Comment modéliser des effets réciproques dans le temps ? Introduction aux modèles croisés-décalés « nouvelle génération » [Les Vendredis Quanti]
Résumé
Qui, de la poule ou de l’œuf, vient en premier ? De nombreuses études explorent les relations réciproques dans le temps, cherchant à déterminer si la relation est unidirectionnelle (X influence Y) ou bidirectionnelle (X influence Y, qui influence ensuite X). Par exemple, la sensibilité politique favorise-t-elle l’engagement citoyen, ou est-ce l’inverse ? La présentation de Fernando Núñez Regueiro fait le point sur les innovations méthodologiques permettant d’essayer de démêler la question, en s’appuyant sur des modèles de régression de séries temporelles. Pour y répondre en contexte naturel (non expérimental), on utilise des données longitudinales afin d’estimer si des évolutions en X conduisent à des évolutions ultérieures en Y (ou inversement). Traditionnellement, les modèles à niveau initial contrôlé (effet de X à T1 sur Y à T2, en contrôlant Y à T1) et surtout les CLPM (modèles autorégressifs croisés-décalés) ont été considérés comme les plus appropriés. La présentation, en s’appuyant sur une analyse récente des relations entre concept de soi et performances scolaires, montre que ces modèles traditionnels ne différencient pas les évolutions de long terme et de court terme, et peuvent de ce fait créer des artefacts statistiques : des corrélations apparaissent comme des effets directionnels (faux positifs), alors qu’elles sont des constantes de long terme des phénomènes analysés. Fernando Núñez Regueiro montre dans quelles conditions cela se produit et comment y remédier pour renforcer l’analyse et l’interprétation causale des effets réciproques.
Domaines
| Origine | Fichiers produits par l'(les) auteur(s) |
|---|---|
| Licence |