L’école d’été Quantilille, à laquelle j’avais assisté comme étudiant il y a quinze ans (time flies), avait un super programme cette année, comme chaque année d’ailleurs, avec un module « Visualisation des données en sciences sociales » (avec R) et un module « Exploration et applications des IA génératives en sciences sociales » (avec Python).
J’ai contribué au premier module, en me chargeant de la section qui portait sur la visualisation de (résultats de) modèles de régression.
Le code est en ligne, et comme le suggère le graphique ci-dessus, nous avons travaillé quasi-exclusivement avec ggplot2, ce qui ne surprendra personne : le package a fait ses preuves au point d’avoir été porté dans d’autres langages (Python, Julia).
On ne peut pas tout couvrir en six heures, et il a manqué du temps pour regarder le résultat des scripts « bonus ». On a quand même réussi à parler un peu des différentes manières de visualiser l’incertitude autour d’un résultat.
La fin du code s’appuie sur l’excellent package marginaleffects, dont la documentation a récemment été publiée sous la forme d’un livre. L’auteur, Vincent Arel-Bundock, avait déjà publié un autre excellent ouvrage de méthodes quantitatives, et a codé plein de packages utiles dont je me sers extrêmement souvent.
Faites-moi signe si le code ne tourne pas de votre côté. On m’a fait remonter quelques messages d’erreur (temporaires) à l’installation d’un autre excellent package, ggstats, mais le reste n’a pas posé souci.
OpenEdition vous propose de citer ce billet de la manière suivante :
François (15 juillet 2026). Représentation graphique des résultats de régressions. Polit’bistro. Consulté le 6 septembre 2026 à l’adresse https://doi.org/10.58079/16kpc