Séance 4 Flashcards
Rappeler les problèmes liés au critère de l’inférence
Ces problèmes sont liés au critère de l’inférence, à savoir le degré de biais et l’efficience.
Ces éléments affectent notre incertitude, qui provient
- de la sélection de cas d’une population (plus ou moins bien définie)
- du partage entre ce qui est systématique de ce qui ne l’est pas
Le degré d’incertitude lié à ces deux sources est souvent difficile à déterminer.
Quelles sont les 4 approches suivantes dans l’inférence causale ? et par qui est-ce développé ?
Brady (2008, 218) présente les quatre approches suivantes (voir aussi Tilly 2001):
- conjonction constante: “Constant conjunction of causes and effects required by the neo-Humean approach.”
- approche contre-factuelle: “No effect when the cause is absent in the most similar world where the cause is present as required by the counterfactual approach.”
- cause manipulée: “An effect after a cause is manipulated.”
- mécanismes “Activities and processes linking causes and effects required by the mechanism approach”
Quelle est la vision de Gerring sur la causalité ?
Gerring (2005, 167) plaide pour une vision universelle de la causalité en s’appuyant sur la définition suivante:
. . . a cause raises the probability of an event occurring.”
Quel est le problème fondamental de l’inférence causale ?
Etant donné que nous n’observons jamais la même unité d’observation sous exactement les mêmes conditions une fois avec la présence de la cause (YiC) et une fois sans la présence de la cause Yi/C, nous sommes confrontés au
“Fundamental Problem of Causal Inference” (King, Keohane et Verba 1994, 91)
Comment le contourner ?
Si nous remplaçons l’observation i avec l’observation j µiC- µi/C ne correspond à l’effet causale que sous certaines conditions:
- Une condition (forte) est celle de l’homogénéité des unités.
- Une condition (moins forte) est celle de l’effet constant.
A part d’adopter une de ces deux conditions on doit aussi adopter la condition suivante:
Indépendance conditionnelle
D’où provient l’indépendance conditionnelle ?
L’indépendance conditionnelle (qu’on discutera encore plus en détail plus tard) vient du problème que nous ne pouvons pas, comme dans l’approche expérimentale,
- choisir aléatoirement nos cas et
- soumettre au traitement d’une manière aléatoire certaines observations.
Comment satisfaire l’indépendance conditionnelle ?
Avec une sélection aléatoire et un traitement imposé d’une manière aléatoire nous satisfaisons à l’indépendance conditionnelle (King, Keohane et Verba 1994, 94):
- nous attribuons les causes indépendamment des effets
- on évite le problème du biais de sélection (qu’on discutera plus tard en détail)
- on n’aura pas de problème lié à l’omission de variables.
Qu’est-ce que l’approche quasi-expérimentale ? Comment la définit Achen ?
Lorsqu’on tente de faire des inférences causales en tenant compte des problèmes que des approches non-expérimentales posent, on parle normalement d’une approche quasi-expérimentale (voir Campbell et Stanley 1963).
Achen (1986) définit l’approche quasi-expérimentale comme englobant toute recherche qui ne travaille pas avec des manipulations (aléatoire) des causes qui nous intéressent (et aussi certains travaux qui ne sélectionnent pas leur cas d’une manière aléatoire).
Quelles sont les 4 questions à se poser lors d’une étude quasi-expérimentale ?
- Quelle est la relation causale qui nous intéresse?
- Quel expérience nous permettrait, idéalement, de saisir l’effet causal? (ceci pour éviter des FUQs (“fundamentally unidentified questions”))?
- Quelle stratégie d’identification (de l’effet causal) allons nous employer (de quelle façon nous allons nous servir de données observationnelles pour faire une inférence causale)?
- Quelle est notre mode d’inférence statistique (population, échantillon, incertitude)?
Quels sont les 2 aspects que le problème de la spécification correcte englobe ?
- élimination des effets d’autres variables
2. tentative d’éliminer le problème de l’endogénité
Expliquer un autre problème de l’approche quasi-expérimentale
Comment les observations de notre étude sont-elles choisies?
Si cette sélection est liée d’une façon ou d’une autre avec notre variable dépendante, des biais apparaissent.
Expliquer l’analyse contrefactuelle
Fearon (1991, 170) soulève l’importance de raisonnement contrefactuel et ses parallèles avec des analyses statistiques (Tetlock1996a):
“The difference between regression and the counterfactual strategy is not that one relies on counterfactuals while the other does not. Rather, the strategies differ in the way that each employs counterfactauls and in the way that each evaluates support for a causal hypothesis. ”
L’analyse contre-factuelle nécessite un argument du style “si C n’avait pas été présent, E ne se serait pas produit.”
Cet argument peut être justifié soit en ayant recours à un (ou plusieurs) cas, ou C n’était pas présent, soit en construisant un “most similar” (Brady 2008) cas sans la présence de C.
Expliquer l’analyse contre-factuelle dans la pratique selon Fearon
Fearon (1991) argumente que l’analyse contre-factuelle se fait différemment selon le nombre de cas.
- Une étude d’un seul cas tentant une inférence causale doit se baser sur une analyse contre-factuelle qui construit un “most similar” (Brady 2008) cas sans la présence de C (voir aussi Lewis 1973).
Un exemple tiré de l’ouvrage très influant de Tetlock et Berlin (1996) est p.ex.
(Lebow et Stein 1996) “Back to the Past: Counterfactuals and the Cuban Missile Crisis” (voir aussi Kiser et Levi 1996)
- Une étude avec un nombre de cas limité (mais plus qu’un seul) a souvent recours à un mélange des deux types d’analyse contre-factuelle (cas construit et cas actuel de comparaison).
Un exemple tiré de l’ouvrage très influant de Tetlock et Berlin (1996) est p.ex. (Russett 1996) “Counterfactuals about War and its absence”
Quels sont les problèmes liés à l’analyse contre-factuelle ?
Fearon (1991) note deux points importants à retenir
Des évaluations de la force d’une relation nécessitent une série de contrefaits.
Des arguments sur la précision sont difficile à faire:
“arguments about the relative importance of possible causes become arguments about the relative plausibility of different counterfactual scenarios.” (Fearon 1991, 178)
De plus, pour une analyse contre-factuelle de solides bases théoriques sont nécessaires (voir exemples cités dans Fearon 1991), aussi pour éviter le problème de la (multi-)collinéarité.
Quelles sont les 2 conditions pour l’analyse de contrefait ?
- Pertinence des causes
- Légitimité des causes
