Laurence-Olivier M. Foisy POL-2000 · séance 11 · jeu 19 nov

POL-2000 · Méthodologie quantitative

Les graphes orientés acycliques


Séance 11 · jeudi 19 novembre 2026

Université Laval Département de science politique
Faculté des sciences sociales
Automne 2026
Où on en est POL-2000 · séance 11 · jeu 19 nov
lecturevous êtes icigrève ?13 sept210 sept317 sept424 sept51 oct68 oct715 oct822 oct95 nov1012 nov1119 nov1226 nov133 déc1410 déc1 · Concepts de base2 · Régression3 · Inférence causaleévaluationsExamen 1 · 15 %4 octDC 1 · 5 %25 octMi-session · 20 %28 octExamen 2 · 15 %22 novExamen 3 · 15 %10 décFinal · 25 % + DC 2 · 5 %18 déc
11 jeudi 19 novembre · partie 3 · Inférence causale

Les graphes orientés acycliques (GOA)

Dessiner ses hypothèses causales. Décider quoi contrôler, ou pas.

XYZ
Travail final POL-2000 · séance 11 · jeu 19 nov
Travail final, consignes, page 1
Travail final · consignes · POL-2000, automne 2026
Une manchette POL-2000 · séance 11 · jeu 19 nov

Près d’un cégépien sur deux


Richard et Régimbal (2026), Revue canadienne d’enseignement supérieur

Les manchettes POL-2000 · séance 11 · jeu 19 nov
La Presse, page 1
La Presse, page 2
La Presse, page 3
La Presse, page 4
La Presse, page 5
La Presse

« Près d’un élève sur deux touché »

La Presse, 18 février 2025, « Insécurité alimentaire au cégep : près d’un élève sur deux touché »

Les manchettes POL-2000 · séance 11 · jeu 19 nov
Le Devoir, page 1
Le Devoir · lettre

Le chiffre sert à argumenter contre des compressions de 150 M$.

Le Devoir, 18 juin 2025, lettre « Faim et compressions : le mépris de la CAQ envers les étudiants »

Les manchettes POL-2000 · séance 11 · jeu 19 nov
Radio-Canada, page 1
Radio-Canada, page 2
Radio-Canada

« De plus en plus d’étudiants ont le ventre vide »

Radio-Canada (L’épicerie), 8 octobre 2025, « De plus en plus d’étudiants ont le ventre vide »

Les manchettes POL-2000 · séance 11 · jeu 19 nov
Le Devoir, page 1
Le Devoir · éditorial

« Les ventres vides au cégep »

Le Devoir, 14 octobre 2025, éditorial « Les ventres vides au cégep »

Les manchettes POL-2000 · séance 11 · jeu 19 nov

De l’article aux médias

L’article POL-2000 · séance 11 · jeu 19 nov
Richard et Régimbal (2026), page 71
Richard et Régimbal (2026), page 72
Richard et Régimbal (2026), page 73
Richard et Régimbal (2026), page 74
Richard et Régimbal (2026), page 75
Richard et Régimbal (2026), page 76
Richard et Régimbal (2026), page 77
Richard et Régimbal (2026), page 78
Richard et Régimbal (2026), page 79
Richard et Régimbal (2026), page 80
Richard et Régimbal (2026), page 81
Richard et Régimbal (2026), page 82
Richard et Régimbal (2026), page 83
L’article

Richard, É., et Régimbal, F. (2026). L’insécurité alimentaire chez les cégépiens. Revue canadienne d’enseignement supérieur, 56(1), 71-92.

Revue avec comité de lecture.

Richard et Régimbal (2026), Revue canadienne d’enseignement supérieur, 56(1), p. 71 · CC BY-NC-ND 4.0

Le mode d’emploi POL-2000 · séance 11 · jeu 19 nov
USDA ERS (2024), page 2
USDA ERS (2024), page 3
USDA ERS (2024), page 4
Le mode d’emploi · une des six questions

« Je n’avais pas les moyens de manger des repas équilibrés. »

Répondre « parfois » donne un score de 1.

