L’inférence causale - Historique des versions

Arthur le 11 juin 2019 à 21:38

2019-06-11T21:38:38Z

← Version précédente		Version du 11 juin 2019 à 23:38
Ligne 1 :		Ligne 1 :
	Dans l’inférence causale nous tentons de démontrer que certains éléments sont les causes des effets que nous observons. ~~Etant~~ donné que nous n’observons que rarement, voire jamais, le lien direct de cause à effet, nous devons faire une inférence. La façon de procéder dans une telle inférence dépend fortement de l’approche de causalité que nous adoptons. À nouveau, notre inférence causale sera incertaine.		Dans l’inférence causale nous tentons de démontrer que certains éléments sont les causes des effets que nous observons. Étant donné que nous n’observons que rarement, voire jamais, le lien direct de cause à effet, nous devons faire une inférence. La façon de procéder dans une telle inférence dépend fortement de l’approche de causalité que nous adoptons. À nouveau, notre inférence causale sera incertaine.

	Une grande partie des travaux scientifiques ont une visée d'inférence causale en offrant l'explication à certains phénomènes. Certains auteurs argumentent que l'on peut faire une distinction entre d'un côté des tentatives d'explication de certains phénomènes et de l'autre côté leur compréhension. Les sciences humaines auraient plutôt une vision de compréhension. Comme on n'observe quasiment jamais le lien direct entre la cause et l'effet, on fait une inférence. La façon de faire cette inférence dépend fortement de l'approche choisie. Par exemple, si un crime a été commis, le juge doit faire une inférence sur la personne qui l'a tuée, inférence qui est incertaine car sur la base des informations à disposition, on peut incriminer un innocent.		Une grande partie des travaux scientifiques ont une visée d'inférence causale en offrant l'explication à certains phénomènes. Certains auteurs argumentent que l'on peut faire une distinction entre d'un côté des tentatives d'explication de certains phénomènes et de l'autre côté leur compréhension. Les sciences humaines auraient plutôt une vision de compréhension. Comme on n'observe quasiment jamais le lien direct entre la cause et l'effet, on fait une inférence. La façon de faire cette inférence dépend fortement de l'approche choisie. Par exemple, si un crime a été commis, le juge doit faire une inférence sur la personne qui l'a tuée, inférence qui est incertaine car sur la base des informations à disposition, on peut incriminer un innocent.
Ligne 9 :		Ligne 9 :
	*approche contrefactuelle : « No effect when the cause is absent in the most similar world where the cause is present as required by the counterfactual approach ». Lorsque l'on observe l'effet et la cause, on s'imagine un monde qui est le plus similaire que possible au monde, on imagine la présence de la cause et de l'effet. Ce monde similaire se scinde seulement par la non présence de la cause. Par exemple, pour expliquer la Deuxième guerre mondiale, il ne faut pas oublier que le premier pays à mobiliser ses troupes fut la Pologne en 1939 et que ce fut cette mobilisation qui déclencha la Deuxième guerre mondiale, et non l'Allemagne nazie. En suivant l'approche contrefactuelle, on suppose que la Pologne n'ait pas mobilisé en mars 1939 ses troupes, est-ce que cela aurait amené l'Allemagne à ne pas attaquer. La Deuxième guerre mondiale aurait-elle eu lieu ? Il est évident que oui, et donc on peut stipuler que la mobilisation en Pologne n'est pas la cause de la Deuxième guerre mondiale.		*approche contrefactuelle : « No effect when the cause is absent in the most similar world where the cause is present as required by the counterfactual approach ». Lorsque l'on observe l'effet et la cause, on s'imagine un monde qui est le plus similaire que possible au monde, on imagine la présence de la cause et de l'effet. Ce monde similaire se scinde seulement par la non présence de la cause. Par exemple, pour expliquer la Deuxième guerre mondiale, il ne faut pas oublier que le premier pays à mobiliser ses troupes fut la Pologne en 1939 et que ce fut cette mobilisation qui déclencha la Deuxième guerre mondiale, et non l'Allemagne nazie. En suivant l'approche contrefactuelle, on suppose que la Pologne n'ait pas mobilisé en mars 1939 ses troupes, est-ce que cela aurait amené l'Allemagne à ne pas attaquer. La Deuxième guerre mondiale aurait-elle eu lieu ? Il est évident que oui, et donc on peut stipuler que la mobilisation en Pologne n'est pas la cause de la Deuxième guerre mondiale.
	*cause manipulée : « An effect after a cause is manipulated ». On observe de tels effets après avoir manipulé la cause. Cela suppose des expérimentations. C’est l’approche la plus puissante entre terme d’inférence causale. Dans le domaine internationale et les sciences sociales, c’est une approche est problématique. Il n’y a qu’en psychologie qu’on arrive à utiliser cette approche de manière systématique.		*cause manipulée : « An effect after a cause is manipulated ». On observe de tels effets après avoir manipulé la cause. Cela suppose des expérimentations. C’est l’approche la plus puissante entre terme d’inférence causale. Dans le domaine internationale et les sciences sociales, c’est une approche est problématique. Il n’y a qu’en psychologie qu’on arrive à utiliser cette approche de manière systématique.
	*mécanismes : « Activities and processes linking causes and effects required by the mechanism approach ». Quels sont les processus qui lient les causes avec les effets ? On essaie de spécifier exactement ce qui se passe entre la cause et l'effet en ~~terme~~ de mécanismes. On observe deux démocratie et la paix. Que se passe t-il entre ces deux observations ?		*mécanismes : « Activities and processes linking causes and effects required by the mechanism approach ». Quels sont les processus qui lient les causes avec les effets ? On essaie de spécifier exactement ce qui se passe entre la cause et l'effet en termes de mécanismes. On observe deux démocratie et la paix. Que se passe t-il entre ces deux observations ?

