Méthodes de regression multiple
Jérôme Deauvieau, professeur ENS.
Semestre 2, 30 h, 6 ECTS.
Ce cours appartient au tronc commun du master de sciences sociales (PSL-ENS / EHESS). Il est obligatoire pour les étudiants inscrits en master 1 dans le parcours « Quantifier en sciences sociales » et fait partie du cycle méthodes du parcours « Pratiques de l’interdisciplinarité dans les sciences ». Il est également ouvert, dans la limite des places disponibles, aux élèves et étudiants de l’ENS et sur demande aux étudiants des autres masters de PSL et de l’EHESS.
Inscription obligatoire (prendre contact avec l’enseignant responsable).
Pré-requis : avoir des connaissances de base en statistique et maniement du logiciel R. Les étudiants doivent installer sur un ordinateur portable R et Rstudio (voir par exemple https://juba.github.io/tidyverse/01-presentation.html). Avoir accès à Internet pendant les séances, par exemple par le biais d’Eduroam.
Description du cours
L’objectif de ce cours est de former les étudiants à la pratique des méthodes de régression en sciences sociales, traditionnellement utilisées pour étudier les liens entre une variable à expliquer et un ensemble de variables explicatives. Le cours débute par une présentation du modèle linéaire (régression linéaire simple et multiple), puis se poursuit par l’étude de la régression logistique – permettant d’appliquer le raisonnement linéaire dans le cadre de variables à expliquer catégorielles - et ses divers développements (modélisation logit dichotomique, modélisation polytomique, effets d’interaction, comparaison entre modèles, etc…).
Le cours est construit sur une présentation des principes de fonctionnement des méthodes et des controverses épistémologiques et méthodologiques qu’elles ont suscitées, puis sur des mises en œuvre sur données de la statistique publique en utilisant le logiciel R.
Organisation de l’année
De janvier à avril 2025, 10 séances de 3h, Campus Jourdan. Le jeudi matin, de 9h à 12h, Campus Jourdan salle R3-46.
Dates : 23/01/2025 ; 30/01/2025 ; 06/02/2025 ; 13/02/2025 ; 20/02/2025 ; 13/03/2025 ; 20/03/2025 ; 27/03/2025 ; 03/04/2025 ; 10/04/2025.
Validation : assiduité complète et exercices réguliers