Techniques quantitatives en sciences sociales - Séance 1 Introduction générale

Responsable de la séance : gabriel.alcaras@ens.fr

À la fin de ce cours, il faudra être capable de :

• Expliquer les concepts de base de la statistique et savoir les mettre en application
• Donner des exemples d'application des techniques statistiques étudiées
• Lire et critiquer un article de revue scientifique, un article de presse, etc.

Facultatif :

• Savoir manipuler des données avec le langage R

La validation comprend deux exercices, comptant chacun pour 50% de la note finale :

Quelques rappels d'ensemble

• “Mesurer” se rapporte à des faits dits “objectifs”. Exemple : mesurer une distance entre deux villes, un courant électrique, etc.
• “Quantifier” veut dire construire un modèle, avec des hypothèses sous-jacentes, pour saisir certains aspects de la réalité. Exemple : quantifier le chômage, les inégalités sociales, etc.
• Mais même une simple mesure implique de faire des choix (définition des termes, du dispositif expérimental, des unités de mesure).
• C'est d'autant plus vrai pour étudier des faits sociaux comme la “réussite scolaire”, le “bonheur”, etc.

• Rendre visible des phénomènes qui ne sont pas forcément perceptibles à l'échelle individuelle. Exemple : Le Suicide, inégalités salariales, etc.
• Décrire des faits sociaux complexes de manière synthétique (séance 3), et parfois visuelle (séance 8)
• Faire émerger des corrélations entre deux variables (séances 4, 5, 6)
• Démêler les influences de plusieurs variables sur une autre dans une approche causale (séance 7)
• Les dossiers vous donneront un aperçu de la diversité des approches possibles.

• Statistique “descriptive” : comptage, moyenne, etc.
• Statistique “inférentielle” : expliquer des phénomènes.

• 1789 : les premiers recensements des “citoyens actifs”
• 1835 : Quetelet, Sur l'homme et le développement de ses facultés, essai d'une physique sociale (théorie de “l'homme moyen”)
• 1894 : Durkheim, les Règles de la méthode sociologique

[…] c'est la méthode des variations concomitantes qui est l'instrument par excellence de la recherche en sociologie

• 1930 : Cowles commission, fondation acadamédique de l'économétrie
• 1960-70 : en histoire, l'école des Annales

Au tableau croisé de Durkheim dans Le Suicide en 1897 (toujours d'actualité) s'ajoutent…

… les méthodes de la statistique du XXème siècle : test d'hypothèses, coefficients de corrélation, régression, etc.

Construire une bonne base de données est très chronophage.

• Récupération des données
  • Bases publiques (INSEE, INED, CEREQ) ou privées
  • Questionnaires ad hoc (en ligne ou papier)
  • Quantification d'archives
  • Webcrawling (Le Bon Coin), API (Twitter), etc.
• Recodage (uniformiser les modalités)
• Sanity checks (traitement des incohérences dans les réponses)

Il est parfois possible de récupérer des bases déjà constituées. Exemples : statistique publique INSEE, réseau Quételet, chercheurs qui partagent leurs bases, fichier des employés d'une entreprise.

Beaucoup de recherches originales se fondent sur des questionnaires créés spécifiquement pour une problématique.

Une méthode moins courante que celle des questionnaires, mais qui est tout aussi intéressante. Exemples : travail sur le courrier du journal Le Monde (Boltanski, 1984), Claire Zalc en histoire, etc.

La récupération de données numériques est en plein essort, grâce à des algorithmes (webcrawling) ou des stratégies spécifiques (jeux Facebook). Exemples : étude Algopol sur Facebook, etc.

• Un langage de programmation spécialisé pour la statistique :
  • très puissant
  • relativement simple (pas à destination des informaticiens)
  • manipulations statistiques reproductibles
• Gratuit et ouvert
  • des extensions à foison (ggplot2, etc.)
  • une communauté active (en anglais et en français)
  • disponible sur tous les OS
• Utilisé à la fois par les chercheurs et l'industrie

• Des “commandes” R, à éxécution immédiate

1 + 1

[1] 2

• Une succession de commandes peut être enregistrée dans un fichier.R pour enregistrer le travail statistique
• Les données sont stockées dans un fichier à part (ex: donnees.csv) puis mises en mémoire dans R
• Un environnement de développement (avec interface graphique) recommandé : RStudio

Les compétences en R ne seront pas évaluées, mais nos présentations sont réalisées dans le format Rpres.

Elles contiennent à la fois le contenu du cours ET les commandes R utilisées.

À vous d'essayer de reproduire les résultats du cours !

Des fonctions très pratiques, comme summary.

summary(cars)

     speed           dist       
 Min.   : 4.0   Min.   :  2.00  
 1st Qu.:12.0   1st Qu.: 26.00  
 Median :15.0   Median : 36.00  
 Mean   :15.4   Mean   : 42.98  
 3rd Qu.:19.0   3rd Qu.: 56.00  
 Max.   :25.0   Max.   :120.00  

Réponse : en seulement trois lignes de code.

regression <- lm(dist ~ speed, data = cars)
plot(cars)
abline(regression)

Exemple : on veut normaliser nos variables (réduire la variance et centrer sur la moyenne).

# On décrit le processus une fois
normaliser <- function(variable) {
  varNorm = (variable - mean(variable)) / sd(variable);
  return(varNorm);
}

# On l'applique à nos variables d'un seul coup
cars$distNorm = normaliser(cars$dist)
cars$speedNorm = normaliser(cars$speed)

Pour la semaine prochaine :

• Avoir constitué les groupes ET avoir choisi son thème pour la synthèse critique
• Séance #2 : initiation au vocabulaire des statistiques