Laurence-Olivier M. Foisy POL-2000 · séance 7 · jeu 15 oct
POL-2000 · Méthodologie quantitative
La régression linéaire simple
Séance 7 · jeudi 15 octobre 2026
Département de science politiqueFaculté des sciences sociales Automne 2026
Où on en est POL-2000 · séance 7 · jeu 15 oct
07 jeudi 15 octobre · partie 2 · Régression
La régression linéaire simple
Une droite qui résume une relation entre deux variables, et comment l’interpréter.
Examen 1 POL-2000 · séance 7 · jeu 15 oct
L’examen 1
15 % Examen 1 · remis le 4 octobre la correction
Travail de mi-session POL-2000 · séance 7 · jeu 15 oct
Le travail de mi-session
Sept étapes, une à la fois.
Travail de mi-session POL-2000 · séance 7 · jeu 15 oct
Les consignes
L’avez-vous lu ?
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
Travail de mi-session · étape 1 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
Une question claire, précise, mesurable
FLOUE
L’école change-t-elle notre rapport à la politique ?
↓
PRÉCISE
Plus on est scolarisé, plus on s’intéresse à la politique ?
X
cps25_education « Quel est votre plus haut niveau de scolarité complété ? »
codebook CES 2025, p. 41Y
cps25_interest_gen_1 « Quel est votre niveau d'intérêt pour la politique en général ? »
codebook CES 2025, p. 45CLAIREune relation, X → Y
PRÉCISEdeux concepts, une population
MESURABLEles deux sont dans la CES
Travail de mi-session · étape 2 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
La littérature, comme à Risk
un territoire= une théorie
un pion= un article
une alliance= des articles qui s’appuient
un front= un débat
votre coup= votre hypothèse
Schéma. Camps et articles fictifs.
Travail de mi-session · étape 2 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
Trouver les bons articles
Google Scholar scholar.google.com
Sofia Bibliothèque de l’Université Laval
Consensus consensus.app · recherche par IA
- TAMIS 1Révisé par les pairs
- TAMIS 2Fort facteur d’impact, beaucoup cité ou récent
révisée par les pairs · 2019 Article A cité 1 250 fois Nature facteur d’impact 2025 : 56,1
billet de blogue · 2023 Blogue
révisée par les pairs · 2024 Article B cité 18 fois American Journal of Political Science facteur d’impact 2025 : 4,7
article de presse · 2025 Journal
révisée par les pairs · 2006 Article C cité 9 fois Politics and Religion facteur d’impact 2025 : 1,5
révisée par les pairs · 1998 Article D cité 2 400 fois American Journal of Political Science facteur d’impact 2025 : 4,7
encyclopédie · 2025 Wikipédia
révisée par les pairs · 2021 Article E cité 310 fois British Journal of Political Science facteur d’impact 2025 : 4,6
révisée par les pairs · 2010 Article F cité 7 fois Japanese Journal of Political Science facteur d’impact 2025 : 1,6
site d’opinion · 2024 Opinion
révisée par les pairs · 2016 Article G cité 640 fois Nature facteur d’impact 2025 : 56,1
révisée par les pairs · 2013 Article H cité 4 fois Politics and Religion facteur d’impact 2025 : 1,5
articles et citations fictifs · revues et facteurs d’impact réels (Clarivate, 2025)
5 gardés · minimum 4 APA, AUTEUR-DATE · dans le texte :
(Nom, 2022) bibliographie : Nom, P. (2022). Titre. Revue, 12(3), 45-67.Travail de mi-session · étape 3 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
Une hypothèse dérivée de la littérature
Une hypothèse ne sort pas d’un chapeau.
VOTRE REVUE DE LITTÉRATURE · le camp choisi
donc
H₁ · L’HYPOTHÈSE
Plus on est scolarisé, plus on s’intéresse à la politique.
H₀ · L’HYPOTHÈSE NULLE
La scolarité ne change rien à l’intérêt.
dans la régression : β₁ = 0Travail de mi-session · étape 4 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
La question fait la variable
Xscolarite cps25_education · p. 41De 0 à 1. Mais de quoi ?
