Trattamento dei dati

Trattamento dei dati

Données clés

Faculté	Faculté des sciences de la société
Département	Département de science politique et relations internationales
Professeur(s)	Marco Giugni
Cours	Introduction aux méthodes de la science-politique

Lectures

• Cours introductif aux méthodes de la science-politique
• Le paradigme positiviste et le paradigme interprétatif
• Les méthodes scientifiques fondamentales
• De la théorie aux données
• Le recueil des données
• Le traitement des données

L'analisi dei dati quantitativi è molto diversa dall'analisi dei dati qualitativi; si tratta di due pratiche di ricerca molto diverse, se non opposte.

Ci concentreremo sull'analisi quantitativa, che in realtà è più facile dell'analisi qualitativa dei dati, se non altro perché ci sono routine istituzionalizzate.

Languages

English Español Français

Matrice di dati

Si tratta di una matrice che incrocia i casi studiati con un certo numero di variabili, vale a dire le variabili di colonna e i casi di riga.

Si dovrebbe assegnare un codice per escludere dall'analisi coloro che non hanno risposto e per differenziarli da coloro che hanno risposto.

Ci sono tre analisi che corrispondono a tre diversi obiettivi:

• analisi univariate: analisi che vengono effettuate su una singola variabile o caratteristica.
• analisi bivariata: collegando due variabili, vogliamo incrociare i dati per analizzare variazioni più sottili come l'interesse della politica a seconda della città o dell'età.
• analisi multivariate: pensiamo che un fenomeno spiegato non sia mai spiegato da una singola variabile indipendente; d'altra parte vogliamo introdurre controlli per controllare le relazioni attraverso la tecnica di purificazione. Tradotto con www.DeepL.com/Translator

Si deve distinguere tra un'analisi descrittiva che cerca di descrivere una "situazione di fatto" che è univariata o bivariata.

Tipi di analisi univariata

Types de variables et opérations entre modalités

Esistono diversi tipi di analisi univariate, queste tecniche dipendono dal tipo di variabile:

• variabili nominali: possono essere eseguite solo operazioni di equivalenza o di differenza.
• variabili ordinali: permette di ordinare, cioè di classificare secondo un ordine dal più piccolo al più grande.

Nota: le variabili ordinali e cardinali sono categoriche, si basano su dati discreti, le distanze non sono visibili.

• variabili cardinali: oltre alle operazioni precedenti, consentono di eseguire le quattro operazioni aritmetiche di base.

Misurazione di tendenza centrale

Quando si esegue un'analisi quantitativa, è necessario considerare il tipo di variabili e poi scegliere lo strumento da utilizzare. Possiamo distinguere tra due tipi principali di misure, cioè tra due tipi di informazioni che vogliamo avere variabili uniche:

• misure di tendenza centrale
• misure di dispersione.

Nota: a seconda della variabile, le misure sono diverse.

La media è una misura centrale del valore di tendenza che può essere applicata a variabili cardinali, ma non può essere applicata a variabili categoriche. La mediana è la categoria che separa le serie statistiche in due con lo stesso numero di casi da un lato e dall'altro.

Si tratta di informazioni importanti che costituiscono il punto di partenza per questo tipo di descrizione dei dati per determinare cosa fare successivamente nel caso di analisi più sofisticate.

Mesure de dispersions

On distingue aussi des mesures de dispersions : la mesure de base est l’écart-type qui est une mesure standardisée qui varie de -1 à +1 de la variance qui est la mesure qui indique de quelle manière sont distribués les individus.

La variance est très importante pour calculer la probabilité d’erreur. Il faut différentes mesures selon l’unité de mesure de la variable et il faut tenir compte de la mesure de tendance centrale et de dispersion comme l’écart-type qui est le coefficient clef dans toute l’analyse quantitative.

Tipi di analisi bivariata

In questo contesto, vogliamo incrociare le caratteristiche in una prospettiva descrittiva o esplicativa. A seconda del tipo di variabile, esistono diverse tecniche di analisi ed elaborazione dei dati.

