Séances 7-15 Flashcards
méthode quantitative
Dans le modèle classique de régression linéaire comment doivent être les variables ?
Elles doivent être continues
Quels sont les 3 postulats à accepter pour la régression linéaire ?
- Relations linéaires entre x et y
- L’échantillon choisit est aléatoire
- Il y a une variabilité dans les variables de l’échantillon
Il faut des différences au sein des échantillons
Dans une analyse contrefactuelle expliquer comment faire des contrefaits
Le contrefait doit être convainquant et crédible, il doit respecter la pertinence des causes et la légitimité des causes.
Pertinence = régularité dans le temps
Légitimité = scénario doit être le même sans la cause
Quels sont les postulats à accepter avec une régression multiple ?
- La somme des erreurs attendues = 0 –> E(u) = 0
- Cov(x ;u)=0
Qui sont les personnes qui relève les problèmes des statistiques ?
Braumoeller et Sartori
Quelles sont les 2 erreurs ? Développez
- Erreur de spécification
o une analyse statistique sans ancrage théorique
o lorsque la théorie est impossible à tester car trop imprécise ou futile
o lorsque les chercheurs survient lorsque les chercheurs imposent un modèle statistique sur une théorie au lieu de construire un modèle pour tester une théorie - Erreur d’inférence
o Si on fait une inférence causale sur quelque chose de peu important. Du point de vue substantiel, il ne semble pas y avoir de relation claire entre la variable dépendante et la variable indépendante.
o La significativité statistique est un élément mais il faut toujours regarder l’intensité ou la force de la relation permettant de déterminer si la relation est importante ou pas. Le lien entre intensité d’un effet donc forte de la relation, et la significativité substantielle dépend de la relation analysée.
Lorsque l’on analyse le tableau que signifie constante ?
Elle nous montre d’où part la pente
Lorsque l’on analyse le tableau que signifie S.E ?
L’erreur standard indique la variabilité de nos variables.
Lorsque l’on analyse le tableau que signifie t ?
T = z valeur = coefficient/erreur standard
T > 2 = rejeter l’hypothèse nulle
T < 2 = on ne peut pas rejeter l’hypothèse nulle, le résultat est statistiquement non-négatif
L’inférence causale à l’aide de régression linéaire nous force à adapter une série de postulats > développer ?
- Dans DI le postulat d’un échantillon aléatoire n’est pas rempli > nous devons nous assurer qu’en tenant compte de nos variables explicatives, nos observations sont indépendantes les unes des autres
- Braumoeller et Sartori 2 problèmes : spécification correcte et inférence (significativité de la statistique)
Quel est le grand problème de la régression linéaire ?
La variable dépendante doit être continue.
À quelle régression passe-t-on ? Pourquoi ?
On passe à une régression logistique si on a une variable dépendante qui ne prend que 2 valeurs (y = 0 ou 1). Cette régression n’a pas une fonction linéaire.
Quel est le désavantage ?
On n’a plus de relation linéaire en paramètres rendant l’estimation des coefficients par la méthode des moindres carrés impossibles.