« Quel est votre plus haut niveau de scolarité complété ? »
1 Aucune scolarité 112 Quelques années d'école primaire 213 École primaire terminée 454 Quelques années d'école secondaire 6015 École secondaire terminée 2 8136 Quelques années d'études au collège, au cégep ou au collège classique 1 8147 Études terminées au collège, au cégep, ou au collège classique 4 4968 Quelques années d'études universitaires 1 7679 Baccalauréat 5 68510 Maîtrise 2 06911 Diplôme professionnel ou doctorat 805 Secondaire non terminé0Secondaire0,25Collégial0,5Université, 1er cycle0,75Maîtrise, doctorat1 12 Ne sais pas / Préfère ne pas répondre 53 NA
Yinteret cps25_interest_gen_1 · p. 45De 0 à 1. Mais de quoi ?
« Quel est votre niveau d'intérêt pour la politique en général ? Veuillez glisser le curseur sur un chiffre de 0 à 10, où 0 indique aucun intérêt du tout et 10 indique beaucoup d'intérêt. »
012345678910
Aucun intérêtBeaucoup d'intérêt
÷ 10
01
Je ne sais pas / Préfère ne pas répondre -99 NA
Travail de mi-session · étape 4 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
Votre Y, la variable dépendante
Nominale le parti du vote et aussi : oui ou non refusée
Ordinale scolarite, en cinq niveaux acceptée
Intervalle · ratio interet, le curseur de 0 à 10 acceptée
Travail de mi-session · étape 5 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
La pertinence : ok, donc ?
Je relie la scolarité à l’intérêt pour la politique.
Ok, donc ?
On saura qui suit la politique, et qui décroche.
Ok, donc ?
Si seul.e.s les diplômé.e.s s’intéressent, la participation devient inégale.
Vous savez répondre à « Ok, donc ? » : c’est votre pertinence.
Travail de mi-session · étape 6 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
La contribution
?
une nouvelle méthode un autre modèle
?
une nouvelle théorie une autre explication
?
une nouvelle perspective un autre angle
?
une nouvelle population les 18-24 ans seulement
?
une nouvelle variable ajouter l’âge
?
une nouvelle mesure une autre mesure de l’intérêt
?
une nouvelle question jamais posée
Travail de mi-session · étape 7 POL-2000 · séance 7 · jeu 15 oct
- 1Question
- 2Littérature
- 3Hypothèse
- 4Données
- 5Pertinence
- 6Contribution
- 7Vous
Et vous, pourquoi ce sujet ?
PERSONNEL
- Pourquoi ce sujet ?
- Pourquoi c’est important pour vous ?
PROFESSIONNEL
- Qu’apporte-t-il à votre parcours ?
Travail de mi-session POL-2000 · séance 7 · jeu 15 oct
Lisez les consignes.
- ✓2 pages sans compter la couverture et la bibliographie
- ✓4 références scientifiques, au moins
- ✓H₁ et H₀
- ✓Pas de variables nominales
- ✓APA, auteur-date
- ✓Déclaration d’IA, à la fin
SUR MONPORTAIL mercredi 28 octobre 23h59
La régression linéaire POL-2000 · séance 7 · jeu 15 oct
La régression linéaire
Une droite pour résumer une relation.
y = β0 + β1x + ε
lm(y ~ x, data = df)
La régression est partout POL-2000 · séance 7 · jeu 15 oct
La taille des enfants dépend-elle de celle de leurs parents ?
une droite, tracée à la main
cité 1 455 fois L’article qui a donné son nom à la régression.
Données 928 enfants adultes et leurs parents (205 couples), familles britanniques.
Yla taille des enfants, adultes
Xla taille moyenne des deux parents
2/3 Des parents 3 pouces plus grands que la moyenne ont des enfants 2 pouces plus grands, en moyenne. Les enfants « régressent » vers la moyenne. D’où le mot régression.
