Licence 3ème année de sociologie Semestre 1

Présentation au sujet: "Licence 3ème année de sociologie Semestre 1"— Transcription de la présentation:

1 Licence 3ème année de sociologie Semestre 1
Analyse de données quantitatives Enseignant: F. Lebaron

2 Présentation de l’enseignant
Enseignant-chercheur à l’UPJV depuis Actuellement responsable du master et du laboratoire CURAPP-ESS. Domaines: sociologie économique, classes et inégalités sociales,méthodes quantitatives, épistémologie, sociologie politique. Me contacter: Permanences: les lundis 13h-14h & 18h-19h, bureau E225. Sur rendez-vous de préférence. Site Web:

3 Quelques informations sur vous (merci de remplir une fiche et de la déposer à l’enseignant à la fin du cours) Nom et prénom. Adresse électronique. Date et lieu de naissance. Adresse (en semaine). Lieu(x) et établissement(s) des études secondaires. Année, section, le cas échéant mention du Bac. Autres études post-bac éventuelles avant le L3. Etudes envisagées après le L3 de sociologie Projets professionnels. Intérêts particuliers en sociologie.

4 Pourquoi un enseignement sur l’analyse des données quantitatives ?
Origine de cet enseignement: introduction de la statistique dans le cursus de sociologie (années 60). La sociologie, « science de l’enquête » (vs « science du modèle »): les théories naissent de l’interprétation de données. Les limites de l’information « qualitative » (observation, entretien) et le besoin de données statistiques pour établir des lois ou régularités.

5 Procédure et interprétation statistique, interprétation sociologique
L’analyse des données quantitatives se situe après la construction d’une problématique, le recueil des données (collecte d’observations) et avant l’interprétation sociologique des données. Elle met en œuvre des procédures statistiques élémentaires (exemple: calcul d’une moyenne) ou plus sophistiquées (AC).

6 Faut-il aimer les maths ou être « fort en maths » pour faire de la sociologie quantitative ?
Non. Il faut avant tout du « bon sens », de la rigueur et de la curiosité intellectuelle. Les procédures élémentaires sont « naturelles », par opposition à « artificielles ». Examiner rigoureusement les données. En général, le chercheur ne met pas en œuvre « manuellement » toutes les étapes de la procédure statistique (surtout sophistiquée), mais il doit savoir interpréter statistiquement les résultats avant d’en proposer une interprétation sociologique.

7 Modalités d’évaluation
Contrôle continu. Un devoir sur table au cours du semestre (date à fixer) + un devoir à rendre à la fin du semestre. (Moyenne équipondérée). Feuille de présence. Pas plus de 2 absences injustifiées. Avoir une calculette.

8 Eléments de bibliographie générale
Henry Rouanet, Brigitte Le Roux, Marie-Claude Bert, Statistique en sciences humaines. Procédures naturelles, Paris, Dunod, 1986. Henry Rouanet, Brigitte Le Roux, Statistique en sciences humaines. Exercices & Solutions, Paris, Dunod, 1995. Frédéric Lebaron, L’enquête quantitative en sciences sociales, Paris, Dunod, 2006. Jean-Claude Combessie, La méthode en sociologie, Paris, La Découverte, 4ème éd., 2003.

9 Plan de l’enseignement
Séance 1: Introduction – éléments de vocabulaire statistique. Séance 2: Variables numériques. Les indices de tendance centrale. Séance 3: Variables numériques. Les indices de dispersion. La décomposition de la variance. Séance 4: Variables numériques. Les indicateurs d’inégalités et de bien-être (indice de Gini, IDH, etc.). Séance 5: Variables numériques. La corrélation linéaire. Séance 6: Variables numériques. Visualisations graphiques.

10 Plan de l’enseignement
Séance 7: Les variables catégorisées. Vocabulaire. Statistiques élémentaires. Séance 8: Les variables catégorisées. Visualisations graphiques. Séance 9: Les variables catégorisées. Les tableaux de contingence 1. Séance 10: Les variables catégorisées. Les tableaux de contingence 2.

11 Séance 1. Vocabulaire Individu: unité statistique. Peut-être une « personne » (ex: le répondant à un questionnaire) ou toute autre unité pertinente (établissement, entreprise, ménage, unité administrative, temporelle ou textuelle…). Identificateur ou identifiant: indice ou code désignant chaque individu. Population: ensemble d’individus, défini selon un critère. N: nombre d’individus de la population. Echantillon : sous-ensemble de la population.

12 L’univers observé Protocole: dossier de données individuelles (peut être univarié ou multivarié). Observation: donnée relative à un individu. Modalité: réponse à une question, catégorie d’une variable. Exemple: 28 ans à la question Age. Modalité observable: réponse possible. Modalité observée: réponse donnée.

13 Les types de variables Variable: application d’un ensemble d’individus I dans un ensemble de modalités observables K. Variable numérique: l’ensemble K est un ensemble de nombres. Exemple: âge mesuré en années révolues. [Quantitative. Continue / discrète]. La modalité est souvent appelée valeur. Variable catégorisée: l’ensemble K est un ensemble de catégories. Exemples: le sexe (deux modalités : homme / femme) ; l’âge en classes (moins de 20 ans, de 20 à 30 ans, plus de 30 ans). [Qualitative. Ordinale. Quantitative mise ne classe. Nominale. Amorphe.]

14 Les deux visées de la statistique
Visée descriptive: porte sur les données recueillies et elles seules. Les sociologues se contentent souvent de cet objectif, car ils travaillent sur des populations limitées et bien définies. Exemple: tous les étudiants de socio 1ère année à l’UPJV en Visée inductive: on veut conclure au-delà des données observées. Exemple: connaître l’opinion des Européens en enquêtant sur un échantillon de 27 fois environ mille nationaux résidents.

15 Les procédures statistiques
Statistique descriptive: toute statistique ne dépendant pas de la taille (n ou N) de l’échantillon ou de la population (précisément, la taille est placée au dénominateur de l’opération descriptive: exemples moyenne, fréquence). Statistique inférentielle: toute statistique dépendant de la taille (n ou N) de l’échantillon ou de la population. Elle permet de « passer » d’un échantillon à une population plus large (qu’elle soit réelle ou virtuelle). Elle est utilisée comme outil d’administration de la preuve, pour écarter le « hasard », pour « monter en généralité ».

16 Objectifs statistiques et sociologiques du cours
Savoir passer de questionnements sociologiques à un protocole de fabrication d’observations statistiques. Etre autonome dans la production des données. Etre capable de répondre aux questions de recherche à partir des résultats produits, en articulant interprétation statistique et interprétation sociologique.