Modèles statistiques en sciences humaines et sociales
Plan de l’exposé 1-Introduction sur les modèles statistiques. 2-Régressions linéaires simples ou bi variés. 3-Régressions linéaires multiples. 4-Régressions non linéaires. Plan de l’exposé
1-INTRODUCTION
Les grands domaines des statistiques Statistique descriptive: Tableaux, graphiques, indicateurs mathématiques,… (AMETICE-TCPRUE11) Statistique confirmatoire: évalue la probabilité pour qu’un résultat empirique obtenu soit du au hasard (Student, Khi2, tests de corrélation, ANOVA,…) (AMETICE-TCPRUE21) Statistique exploratoire: Analyse Composante Principales, Analyse Factorielle des Correspondances,… Modélisation Statistique: objet de la présentation… Les grands domaines des statistiques
C’est quoi un modèle Statistique? On étudie un phénomène dont on suppose qu’il dépend de n variables. On cherche à exprimer une variable Y (variable expliquée) en fonction des n-1 autres variables Xi (variables explicatives). On part des données empiriques prélevées sur un échantillon pour établir cette relation. On établit les lois qui permettent d’étendre le résultat à toute la population. C’est quoi un modèle Statistique?
Modèles en sciences exactes Modèles en sciences exactes
Modèles en sciences humaines et sociales Modèles en sciences humaines et sociales
Modèles en sciences humaines et sociales Modèles en sciences humaines et sociales
REMARQUE: Variables « fortes » variables « faibles » Quand on veut « modéliser » un phénomène en SHS il faut commencer par « retenir » les variables qui agissent sur le phénomène. On dira qu’il y a des variables « fortes » qui doivent obligatoirement être prises en compte dans le modèle et des variables « faibles » souvent non identifiées qui agiront à travers le terme aléatoire. REMARQUE: Variables « fortes » variables « faibles »
Le nuage de points empirique 2D Par exemple une expérimentation conduit à des prélèvements 2D (xi, yi) auprès de n individus. A chaque individu est associé en point (xi, yi) dans le plan. On obtient un nuage de points. Si ce nuage s’organise autour d’une courbe… Le nuage de points empirique 2D
Nuage de point-Courbe de régression … vouloir modéliser le phénomène consiste d’abord à déterminer l’équation de la courbe qui représente « au mieux » le nuage de points empiriques. Cette courbe est une « courbe moyenne » qui reflète en moyenne le lien entre les deux variables pour les points de l’échantillon. Il arrive que le nuage de point soit très dispersé. Dans ce cas il n’y a pas de courbe moyenne représentative et donc pas de lien entre les variables étudiées. Nuage de point-Courbe de régression
Un exemple
Régressions multiples Régressions multiples
Régression Linéaire
Plan de l’exposé 1-Introduction sur les modèles statistiques. 2-Régressions linéaires simples ou bi variés. 3-Régressions linéaires multiples. 4-Régressions non linéaires. Plan de l’exposé
2- REGRESSION LINEAIRE SIMPLE: 2-1 Problème posé dans un échantillon: 2-1-1 Estimation des paramètres de la droite de régression. 2-1-2 Qualité de la représentation. 2-2 Inférence de la régression d’échantillon sur l’ensemble de la population. Plan de la partie 2.
Prélèvement et nuage de point Prélèvement et nuage de point
Principe: Méthode MCO
Expression des estimateurs Expression des estimateurs
On cherche la relation qui existe, dans une région donnée, entre le prix des terrains (PRIX=Y) et la superficie des terrains (SUPERF=X) Exemple: fil rouge…
Exemple: Fil rouge
Les points du nuages ne sont généralement pas sur la droite Les points du nuages ne sont généralement pas sur la droite. On définit le résidu empirique. Résidus empiriques ei
Les résidus
Somme des carrés des résidus Somme des carrés des résidus
2- REGRESSION LINEAIRE SIMPLE: 2-1 Problème posé dans un échantillon: 2-1-1 Estimation des paramètres de la droite de régression. 2-1-2 Qualité de la représentation. 2-2 Inférence de la régression d’échantillon sur l’ensemble de la population. Plan de la partie 2.
Qualité de la représentation Quel que soit le nuage de point les MCO donnent toujours une solution. - Il faut un ou des indicateurs de qualité de la représentation… Qualité de la représentation
Qualité de la représentation Pour s’assurer de la qualité de la représentation il faut répondre à deux questions: Le lien entre les variables est il « avéré »? En d’autres termes: la relation existe-t-elle vraiment? Quel est le pourcentage d’explication de l’action de la variable explicative sur l’évolution de la variable expliquée? Qualité de la représentation
Le lien entre les variable est il avéré. Remarque préalable: Une droite horizontale exprime l’absence totale de lien entre les deux variables prises en compte. Y Y=0X+b X Quelque soit X, Y ne change pas Le lien entre les variable est il avéré.
Le lien entre les variable est il avéré? Le lien entre les variable est il avéré?
Le lien entre les variable est il avéré? Le lien entre les variable est il avéré?