La régression est partout POL-2000 · séance 7 · jeu 15 oct
Combien rapporte une année d’école de plus ?
régression simple
cité 5 906 fois L’« équation de Mincer » : la façon standard de mesurer ce que rapporte l’école.
Données Hommes blancs, hors agriculture, au recensement des États-Unis de 1960 (revenus de 1959).
Yle revenu annuel (en logarithme)
Xles années d’école
0,070 Une année d’école de plus : environ 7 % de revenu de plus. Le revenu est en logarithme, donc 0,070 se lit à peu près comme 7 %. Entre parenthèses, le t (43,8) : pas le hasard.
La régression est partout POL-2000 · séance 7 · jeu 15 oct
Une enfance difficile mène-t-elle à la dépression ?
régression logistique
cité 18 853 fois Le point de départ du score ACE, utilisé aujourd’hui en santé publique et en travail social.
Données 9 508 adultes d’une assurance santé de San Diego (Kaiser Permanente), 7 945 pour cette ligne.
Ydeux semaines ou plus de déprime dans l’année (oui ou non)
Xle nombre d’adversités vécues enfant (violence, négligence, parent en prison…)
4,6 Avec 4 adversités ou plus, la cote de déprime est 4,6 fois celle d’une enfance sans adversité. Un rapport de cotes : 1 veut dire aucune différence. À âge, sexe, origine et scolarité égaux. Une association, pas une preuve.
La régression est partout POL-2000 · séance 7 · jeu 15 oct
Pourquoi vote-t-on davantage dans certains pays ?
régression multiple
rapport d’Élections Canada Un rapport pour Élections Canada : la régression au service d’une décision publique.
Données 148 élections dans 61 démocraties, depuis 1990. Trois chercheurs de l’Université de Montréal.
Yle taux de participation (% des inscrits)
Xle vote obligatoire, avec ou sans amende, et le mode de scrutin, la région, la taille, la richesse
12,60 Là où l’abstention est punie d’une amende, la participation est 12,6 points plus haute. À pays comparables. Une obligation sans amende ne change rien (−3,82, sans étoile).
La régression est partout POL-2000 · séance 7 · jeu 15 oct
L’école secondaire protège-t-elle de la guerre civile ?
régression logistique
cité 6 101 fois A lancé le grand débat sur les causes des guerres civiles : l’appât du gain ou les injustices ?
Données 161 pays, de 1960 à 1999, en 688 périodes de cinq ans. 46 guerres civiles éclatent.
Yune guerre civile éclate ou non dans les cinq ans
Xla part des garçons à l’école secondaire, la croissance, les exportations
−0,031 Plus il y a de garçons à l’école secondaire, moins une guerre civile risque d’éclater. 10 points de garçons scolarisés de plus : le risque passe de 11,5 % à 8,6 %. Une association, pas une preuve.
La régression est partout POL-2000 · séance 7 · jeu 15 oct
Le revenu des parents prédit-il celui de leurs enfants ?
régression simple
cité 2 910 fois A montré que l’ascenseur social dépend de l’endroit où l’on grandit.
Données 9,9 millions d’enfants nés aux États-Unis de 1980 à 1982, suivis dans les déclarations de revenus.
Yle rang de revenu de l’enfant, vers 30 ans (0 à 100)
Xle rang de revenu de ses parents (0 à 100)
0,341 Des parents 10 rangs plus haut : un enfant 3,4 rangs plus haut, une fois adulte. Les points sont presque sur la droite. Au Canada, la pente est d’environ 0,17 : la moitié.
La régression est partout POL-2000 · séance 7 · jeu 15 oct
La même méthode depuis 140 ans
taille des enfants ~ taille des parents Galton, 1886revenu ~ scolarité Mincer, 1974déprime ~ adversités de l’enfance Felitti et al., 1998participation ~ vote obligatoire Blais et al., 2003guerre civile ~ école, croissance Collier et Hoeffler, 2004rang de l’enfant ~ rang des parents Chetty et al., 2014
lm(interet ~ scolarite, data = df_clean) nous, aujourd’huiLe meilleur outil qu’on a pour étudier la relation entre deux variables.
