Microprogramme de 2^e cycle en statistiques sociales

Structure du programme

Méthodes d'analyses statistiques intermédiaires en criminologie. Régression multiple, logistiques, polynomiale, modèles hiérarchiques, séries chronologiques. Syntaxe SPSS et techniques de manipulation de bases de données.

Méthodes d'analyse longitudinale : application à la mortalité, fécondité, nuptialité et ruptures d'union. Évaluation de la qualité des données. Construction de tables démographiques. Introduction à l'analyse de données biographiques et individuelles.

Méthodes d'analyse de données transversales avec application à la mortalité, fécondité, nuptialité et migration. Tables démograph. complexes. Décomposition des indices démograph. Modèles de population. Estimations et projections. Matrice de Leslie.

Méthode de recherche quantitative. Sensibilisation à l'importance de la qualité de production des données (instrument de mesure, échantillon). Analyse dans le but de décrire et comparer ces données. Lecture et interprétation des résultats d'études quantitatives.

Notions de base d'analyse de données en santé environnementale et santé au travail. Description des données. Inférence statistique. Introduction aux devis épidémiologiques et aux mesures d'association entre facteurs de risques et problèmes de santé. Cours équivalents : MSN6026/MSN6027

Statistiques descriptives. Distributions. Échantillonnage. Estimations ponctuelle et par intervalle. Test de t et analyse de variance. Régression et corrélation. Analyse de données catégorielles. Approche opérationnelle à l'aide de problèmes.

Introduction aux pratiques de collecte, de gestion et d'analyse de données récoltées dans le cadre d'études épidémiologiques et cliniques dans le domaine de la santé. Le cours s'adresse à tous les chercheurs désirant connaître les différentes plateformes et modes de collecte, de gestion et d'analyse des données ainsi que les standards de qualité à atteindre en respect avec les principes d'éthique de la recherche scientifique.

Réalisation d'une recherche originale en science politique, s'appuyant sur les fondements théoriques et la pratique de l'analyse de données quantitatives : utilisation des bases de données, mesures d'association, inférence statistique, analyses multivariées, et causalité.

Méthodes de collectes, de traitement et d'interprétation des données quantitatives. Application à des problèmes pratiques en psychoéducation. Techniques statistiques multivariées. Problèmes spécifiques aux données longitudinales.

Analyses statistiques utilisées en psychologie : analyses de la variance selon différents plans factoriels, comparaison de moyennes, tests non paramétriques. Utilisation de logiciel permettant d'exécuter les analyses. Cours équivalent : PSY3204 Remarque : Les étudiants ayant complété le cours PSY 3204 ou PSY 6002 ne sont pas autorisés à s'inscrire à ce cours.

Principales opérations méthodologiques dans les stratégies de collecte des données pour la recherche, la résolution de problèmes et la fonction d'analyste-conseil en organisation. Outils d'analyses quantitatives et qualitatives. Remarques: Obligatoire à la maîtrise.

Débats et démarches méthodologiques en sociologie. Enjeux liés au terrain et à l'analyse de données qualitatives et quantitatives : échantillonnage, outils et techniques de collecte, méthodes mixtes, analyse et interprétation des données.

Principales méthodes d'analyse multidimensionnelle liées à la mesure et à la prédiction; modèles intégrateurs; nouveaux développements.

Méthodologie spécifique à l'enquête par questionnaire. Couvre l'élaboration d'un questionnaire d'enquête structuré et d'un plan d'échantillonnage à partir d'une problématique de recherche définie par l'étudiant.

Approches théoriques des quantifications et classifications. Socio-histoire des statistiques sociales. Conventions de mesure, rhétoriques quantitatives et instrumentation de l’action publique.

Apprentissage de méthodes d'analyse quantitative de données biologiques, y compris les données spatiales et temporelles. Travaux pratiques; analyse des données de recherche des étudiants. Remarques: Connaissances requises : biostatistique.

Table de mortalité en continu. Le renouvellement des populations. Les populations stables et leur généralisation. Hétérogénéité et sélection. Introduction aux processus de naissance et de mort. Modèles de microsimulation.

Méthodes indirectes d'évaluation des populations et des phénomènes démographiques; principes et méthodes de projections de grands et de petits ensembles, ainsi que de sous-ensembles ayant des caractéristiques particulières.