Devono essere considerate sia le variabili dipendenti che quelle indipendenti. All'incrocio, dobbiamo guardare la variabile dipendente e indipendente per vedere se si tratta di variabili categoriche o ordinali che permettono di distinguere tre principali famiglie di tipi di analisi:

• variabili categorica / nominale - nominali: vengono elaborate tabelle di contingenza, non è possibile utilizzare altre tecniche. La maggior parte delle volte nelle scienze politiche ci troviamo di fronte a questo tipo di variabili, perché le risposte danno origine a variabili ordinali. Ci sono coefficienti che ci permettono di dare una misura unica della relazione tra queste due variabili, come il V di Cramer, che ci permette di vedere l'associazione tra variabili categoriche. Per interpretare, è importante che la percentuale totale deve sempre riferirsi alle categorie della variabile indipendente; vogliamo vedere come la distribuzione della variabile dipendente dipende dalle funzioni della variabile indipendente. L'indicazione del numero di casi mostra se il processo è statisticamente rappresentativo, in quanto la dimensione del campione influenza la misurazione.
• variabili cardinali - cardinali: non facciamo più una crosstabulazione, ma utilizziamo altri strumenti e in particolare lo strumento di regressione e correlazione:
  • covariata: quando ci sono due variabili continue, quando una aumenta l'altra aumenta proporzionalmente o inversamente proporzionale, le due variabili sono collegate in questa direzione.
  • correlazione: si tratta semplicemente di una covariata standardizzata, cioè tra -1 e +1. Ci standardizziamo per assicurare che le variabili che sono misurate diversamente alla base siano confrontate; se, per esempio, abbiamo scale da 0 a 10 e scale da 0 a 5 non possiamo confrontare queste variabili allora dobbiamo fare in modo che queste informazioni siano standardizzate. Le variabili possono essere ripetute sulla stessa scala o su un software che calcola una correlazione standardizzata.
  • regressione: in una correlazione siamo in una prospettiva descrittiva, non cerchiamo di vedere una direzione di causalità in una regressione che vogliamo vedere se due variabili sono associate, collegate, correlate.

• variabili indipendenti nominali - variabili cardinali dipendenti: non possono essere applicate le tabulazioni incrociate, le correlazioni e le regressioni; viene effettuata un'analisi della varianza o della covarianza, il cui caso più semplice è il confronto delle medie, che potrebbe ad esempio essere il numero di volte che gli individui partecipano a un'elezione secondo il cantone.

Regressione lineare

Si tratta di un insieme di strumenti molto vario e a volte complesso, ma è lo strumento principale. La regressione lineare è l'elemento principale; gran parte dell'analisi quantitativa nelle scienze sociali si basa sulla regressione lineare.

Parliamo di linearità, perché assumiamo che ci sia una relazione lineare tra le variabili che studiamo, in altre parole, c'è una funzione lineare dietro questa relazione; tuttavia, possiamo anche considerare regressioni che non sono solo lineari.

Si presume che ciò che si vuole spiegare è una funzione lineare di una o più variabili indipendenti. Questo è fondamentale, perché la regressione lineare è solo un sottoinsieme di una famiglia più ampia di analisi di regressione che non si basa su un'idea di linearità tra le due variabili.

Il modello più semplice è quello con una variabile esplicativa come, ad esempio, la partecipazione politica a seconda dell'interesse politico.

In termini descrittivi c'è una forte correlazione tra queste due variabili; se un'ipotesi dice che è l'interesse politico che influenza la partecipazione, allora si effettua un'analisi di regressione.

Abbiamo sempre il problema dell'endogeneità in questo tipo di analisi, ipotizziamo che l'interesse per la politica determina la partecipazione; potremmo anche ipotizzare che più partecipiamo, più sviluppiamo un interesse per la politica.

La partecipazione politica è una funzione lineare di interesse politico "più" un fattore costante, cioè il valore di Y quando X è uguale a 0, cioè qual è il mio livello di partecipazione quando l'interesse politico è zero. In fondo è dove la linea di regressione attraversa l'asse y.