La régression linéaire POL-2000 · séance 7 · jeu 15 oct
Pourquoi la régression ?
19 736personnes
mais on ne voit que 55 pointson les écarteon les regroupe
↓5moyennes
↓1droite
↓ du secondaire non terminé
à la maîtrise ou au doctorat +0,17 d’intérêt
(sur 0 à 1)
à la maîtrise ou au doctorat +0,17 d’intérêt
(sur 0 à 1)
CES 2025 · un carré par personne
La régression linéaire POL-2000 · séance 7 · jeu 15 oct
Comment ça marche ?
- la distance entre le point et la droite
- le carré bâti sur cette distance
l'aire totale des carrés 1,67
- une droite qui descend
- la moyenne pour tout le monde
- la droite de lm()
la droite qui passe le plus près de tous les points
15 répondant.e.s de notre sondage, CES 2025
La régression linéaire POL-2000 · séance 7 · jeu 15 oct
Pourquoi des carrés ?
au-dessus et au-dessous s’annulent : 0 pour les deux droitesun carré n’est jamais négatif : tout le monde compteun gros écart pèse plus que deux petitsune seule droite a la plus petite aire : les moindres carrés
15 répondant.e.s de notre sondage, CES 2025 · l’encart : un exemple, pas des données
La régression linéaire POL-2000 · séance 7 · jeu 15 oct
L’équation, en mots
y = β0 + β1 × x + ε variable dépendante = ordonnée à l’origine + pente × variable indépendante + erreur intérêt = 0,56 + 0,17 × scolarité + âge + genre + …
CES 2025 · 19 736 des 20 180 répondant.e.s · tout de 0 à 1
Notre sondage de 1 000 POL-2000 · séance 7 · jeu 15 oct
Dans la vraie vie, on a un sondage
La droite · notre sondage de 1 000 POL-2000 · séance 7 · jeu 15 oct
Jouer avec la droite
intérêt=β0+β1×scolarité intérêt=0,67+0,00×scolarité ordonnée à l’originepente
β0 ordonnée à l’origine 01
β1 pente −10+1
total des carrés 63,0 +4,1 % de plus que le minimum
La droite · notre sondage de 1 000 POL-2000 · séance 7 · jeu 15 oct
Lire la pente
intérêt=β0+β1×scolarité intérêt=0,54+0,20×scolarité
toute la CES (20 180) : 0,17 · notre sondage (1 000, R en garde 981) : 0,20
0 → 1 : +0,20
Du secondaire non terminé à la maîtrise ou au doctorat, l’intérêt monte de 0,20 sur une échelle de 0 à 1, soit 2 points sur 10.
Un niveau de plus (0,25) : environ +0,05.
Secondaire non terminé (scolarite = 0) : la droite prédit 0,54.
x passe de 0 à 1 → y change de β1
« → » se lit « est associé à », pas « cause »
toutes choses égales par ailleurs : séance 8
Hasard et biais POL-2000 · séance 7 · jeu 15 oct
La vraie droite
Hasard et biais POL-2000 · séance 7 · jeu 15 oct
Et si on recommençait ?
Hasard et biais POL-2000 · séance 7 · jeu 15 oct
Ce qui reste : ε
La variable confondante POL-2000 · séance 7 · jeu 15 oct
Plus de crème glacée, plus de noyades
lm(noyades ~ cremes, data = mois)
La variable confondante POL-2000 · séance 7 · jeu 15 oct
Ce qui se cache dans ε
noyades = β0 + β1 × crème glacée + ε
La variable confondante POL-2000 · séance 7 · jeu 15 oct
À chaleur égale
La variable confondante POL-2000 · séance 7 · jeu 15 oct
Et dans la CES ?
interet = β0 + β1 × scolarite + ε
La variable confondante POL-2000 · séance 7 · jeu 15 oct
À âge égal
Pause POL-2000 · séance 7 · jeu 15 oct
Pause
Quinze minutes.