	:::::::𝑑𝑒𝑢𝑥 𝑑é𝑚𝑜𝑐𝑟𝑎𝑡𝑖𝑒𝑠 →^? →^? →^? →^? → 𝑝𝑎𝑖𝑥		:::::::𝑑𝑒𝑢𝑥 𝑑é𝑚𝑜𝑐𝑟𝑎𝑡𝑖𝑒𝑠 →^? →^? →^? →^? → 𝑝𝑎𝑖𝑥

	Le simple fait de constater que deux phénomènes se produisent ensemble ne signifie pas ~~forcement~~ un lien de causalité. On essaie de spécifier en détail qui fait qu’une cause provoque un effet. Si on développe une chaine de causalité, on arrive à identifier différents maillons. Pour démontrer, on est forcé de faire une inférence de type causale. Le fait de spécifier uniquement les mécanismes n’est pas ~~forcement~~ convaincant pour mettre en évidence une relation de cause à effet. Une grande partie des recherches dans le domaine des relations internationales s’appuie sur l’idée d’analyser un monde très similaire où la cause n’est pas présente. Lorsqu’on fait l’observation de pays démocratiques qui ne rentrent pas en guerre, on essaie de faire des exemples contrefactuels afin de voir si l’absence de la cause pour la paix, le fait qu’il y ait deux démocraties, fait que le risque de guerre est plus élevé. On peut soit s’imaginer un monde différent où la cause n’est pas présente ou de trouver les contrefaits où la cause n’est pas présente.		Le simple fait de constater que deux phénomènes se produisent ensemble ne signifie pas forcément un lien de causalité. On essaie de spécifier en détail qui fait qu’une cause provoque un effet. Si on développe une chaine de causalité, on arrive à identifier différents maillons. Pour démontrer, on est forcé de faire une inférence de type causale. Le fait de spécifier uniquement les mécanismes n’est pas forcément convaincant pour mettre en évidence une relation de cause à effet. Une grande partie des recherches dans le domaine des relations internationales s’appuie sur l’idée d’analyser un monde très similaire où la cause n’est pas présente. Lorsqu’on fait l’observation de pays démocratiques qui ne rentrent pas en guerre, on essaie de faire des exemples contrefactuels afin de voir si l’absence de la cause pour la paix, le fait qu’il y ait deux démocraties, fait que le risque de guerre est plus élevé. On peut soit s’imaginer un monde différent où la cause n’est pas présente ou de trouver les contrefaits où la cause n’est pas présente.