Nell'analisi multivariata, c'è sempre un margine di errore; una cosa è correlata se abbiamo dati di indagine relativi al margine di errore tra popolazione e campione, ma indipendentemente dal fatto che stiamo lavorando su campioni o su una popolazione complessiva; c'è sempre un termine di errore coinvolto, perché c'è sempre qualcosa che influenza ciò che vogliamo spiegare e che non è incluso nel modello di regressione come, ad esempio, l'istruzione, l'età, il contesto sociale, istituzionale, ecc.

Infatti, la E raggruppa la varianza inspiegabile, cioè tutto ciò che potrebbe spiegare Y, ma non viene introdotto nel modello, è il problema della sottospecificazione del modello, cioè la questione relativa alla specificazione del modello; più variabili ha un modello, più è probabile che sia sottospecificato e meno variazioni nella Y sono spiegate e più alta è la E in termini di errore, la E è ridotta al minimo.

Ciò suggerisce che non includere alcune variabili in un modello esplicativo con due conseguenze principali:

• il modello è sottospecificato, c'è poca spiegazione della variabilità di Y con questo modello, cioè i fattori fortemente correlati con ciò che vogliamo studiare.
• la seconda ragione è legata al controllo delle variabili, perché se si introduce l'interesse per la politica, una terza variabile può influenzare l'interesse per la politica e la partecipazione alla politica; l'associazione è fuorviante.

Vogliamo includere quante più variabili possibili che pensiamo possano influenzare direttamente Y o indirettamente rendendo la relazione tra X e Y falsa o solo apparente.

Il B è il coefficiente di regressione, cioè la pendenza della linea di regressione che dà la forza dell'effetto X perché è moltiplicato per X, cioè più forte è l'effetto X, più alto è il B.

Il B può essere non standardizzato o standardizzato. "Standardizzazione" significa normalizzazione e lo scopo è quello di poter confrontare diversi coefficienti.

Siamo in una logica additiva, ci sono "+"; supponiamo che la variazione di Y sia una funzione lineare sia additiva o cumulativa dell'effetto di tutte le altre variabili introdotte nel modello.

Linea di regressione

La droite de régression représente la fonction de régression linéaire. On veut regarder de combien augmente Y lorsqu’on augmente X. admettons que les (0 ; 12) sont l’intérêt pour la politique et l’autre la participation politique; on peut voir qu’il y a une corrélation assez forte entre les deux, lorsqu’on a une augmentation de l’intérêt pour la politique on augmente la participation politique.

Les points bleus représentent les cas, la droite de régression est l’estimation des valeurs et donc on va regarder dans quelle mesure et comment cette droite rencontre un nuage de points.

La qualité du modèle a à voir à la qualité de l’estimation qui dépend beaucoup de la manière dont sont distribués les points. Il est possible que le nuage de point soit estimé pour une droite qui a la même pente, toutefois la qualité de cet effet est le même alors qu’il est diffèrent parce que la droite ne fait qu’une approximation beaucoup plus précise du nuage de points ou les points sont proches de la droite.

Il faut retenir que l’un des principaux instruments privilégiés pour l’analyse quantitative lorsqu’on a à faire à des variables intervalles ou cardinal et l’analyse de la corrélation ou de la régression.

L’idée de la régression linéaire qui est un sous-ensemble d’un ensemble plus vaste se base sur l’idée d’une fonction linéaire entre X et Y ; on essaie d’estimer un nuage de points qui représente le croisement entre les deux variables dans l’échantillon donc on va analyser la droite de régression et sa pente. Si la pente est de 0 alors Y ne change pas quand on change X, on peut être très intéressé à la politique, mais on y participe toujours au même niveau.

Analyses multivariées

Analyse de régression

Selon le type de variables que l’on souhaite expliquer, on peut ou on ne peut pas appliquer l’outil de régression linéaire, il y a par exemple la régression logistique dans le cas de variables dummies soit absence ou présence, on ne peut appliquer la régression linéaire, car les présupposés de base ne sont pas garantis.