L’erreur type POL-2000 · séance 7 · jeu 15 oct
L’erreur type
L’erreur type POL-2000 · séance 7 · jeu 15 oct
Et avec un seul sondage ?
Est-ce le hasard ? · la statistique t POL-2000 · séance 7 · jeu 15 oct
Et si H0 était vraie ?
Est-ce le hasard ? · la statistique t POL-2000 · séance 7 · jeu 15 oct
La cloche, posée sur 0
Est-ce le hasard ? · la statistique t POL-2000 · séance 7 · jeu 15 oct
La statistique t
Est-ce le hasard ? · la valeur p POL-2000 · séance 7 · jeu 15 oct
Vous connaissez l’idée. Voici son nom.
Est-ce le hasard ? · la valeur p POL-2000 · séance 7 · jeu 15 oct
Les étoiles
Est-ce le hasard ? · la valeur p POL-2000 · séance 7 · jeu 15 oct
Ce que p ne dit pas
la probabilité que H0 soit vraie
la taille ou l’importance de l’effet
la preuve d’une cause
ce qu’elle dit : à quel point une pente comme la nôtre serait surprenante si H0 était vraie
Wasserstein et Lazar (2016), énoncé de l’American Statistical Association sur la valeur p
Est-ce le hasard ? · la valeur p POL-2000 · séance 7 · jeu 15 oct
Significatif n’est pas important
Les deux études, telles que rapportées par Arel-Bundock (2021, p. 76)
Est-ce le hasard ? · l’intervalle POL-2000 · séance 7 · jeu 15 oct
L’intervalle de confiance
Est-ce le hasard ? · l’intervalle POL-2000 · séance 7 · jeu 15 oct
19 fois sur 20
Lire un tableau POL-2000 · séance 7 · jeu 15 oct
Lire un tableau de régression
Les mêmes chiffres, deux habits.
Lire un tableau POL-2000 · séance 7 · jeu 15 oct
Deux habits, les mêmes chiffres
ce que R imprime
> summary(modele) Call: lm(formula = interet ~ scolarite, data = ces1000) Residuals: Min 1Q Median 3Q Max -0.74356 -0.14198 0.05644 0.15802 0.45959 Coefficients: Estimate Std. Error t value Pr(>|t|) (Intercept) 0.54041 0.02140 25.257 < 2e-16 *** scolarite 0.20315 0.03212 6.324 3.87e-10 *** --- Signif. codes: 0 ‘***’ 0.001 ‘**’ 0.01 ‘*’ 0.05 ‘.’ 0.1 ‘ ’ 1 Residual standard error: 0.2486 on 979 degrees of freedom (19 observations deleted due to missingness) Multiple R-squared: 0.03925, Adjusted R-squared: 0.03827 F-statistic: 39.99 on 1 and 979 DF, p-value: 3.87e-10
ce que l’article publie
| Intérêt pour la politique (0 à 1) | |
|---|---|
| Modèle 1 | |
| Scolarité | 0,203*** |
| (0 à 1) | (0,032) |
| Constante | 0,540*** |
| (0,021) | |
| N | 981 |
| R² | 0,04 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | |
Lire un tableau POL-2000 · séance 7 · jeu 15 oct
Le tableau, c’est l’équation remplie
| Intérêt pour la politique (0 à 1) | |
|---|---|
| Modèle 1 | |
| Scolarité | 0,203*** |
| (0 à 1) | (0,032) |
| Constante | 0,540*** |
| (0,021) | |
| N | 981 |
| R² | 0,04 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | |
y = β0 + β1 × x + ε intérêt = 0,540 + 0,203 × scolarité + ε
Lire un tableau · le coefficient POL-2000 · séance 7 · jeu 15 oct
La constante et la pente dessinent la droite
| Intérêt pour la politique (0 à 1) | |
|---|---|
| Modèle 1 | |
| Scolarité | 0,203*** |
| (0 à 1) | (0,032) |
| Constante | 0,540*** |
| (0,021) | |
| N | 981 |
| R² | 0,04 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | |
Lire un tableau · les étoiles POL-2000 · séance 7 · jeu 15 oct
Les étoiles, la valeur p en raccourci
| Intérêt pour la politique (0 à 1) | |
|---|---|
| Modèle 1 | |
| Scolarité | 0,203*** |
| (0 à 1) | (0,032) |
| Constante | 0,540*** |
| (0,021) | |
| N | 981 |
| R² | 0,04 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | |
aucune p ≥ 0,05
* p < 0,05
** p < 0,01
*** p < 0,001 scolarité
le hasard peut l’expliquer le hasard l’explique mal
*** ≠ important
*** ≠ causal
Lire un tableau · N POL-2000 · séance 7 · jeu 15 oct
N = 981. Pourquoi pas 1 000 ?
