Les méthodes scientifiques fondamentales

Défis à l'inférence empirique en science politique

Définition

Cela consiste à trouver des liens de causes à effets à partir de données expérimentale, c'ets donc une méthode empirique.

Les trois défis

-Multi-causalité :

→ presque tout à un impact,

→ chaque phénomène à plusieurs causes. (difficile de dire qu'un phénomène n'a qu'une cause.

-Conditionnalité du contexte :

→ L'effet de presque tout dépend de presque tout le reste.

→ Les effets de chaque cause tendent à varier à travers les contextes

(ex : effet de la classe sociale sur le vote, différent selon les pays)

C'est quelque chose que les chercheurs prennent peu en compte.

-Endogénéité :

→ Presque tout cause presque tout le reste

→ Causes et effets s'influencent mutuellement

(ex : plus j'ai d’intérêt pour la politique, plus je m'implique, plus je m'implique dans la politique, plus je m'y intéresse)

Le concept de cause

Déterminant de la relation causale

Dans la démarche scientifique en sciences-sociales, on cherche à déterminer les relations causales.

• · « Si C(cause), alors E(effet) »

C'est insuffisant ! La relation entre C et E peut valoir parfois ou toujours.

Exemple - Il faut être un peu plus précis. Si on dit que s’il y a un niveau d’éducation élevé on peut dire qu’il y a un niveau de participation plus élevé.

On affirme que s’il y a C alors il y a E, il n’y a pas univocité de la relation alors que la relation cause a effet doit être univoque.

• · « Si C, alors (et seulement alors) toujours E »

Dans ce cas il y a les quatre caractéristiques de lien de cause à effet

- Conditionnalité : effet sous condition qu'il y ait la cause

- Succession : d'abord la cause ensuit l'effet

- Constance : « toujours » chaque fois que la cause est présente on observe aussi l'effet

- Univocité : le lien est unique

On introduit des éléments importants pour définir ce qu’est une cause. - approche encore insuffisant !

Exemple : si le niveau éducation est élevé, alors et seulement alors on observe toujours une participation plus élevée.

Cependant, selon certain, dans l’épistémologie des sciences, il manque l’élément qui consiste à dire qu’il doit y avoir un lien génétique, un lien de production de l’effet dû à la cause.

• · « Si C, alors (et seulement alors) E toujours produit par C » VRAI

Il faut qu’un effet donné ne soit pas seulement corrélé avec une cause mais l’effet doit être produit et généré par cette cause. La distinction est plus philosophique que substantielle.

Définition de ce qu’est une cause

• E est généré par C, donc il ne suffit pas d'observer une covariation entre une cause et un effet mais il faut aussi, pour parler de cause, que l'effet soit généré par la cause.
• Il faut que la cause produise l'effet. (ex- si on a un niveau d'éducation élevé ceci génère la participation en politique).

Au fond, dans le cadre de la pensée causale, elle appartient uniquement au niveau théorique. Lorsqu’on parle de cause, on est au niveau purement théorique et non empirique. Dès lors, on ne peut jamais dire que sur le plan empirique, une variation de C produit une variation de E.

On ne peut jamais réussir à établir des liens de cause à effet sur le plan théorique, on peut le faire uniquement sur le plan empirique.

Si on observe empiriquement, sur la base de données, qu’une variation de C et régulièrement suivit par une variation de E, on peut dire qu’il y a un élément de corroboration empirique d’une hypothèse causale. Il faut faire une distinction entre le niveau théorique et le niveau de causalité qui est le niveau empirique qui ne peut être celui que de se rapprocher par l’étude des covariations.

En d’autres termes, si on observe qu’une variation de C et régulièrement suivie d’une variation de E, il y a un élément de corroboration mais il faut encore qu’on élimine tout autre cause possible. Sur le plan empirique, la tâche est celle de dire qu’on désire trouver une covariation, mais comme il y a multicausalité, comment pouvons-nous faire en sorte d’être sûr que cette covariation existe vraiment et affirmer que nous avons un élément de corroboration empirique du postulat du lien de cause à effet ?

Corroboration empirique d’une relation causale

Si on observe empiriquement qu'une variation de X est régulièrement suivie d'une variation de Y en gardant constante tous les autres X possibles (autres causes et facteurs explicatifs) on a un élément fort de corroboration scientifique de l'hypothèse que X soit la cause de Y.

Dans la recherche empirique on ne pourrait jamais parler de cause à effet ; il faut garder en tête que la relation cause à effet reste dans la sphère de la théorie, empiriquement on ne peut que se rapprocher sous certains conditions, constatation de covariation en gardant constants les autres facteurs.

1. Covariation entre variable dépendante (elle dépend) et indépendante (cause, elle ne dépend pas d'une autre chose) : Les deux doivent varier.
2. Direction causale : il faut donner une direction à la causalité, problème de l'endogénéité.
3. L'impossibilité logique : si on a une théorie de la classe sociale qui influence l'orientation politique, il est évident que c'est la classe qui détermine. La causalité ne peut pas être inversée.

Il faut retenir qu’en sciences-sociales on veut aller vers une idée d’explication causale. Cependant on ne peut jamais le faire car sur le plan épistémologique l’idée de cause à effet se situe au niveau théorique. Au niveau empirique on ne peut parler que de variation, cependant sous certaines conditions on peut corroborer, c’est-à-dire vérifier empiriquement une relation causale.

Corroboration empirique d’une relation causale

Direction causale

Il faut que quelque chose entraîne une autre.

→ Manipulation de la variable indépendante

→ Succession temporelle, (ex :socialisation primaire influençant la conscience politique de l'enfant)

→ Impossibilité logique, (ex :la classe sociale influence la participation politique mais l'inverse est faux)

Contrôle des variables étrangères

90% du travail en recherche en sciences sociales consiste à contrôler l'effet des variables qui ne nous intéresse pas.

→ Ceteris paribus : tout les autres facteurs doivent être constants.

→ Dépend de la logique du dessin de recherche. Approche corrélationnelle, analyse de données et approche expérimentale avec une expérience

Relation causale fallacieuse

Exemple de relation causale fallacieuse

Exemple :

-Utilisation de la télévision de la part de deux candidats à l’élection présidentielle pour communiquer leur programme

-Le vote est influencé par plusieurs facteurs(âge, genre, éducation, classe sociale, orientation politique de la famille, etc..)

-On veut voir l'effet de l'exposition à la compagne en télévision.

-Les électeurs qui ont suivi la campagne en télévision (X) ont voté plus nombreux pour un des deux candidats (Y)

-Les électeurs plus âgés (Z) regardent plus souvent la télévision

Donc c'est pas la télévision (X) qui influence le vote (Y), c'est Z qui influence Y, il faut faire attention.

Deux manières pour contrôler empiriquement une affirmation causale

Analyse de la covariation (donnée d’observation)

→ Contrôle (transformation des variables étrangères en constantes)

→ Dépuration (contrôle statistique)

C'est la même chose mais on passe au deuxième quand il y a plusieurs variables quand il y a plusieurs variables.

Exemple :

	Voté / Exposition médiatique		Faible		Élevé
	Pour lui		80,00%		20,00%
	Pas pour lui		20,00%		80,00%
			100,00%		100,00%