Analyse des chemins causaux (path analysis)

Un des problèmes de l’analyse de la régression est qu’on suppose que Y est une fonction linéaire de la somme de toutes les variables indépendantes or se faisant on regarde que les effets directs des variables d’un modèle ; toutefois que se passe-t-il lorsqu’on veut regarder des effets indirects ?

On fait une analyse des « chemins causaux » ; il y a des coefficients de régression qui peuvent être significatif ou pas, mais on peut voir des chemins causaux c’est-à-dire qu’on peut voir de quelle manière les valeurs de gauche influence la participation non pas directement, mais indirectement à savoir que le fait d’être de gauche fait qu’on a plus de probabilités d’être intégré dans certains types de réseau développent un internet pour un certain enjeu qui permet de développer un sentiment d’efficacité individuel faisant qu’on a une intensité plus forte de participation. On introduit des variables intermédiaires.

Au lieu d’avoir une indication, on en a plusieurs parce que chaque variable peut ou est une variable dépendante, on fait une somme d’équations.

Analyse factorielle

C’est une analyse qui a pour objectif de réduire la complexité qu’on peut avoir lorsqu’on a une matrice de données avec beaucoup de variables et de cas et que l’on veut avoir un index plus succinct.

Lorsqu’on a parlé d’opérationnalisation des concepts complexes, on est arrivé à une dernière étape de construction ; l’analyse factorielle permet de construire des index par l’analyse des liens sous-jacents qui expliquent la variation sur un ensemble multiple d’indicateurs.

C’est un outil fréquemment utilisé en science politique et notamment lorsqu’on étudie les changements de valeurs.

Analyse multiniveaux

Auparavant toutes les mesures concernaient les variables individuelles, maintenant il y a des propriétés du contexte qui ne sont pas de l’individu qui peuvent influencer la participation politique comme le système électoral ou le type de système politique.

Dans une optique de régression normale il y a des manières de court-circuiter le problème, on ne peut intégrer les facteurs contextuels dans l’analyse on peut simplement comparer.

L’analyse multiniveau permet de faire une analyse de régression multiniveau, on ajoute des propriétés du contexte et pas seulement des propriétés individuelles ; on intègre des propriétés individuelles et contextuelles. Il y a ce développement important en sciences politiques.

Type de méthodes qualitatives

On peut faire une distinction entre l’analyse de contenu et l’analyse de discours. Ces termes ne font pas le consensus dans la littérature, certains estiment que l’analyse de discours est un type d’analyse de contenu et pour d’autres ce n’est pas le cas.

Analyse de contenu

L’analyse de contenu s’intéresse au poids, elle est plus descriptive, elle s’intéresse aux différents enjeux soulevés par des personnes. On peut faire une distinction ultérieure :

• thématique : on compte le nombre de fois qu’un tel thème apparaît dans un discours.
• lexicale : analyse basée sur l’analyse des occurrences ou cooccurrences à savoir une analyse qualitative qui a des éléments d’analyse quantitative.

Analyse de discours

C’est une analyse interprétative, on parle d’une famille de techniques, on peut dire qu’on s’intéresse à comment et aux effets d’un discours donné.

Pour simplifier, l‘analyse de contenu est plutôt descriptive et l’analyse de discours explicatif.

Étapes de l’analyse thématique

Il y a cinq grandes étapes :

1. familiarisation (préanalyse) : il faut d’abord se familiariser avec le matériel à disposition.
2. identification d’un cadre thématique (schéma de codage, index) : manière de coder l’information soit d’identifier le cadre thématique.
3. indexation (codage) : réduire l’information.
4. cartographie (catégorisation et réduction des données) : création de typologies, de classifications, réduction des données afin de pouvoir les interpréter.
5. mapping et interprétation (analyse et interprétation)

Étapes de l’analyse de discours

• Préanalyse
• Identification d'éléments pertinents
• Analyse systématique à partir des éléments identifiés