Analyse causale et méthodes quantitatives : une introduction avec R, Stata et SPSS

Abstract

L'analyse causale est une des tâches principales du scientifique. Un criminologue évalue l'effet d'une sentence sur la probabilité qu'un condamné récidive. Une économiste mesure l'effet de la discrimination raciale sur les perspectives d'emploi d'un immigrant. Un politologue étudie l'effet des médias sociaux sur la popularité des partis d'extrême droite. Une spécialiste du marketing jauge l'effet d'une campagne publicitaire sur les choix des consommateurs. Malheureusement, démontrer l'existence de telles relations est difficile, puisque de nombreux phénomènes sociaux ou physiques sont fortement associés, sans être liés par une relation de cause à effet. La distinction entre association et causalité est une des pierres d'assise de la démarche scientifique. Pourtant, cette distinction est souvent ignorée dans la vie de tous les jours, quand des arguments causaux sont défendus sur la base de simples observations descriptives. Cette différence est aussi passée sous silence dans la formation méthodologique que plusieurs étudiants reçoivent à l'université. Trop souvent, les manuels de méthodes quantitatives ignorent la question causale, ou recommandent d'interpréter les résultats d'un modèle statistique en termes causaux, alors qu'ils sont corrélationnels. Pour remédier à ce problème, ce livre offre une introduction intégrée aux méthodes quantitatives et à l'analyse causale. En plus de présenter les outils nécessaires pour exécuter des analyses statistiques, il offre un cadre théorique simple et rigoureux pour interpréter les résultats de ces analyses. Ce cadre théorique permet d'identifier les conditions qui doivent être réunies afin que l'interprétation causale de nos résultats soit justifiée.