Les modèles logit polytomiques non ordonnés

Atelier de Modélisation et Méthodes Statistiques en Sciences Sociales
organisé par le Centre Maurice Halbwachs
Retransmission en visioconférence proposée par Data SHS, la Plateforme Universitaire de Données en Sciences Humaines et Sociales de la région Rhône-Alpes

Intervenants : Cyril Jayet (CMH, CNRS-ENS-EHESS) & Marc Le Vaillant (CERMES, CNRS)

En sciences sociales la régression logistique est une méthode communément utilisée pour la modélisation des variables qualitatives. Dans les usages les plus courants la variable dépendante modélisée comporte seulement deux modalités et la régression est alors dite logistique dichotomique. Les chercheurs sont cependant fréquemment confrontés à la nécessité de modéliser des variables comprenant plus de deux modalités, ce qui les expose à une plus grande complexité en regard du choix des spécifications à retenir pour leurs modèles et également des règles à retenir pour la présentation des résultats.

Nous nous intéressons dans cet atelier à la modélisation des variables qualitatives comprenant plus de deux modalités non ordonnées. Nous déclinons d'abord les différentes définitions et propriétés des modèles de régression logistique polytomiques non ordonnés à travers lesquelles est conçu le cadre théorique de la modélisation de ces variables. Dans un deuxième temps nous développons un exemple concret d'application et nous discuterons de l'intérêt d'utiliser des modèles non ordonnés pour analyser des variables ordinales ne satisfaisant pas l'hypothèse de proportionnalité des odds-ratios sous-jacente aux modèles ordonnés. Nous prendrons ainsi l'exemple de l'analyse des réponses données par les Anglais, les Français et les Allemands à des questions impliquant d'évaluer sur une échelle l'importance de différents critères d'appartenance à la nation. Ces données proviennent d'une enquête internationale portant sur les représentations de l'appartenance à la nation (ISSP, 2003).


Inscription obligatoire auprès de Céline Faure