USDA ERS (2024), U.S. Household Food Security Survey Module: Six-Item Short Form, p. 2

Le recompte POL-2000 · séance 11 · jeu 19 nov

Le même tableau, lu avec le mode d’emploi

43,9 % en insécuritéselon l’article56,1 %score 016,2 %115,2 %2 à 412,5 %5 ou 656,1 % en sécuritéun seul « oui » sur six : la sécurité, d’après l’instrument

Près d’un cégépien sur deux

Un peu plus d’un sur quatre, dans six cégeps volontaires

Richard et Régimbal (2026), tableau 2, p. 77 · USDA ERS (2024), Six-Item Short Form, p. 4

L’article POL-2000 · séance 11 · jeu 19 nov
Richard et Régimbal (2026), page 71
Richard et Régimbal (2026), page 72
Richard et Régimbal (2026), page 73
Richard et Régimbal (2026), page 74
Richard et Régimbal (2026), page 75
Richard et Régimbal (2026), page 76
Richard et Régimbal (2026), page 77 6
Richard et Régimbal (2026), page 78
Richard et Régimbal (2026), page 79
Richard et Régimbal (2026), page 80
Richard et Régimbal (2026), page 81
Richard et Régimbal (2026), page 82
Richard et Régimbal (2026), page 83
Signe 6 · Les données manquantes

Des questionnaires incomplets, sans chiffre

L’article ne dit ni combien il en manque, ni pour quelles questions, ni comment ils ont été traités.

Richard et Régimbal (2026), Revue canadienne d’enseignement supérieur, 56(1), p. 77 · CC BY-NC-ND 4.0

Les signes POL-2000 · séance 11 · jeu 19 nov

Les signes à repérer

  1. 1 Un échantillon de volontairesSix cégeps choisis selon l’intérêt de leur direction, aucun taux de réponse.
  2. 2 Un instrument mal appliquéAvec la règle de l’instrument, 43,9 % devient 27,7 %.
  3. 3 Des données manquantes et aucun codeOn ne sait pas combien de questionnaires sont incomplets, et personne ne peut refaire l’analyse.
  4. 4 Un lien présenté comme un effetUn sondage à un seul moment.
Deux mondes POL-2000 · séance 11 · jeu 19 nov

Deux mondes


Le problème fondamental de l’inférence causale.

Deux mondes POL-2000 · séance 11 · jeu 19 nov

L’université rend-elle Marie plus intéressée par la politique ?

universitépas d’universitéMarieintérêt7intérêt?Julied’autres parentsun autre âgeune autre région7 − ?l’effet pour Marie

1Marie arrive au carrefour.

Exemple fictif

Deux mondes POL-2000 · séance 11 · jeu 19 nov

On n’observe jamais les deux mondes pour la même personne.


Un GOA rend explicites nos hypothèses causales.

Une expérience POL-2000 · séance 11 · jeu 19 nov

Une expérience : le hasard choisit la route

?au hasard3 372 répondantsun même panelQuestions fermées1 687 répondantsQuestions ouvertes1 685 répondants=en rouge :diplôme universitaireLa taxe carbone fédérale devraitêtre maintenue comme mesureenvironnementale.Fortement en désaccordPlutôt en désaccordPlutôt d’accordFortement d’accordLa taxe carbone fédérale devraitêtre maintenue comme mesureenvironnementale.« Oui si les taxes sont utiliséespour développer des technologiesmoins polluantes »codée par l’IA : « plutôt d’accord »fiabilité, échelle environnement0,891fiabilité, échelle environnement0,842même attitude, mêmes liensavec l’âge, la région et le vote

1Une réponse écrite, codée par l’IA, mesure-t-elle la même chose qu’une case à cocher ?

