THIBAUD DEGUILHEM
  • Research
  • Teaching
    • CC (ED 624)
    • ASA-R (M1)
    • AMA-R (M1)
    • ECON (L3)
  • DATALAB
  • Gallery
  • Research
  • Teaching
    • CC (ED 624)
    • ASA-R (M1)
    • AMA-R (M1)
    • ECON (L3)
  • DATALAB
  • Gallery
Search
 Corrélation vs. Causalité en Sciences Sociales
​
[CC-ED 624]
Picture

​Page du séminaire doctoral "Corrélation vs. Causalité en Sciences Sociales" [ED624]

​Vous retrouvez toutes les informations en ligne (news, support, calendrier, documents...) sur cette page dédiée au séminaire doctoral.
Présentation et objectifs pédagogiques

Ouvert à l'ensemble des doctorant-e-s inscrit-e-s au sein de l'ED 624 "Sciences des Sociétés", ce séminaire doctoral est pensé comme un cours introductif à l'analyse quantitative de la causalité et à ses limites pour les non-quantitativistes. A partir d'articles naviguant entre différents champs disciplinaires parmi les sciences sociales (sociologie, histoire, psychologie, économie...) et autour d'une question principale : "faut-il réduire la taille des classes à l'école primaire pour améliorer les performances des élèves ?", les doctorant-e-s seront en mesure : (i.) de définir, identifier et différencier une corrélation d'une relation causale, (ii.) de connaître les conditions nécessaires et les méthodes quantitatives (expérimentales et quasi-expérimentales) permettant d'étudier la causalité, (iii.) de porter un regard critique sur ces techniques soumises à de nombreuses limitations. Sans vouloir réaliser une présentation technique exhaustive des méthodes d'évaluations d'impact des programmes et des politiques publiques, ce cours se donne pour objectif pédagogique d'amener les étudiant-e-s à saisir et à interroger la mécanique générale des outils quantitatifs de plus en plus employés en sciences sociales pour les utiliser judicieusement pour ce qu'ils sont dans leur projet de thèse.

​
Ce séminaire doctoral ne nécessite aucun prérequis spécifique bien qu'une connaissance élémentaire des notions de statistique descriptive et inférentielle soit vivement conseillée.
​

​
Syllabus

Toutes les informations utiles concernant le cours se trouvent dans le syllabus
​
  • Objectifs pédagogiques
  • Plan avec les lectures conseillées en préparation du séminaire
  • Références​
[LINK]
Supports de cours et ressources


SEANCE 1 : INTRODUCTION A LA CORRELATION 
CONTRÔLEE

  1. Approches et méthodes quantitatives en sciences sociales​
  2. Modèles et modélisation
  3. Question des politiques éducative de réduction de la taille des classes​
  4. Modèle linéaire en coupe transversale : corrélation taille des classes et performances
  5. Biais de variable omise et modèle linéaire multiple
  6. Hypothèses du modèle et vérification

Lectures conseillées
Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition.
[Chapitre 3] [Chapitre 4]

​






​
Support de cours [LINK]


SEANCE 2 : CORRELATION ET INTRODUCTION DU TEMPS
​

  1. Corrélation contrôlée = Causalité ? Questions de validité interne et externe

Lectures conseillées      
​Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition. [Chapitre 5]

​Support de cours [LINK]
​

Applications de cours [LINK]

Fiche d'exercices 0 [LINK]


​​Compléments [LINK]


SENCE 3 : CAUSALITE A TRAVERS LE RAISONNEMENT CONTREFACTUEL
​
  1. Contrefactuel et indentification d'un lien causal
  2. Les Randomized Controlled Trials (RCT) comme "Gold Standard" de l'identification
  3. Limites des RCT : un idéal inatteignable ?
 
​Lectures conseillées
Agresti, A. (2017). Statistical methods for the social sciences. Pearson, Boston, 5th edition. [Chapitre 6]
​



​
Support de cours [LINK]​

Applications de cours [LINK]
SEANCES 4 & 5 : METHODES QUASI-EXPERIMENTALES D'IDENTIFICATION
​
  1. Méthodes par appariement : Propensity Score Matching
  2. Méthodes de doubles différences : DiD​
 
​Lectures conseillées
[EVAL-III Program]

Support de cours [LINK]

​
Applications de cours [LINK]
Références conseillées pour aller plus loin
​
  • Research
  • Teaching
    • CC (ED 624)
    • ASA-R (M1)
    • AMA-R (M1)
    • ECON (L3)
  • DATALAB
  • Gallery