Survol des méthodes inductives en démographie : régressions moindres carrés ordinaires, doubles moindres carrés, Tobit, logit/probit. Endogénéité, pondérations, erreurs de mesure, etc.

Durée et risque. Inférence : échantillon complexe, enquêtes prospectives et rétrospectives. Modèle à risques relatifs de Cox. Censure et troncature. Modèles à risques non relatifs. Analyse de la causalité. Effets aléatoires.

Méthodes d'estimation, ratio de cotes, multicolinéarité, variables indépendantes qualitatives, interactions, modélisation. ANOVA: 1 et 2 facteurs, mesures répétées, analyse de covariance, comparaisons multiples.

Présentation des principales méthodes d'analyses statistiques pour les études longitudinales et multiniveaux. L'accent est mis sur les aspects pratiques de la modélisation, sur l'interprétation et sur la présentation des résultats.

Cours d'introduction à l'analyse de survie. Notions théoriques et pratiques dans le domaine de la santé : fonction de survie, de risque instantané, censure, estimateur de Kaplan-Meier et test du log-rank, modèle de risques proportionnels de Cox.

Analyse multivariée de l'information. Corrélation canonique. Analyse de variance multivariée. Analyse factorielle. Modélisation par équations structurelles. Applications en recherche psychologique.

Cours avancé en statistique sociale sur les modèles de régression linéaire et non linéaire et l'analyse de processus conditionnels incluant des variables modératrices et médiatrices. Introduction aux modèles multiniveaux en régression linéaire. Restriction : Les étudiants ayant complété le cours SOL6211 ne sont pas autorisés à s'inscrire à ce cours. Remarque : cours et évaluation en ligne.

Cours avancé en statistique sociale appliquée aux données longitudinales qui approfondit la modélisation par régression linéaire hiérarchique. Analyse de modèles théoriques des effets du temps sur des évènements rares et des données catégorielles. Restriction : Les étudiants ayant complété le cours SOL6211 ne sont pas autorisés à s'inscrire à ce cours. Remarque : cours et évaluation en ligne.

Cours avancé en statistique sociale appliquée aux données longitudinales qui approfondit la modélisation par classes latentes. Analyse de modèles théoriques supposant des effets différentiels du temps en fonction de sous-groupes "latents". Restriction : Les étudiants ayant complété le cours SOL6211 ne sont pas autorisés à s'inscrire à ce cours. Remarque : cours et évaluation en ligne.

Rappels sur les modèles linéaires généralisés (inférence, tests, validation, choix de modèle). Géométrie de la régression. Étude asymptotique des estimateurs et réduction de variance. Régression robuste. Régression non paramétrique.

Distributions elliptiques. Estimateurs de localisation et dispersion. Estimateur robuste. Corrélations multiple, partielle, canonique. Tests paramétriques, de permutation, du bootstrap. Classification. Analyse en composantes principales. Prévision.

Préparation et gestion de bases de données, qualité des données, techniques de visualisation des données pour les décideurs et acteurs clés impliqués dans la santé (cliniciens, gestionnaires, décideurs politiques, patients), gouvernance des données.

Analyse des grands fichiers de données économiques et financières et élaboration de prévisions à l'aide des techniques de régularisation, de classification et de sélection de modèles. Remarque: pour pouvoir s'inscrire à ce cours, les étudiants devront avoir suivi le cours ECN2160 - Économétrie 2, ou l'équivalent.

Mégadonnées et santé publique : aspects scientifiques et techniques. Modélisation et exploration de données. Bases de données. Apprentissage automatique. Intro. à l’intelligence artificielle. Approche pratique, expérientielle et par cas.

Utilisation de l’apprentissage statistique automatique et sélection de modèles dans la recherche en sciences sociales. Apprentissage supervisé et non supervisé : classification, régularisation, arbre de décisions, analyse par variables latentes. Remarque : un cours complémentaire de statistique sociale avancée sera exigé pour suivre le cours SOL 6151. Au premier cycle, vous devez vous inscrire au cours SOL 3051.

Sous la supervision d'un professeur, l'étudiant poursuit et développe un travail de recherche entrepris dans le cadre d'un projet concret, soit au cours d'un travail d'été ou d'un travail d'auxiliaire de recherche.

Le stage permet d'approfondir des aspects du métier de sociologue (élaboration d'un instrument, collecte de données, analyses, intervention, etc.) dans un milieu externe. Il est intégré à la formation de l'étudiant.