| Intérêt pour la politique (0 à 1) | |
|---|---|
| Modèle 1 | |
| Scolarité | 0,203*** |
| (0 à 1) | (0,032) |
| Constante | 0,540*** |
| (0,021) | |
| N | 981 |
| R² | 0,04 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | |
1 000 tiré.e.s parmi les 20 180
19 « je ne sais pas / préfère ne pas répondre » à l’intérêt
1 000 − 19 = 981
toujours vérifier N
Lire un tableau · R² POL-2000 · séance 7 · jeu 15 oct
R² = 0,04
| Intérêt pour la politique (0 à 1) | |
|---|---|
| Modèle 1 | |
| Scolarité | 0,203*** |
| (0 à 1) | (0,032) |
| Constante | 0,540*** |
| (0,021) | |
| N | 981 |
| R² | 0,04 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | |
un R² faible n’efface pas la pente4 % seulement, et pourtant t = 6,3 ***
Lire un tableau POL-2000 · séance 7 · jeu 15 oct
Lire un tableau en 4 questions
1 Le sens ? + : plus scolarisé, plus intéressé
2 La taille ? +0,20 de 0 à 1
3 Le hasard ? *** : le hasard l’explique mal
4 Le contexte ? N = 981 · R² = 0,04
Faire son tableau · modelsummary POL-2000 · séance 7 · jeu 15 oct
Une ligne, un tableau
library(modelsummary)modelsummary(modele, stars = TRUE)
Faire son tableau · modelsummary POL-2000 · séance 7 · jeu 15 oct
Un argument à la fois
modelsummary(modele, stars = TRUE)
Faire son tableau · modelsummary POL-2000 · séance 7 · jeu 15 oct
Deux modèles côte à côte
noms <- c("(Intercept)" = "Constante",
"scolarite" = "Scolarité (0 à 1)", "age" = "Âge (0 à 1)",
"femme" = "Femme", "revenu" = "Revenu (0 à 1)",
"quebec" = "Québec")
modeles <- list("Modèle 1" = modele, "Modèle 2" = modele2)
modelsummary(modeles, stars = TRUE, coef_rename = noms,
gof_map = c("nobs", "r.squared"))
une liste nommée = une colonne par modèle
Faire son tableau · modelsummary POL-2000 · séance 7 · jeu 15 oct
Du tableau au PDF
une seule fois
install.packages(c("modelsummary", "pandoc"))
pandoc::pandoc_install()
puis
modelsummary(list("Modèle 1" = modele), stars = TRUE,
coef_rename = noms, gof_map = c("nobs", "r.squared"),
output = "tableau.docx")
tableau.docx : Word, puis « Enregistrer en PDF »
Le graphique des coefficients POL-2000 · séance 7 · jeu 15 oct
Le graphique des coefficients
Le tableau, en image.
Le graphique des coefficients POL-2000 · séance 7 · jeu 15 oct
Du tableau au graphique
Le graphique des coefficients POL-2000 · séance 7 · jeu 15 oct
Morceau par morceau
Aperçu de la semaine prochaine POL-2000 · séance 7 · jeu 15 oct
Plusieurs variables à la fois
Aperçu de la semaine prochaine POL-2000 · séance 7 · jeu 15 oct
Attention aux unités
Tout va de 0 à 1 : chaque point, c’est du minimum au maximum.
