Table des matières
Préface
Avant-propos de la deuxième édition
Chapitre 1 : Comment construire une recherche empirique
1.1 Introduction
1.2 Formulation du problème
1.2.1 Un problème doit être motivé
1.2.2 Un problème s’énonce sous forme de question
1.3 Cadre opératoire
1.3.1 L’hypothèse
1.3.2 L’unité d’analyse
1.3.3 La variable
1.3.4 L’indicateur
1.4 Structuration de la preuve
1.5 Cueillette des données
1.6 Analyse des données
1.7 Lectures recommandées
1.7.1 Méthodologie de la recherche
1.7.2 Manuels d’introduction aux statistiques
Chapitre 2 : L’analyse exploratoire univariée
2.1 Introduction
2.2 La mise en ordre des observations
2.3 Les sommaires numériques
2.3.1 Les mesures de tendance centrale
2.3.2 Les mesures de position
2.3.3 Les mesures de dispersion
2.3.4 Les mesures de la forme d’une distribution
2.4 La représentation graphique des données univariées
2.4.1 La tableau de distribution de fréquences (histogramme)
2.4.2 Les diagrammes en « boîte à moustaches »
2.4.3 Le diagramme quantile
2.4.4 Quelques principes de représentation graphique
2.5 Mise en garde à propos des variables binaires et des séries temporelles
2.6 La transformation des données et l’étude exploratoire des données transformées
2.6.1 Règles générales de la transformation
2.6.2 Règles particulières de la transformation
2.6.3 Logarithmes dans la base 10
2.6.4 La division par paquets des données transformées
2.7 Approche confirmatoire
2.7.1 Propriétés d’une distribution normale
2.7.2 Scores standardisés (scores Z)
2.7.3 Distributions d’échantillonnages
2.7.4 Intervalles de confiance
2.8 Lectures recommandées
Chapitre 3 : La régression linéaire simple
3.1 Introduction
3.2 Constatations préliminaires
3.2.1 Association ne veut pas dire causalité
3.2.2 Relation inexacte nécessitant un ajustement
3.2.3 Relation linéaire
3.3 Concepts de l’analyse exploratoire bivariée et de la régression linéaire simple
3.3.1 La droite des moindres carrés
3.3.2 Coefficient de détermination (R2)
3.3.3 Le coefficient de corrélation
3.4 Exemple d’ajustement linéaire : la relation entre mortalité infantile et dépenses en santé
3.4.1 Le diagramme de dispersion
3.4.2 Droites d’ajustement
3.4.3 Élasticité
3.5 Validation du modèle de régression par l’étude des résidus
3.5.1 Présentation graphique des résidus de régression
3.5.2 Analyse des résidus
3.5.3 Que faire des valeurs extrêmes ?
3.6 Estimation des paramètres et inférence
3.6.1 Test de signification du coefficient de régression
3.6.2 Test de signification simplifié
3.6.3 Test de signification du coefficient de corrélation
3.6.4 Interprétation des résultats
Lectures recommandées
Chapitre 4 : Régression linéaire multiple
4.1 Introduction
4.2 Principes de régression multiple
4.2.1 Exemple avec trois variables
4.2.2 Étude de la relation causale
4.2.3 Contrôle statistique
4.3 Combien de variables indépendantes ?
4.3.1 Exemple avec quatre variables
4.3.2 Le R2 adjusté
4.3.3 Mesure de l’impact relatif des variables indépendantes : le coefficient de régression standardisé
4.3.4 Multicolinéarité
4.3.5 Sélection automatique des variables d’un modèle
4.4 Interaction entre variables explicatives
4.4.1 Différentes techniques pour tester les effets d’interaction
4.4.2 Impact d’une variable dichotomique sur l’ordonnée à l’origine
4.4.3 Impact d’une variable dichotomique sur la pente de régression
4.4.4 Impacts d’une variable dichotomique à la fois sur la pente et sur l’ordonnée à l’origine
4.5 Notions avancées
4.5.1 Modèles avec variables instrumentales et systèmes d’équations
4.5.2 Bootstrapping
4.5.3 Modélisation des relations non-linéaires
4.6 Lectures recommandées
Chapitre 5 : Séries temporelles
5.1 Introduction
5.2 L’autocorrélation
5.2.1 Comment diagnostiquer l’autocorrélation ?
5.2.2 Modèle autorégressif
5.3 La stationnarité
5.3.1 Comment vérifier le postulat de stationnarité
5.3.2 Transformation des données par la méthode des différences
5.4 Exemple : la croissance économique et les dépenses du gouvernement fédéral canadien
5.4.1 Transformation des données par la méthode Prais-Winsten
5.5 Notions avancées
5.5.1 Variables à la traîne
5.5.2 Modèles autorégressifs d’ordre supérieur
5.5.3 Prévisions (forecasting)
5.5.4 Co-intégration
5.6 Données avec variation spatio-longitudinale
5.7 Lectures recommandées
Chapitre 6 : L’analyse de régression logistique
6.1 Introduction
6.2 Problèmes avec la régression linéaire
6.3 La transformation logit
6.4 La régression logistique binaire
6.4.1 Coefficients de régression logistique
6.4.2 Tests d’adéquation d’ensemble du modèle
6.4.3 Analyse des résidus
6.5 La régression logistique multinomiale
6.6 La régression logistique ordonnée
6.7 Notions avancées
6.7.1 La régression logistique conditionnelle
6.7.2 L’indépendance des solutions non pertinentes
6.7.3 Les autres modèles de maximum de vraisemblance
6.8 Lectures recommandées
Annexes : Tableaux statistiques
Annexe 1. Distribution du t
Annexe 2. Distribution du F
Annexe 3. Distribution du chi-carré
Annexe 4. Distribution normale (Z)
Annexe 5. Durbin-Watson
Annexe 6. Table de Dickey-Fuller
Index