Explicativité du modèle- Coefficient de détermination Explicativité du modèle- Coefficient de détermination
Explicativité du modèle- Coefficient de détermination Explicativité du modèle- Coefficient de détermination
Remarque à partir de l’analyse de la variance. Remarque à partir de l’analyse de la variance.
La superficie explique 73,53% de la variance du prix des terrains dans la région étudiée…Plus du quart du prix s’explique autrement. (Calcul EXCEL) Exemple: Fil rouge
Que faut il maitriser pour en arriver la? Représentation plane d’un nuage de points et équation d’une droite dans un plan. Notion de moyenne, variance, covariance et corrélation pour les données expérimentales prélevées sur un échantillon. Utilisation d’EXCEL… C’est le contenu de l’UE11 du M1 recherche Que faut il maitriser pour en arriver la?
Plan de la partie 2. 2- REGRESSION LINEAIRE SIMPLE: 2-1 Problème posé dans un échantillon aléatoire. 2-2 Inférence de la régression d’échantillon sur l’ensemble de la population. 2-1 Position du problème- échantillonnage aléatoire. 2-2 Estimation des paramètres de régression pour la population. 2-3 Intervalle de confiance. Plan de la partie 2.
Position du problème (1) Nous avons travaillé sur un échantillon pris au hasard. Si l’on avait choisit un autre échantillon les paramètres obtenus (a, b, SCR) auraient été différents. On doit admettre que le «l’échantillonnage» a influencé le résultat. On doit introduire la notion de « statistique d’échantillonnage » due au hasard de l’échantillonnage. Position du problème (1)
Statistique d’échantillonnage. Statistique d’échantillonnage.
Plan de la partie 2. 2- REGRESSION LINEAIRE SIMPLE: 2-1 Problème posé dans un échantillon aléatoire 2-2 Inférence de la régression d’échantillon sur l’ensemble de la population. 2-1 Position du problème- échantillonnage aléatoire. 2-2 Estimation des paramètres de régression pour la population. 2-3 Intervalle de confiance. Plan de la partie 2.
ON A a, b ,SCR dans l’échantillon…on met quoi si l’on veut étendre à toute la population…. Quel est le prix à payer
Régression dans la population Régression dans la population
Estimation sans biais…biaisée Valeurs de Y pour un x donné pour des échantillons différents Si l’estimation est sans biais la valeur tourne autour de la valeur cible Si l’estimation est biaisée la valeur tourne autour d’une autre valeur x x x x x x x x x x x x x Estimation sans biais…biaisée
Hypothèses sur la distribution des erreurs aléatoires Hypothèses sur la distribution des erreurs aléatoires
H1: Les distributions sont centrées Conséquences des hypothèses H1, H2, H3 H1: Les distributions sont centrées H2: Les distribution ont même variance H3: Les distributions sont indépendantes
Des compléments de calcul Des compléments de calcul
Plan de la partie 2. 2- REGRESSION LINEAIRE SIMPLE: 2-1 Problème posé dans un échantillon aléatoire 2-2 Inférence de la régression d’échantillon sur l’ensemble de la population. 2-1 Position du problème- échantillonnage aléatoire. 2-2 Estimation des paramètres de régression pour la population. 2-3 Intervalle de confiance. Plan de la partie 2.
Position du problème:
T de Student…
T de Student tend vers la LNCR
T Student
Intervalle de confiance de la droite de régression Intervalle de confiance de la droite de régression
Intervalle de confiance de la droite de régression de la population
Hyperboles de confiances
Exemple: fil rouge
Plan de l’exposé 1-Introduction sur les modèles statistiques. 2-Régressions linéaires simples ou bi variés. 3-Régressions linéaires multiples. 4-Régressions non linéaires. Plan de l’exposé
3-Régressions linéaires multiples: 3-1 Régression linéaire 3-D 3-2 régression Linéaire Multi-D 3-3 Une ou plusieurs variables explicatives sont qualitatives Plan de la partie 3
Dans cette partie nous nous limitons à une présentation générale du cas 3-D. Suffisante toutefois pour apprécier les différences de fond avec le cas 2- D. Pour le reste les grandes lignes restent les mêmes que dans le cas 2-D avec toutefois des difficultés supplémentaires dues à une plus grande complexité du formalisme calculatoire. On cherche une relation du type: z= a x + b y +c z (variable expliquée), x et y (variables explicatives) Position du problème
Z=a x + b y + c x di zi x Mi yi xi Un point du nuage en 3-D
Principe du calcul des paramètres Principe du calcul des paramètres
Calcul des paramètres
Analyse théorique de la variance Analyse théorique de la variance
Qualité de la représentation Coefficient de détermination Qualité de la représentation Coefficient de détermination
Exemple 3D Math=1,1999xPhys-0,1837xFrancais- 0,2408 R2= 0,99627 élèves z:Math x:Phys y:Francais z=ax+by+c 1 6 5 2 8 cov(x,y)= 4,0617284 3 7 11 cov(x,z)= 9,86296296 4 14,5 14,4 15,5 cov(y,z)= 2,65740741 14 12 10 5,5 a= 1,19991178 13 12,5 8,5 b= -0,18374716 9 9,5 c= -0,24082915 moyenne 9,66666667 9,82222222 10,2222222 variance 11,3888889 8,8417284 12,0617284 Math=1,1999xPhys-0,1837xFrancais- 0,2408 R2= 0,99627 R2 corrigé= 0,99502501 Exemple 3D
R2 cumulé= 1,0174 élèves z:Math x:Phys y:Francais 1 6 5 2 8 3 7 11 4 14,5 14,4 15,5 14 12 10 5,5 13 12,5 8,5 9 9,5 moyenne 9,66666667 9,82222222 10,2222222 variance 11,3888889 8,8417284 12,0617284 R2 cumulé= 1,0174
3-Régressions linéaires multiples: 3-1 Régression linéaire 3-D 3-2 régression Linéaire Multi-D 3-3 Une ou plusieurs variables explicatives sont qualitatives Plan de la partie 3
Régression Multi-D
Régression multi-D
Détermination des paramètres de la régression Détermination des paramètres de la régression
Formalisme matriciel
La qualité de la représentation s’apprécie de la même façon avec le coefficient de détermination ou avec sa version corrigée. L’inférence s’effectue de la même façon… Mais la complexité et la lourdeur des calculs impose l’utilisation de logiciels spécialisés…pas toujours évidents à manipuler car les démos son peu claires….