	Dans ''Causation. A Unified Framework for the Social Sciences''<ref>Gerring, J. (2005). Causation: A unified framework for the social sciences. Journal of Theoretical Politics, 17(2), 163-198.</ref> publié en 2005, Gerring plaide pour une vision universelle de la causalité en s’appuyant sur la définition suivante : « [...] a cause raises the probability of an event occurring ». Cette définition est très proche de celle employée dans la littérature récente sur la causalité probabiliste notamment par Pearl dans Causality publié en 2001. Ainsi, les différentes approches pour étudier la causalité comme celles de Brady sont liées à la stratégie empirique utilisée pour démontrer le lien de cause à effet.		Dans ''Causation. A Unified Framework for the Social Sciences''<ref>Gerring, J. (2005). Causation: A unified framework for the social sciences. Journal of Theoretical Politics, 17(2), 163-198.</ref> publié en 2005, Gerring plaide pour une vision universelle de la causalité en s’appuyant sur la définition suivante : « [...] a cause raises the probability of an event occurring ». Cette définition est très proche de celle employée dans la littérature récente sur la causalité probabiliste notamment par Pearl dans Causality publié en 2001. Ainsi, les différentes approches pour étudier la causalité comme celles de Brady sont liées à la stratégie empirique utilisée pour démontrer le lien de cause à effet.

Arthur : /* L’approche quasi-expérimentale */

2017-01-23T12:25:30Z

L’approche quasi-expérimentale

← Version précédente		Version du 23 janvier 2017 à 14:25
Ligne 62 :		Ligne 62 :

	Une première « correction » tente de contrôler la relation qui nous intéresse pour des variables qui pourraient perturber notre inférence causale. La variable indépendante qu’on cherche à expliquer est 𝑦, 𝑥 est le genre 𝑢 est le terme d’erreur. Ainsi, on passe de :		Une première « correction » tente de contrôler la relation qui nous intéresse pour des variables qui pourraient perturber notre inférence causale. La variable indépendante qu’on cherche à expliquer est 𝑦, 𝑥 est le genre 𝑢 est le terme d’erreur. Ainsi, on passe de :
	:<math>𝑦 = ~~𝛽_0~~ + ~~𝛽_1𝑥~~ + 𝑢</math>		:<math>y = \beta _0 + \beta _1x + u</math>
	à		à
	:<math>𝑦 = 𝛽_0 + 𝛽_1𝑥_1 + 𝛽_2𝑥_2 ... + 𝑢</math>		:<math>𝑦 = 𝛽_0 + 𝛽_1𝑥_1 + 𝛽_2𝑥_2 ... + 𝑢</math>

Arthur : /* Références */

2017-01-23T12:24:03Z

Références

← Version précédente		Version du 23 janvier 2017 à 14:24
Ligne 140 :		Ligne 140 :
	[[Category:Amal Tawfik]]		[[Category:Amal Tawfik]]
	[[Category:2014]]		[[Category:2014]]
			[[Category:Université de Genève]]

Arthur : /* L’approche quasi-expérimentale */

2017-01-23T12:11:59Z

L’approche quasi-expérimentale

← Version précédente		Version du 23 janvier 2017 à 14:11
Ligne 53 :		Ligne 53 :
	Néanmoins, le constat de Achen s’applique toujours : « [the] dangers [of quasi-experiments] should be of central concern to the social sciences. Surprisingly among social scientists only policy analysts have been much concerned with the statistical weaknesses of the experimental designs they are compelled to use ».		Néanmoins, le constat de Achen s’applique toujours : « [the] dangers [of quasi-experiments] should be of central concern to the social sciences. Surprisingly among social scientists only policy analysts have been much concerned with the statistical weaknesses of the experimental designs they are compelled to use ».