Notre expérience de sondage, panel canadien, 2025 · article en évaluation

Dessiner un GOA POL-2000 · séance 11 · jeu 19 nov

Dessiner un GOA


Des variables, reliées par des flèches causales.

Pourquoi un GOA POL-2000 · séance 11 · jeu 19 nov

Un GOA sert à trois choses

  1. 1 Rendre nos hypothèses visiblesToute analyse causale repose sur des postulats. On les montre.
  2. 2 Savoir si l’effet de la VI sur la VD est identifiableEst-ce possible, avec ces données ?
  3. 3 Choisir les variables de contrôleCelles à inclure, et celles à laisser dehors.
Dessiner un GOA POL-2000 · séance 11 · jeu 19 nov

L’éducation rend-elle plus à droite ?

Revenudes parentsRégionÂgeÉducationIdéologieRevenuindividuelXY

1La question : l’éducation a-t-elle un effet sur l’idéologie ?

D’après Arel-Bundock (2021), p. 116, augmenté · schéma, aucune donnée

Acyclique POL-2000 · séance 11 · jeu 19 nov

Acyclique : l’effet ne revient jamais sur ses pas

ÉducationXIntérêt pourla politiqueYLecture desnouvellesZ₁DiscussionspolitiquesZ₂une boucle

1L’éducation agit sur l’intérêt directement, et par la lecture des nouvelles et les discussions. L’effet va dans un seul sens.

Schéma, aucune donnée

Les contrôles POL-2000 · séance 11 · jeu 19 nov

Quoi contrôler ?


Les deux règles de la séance 8, avec les mots du GOA.

Les contrôles POL-2000 · séance 11 · jeu 19 nov

Deux règles pour estimer l’effet de X sur Y

  1. 1 Ne jamais contrôler une variable sur laquelle X a un effet
  2. 2 Contrôler les variables qui ont un effet sur X et sur Y
Règle 1 POL-2000 · séance 11 · jeu 19 nov

Ne jamais contrôler une variable sur laquelle X a un effet

ÉducationXIdéologieYRevenuZcontrôléeffet mesuré100 %

1L’éducation agit sur l’idéologie directement, et en passant par le revenu : tout l’effet arrive.

Schéma, aucune donnée · la moitié de l’effet passe par le revenu, par convention

Règle 1 · dans R POL-2000 · séance 11 · jeu 19 nov

Dans R : contrôler une variable sur laquelle X a un effet

× 1× 2× 0,5ÉducationRevenuIdéologie
le vrai effet de l’éducation

On crée les données.

créer les données
> set.seed(2026)
n <- 100000
education <- rnorm(n)
> revenu <- 2 * education + rnorm(n)
> ideologie <- 1 * education +
  0.5 * revenu + rnorm(n)
> ▍
estimer
> coef(lm(ideologie ~ education))
(Intercept)   education 
0.007345294 2.000812023 
> coef(lm(ideologie ~ education + revenu))
(Intercept)   education      revenu 
0.006338718 1.001080636 0.499983375 
> ▍
Règle 2 POL-2000 · séance 11 · jeu 19 nov

Contrôler les variables qui ont un effet sur X et sur Y

Revenudes parentsZcontrôléÉducationXIdéologieYeffetmesuré175 %

1Le revenu des parents agit sur l’éducation et sur l’idéologie. Entre X et Y, on voit un mélange : l’effet de X et celui de Z.

Schéma, aucune donnée · 175 %, comme la simulation de la diapo suivante

Règle 2 · dans R POL-2000 · séance 11 · jeu 19 nov

Dans R : contrôler une variable qui agit sur X et sur Y

× 1× 3× 2ÉducationRevenu des parentsIdéologie
le vrai effet de l’éducation

On crée les données.

