaires
  - Coefficient de régression
  - Biais
  - Incertitude
    - Erreur type
    - Statistique t
    - Valeur p
    - Intervalle de confiance
  - Régression multiple
    - Avantages de la régression multiple: précision et biais
    - Contrôle statistique
    - Multicollinéarité
  - Régression multiple
    - Avantages de la régression multiple: précision et biais
    - Contrôle statistique
    - Multicollinéarité
  - Étude de cas
  - Boîte à outils
    - Variable dépendante binaire
    - Variable indépendante binaire
    - Variable indépendante ordinale ou nominale
    - Normalisation
    - Qualité de l’ajustement statistique
    - Hétéroscédasticité, autocorrélation et erreurs types robustes
    - Données influentes
    - Effet marginal
    - Transformations
Partie II. ANALYSE CAUSALE
- Chapitre 6. Graphes orientés acycliques
  - La théorie causale structurelle
  - Graphes orientés acycliques
  - Graphes orientés acycliques
  - Effet causal vs information statistique
  - Typologie des chemins
    - Chaîne: A → B → C
    - Collision: A → B ← C
    - Fourchettes, chaînes et collisions
    - Combinaisons d e fourchettes, chaînes et collisions
  - Identification causale
    - Condition 1: Ne pas contrôler les descendants de X
    - Condition 2: Bloquer les chemins par la porte arrière
  - Exemples
  - Leçons
    - Expériences aléatoires
    - Biais post-traitement
    - Interprétation des variables de contrôle
  - Simulations
    - Simulation 1: Relation causale simple
    - Simulation 2: Chaîne
    - Simulation 3: Collision
    - Simulation 4: Fourchette
    - Simulation 5: Modèle complexe
- Chapitre 7. Problème fondamental de l’inférence causale
  - Analyse contre-factuelle et résultats potentiels
  - Effet de traitement individuel
  - Effet de traitement moyen
  - Postulats
    - Indépendance du traitement et des résultats potentiels
    - Stabilité et non-interférence
  - Inférence causale et expériences aléatoires
Partie III. PROBLÈMES
- Chapitre 8. Biais par variable omise
  - Analyse graphique
    - Est-ce que les livres causent le succès scolaire?
    - Est-ce que l’alcool cause le diabète?
    - Solution graphique
  - Analyse algébrique
    - Est-ce que les livres causent le succès scolaire?
    - Les limites de l’approche algébrique
  - Solutions
- Chapitre 9. Biais de sélection
  - Analyse graphique: sélection dans l’analyse
    - Sélection sur la variable dépendante
    - Sélection sur une collision
    - Sélection sur le descendant d’une collision
  - Analyse algébrique: sélection dans le traitement
  - Solutions
- Chapitre10. Biais de mesure
  - Analyse graphique
    - Erreur de mesure indépendante
    - Erreur de mesure différentielle
    - Erreur de mesure dans les variables de contrôle
    - Mauvaise nouvelle
  - Analyse algébrique
    - Erreur dans la variable dépendante: incertitude
    - Erreur dans la variable indépendante: biais d’atténuation
  - Solutions
- Chapitre 11. Biais des imultanéité
  - Analyse graphique
    - Est-ce que la simultanéité existe vraiment?
  - Analyse algébrique
  - Solutions
Partie IV. SOLUTIONS
- Chapitre 12. Expériences
  - Essai contrôlé aléatoire
  - La diversité des expériences aléatoires
    - Lieu
    - Types de traitements
  - Exemples
    - Transferts conditionnels et assiduité scolaire
    - Discrimination sur le marché de l’emploi
  - Avantages
    - Le coefficient de régression est non biaisé
    - Biais par variable omise
    - Biais de sélection dans le traitement
    - Biais de simultanéité
  - Inconvénients
    - Questions de recherche
    - Éthique
    - Réalisme du traitement et/ou de l’environnement
    - Biais
  - Équilibre
  - Variables de contrôle
  - Étude de cas
- Chapitre 13. Expériences naturelles
  - Expériences et quasi-expériences naturelles
    - Compétition et performance cognitive
    - Taxes et élections
    - Quotas et représentation des femmes
  - Analyse de discontinuité
    - Richesse privée des politiciens
    - Occupation militaire et résistance armée
- Chapitre 14. Variables instrumentales
  - Définition
    - Condition 1: inclusion
    - Condition 2: exclusion
    - Condition 3: monotonicité
    - Effetdetraitementmoyenlocal
  - Exemples
    - Pauvreté et guerres civiles
    - Institutions politiques et croissance économique
    - Changement et bonheur
    - Variables instrumentales dans l’analyse des expériences
  - Régression par les moindres carrés en deux étapes
  - Simulations
    - Biais par variable omise ou biais de sélection dans let raitement