	Angrist et Pischke publie en 2008 ''Mostly Harmless Econometrics: An Empiricist's Companion'' et argumentent que lorsque l’on procède à une étude qui vise une inférence causale, il faudrait se poser les quatre questions (FAQs) suivantes avant de commencer la recherche qu’elle soit quantitative ou bien qualitative :		Angrist et Pischke publie en 2008 ''Mostly Harmless Econometrics: An Empiricist's Companion''<ref>Achen, C. H. (1986). The statistical analysis of quasi-experiments. Univ of California Press.</ref> et argumentent que lorsque l’on procède à une étude qui vise une inférence causale, il faudrait se poser les quatre questions (FAQs) suivantes avant de commencer la recherche qu’elle soit quantitative ou bien qualitative :
	*quelle est la relation causale qui nous intéresse ?		*quelle est la relation causale qui nous intéresse ?
	quelle expérimentation nous permettrait, idéalement, de saisir l’effet causal ? ceci pour éviter des FUQs à savoir des « fundamentally unidentified questions ».		quelle expérimentation nous permettrait, idéalement, de saisir l’effet causal ? ceci pour éviter des FUQs à savoir des « fundamentally unidentified questions ».

Arthur : /* Conclusion */

2017-01-23T12:09:55Z

Conclusion

← Version précédente		Version du 23 janvier 2017 à 14:09
Ligne 129 :		Ligne 129 :
	L’approche quasi-expérimentale et opposée à l’approche expérimentale afin de faire une inférence causale.		L’approche quasi-expérimentale et opposée à l’approche expérimentale afin de faire une inférence causale.

	Certaines recherches mais c’est assez rares utilisent des expérimentation avec la possibilité d’une cause manipulée. Cela signifie que l’approche quasi- expérimentale est la plus pertinente.		Certaines recherches mais c’est assez rares utilisent des expérimentation avec la possibilité d’une cause manipulée. Cela signifie que l’approche quasi-expérimentale est la plus pertinente.

	= Annexes =		= Annexes =

Arthur : /* L’approche quasi-expérimentale */

2017-01-23T12:02:04Z

L’approche quasi-expérimentale

← Version précédente		Version du 23 janvier 2017 à 14:02
Ligne 49 :		Ligne 49 :
	En l’absence de possibilités d’avoir recours à l’approche expérimentale, nous devons nous contenter d’analyses qui se basent sur d’autres approches de causalité. Lorsqu’on tente de faire des inférences causales en tenant compte des problèmes que des approches non-expérimentales posent, on parle normalement d’une approche quasi-expérimentale comme le relatent Campbell et Stanley dans ''Experimental and Quasi-Experimental Designs for Research''<ref>Campbell, D. T., & Stanley, J. C. (2015). Experimental and quasi-experimental designs for research. Ravenio Books.</ref> publié en 1963.		En l’absence de possibilités d’avoir recours à l’approche expérimentale, nous devons nous contenter d’analyses qui se basent sur d’autres approches de causalité. Lorsqu’on tente de faire des inférences causales en tenant compte des problèmes que des approches non-expérimentales posent, on parle normalement d’une approche quasi-expérimentale comme le relatent Campbell et Stanley dans ''Experimental and Quasi-Experimental Designs for Research''<ref>Campbell, D. T., & Stanley, J. C. (2015). Experimental and quasi-experimental designs for research. Ravenio Books.</ref> publié en 1963.

	Dans ''Statistical Analysis of Quasi-Experiments'' publié en 1986, Achen définit l’approche quasi- expérimentale comme englobant toute recherche qui ne travaille pas avec des manipulations (aléatoire) des causes qui nous intéressent et aussi certains travaux qui ne sélectionnent pas leur cas d’une manière aléatoire. L’inférence causale dans des quasi-expériences pose problème, comme on l’a déjà discuté.		Dans ''Statistical Analysis of Quasi-Experiments''<ref>Achen, C. H. (1986). The statistical analysis of quasi-experiments. Univ of California Press.</ref> publié en 1986, Achen définit l’approche quasi- expérimentale comme englobant toute recherche qui ne travaille pas avec des manipulations (aléatoire) des causes qui nous intéressent et aussi certains travaux qui ne sélectionnent pas leur cas d’une manière aléatoire. L’inférence causale dans des quasi-expériences pose problème, comme on l’a déjà discuté.