Le graphique des coefficients POL-2000 · séance 7 · jeu 15 oct
Lire le graphique en 3 questions
Le graphique des coefficients POL-2000 · séance 7 · jeu 15 oct
95 %, 99 %, 99,9 %
Plus on veut être sûr, plus la moustache est longue.
Un gabarit pour vos travaux POL-2000 · séance 7 · jeu 15 oct
Un graphique à réutiliser
Un gabarit pour vos travaux POL-2000 · séance 7 · jeu 15 oct
1. Préparer les coefficients
library(broom)
library(dplyr)
# Des noms en français, dans l'ordre du tableau
noms <- c(scolarite = "Scolarité", age = "Âge",
femme = "Femme", revenu = "Revenu",
quebec = "Québec")
coefs <- tidy(modele, conf.int = TRUE) |>
filter(term != "(Intercept)") |>
mutate(variable = factor(noms[term],
levels = rev(noms)))Un gabarit pour vos travaux POL-2000 · séance 7 · jeu 15 oct
2. Dessiner et enregistrer
library(ggplot2)
ggplot(coefs, aes(x = estimate, y = variable)) +
geom_vline(xintercept = 0, linetype = "dashed",
colour = "grey60") +
geom_pointrange(aes(xmin = conf.low, xmax = conf.high),
size = 0.7, linewidth = 1) +
scale_x_continuous(labels = scales::label_number(
decimal.mark = ",")) +
labs(x = "Effet sur l'intérêt pour la politique (0 à 1)",
y = NULL,
caption = "Intervalles de confiance à 95 %.") +
theme_minimal(base_size = 15) +
theme(panel.grid.minor = element_blank(),
panel.grid.major.y = element_blank(),
axis.text.y = element_text(colour = "black"),
plot.caption = element_text(colour = "grey40"))
ggsave("graphique.png", width = 7, height = 4, dpi = 300)Un gabarit pour vos travaux POL-2000 · séance 7 · jeu 15 oct
Plus court : modelplot()
library(modelsummary)
modelplot(modele, coef_map = rev(noms)) +
geom_vline(xintercept = 0, linetype = "dashed") +
labs(x = "Effet sur l'intérêt pour la politique (0 à 1)")
La semaine prochaine POL-2000 · séance 7 · jeu 15 oct
La semaine prochaine : plusieurs variables
| Intérêt pour la politique (0 à 1) | ||
|---|---|---|
| Modèle 1 | Modèle 2 | |
| Scolarité | 0,203*** | 0,187*** |
| (0 à 1) | (0,032) | (0,032) |
| Âge | 0,349*** | |
| (0 = 18 ans, 1 = 96 ans) | (0,034) | |
| Femme | −0,091*** | |
| (0 = non, 1 = oui) | (0,015) | |
| Revenu | 0,085** | |
| (8 tranches, de 0 à 1) | (0,031) | |
| Québec | 0,002 | |
| (0 = non, 1 = oui) | (0,018) | |
| Constante | 0,540*** | 0,415*** |
| (0,021) | (0,030) | |
| N | 981 | 877 |
| R² | 0,04 | 0,18 |
| *** p < 0,001 · ** p < 0,01 · * p < 0,05 Erreurs types entre parenthèses. | ||
Avant le 22 octobre POL-2000 · séance 7 · jeu 15 oct
Trois choses
20 % Mi-session à remettre mercredi 28 octobre, 23h59
5 % Datacamp · 1re partie à remettre dimanche 25 octobre, 23h59
Datacamp Introduction to Data Visualization with ggplot2 · Introduction · AestheticsAvant le 22 octobre POL-2000 · séance 7 · jeu 15 oct
Jeudi 22 octobre
La régression linéaire multiple.
Laurence-Olivier M. Foisy POL-2000 · séance 7 · jeu 15 oct
Merci.
Département de science politiqueFaculté des sciences sociales POL-2000 · Automne 2026
1 / 77