H0

Le retour au blog s’annonce plus difficile que prévu, surtout quand il y a la thèse, désespérante, et tant de choses à lire sur The Monkey Cage, où l’un des nouveaux contributeurs (avec les meilleurs billets) est un undergraduate (!) ; jetez-y un coup d’oeil, tout y passe, de 9/11 à l’euro.

And now for something completely different.

Timothée rappelle les bases de l’hypothèse nulle, un concept finalement assez difficile à enseigner, parce qu’il suppose de raisonner par rapport à une situation hypothétique aléatoirement déterminée. L’exemple dont je me sers souvent vient d’un ouvrage de Thomas Schelling, où il évoque la ségrégation raciale : si l’on distribue aléatoirement des pions blancs et noirs sur un plateau, des clusters blancs et noirs se constituent par accident. Autrement dit, pour distinguer un effet du groupe ethnique sur la résidence géographique, il ne suffit pas de regarder une carte, il faut aussi tester la probabilité d’un effet de concentration aléatoire.

Les simulations sont utiles dans ce contexte, mais la notion de simulation (ou de travail sur des données synthétiques en général) est très peu maîtrisée en sciences sociales. Surtout, je suis plutôt d’accord avec Nathaniel Beck vis-à-vis de l’hypothèse nulle : elle est rarement mobilisable en tant que telle dans un raisonnement de sciences sociales, et souvent intellectuellement surestimée par rapport aux autres résultats d’une modélisation sous forme de régression. Le risque de paradoxe de Simiand est réel lorsque l’on raisonne avec “H0”, ce qui ne condamne pas la méthode, au contraire.

Pour d’autres manières de raisonner sur des modèles quantitatifs en sciences sociales, voir ici et . L’actualité scientifique sur ce point est très dense. Pour moi, tout a commencé avec ce papier de Paul Schrodt et avec les textes de Judea Pearl. Comme me le répétait une figure tutélaire de la discipline, la critique la plus juste vient bien des plus knowledgeable. Je me demande si ces raisonnements sont aussi plus appropriés face aux très gros jeux de données, qui deviennent la norme : ne serait-ce que les données du Parti socialiste, entre les votes et les réseaux sociaux, représentent des centaines d’heures d’analyse1.

J’ai quelques régressions dans mes notes (je n’ose dire “manuscrit”), notamment une sorte d’analyse de survie et une modélisation d’auto-corrélation temporelle avec vérification par simulation. L’hypothèse nulle fait sens dans les deux cas parce que les modèles s’appliquent à des possibilités : “est il possible qu’il se soit passé… ?” (La même idée s’applique aux modèles d’apprentissage par diffusion ou de dépendance au sentier). Sur un individu, on ne se demande s’il est possible que la religion et le positionnement politique n’ait aucune connexion : on se demande la magnitude probable de cet effet par rapport et en relation à d’autres.

  1. Je préférerais lire une analyse du Parti socialiste utilisant un échantillon de votants aux primaires ou des données Facebook/Twitter plutôt qu’un commentaire sur la guerre des classes au prisme du dernier rapport Terra Nova. []