	Néanmoins, le constat de Achen s’applique toujours : « [the] dangers [of quasi-experiments] should be of central concern to the social sciences. Surprisingly among social scientists only policy analysts have been much concerned with the statistical weaknesses of the experimental designs they are compelled to use ».		Néanmoins, le constat de Achen s’applique toujours : « [the] dangers [of quasi-experiments] should be of central concern to the social sciences. Surprisingly among social scientists only policy analysts have been much concerned with the statistical weaknesses of the experimental designs they are compelled to use ».

Arthur : /* L’approche quasi-expérimentale */

2017-01-23T12:01:46Z

L’approche quasi-expérimentale

← Version précédente		Version du 23 janvier 2017 à 14:01
Ligne 47 :		Ligne 47 :
	= L’approche quasi-expérimentale =		= L’approche quasi-expérimentale =

	En l’absence de possibilités d’avoir recours à l’approche expérimentale, nous devons nous contenter d’analyses qui se basent sur d’autres approches de causalité. Lorsqu’on tente de faire des inférences causales en tenant compte des problèmes que des approches non-expérimentales posent, on parle normalement d’une approche quasi-expérimentale comme le relatent Campbell et Stanley dans ''Experimental and Quasi-Experimental Designs for Research'' publié en 1963.		En l’absence de possibilités d’avoir recours à l’approche expérimentale, nous devons nous contenter d’analyses qui se basent sur d’autres approches de causalité. Lorsqu’on tente de faire des inférences causales en tenant compte des problèmes que des approches non-expérimentales posent, on parle normalement d’une approche quasi-expérimentale comme le relatent Campbell et Stanley dans ''Experimental and Quasi-Experimental Designs for Research''<ref>Campbell, D. T., & Stanley, J. C. (2015). Experimental and quasi-experimental designs for research. Ravenio Books.</ref> publié en 1963.

	Dans ''Statistical Analysis of Quasi-Experiments'' publié en 1986, Achen définit l’approche quasi- expérimentale comme englobant toute recherche qui ne travaille pas avec des manipulations (aléatoire) des causes qui nous intéressent et aussi certains travaux qui ne sélectionnent pas leur cas d’une manière aléatoire. L’inférence causale dans des quasi-expériences pose problème, comme on l’a déjà discuté.		Dans ''Statistical Analysis of Quasi-Experiments'' publié en 1986, Achen définit l’approche quasi- expérimentale comme englobant toute recherche qui ne travaille pas avec des manipulations (aléatoire) des causes qui nous intéressent et aussi certains travaux qui ne sélectionnent pas leur cas d’une manière aléatoire. L’inférence causale dans des quasi-expériences pose problème, comme on l’a déjà discuté.

Arthur : /* Introduction */

2017-01-23T12:01:06Z

Introduction

← Version précédente		Version du 23 janvier 2017 à 14:01
Ligne 27 :		Ligne 27 :
	Pour enlever la partie non-systématique :		Pour enlever la partie non-systématique :
	:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = 𝐸(𝑒𝑓𝑓𝑒𝑐𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑎𝑙é𝑎𝑡𝑜𝑖𝑟𝑒)		:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = 𝐸(𝑒𝑓𝑓𝑒𝑐𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑎𝑙é𝑎𝑡𝑜𝑖𝑟𝑒)
	:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = <math>𝐸(y^{C, i}) - 𝐸(y^{/C, i})(= 𝜇^{C, i} ~~− 𝜇~~^{/C,i})</math>		:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = <math>E(y^{C, i}) - E(y^{/C, i})(= \mu^{C, i} - \mu^{/C,i})</math>