3-Régressions linéaires multiples: 3-1 Régression linéaire 3-D 3-2 régression Linéaire Multi-D 3-3 Une ou plusieurs variables explicatives sont qualitatives 3-3-1 Cas de variables dichotomiques 3-3-2 Cas de variables Polytomiques Plan de la partie 3
Cas 2-D variable explicative quantitative. Cas 2-D variable explicative quantitative.
Cas 3-D une variable explicative est qualitative dichotomique Cas 3-D une variable explicative est qualitative dichotomique
Jugement SCORE
Cas 4-D deux variables qualitatives dichotomiques Cas 4-D deux variables qualitatives dichotomiques
Cas 4-D deux variables qualitatives dichotomiques-Pouvoir explicatif Débat sur pouvoir explicatif…pp123 Cas 4-D deux variables qualitatives dichotomiques-Pouvoir explicatif
3-Régressions linéaires multiples: 3-1 Régression linéaire 3-D 3-2 régression Linéaire Multi-D 3-3 Une ou plusieurs variables explicatives sont qualitatives 3-3-1 Cas de variables dichotomiques 3-3-2 Cas de variables Poly-tomiques Plan de la partie 3
Variables polytomiques Dans le cadre de la même étude sur le jugement (J) porté par les enseignants sur les élèves les premières variables prises en compte étaient: le score (S), le retard scolaire (R). On prend à présent en compte l’origine sociale au travers de la CSP du père qui comprend 6 modalités. ARTI, INTER, EMPL, OUVR, AUTR, CADRE/PROF LIB Variables polytomiques
(6-1) Variables muettes ARTI INTER EMPL OUVR AUTR 6 Modalités Art/commerçant 1 Intermédiaire Employé Ouvrier Autre Cadre sup/prof lib On définit (6-1)=5 variables muettes la 6ieme modalité sert de « référence »
Variables polytomiques On doit procéder de la sorte car sinon les 6 variables muettes sont dépendantes linéairement et cela n’est pas toléré par le modèle. La 6ième modalité intervient indirectement par le fait que les réponses aux 5 premières variables muettes dépendent des réponses à la sixième modalité: « imaginer le cas limite où tous les pères sont cadre ou profession libérale » Variables polytomiques
On obtient 6 plans parallèles un par CSP On obtient 6 plans parallèles un par CSP
On obtient 6 plans // un par CSP On obtient 6 plans // un par CSP
Plan de l’exposé 1-Introduction sur les modèles statistiques. 2-Régressions linéaires simples ou bi variés. 3-Régressions linéaires multiples. 4-Régressions non linéaires. Plan de l’exposé
Plan de la partie 4 4-Régressions non linéaires. 4-1 Par changement de variable 4-2 Moindres carrés pour dépendance polynomiale 4-3 Traitement par morceaux linéaires. 4-3 Notion d’interaction-Variable modératrices Plan de la partie 4
Changement de variables Changement de variables
Plan de la partie 4 4-Régressions non linéaires. 4-1 Par changement de variable 4-2 Moindres carrés pour dépendance polynomiale 4-3 Traitement par morceaux linéaires. 4-4 Notion d’interaction-Variable modératrices Plan de la partie 4
Dépendance polynomiale bivariée Dépendance polynomiale bivariée
Plan de la partie 4 4-Régressions non linéaires. 4-1 Par changement de variable 4-2 Moindres carrés pour dépendance polynomiale 4-3 Traitement par morceaux linéaires. 4-4 Notion d’interaction-Variable modératrices Plan de la partie 4
Interaction /Variables modératrices Il y a « interaction » quand l’effet d’une variable sur une autre est sous l’influence d’une 3ième variable. X1 X2 Y Interaction /Variables modératrices
Interaction /Variables modératrices Interaction /Variables modératrices