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
Département de science politique
Faculté des sciences sociales Automne 2026 Où on en est POL-2000 · séance 11 · jeu 19 nov
11 jeudi 19 novembre · partie 3 · Inférence causale Les graphes orientés acycliques (GOA)
Dessiner ses hypothèses causales. Décider quoi contrôler, ou pas.
Travail final POL-2000 · séance 11 · jeu 19 nov
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 « Près d’un élève sur deux touché »
p. 1p. 2p. 3p. 4p. 5
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 · lettre Le chiffre sert à argumenter contre des compressions de 150 M$.
p. 1
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 « De plus en plus d’étudiants ont le ventre vide »
p. 1p. 2
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 · éditorial « Les ventres vides au cégep »
p. 1
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 « 43,9 % des participants vivent une forme d’insécurité alimentaire »
La Presse « Près d’un élève sur deux touché »
Le Devoir, lettre « un étudiant sur deux doute de pouvoir manger à sa faim chaque jour »
Radio-Canada, le chercheur « Ce sont des personnes qui ont faim »
Le Devoir, éditorial « Près d’un jeune Québécois sur deux vogue au cégep le ventre vide »
L’article POL-2000 · séance 11 · jeu 19 nov
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.
p. 71p. 72p. 73p. 74p. 75p. 76p. 77p. 78p. 79p. 80p. 81p. 82p. 83
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
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.
p. 2p. 3p. 4
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
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
6 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.
p. 71p. 72p. 73p. 74p. 75p. 76p. 77p. 78p. 79p. 80p. 81p. 82p. 83
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 Un échantillon de volontairesSix cégeps choisis selon l’intérêt de leur direction, aucun taux de réponse.
- 2 Un instrument mal appliquéAvec la règle de l’instrument, 43,9 % devient 27,7 %.
- 3 Des données manquantes et aucun codeOn ne sait pas combien de questionnaires sont incomplets, et personne ne peut refaire l’analyse.
- 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 ?
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
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 Rendre nos hypothèses visiblesToute analyse causale repose sur des postulats. On les montre.
- 2 Savoir si l’effet de la VI sur la VD est identifiableEst-ce possible, avec ces données ?
- 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 ?
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
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 Ne jamais contrôler une variable sur laquelle X a un effet
- 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
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
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
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
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
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 Sur quelles variables X a-t-il un effet ?On ne les contrôle jamais.
- 2 Quelles variables ont un effet sur X et sur Y ?On les contrôle.
- 3 Peut-on estimer l’effet de X sur Y ?
Exercice 1 de 2 POL-2000 · séance 11 · jeu 19 nov
- 1 Sur quelles variables X a-t-il un effet ? Z1, Z2 et Z3 : on ne les contrôle pas
- 2 Quelles variables ont un effet sur X et sur Y ? Z4 : on la contrôle
- 3 Peut-on estimer l’effet de X sur Y ? Oui, en contrôlant Z4
Schéma, aucune donnée
Exercice 2 de 2 POL-2000 · séance 11 · jeu 19 nov
- 1 Sur quelles variables X a-t-il un effet ? Le cholestérol (Z1) : on ne le contrôle pas
- 2 Quelles variables ont un effet sur X et sur Y ? La vie malsaine (Z3) : on la contrôle
- 3 Peut-on estimer l’effet de X sur Y ? Oui, en contrôlant 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
> 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
> 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
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
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 ?
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 Sur quelles variables X a-t-il un effet ? Z2 et Z3 : on ne les contrôle pas
- 2 Quelles variables ont un effet sur X et sur Y ? Z1 : on la contrôle
- 3 Peut-on estimer l’effet de X sur Y ? Oui, avec Z1, sans Z2 ni Z3
Schéma, aucune donnée
Simuler · la preuve POL-2000 · séance 11 · jeu 19 nov
Le vrai effet : 2 × 0,5 = 1
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 ?
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 · POL-2000, automne 2026
Avant la prochaine séance POL-2000 · séance 11 · jeu 19 nov
Avant la prochaine séance
Laurence-Olivier M. Foisy POL-2000 · séance 11 · jeu 19 nov
Merci.
Département de science politique
Faculté des sciences sociales POL-2000 · Automne 2026