	Etant donné que nous n’observons jamais la même unité d’observation sous exactement les mêmes conditions, une fois avec la présence de la cause et une fois sans la présence de la cause, nous sommes confrontés au « Fundamental Problem of Causal Inference » comme le postule King, Keohane et Verba.		Etant donné que nous n’observons jamais la même unité d’observation sous exactement les mêmes conditions, une fois avec la présence de la cause et une fois sans la présence de la cause, nous sommes confrontés au « Fundamental Problem of Causal Inference » comme le postule King, Keohane et Verba.

Arthur : /* Introduction */

2017-01-23T12:00:04Z

Introduction

← Version précédente		Version du 23 janvier 2017 à 14:00
Ligne 23 :		Ligne 23 :

	Etant donné que dans le monde des sciences sociales, comme ailleurs aussi, nous avons le problème de devoir distinguer ce qui est systématique de ce qui ne l’est pas, nous arrivons à la formulation suivante :		Etant donné que dans le monde des sciences sociales, comme ailleurs aussi, nous avons le problème de devoir distinguer ce qui est systématique de ce qui ne l’est pas, nous arrivons à la formulation suivante :
	:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑎𝑙é𝑎𝑡𝑜𝑖𝑟𝑒 = <math>y^{C, i} − y{/C, i}</math>		:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑎𝑙é𝑎𝑡𝑜𝑖𝑟𝑒 = <math>y^{C, i} - y{/C, i}</math>

	Pour enlever la partie non-systématique :		Pour enlever la partie non-systématique :
	:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = 𝐸(𝑒𝑓𝑓𝑒𝑐𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑎𝑙é𝑎𝑡𝑜𝑖𝑟𝑒)		:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = 𝐸(𝑒𝑓𝑓𝑒𝑐𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑎𝑙é𝑎𝑡𝑜𝑖𝑟𝑒)
	:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = <math>𝐸(𝑦^{C, i}) − 𝐸(𝑦^{/C, i})(= 𝜇^{C, i} − 𝜇^{/C,i})</math>		:𝑒𝑓𝑓𝑒𝑡 𝑐𝑎𝑢𝑠𝑎𝑙 𝑚𝑜𝑦𝑒𝑛 = <math>𝐸(y^{C, i}) - 𝐸(y^{/C, i})(= 𝜇^{C, i} − 𝜇^{/C,i})</math>

	Etant donné que nous n’observons jamais la même unité d’observation sous exactement les mêmes conditions, une fois avec la présence de la cause et une fois sans la présence de la cause, nous sommes confrontés au « Fundamental Problem of Causal Inference » comme le postule King, Keohane et Verba.		Etant donné que nous n’observons jamais la même unité d’observation sous exactement les mêmes conditions, une fois avec la présence de la cause et une fois sans la présence de la cause, nous sommes confrontés au « Fundamental Problem of Causal Inference » comme le postule King, Keohane et Verba.