    - Biais de mesure
    - Effet de traitement moyen local
- Chapitre 15, Observations répétées ou hiérarchiques
  - Observations répétées
  - Effets fixes
    - Qu’est-ce qu’un effet fixe?
    - Interprétation
    - Estimation
    - Effets fixes à plusieurs niveaux
    - Limites des effets fixes
  - Variable dépendante décalée
    - Combiner les effets fixes et les variables décalées
  - Méthode des doubles différences
    - Postulat: tendance commune
    - Estimation
  - Régression multiniveau
    - Exemple
    - Multiniveau vs échantillon complet vs sous-groupes
    - Avantages et inconvénients
- Chapitre 16. Modèle linéaire généralisé
  - Motivation
  - Le modèle linéaire généralisé
    - Composante 1: distribution de la variable dépendante
    - Composante 2: modèle linéaire intermédiaire
    - Composante 3: lien entre la distribution et le modèle intermédiaire
  - Exemples
    - Régression logistique
    - Régression Poisson
    - Régression linéaire
  - Estimation, postulats et propriétés
  - Variable binaire: régression logistique
    - Prédiction
    - Effet marginal
    - Effet marginal d’une variable binaire
    - Rapport des cotes
  - Variable de dénombrement: Régression Poisson
    - Prédiction
    - Effet marginal
    - Effet multiplicatif
  - Autres types de variables dépendantes
- Chapitre 17.Modération: effets hétérogènes
  - Régression linéaire avec interaction multiplicative
  - Effet marginal
  - Exemples
  - Incertitude et test d’hypothèse nulle
  - Modèles plus complexes
- Chapitre 18. Médiation: mécanisme causal
  - Effets naturels direct et indirect
  - Conditions d’identification
  - Estimation
Partie V. ANNEXES
- Chapitre 19. Mathématiques
  - Symboles et notation
  - Exposants etl ogarithmes
  - Somme
  - Calcul différentiel
- Chapitre 20. Statistiques
  - Opérateurs: espérance, variance, covariance
  - Propriétés de la moyenne d’unéchantillon
    - Biais de la moyenne d’un échantillon
    - Variance échantillonnale de la moyenne
  - Propriétés de la régression linéaire
    - Calcul du coefficient de régression
    - Biais du coefficient de régression
    - Variance du coefficient de régression
    - Conditions d’optimalité de Gauss-Markov
  - Loi des grands nombres
  - Théorème central limite
- Chapitre 21. R
  - Installation
  - Interface graphique
  - Manuel d’instructions
  - Librairies externes
  - Types de données
    - Numérique
    - Texte
    - Logique
    - Valeurs manquantes
  - Variables
  - Vecteurs
  - Fonctions
  - Data frame
  - Combiner les data frames
  - Comparaisons
  - Importer des données
  - Le tidyverse
    - Chaîne d’opérations: %>%
    - Choix de colonnes— select
    - Choix de rangées— filter
    - Classer la banque de données— arrange
    - Créer ou modifier une variable— mutate
    - Résumer unev ariable— summarize
    - Analyse en sous-groupes: group_by
  - Loop: répéter une opération plusieurs fois
  - Étude de cas: nettoyage des données
  - Étude de cas: régression linéaire
- Chapitre 22. Stata
  - Introduction à Stata
    - Interface graphique
    - Manuel
    - Librairies externes
    - Arithmétique
    - Importer des données
    - Créer ou modifier des variables
    - Manipuler une banque de données
  - Chapitre 2: Probabilités
  - Chapitre 3: Statistiques descriptives
  - Chapitre 4: Inférence statistique
  - Chapitre 5: Régression linéaire
  - Chapitre 6: Graphes orientés acycliques
  - Chapitre 8: Biais post-traitement
  - Chapitre 12: Expériencesaléatoires
  - Chapitre 13: Méthodes quasi expérimentales
  - Chapitre 14: Variables instrumentales
  - Chapitre 15: Panels
  - Chapitre 16: Modèle linéaire généralisé
  - Chapitre 21: R
  - Introduction à SPSS
    - Importer des données
    - Créer ou modifier des variables
    - Manipuler une banque de données
  - Chapitre 2: Probabilités
  - Chapitre 3: Statistiques descriptives
  - Chapitre 4: Inférence statistique
  - Chapitre 5: Régression linéaire
  - Chapitre 6: Graphes orientés acycliques
  - Chapitre 8: Biais post-traitement
  - Chapitre 12: Expériences aléatoires
  - Chapitre 13: Méthodes quasi expérimentales
  - Chapitre 14: Variables instrumentales
  - Chapitre 15: Panels
  - Chapitre 16: Modèle linéaire généralisé
  - Chapitre 21 : R
Symboles
Bibliographie
Index
Table des matières

Subjects

Back

Viewers online

Text
Audio

Existing customer

Email

Password

NEW USER

Analyse causale et méthodes quantitatives

Une introduction avec R, Stata et SPSS

Subjects

Viewers online