créer les données
> set.seed(2026)
n <- 100000
revenu_parents <- rnorm(n)
> education <- revenu_parents + rnorm(n)
> ideologie <- 2 * education +
  3 * revenu_parents + rnorm(n)
> ▍
estimer
> coef(lm(education ~ revenu_parents))
   (Intercept) revenu_parents 
   0.002013218    0.999529257 
> coef(lm(ideologie ~ education))
(Intercept)   education 
0.004872212 3.506720293 
> coef(lm(ideologie ~ education +
          revenu_parents))
   (Intercept)      education revenu_parents 
   0.006338718    1.999983375    3.001064011 
> ▍
Dessiner un GOA POL-2000 · séance 11 · jeu 19 nov

Dessiner un GOA

Revenudes parentsÉducationIdéologie

Une boîte par variable

Schéma, aucune donnée

Pause POL-2000 · séance 11 · jeu 19 nov

Pause


Ensuite : deux exercices, puis R.

Contrôler ou pas POL-2000 · séance 11 · jeu 19 nov

Contrôler ou pas : trois questions

  1. 1 Sur quelles variables X a-t-il un effet ?On ne les contrôle jamais.
  2. 2 Quelles variables ont un effet sur X et sur Y ?On les contrôle.
  3. 3 Peut-on estimer l’effet de X sur Y ?
Exercice 1 de 2 POL-2000 · séance 11 · jeu 19 nov
  1. 1 Sur quelles variables X a-t-il un effet ? Z1, Z2 et Z3 : on ne les contrôle pas
  2. 2 Quelles variables ont un effet sur X et sur Y ? Z4 : on la contrôle
  3. 3 Peut-on estimer l’effet de X sur Y ? Oui, en contrôlant Z4
Z4​Z3​XYZ1​Z2​

Schéma, aucune donnée

Exercice 2 de 2 POL-2000 · séance 11 · jeu 19 nov
  1. 1 Sur quelles variables X a-t-il un effet ? Le cholestérol (Z1) : on ne le contrôle pas
  2. 2 Quelles variables ont un effet sur X et sur Y ? La vie malsaine (Z3) : on la contrôle
  3. 3 Peut-on estimer l’effet de X sur Y ? Oui, en contrôlant Z3
Arrêt cardiaque (Y)Cholestérol (Z1​)Fumer (X)Poids (Z2​)Vie malsaine (Z3​)

Schéma, aucune donnée

Simuler dans R POL-2000 · séance 11 · jeu 19 nov

Simuler dans R


On crée les données nous-mêmes : le vrai effet est connu, et on vérifie quel modèle le retrouve.

Simuler · une flèche POL-2000 · séance 11 · jeu 19 nov

Le vrai effet de X sur Y : 1,7

1,7XY

Données simulées

> set.seed(2026)
n <- 100000
X <- rnorm(n)
Y <- 1.7 * X + rnorm(n)

on écrit le vrai effet : 1,7

> mod <- lm(Y ~ X)
coef(mod)
(Intercept)           X 
0.002013218 1.699529257 

R retrouve 1,7

> ▍
Simuler · une chaîne POL-2000 · séance 11 · jeu 19 nov

Une chaîne : 3 × 0,5 = 1,5

30,5XZY

Données simulées

> set.seed(2026)
n <- 100000
X <- rnorm(n)
Z <- 3 * X + rnorm(n)
Y <- 0.5 * Z + rnorm(n)
> mod <- lm(Y ~ X)
coef(mod)
(Intercept)           X 
0.007345294 1.500812023 

R retrouve 1,5, sans contrôle

> ▍
Simuler · une collision POL-2000 · séance 11 · jeu 19 nov

Contrôler Z, sur lequel X a un effet

1,71,20,8XYZ

Données simulées

> set.seed(2026)
n <- 100000
X <- rnorm(n)
Y <- 1.7 * X + rnorm(n)
Z <- 1.2 * X + 0.8 * Y + rnorm(n)
> mod <- lm(Y ~ X)
coef(mod)
(Intercept)           X 
0.002013218 1.699529257 

sans contrôle : 1,7, juste

> mod <- lm(Y ~ X + Z)
coef(mod)
 (Intercept)            X            Z 
-0.001867416  0.449472344  0.488175565 