Arthur : /* Introduction */

2017-01-20T11:55:21Z

Introduction

← Version précédente		Version du 20 janvier 2017 à 13:55
Ligne 15 :		Ligne 15 :
	Le simple fait de constater que deux phénomènes se produisent ensemble ne signifie pas forcement un lien de causalité. On essaie de spécifier en détail qui fait qu’une cause provoque un effet. Si on développe une chaine de causalité, on arrive à identifier différents maillons. Pour démontrer, on est forcé de faire une inférence de type causale. Le fait de spécifier uniquement les mécanismes n’est pas forcement convaincant pour mettre en évidence une relation de cause à effet. Une grande partie des recherches dans le domaine des relations internationales s’appuie sur l’idée d’analyser un monde très similaire où la cause n’est pas présente. Lorsqu’on fait l’observation de pays démocratiques qui ne rentrent pas en guerre, on essaie de faire des exemples contrefactuels afin de voir si l’absence de la cause pour la paix, le fait qu’il y ait deux démocraties, fait que le risque de guerre est plus élevé. On peut soit s’imaginer un monde différent où la cause n’est pas présente ou de trouver les contrefaits où la cause n’est pas présente.		Le simple fait de constater que deux phénomènes se produisent ensemble ne signifie pas forcement un lien de causalité. On essaie de spécifier en détail qui fait qu’une cause provoque un effet. Si on développe une chaine de causalité, on arrive à identifier différents maillons. Pour démontrer, on est forcé de faire une inférence de type causale. Le fait de spécifier uniquement les mécanismes n’est pas forcement convaincant pour mettre en évidence une relation de cause à effet. Une grande partie des recherches dans le domaine des relations internationales s’appuie sur l’idée d’analyser un monde très similaire où la cause n’est pas présente. Lorsqu’on fait l’observation de pays démocratiques qui ne rentrent pas en guerre, on essaie de faire des exemples contrefactuels afin de voir si l’absence de la cause pour la paix, le fait qu’il y ait deux démocraties, fait que le risque de guerre est plus élevé. On peut soit s’imaginer un monde différent où la cause n’est pas présente ou de trouver les contrefaits où la cause n’est pas présente.

	Dans ''Causation. A Unified Framework for the Social Sciences'' publié en 2005, Gerring plaide pour une vision universelle de la causalité en s’appuyant sur la définition suivante : « [...] a cause raises the probability of an event occurring ». Cette définition est très proche de celle employée dans la littérature récente sur la causalité probabiliste notamment par Pearl dans Causality publié en 2001. Ainsi, les différentes approches pour étudier la causalité comme celles de Brady sont liées à la stratégie empirique utilisée pour démontrer le lien de cause à effet.		Dans ''Causation. A Unified Framework for the Social Sciences''<ref>Gerring, J. (2005). Causation: A unified framework for the social sciences. Journal of Theoretical Politics, 17(2), 163-198.</ref> publié en 2005, Gerring plaide pour une vision universelle de la causalité en s’appuyant sur la définition suivante : « [...] a cause raises the probability of an event occurring ». Cette définition est très proche de celle employée dans la littérature récente sur la causalité probabiliste notamment par Pearl dans Causality publié en 2001. Ainsi, les différentes approches pour étudier la causalité comme celles de Brady sont liées à la stratégie empirique utilisée pour démontrer le lien de cause à effet.

	Des quatre approches de causalité présentées par Brady, la première ne satisfait plus guère à nos exigences, et la troisième, vue les questions de recherche qui nous intéressent, n’est guère viable. Dans ''Designing Social Inquiry: Scientific Inference in Qualitative Research'' publié en 1994 King, Keohane et Verba discutent essentiellement la deuxième approche liée à l’analyse contrefactuelle.		Des quatre approches de causalité présentées par Brady, la première ne satisfait plus guère à nos exigences, et la troisième, vue les questions de recherche qui nous intéressent, n’est guère viable. Dans ''Designing Social Inquiry: Scientific Inference in Qualitative Research''<ref>King, G., Keohane, R. O., & Verba, S. (1994). Designing social inquiry: Scientific inference in qualitative research. Princeton university press.</ref> publié en 1994 King, Keohane et Verba discutent essentiellement la deuxième approche liée à l’analyse contrefactuelle.

	Pour une observation donnée (<math>i</math>) l’effet causal réalisé correspond à la différence entre la situation où la cause est présente (<math>C</math>) et la cause est absente (<math>/C</math>) :		Pour une observation donnée (<math>i</math>) l’effet causal réalisé correspond à la différence entre la situation où la cause est présente (<math>C</math>) et la cause est absente (<math>/C</math>) :

L’inférence causale - Historique des versions

Arthur le 11 juin 2019 à 21:38

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* Références */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* Conclusion */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* Introduction */

Arthur : /* Introduction */

Arthur : /* Introduction */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* Références */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* Conclusion */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* L’approche quasi-expérimentale */

Arthur : /* Introduction */

Arthur : /* Introduction */

Arthur : /* Introduction */