UE597 - Modélisation et identification causale

Type d'UE
Séminaires de tronc commun
Disciplines
Sociologie
Page web
-
Langues
français
Mots-clés
-
Aires culturelles
-

La première partie du cours portera sur l'analyse des variables qualitatives en insistant sur les modèles log-linéaires, leurs représentations graphiques sous R, et l'évaluation de la qualité de différents modèles statistiques. 

La deuxième partie du cours se concentre sur les méthodes économétriques permettant de faire des inférences causales, généralement vues plus robustes que les méthodes ordinaires: expériences randomisées, expériences naturelles, régressions par discontinuité, variables instrumentales.

Le cours est destiné aux élèves de l’ENS du département de sciences sociales et aux étudiants du master SocStat (QESS). Il est ouvert aux autres étudiants dans la limite des places disponibles. L’assiduité et la participation sont requises. Il est organisé autour de l'alternance d'un enseignement théorique et de la mise en oeuvre pratique des méthodes, sur ordinateur avec des données.

Il est proposé aux étudiants déjà familiers des méthodes statistiques et du logiciel R, notamment des test, des régressions linéaires et logistiques.

La première partie est consacré aux méthodes d'analyses des variables qualitatives, la mesure des associations et l'évaluation des modèles statistiques, appliqué au cas des modèles log-linéaires. De nombreux exemples seront étudiés pour illustrer, entre autres, ce que l'on appelle aujourd'hui le paradoxe de Simpson et d'autres pièges d'interprétation causale des associations statistiques.

La deuxième partie du cours se concentre sur les méthodes économétriques permettant de faire des inférences causales, généralement vues plus robustes que les méthodes ordinaires: expériences randomisées, expériences naturelles, régressions par discontinuité, variables instrumentales.

Les données, le plus souvent des enquêtes INSEE, seront en général manipulées à l’aide du logiciel R (multi-plateforme, open-source et gratuit) et R studio.

Il est recommandé aux étudiants de venir avec leur ordinateur portable sur lesquels ils auront installé les packages suivants : tidyverse, vcd, vcdExtra, systemfit, AER, plm, pglm, lfe.

La validation est constituée d’un mémoire de quelques pages dans lequel l’étudiant mettra en œuvre sur des données les techniques apprises dans le cadre du cours.

  • Sciences sociales-Quantifier en sciences sociales – M2/S3
    Suivi et validation – semestriel hebdomadaire = 6 ECTS
    MCC – autre (travail personel (mémoire de quelques pages))
  • Maxime Parodi [référent·e]   chargé d'études, Sciences Po Paris /
  • Olivier Godechot   directeur de recherche, CNRS /
Contacts additionnels
-
Informations pratiques

Il est recommandé aux étudiants de venir avec leur ordinateur portable sur lesquels ils auront installé R, Rstudio et les packages suivants : tidyverse, vcd, vcdExtra, systemfit, AER, plm, pglm, lfe.

Direction de travaux des étudiants
-
Réception des candidats
-
Pré-requis

Statististiques descriptives,

Tests,

Régressions linéaires et logistiques,

Notions du logiciel R

  • 48 bd Jourdan
    48 bd Jourdan 75014 Paris
    1er semestre / hebdomadaire, jeudi 10:00-13:00
    du 8 octobre 2020 au 7 janvier 2021


Intervenant·e·s


  • Maxime Parodi [référent·e]   chargé d'études, Sciences Po Paris /
  • Olivier Godechot   directeur de recherche, CNRS /

Planning


  • 48 bd Jourdan
    48 bd Jourdan 75014 Paris
    1er semestre / hebdomadaire, jeudi 10:00-13:00
    du 8 octobre 2020 au 7 janvier 2021


Description


Type d'UE
Séminaires de tronc commun
Disciplines
Sociologie
Page web
-
Langues
français
Mots-clés
-
Aires culturelles
-

La première partie du cours portera sur l'analyse des variables qualitatives en insistant sur les modèles log-linéaires, leurs représentations graphiques sous R, et l'évaluation de la qualité de différents modèles statistiques. 

La deuxième partie du cours se concentre sur les méthodes économétriques permettant de faire des inférences causales, généralement vues plus robustes que les méthodes ordinaires: expériences randomisées, expériences naturelles, régressions par discontinuité, variables instrumentales.

Le cours est destiné aux élèves de l’ENS du département de sciences sociales et aux étudiants du master SocStat (QESS). Il est ouvert aux autres étudiants dans la limite des places disponibles. L’assiduité et la participation sont requises. Il est organisé autour de l'alternance d'un enseignement théorique et de la mise en oeuvre pratique des méthodes, sur ordinateur avec des données.

Il est proposé aux étudiants déjà familiers des méthodes statistiques et du logiciel R, notamment des test, des régressions linéaires et logistiques.

La première partie est consacré aux méthodes d'analyses des variables qualitatives, la mesure des associations et l'évaluation des modèles statistiques, appliqué au cas des modèles log-linéaires. De nombreux exemples seront étudiés pour illustrer, entre autres, ce que l'on appelle aujourd'hui le paradoxe de Simpson et d'autres pièges d'interprétation causale des associations statistiques.

La deuxième partie du cours se concentre sur les méthodes économétriques permettant de faire des inférences causales, généralement vues plus robustes que les méthodes ordinaires: expériences randomisées, expériences naturelles, régressions par discontinuité, variables instrumentales.

Les données, le plus souvent des enquêtes INSEE, seront en général manipulées à l’aide du logiciel R (multi-plateforme, open-source et gratuit) et R studio.

Il est recommandé aux étudiants de venir avec leur ordinateur portable sur lesquels ils auront installé les packages suivants : tidyverse, vcd, vcdExtra, systemfit, AER, plm, pglm, lfe.

La validation est constituée d’un mémoire de quelques pages dans lequel l’étudiant mettra en œuvre sur des données les techniques apprises dans le cadre du cours.


Master


  • Sciences sociales-Quantifier en sciences sociales – M2/S3
    Suivi et validation – semestriel hebdomadaire = 6 ECTS
    MCC – autre (travail personel (mémoire de quelques pages))

Renseignements


Contacts additionnels
-
Informations pratiques

Il est recommandé aux étudiants de venir avec leur ordinateur portable sur lesquels ils auront installé R, Rstudio et les packages suivants : tidyverse, vcd, vcdExtra, systemfit, AER, plm, pglm, lfe.

Direction de travaux des étudiants
-
Réception des candidats
-
Pré-requis

Statististiques descriptives,

Tests,

Régressions linéaires et logistiques,

Notions du logiciel R