avec Z : 0,45, faux

> ▍
Simuler · une fourchette POL-2000 · séance 11 · jeu 19 nov

Contrôler Z2, qui a un effet sur X et sur Y

120,251Z2​XZ1​Y

Données simulées

> set.seed(2026)
n <- 100000
Z2 <- rnorm(n)
X <- Z2 + rnorm(n)
Z1 <- 2 * X + rnorm(n)
Y <- 0.25 * Z1 + Z2 + rnorm(n)

vrai effet : 2 × 0,25 = 0,5

> mod <- lm(Y ~ X + Z2)
coef(mod)
 (Intercept)            X           Z2 
-0.002986735  0.497337747  0.996325124 

contrôler Z2 : 0,5, juste

> ▍
Simuler · une fourchette POL-2000 · séance 11 · jeu 19 nov

Et sans contrôler Z2 ?

120,251Z2​XZ1​Y

Ouvert

Données simulées

> mod <- lm(Y ~ X)
coef(mod)
 (Intercept)            X 
-0.003473601  0.997560281 

sans contrôle : 1,0, faux. Z2 n’est pas contrôlé

> ▍
Simuler · le modèle complet POL-2000 · séance 11 · jeu 19 nov
  1. 1 Sur quelles variables X a-t-il un effet ? Z2 et Z3 : on ne les contrôle pas
  2. 2 Quelles variables ont un effet sur X et sur Y ? Z1 : on la contrôle
  3. 3 Peut-on estimer l’effet de X sur Y ? Oui, avec Z1, sans Z2 ni Z3
120,5111Z1​XZ2​YZ3​

Schéma, aucune donnée

Simuler · la preuve POL-2000 · séance 11 · jeu 19 nov

Le vrai effet : 2 × 0,5 = 1

120,5111Z1​XZ2​YZ3​

Données simulées

> set.seed(2026)
n <- 100000
Z1 <- rnorm(n)
X <- Z1 + rnorm(n)
Z2 <- 2 * X + rnorm(n)
Y <- 0.5 * Z2 + Z1 + rnorm(n)
Z3 <- Z2 + Y + rnorm(n)
> mod <- lm(Y ~ X + Z1)
coef(mod)
 (Intercept)            X           Z1 
-0.001402056  0.997333590  0.996591127 

contrôler Z1 : 1,0, juste

> ▍
Simuler · la preuve POL-2000 · séance 11 · jeu 19 nov

Et sans contrôler Z1 ?

120,5111Z1​XZ2​YZ3​

Ouvert

Données simulées

> mod <- lm(Y ~ X)
coef(mod)
 (Intercept)            X 
-0.001889052  1.497689677 

sans contrôle : 1,5, faux

> ▍
Simuler dans R POL-2000 · séance 11 · jeu 19 nov

Ajouter des contrôles n’améliore pas toujours l’estimation.


On choisit les contrôles à partir du GOA.

Examen 2 POL-2000 · séance 11 · jeu 19 nov
Examen 2, consignes, page 1
Examen 2, consignes, page 2
Examen 2, consignes, page 3
Examen 2, consignes, page 4
Examen 2, consignes, page 5
Examen 2 · consignes · POL-2000, automne 2026
Avant la prochaine séance POL-2000 · séance 11 · jeu 19 nov

Avant la prochaine séance

15 % Examen 2 À remettre dimanche 22 novembre, 18h30 À distance, sur ordinateur · 72 heures, du jeudi 18h30 au dimanche 18h30 · boîte de dépôt
Datacamp Datacamp Introduction to Regression in R · Assessing model fit
Votre GOA Dessinez-le pour votre travail final, et apportez-le aux rencontres individuelles.
Laurence-Olivier M. Foisy POL-2000 · séance 11 · jeu 19 nov

Merci.


Université Laval Département de science politique
Faculté des sciences sociales
POL-2000 · Automne 2026
1 / 46